数据分析rfm模型可视化 rfm模型表格怎么做

1.RFM模型

RFM是3个指标的缩写通；过这3个指标对用户分类的方法称为RFM模型。

• 最近一次消费时间间隔（Recency）
  对于最近一次消费时间间隔（R），上一次消费离得越近（R值越小），用户价值越高，因为最近一
  次消费时间越近的顾客是越有可能产生二次消费的群体。
• 消费频率（Frequency）
  对于消费频率（F），购买频率越高（F值越大），用户价值越高。可以理解购买次数越多的客户是
  对我们产品越满意的客户，表示客户的忠诚度越高。
• 消费金额（monetary）
  对于消费金额（M），消费金额越高（M值越大），用户价值越高。

2.RFM模型的扩展

RFM存在的问题：

• RFM模型只考虑三个具体因素
  也就意味着该方法可能会排除同等或更重要的其他变量（例如购买的产品，之前的活动响应，人口统计
  信息）
• RFM营销本质上是一种历史方法：它研究过去的客户行为，这些行为可能会或可能不会准确地表明未来的活动，偏好和反应，更先进的客户细分技术基于数据预测分析技术。

基于RFM框架的变体：

• RFD（近度，频度，持续时间） 此处所用时间是花费的时间。在分析观众/读者/冲浪导向产品的消费者行为时特别有用。
• RFE（近度，频度，参与度） - 参与度可以是基于页面上的时间，每次访问的页面，跳出率，社交媒体参与度等综合价值，对于在线业务尤其有用。

3.RFM模型实例

1）确定分析目标
根据现有的用户订单数据 构建用户价值模型，便于后续精细化运营不同的客户群体。

2）获取数据
某TB店5月份交易数据，共3989条。

3）清洗数据
（数据量大的时候excel可能卡顿，用python更方便）
1> 分列；设置数据类型
2> 通过设置定位条件来检查空值和异常值，
eg:【删除交易失败的订单】‘订单状态’列筛选‘交易失败’的值，全选数据并定位‘可见单元格’，右键|删除行

预处理后的数据预览：

• 共3981条记录，
• 提取出关键值数据列【买家会员名】，参数数据列【总金额】【订单付款时间】

4）构建RFM模型
1》创建数据透视表，获得主要参数

• 获得frequency: 将‘订单创建时间’求值设置为“计数”
• 获得monetary: 即‘总金额’求和项，使用平均值
• 获得recency: 在‘订单创建时间’选择‘最大值’（即最近一次消费时间），将类型显示为时间

2》使用 IF函数，参照打分表进行打分

3》使用 IF函数，根据是否大于均值，将每列调整为二分类

5**3共125种分类，本操作目的是减少分类数到8

4》使用offset函数，根据3位二进制值获得客户标签

5）可视化展示

1》用条形图和饼图展示不同类型客户数量和占比

2》用条形图和饼图展示不同类型客户累计消费金额和占比

6）业务指导

• 流失客户在本周期的数量和累计消费金额上都是主要组成部分，需要出台活动进行激活；
• 从数据上看，重要价值客户对本店盈利贡献并不是很大
• 新用户的数据表现和流失客户类似，应该通过促销宣传手段、积极上新产品来留住新用户
• 还需要深入分析客户对应的产品、价格敏感度等