RFM模型-Tableau實戰(zhàn)

RFM模型概述

R=Recency距離最近一次交易的時間:用來代表客戶粘性为流,分5、4、3侠碧、2、1,五個等級,5代表最后一次交易距離當(dāng)前時間進(jìn)、1代表最后一次交易距離當(dāng)前時間遠(yuǎn)
F=Frequency交易頻率:用來代表客戶忠誠度谢澈,分5煌贴、4、3锥忿、2牛郑、1,五個等級敬鬓,5代表交易次數(shù)/頻率大客戶忠誠度高淹朋、1代表交易次數(shù)/頻率小客戶忠誠度低
M=Monetary交易金額:用戶代表客戶貢獻(xiàn)的收入,分5钉答、4础芍、3、2数尿、1仑性,五個等級,5代表交易金額大右蹦、1代表交易小

RFM三個維度诊杆、每個維度有五個值,理亂上會有125種客戶層級何陆,本文把客戶分為重要刽辙、中等、一般三層甲献,每層4種宰缤,共劃分為12類客戶群體,如下:

客戶類型 R(客戶粘性) F(忠誠度) M(收入)
重要價值 R>=4 F>=4 M>=4
重要保持 R<4 F>=4 M>=4
重要發(fā)展 R>=4 F<4 M>=4
重要挽留 R<4 F<4 M>=4
中等價值 R>=3 F>=3 2<=M<4
中等保持 R<3 F>=3 2<=M<4
中等發(fā)展 R>=3 F<3 2<=M<4
中等挽留 R<3 F<3 2<=M<4
一般價值 R>=2 F>=2 M<2
一般保持 R<2 F>=2 M<2
一般發(fā)展 R>=2 F<2 M<2
一般挽留 R<2 F<2 M<2

RFM值劃分的依據(jù):

  • 簡單粗暴型(固定值)
    R=Recency距離最近一次交易的時間
    5天:5
    10天:4
    15天:3
    20天:2
    其它:1
    F=Frequency交易頻率/次數(shù)
    <=1次:1
    1<至<=4次:2
    4<至<=7次:3
    7<至<=10次:4
    其它:5
    M=Monetary交易金額
    <=100:1
    100<至<=500:2
    500<至<=1000:3
    1000<至<=1500:4
    其它:5
    具體間距值根據(jù)實際業(yè)務(wù)動態(tài)分配

  • 簡單算法型(根據(jù)算法算出固定值)
    R值:取所有客戶的距離最近一次交易的時間晃洒,算出平均值慨灭、中位值、四分位數(shù)等球及,然后確定R值劃分依據(jù)
    F值:取所有客戶的交易次數(shù)氧骤,算出平均值、中位值吃引、四分位數(shù)等筹陵,然后確定F值劃分依據(jù)
    M值:取所有客戶的交易金額刽锤,算出平均值、中位值朦佩、四分位數(shù)等并思,然后確定M值劃分依據(jù)
    注意這個計算區(qū)間可以是最近一年、兩年全部生命周期等

  • 根據(jù)k-means等聚類算法自動聚合人群

RFM模型 tableau 實現(xiàn)

數(shù)據(jù)源:

數(shù)據(jù)源.png

計算RFM模型需要包含訂單編碼语稠、會員ID宋彼、訂單金額、創(chuàng)建時間四列
計算R值:根據(jù)創(chuàng)建時間計算每個會員最后一次下單時間仙畦;
計算F值:根據(jù)訂單編碼計算每個會員的下單次數(shù)输涕;
計算M值:根據(jù)訂單金額計算每個會員的下單金額;
源數(shù)據(jù)中一行代表一個訂單慨畸,需要根據(jù)會員編碼排重單個會員的R莱坎、F、M值寸士;

簡單粗暴型(固定值) tableau實現(xiàn)
計算R(最后一次下單距離當(dāng)前時間)
1.計算最近一筆交易距離當(dāng)前時間

計算最近一筆交易距離當(dāng)前時間.png

DATEDIFF('day',[gmt_create],#2019-05-25#)

2.創(chuàng)建參數(shù)R


R=5.png

5天:5
10天:4
15天:3
20天:2

3.計算R的人數(shù)


計算R的人數(shù).png
IF  [最近一筆交易距離當(dāng)前時間] <= [R=5] THEN '5'
ELSEIF [最近一筆交易距離當(dāng)前時間] <= [R=4] THEN '4'
ELSEIF [最近一筆交易距離當(dāng)前時間] <= [R=3] THEN '3'
ELSEIF [最近一筆交易距離當(dāng)前時間] <= [R=2] THEN '2'
ELSE '1'
END

4.查看R的人數(shù)


查看R的人數(shù).png

以上計算方式檐什,沒有根據(jù)會員ID排除重復(fù)項,需要按照以下修復(fù)一下:
0.計算每個人最后一次下單時間

{FIXED [member_id]:MAX([gmt_create])}

1.計算最近一筆交易距離當(dāng)前時間

DATEDIFF('day',[最后一次下單時間],#2019-05-25#)

后面再執(zhí)行2碉京、3厢汹、4步驟就正常了

函數(shù)解釋
DATEDIFF(單位,開始時間,結(jié)束時間):結(jié)束時間-開始時間
[gmt_create]:訂單創(chuàng)建時間
2019-05-25:報表是5-24號導(dǎo)出的螟深,故用5-25算當(dāng)前時間
FIXED:使用指定的維度計算聚合
MAX:計算最大值

計算F(計算消費次數(shù))

1.計算每個人的交易次數(shù)


計算每個人的交易次數(shù).png
{ FIXED [member_id]:COUNTD([code])}

2.創(chuàng)建參數(shù)F


創(chuàng)建參數(shù)F.png

<=1次:1
1<至<=4次:2
4<至<=7次:3
7<至<=10次:4
其它:5

3.計算F的人數(shù)


計算F的人數(shù).png
IF  [交易次數(shù)] <= [F=1] THEN '1'
ELSEIF [交易次數(shù)] <= [F=2] THEN '2'
ELSEIF [交易次數(shù)] <= [F=3] THEN '3'
ELSEIF [交易次數(shù)] <= [F=4] THEN '4'
ELSE '5'
END

函數(shù)解釋
COUNTD:返回組中不同項的數(shù)量

計算M(計算消費金額)
1.計算每個人的交易金額

計算每個人的交易金額.png

{ FIXED [member_id]:SUM([payable_money])}

2.創(chuàng)建參數(shù)M


創(chuàng)建參數(shù)M.png

<=100:1
100<至<=500:2
500<至<=1000:3
1000<至<=1500:4
其它:5

3.計算M的人數(shù)


計算M的人數(shù).png
IF  [交易次數(shù)] <= [F=1] THEN '1'
ELSEIF [交易次數(shù)] <= [F=2] THEN '2'
ELSEIF [交易次數(shù)] <= [F=3] THEN '3'
ELSEIF [交易次數(shù)] <= [F=4] THEN '4'
ELSE '5'
END

計算RFM

  1. 創(chuàng)建RFM計算字段


    創(chuàng)建RFM計算字段.png
IF     [R值]>=4 AND [F值]>=4 AND [M值]>=4 THEN '重要價值客戶'
ELSEIF [R值]<4  AND [F值]>=4 AND [M值]>=4 THEN '重要保持客戶'
ELSEIF [R值]>=4 AND [F值]<4  AND [M值]>=4 THEN '重要發(fā)展客戶' 
ELSEIF [R值]<4  AND [F值]<4  AND [M值]>=4 THEN '重要挽留客戶' 


ELSEIF [R值]>=3 AND [F值]>=3 AND 2<=[M值] AND [M值]<4 THEN '中等價值客戶'
ELSEIF [R值]<3  AND [F值]>=3 AND 2<=[M值] AND [M值]<4 THEN '中等保持客戶'
ELSEIF [R值]>=3 AND [F值]<3  AND 2<=[M值] AND [M值]<4 THEN '中等發(fā)展客戶'
ELSEIF [R值]<3  AND [F值]<3  AND 2<=[M值] AND [M值]<4 THEN '中等挽留客戶'


ELSEIF [R值]>=2 AND [F值]>=2 AND [M值]<2 THEN '一般價值客戶' 
ELSEIF [R值]<2  AND [F值]>=2 AND [M值]<2 THEN '一般保持客戶' 
ELSEIF [R值]>=2 AND [F值]<2  AND [M值]<2 THEN '一般發(fā)展客戶'
ELSEIF [R值]<2  AND [F值]<2  AND [M值]<2 THEN '一般挽留客戶'

END
  1. 查看RFM的值


    查看RFM的值.png

    注意:由于一般價值谐宙、一般保持、重要發(fā)展界弧、重要挽留類型的客戶數(shù)量為0凡蜻,故沒有展示出來

創(chuàng)建dashboard

dashboard.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市垢箕,隨后出現(xiàn)的幾起案子划栓,更是在濱河造成了極大的恐慌,老刑警劉巖条获,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件忠荞,死亡現(xiàn)場離奇詭異,居然都是意外死亡帅掘,警方通過查閱死者的電腦和手機委煤,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來修档,“玉大人碧绞,你說我怎么就攤上這事≈ㄎ眩” “怎么了讥邻?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵迫靖,是天一觀的道長。 經(jīng)常有香客問我兴使,道長系宜,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任鲫惶,我火速辦了婚禮蜈首,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘欠母。我一直安慰自己欢策,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布赏淌。 她就那樣靜靜地躺著踩寇,像睡著了一般。 火紅的嫁衣襯著肌膚如雪六水。 梳的紋絲不亂的頭發(fā)上俺孙,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天,我揣著相機與錄音掷贾,去河邊找鬼睛榄。 笑死,一個胖子當(dāng)著我的面吹牛想帅,可吹牛的內(nèi)容都是我干的场靴。 我是一名探鬼主播,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼港准,長吁一口氣:“原來是場噩夢啊……” “哼旨剥!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起浅缸,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤轨帜,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后衩椒,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蚌父,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年毛萌,在試婚紗的時候發(fā)現(xiàn)自己被綠了苟弛。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡朝聋,死狀恐怖嗡午,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情冀痕,我是刑警寧澤荔睹,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布狸演,位于F島的核電站,受9級特大地震影響僻他,放射性物質(zhì)發(fā)生泄漏宵距。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一吨拗、第九天 我趴在偏房一處隱蔽的房頂上張望满哪。 院中可真熱鬧,春花似錦劝篷、人聲如沸哨鸭。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽像鸡。三九已至,卻和暖如春哈恰,著一層夾襖步出監(jiān)牢的瞬間只估,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工着绷, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留蛔钙,地道東北人。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓荠医,卻偏偏與公主長得像吁脱,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子子漩,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,713評論 2 354

推薦閱讀更多精彩內(nèi)容