数据分析初学者必备！10分钟搭建RFM客户价值模型，一学就会

Posted 2021-06-28 Leo.yuan

假设你是一家理财公司的市场运营，公司最近推出了一系列新产品，涵盖高、中、低三档，你手里有一份客户名册，你会如何向他们推广？

向所有客户发送统一的推广？

省时省力，但可想而知效果不佳......

与每一个客户沟通，了解需求后再推荐？

能做到精准推荐，不过你看着海量的客户信息，还是摇了摇头......

此时你默默盘算，要是有一个能根据过往记录给顾客打标签的神器该多好啊，这样就能知道哪些客户值得重点推广，还能针对不同类型的客户推荐不同的产品，实现效益最大化。

那么恭喜你，今天我们要介绍的「RFM客户分析模型」就是你要找的神器！

 

什么是RFM模型？

RFM模型是重要的客户价值衡量工具，在RFM模型中，我们以最近一次消费（R）、消费频率（F）、消费金额（M）三个维度对客户价值进行细分，然后给不同价值客户打上不同的标签，进而开展个性化客户服务，将有限的资源合理分配给不同价值的客户，实现效益最大化！

• R(Recency)：客户最近一次购买的时间有多远
• F(Frequency)：客户在最近一段时间内购买的次数
• M(Monetary)：客户在最近一段时间内购买的金额

 

除此之外，RFM模型中三个指标可以更换，因此只要是用三个维度进行评判分类的场景，RFM模型都能胜任。所以RFM模型几乎可以被应用于各个领域，所以对一名数据分析人员/业务人员来说，学会RFM分析是基础且必要的一课。

RFM模型原理简单，excel也能搭建，但需要写很多函数和代码，过程复杂，对技术小白很不友好.....所以很多数据分析师已经开始用BI可视化工具来搭建RFM模型。

这里要给大家推荐一款BI工具——FineBI，FineBI是一个强大的自助式分析平台，几乎不需要技术基础，小白也能快速上手、轻松搭建各种美观实用的数据分析模型，而且个人版永久免费试用。

 

下面就是用FineBI，只需10分钟，教你快速搭建RFM分析模型！

 

一、整体思路

RFM分析需要对数据进行复杂处理，不过咱们使用的是FineBI的自助数据集功能，只需要简单拖拽就可以完成数据加工。实现思路如下图所示：

• 创建自助数据集，选择 RFM 分析所需字段。
• 对数据进行加工，求得 3 个关键指标及其平均值。
• 通过和平均值比较，向量化三个指标。
• 根据特征向量客户分类。

下面咱们分步骤完成。

二、实操演示

本文以这份 RFM明细数据（点击下载）为例。

1、创建自助数据集

• 进入「数据准备」界面，选择「样式数据」业务包，点击添加表，选择添加「自助数据集」，如下图所示：

 

进入自助数据集编辑界面，选择「数据列表>样式数据」下的「RFM明细数据」并添加表下的所有字段，给自助数据集命名为「RFM分析」，如下图所示：

 

2、计算每个客户的关键消费指标

计算客户总体消费金额平均值：点击「+」，选择「新增列」，如下图所示：

 

给新增列命名为「客户总体消费金额平均值」，选择「所有值/组内」并进行如下设置，完成后点击「确定」，得出总体平均值指标「客户总体消费金额平均值」。如下图所示：

 

3、计算客户总体消费指标

计算客户总体消费频次平均值：点击「+」，选择「新增列」，如下图所示：

 

设置新增列名为「客户总体消费频次平均值」，选择「所有值/组内」，点击「确定」得出总体平均值指标「客户总体消费频次平均值」。设置如下图：

 

计算客户总体最近一次消费距离时间平均值：点击「+」，选择「新增列」，如下图所示：

 

设置新增列名为「客户总体最近一次消费距离时间平均值」，选择「所有值/组内」进行设置，点击「确定」，得出总体平均值指标「客户总体最近一次消费距离时间平均值」。设置如下图：

 

4、客户特征向量化

根据关键指标是否大于客户总体平均值水平，将客户特征进行向量化。

其中在公式 IF(xxx>客户总体xxx平均值,1,0) 中，小于总体平均的设为 0，大于总体平均的设为 1 ，使得 1 都是保持正向特征，0 保持负向特征。

消费金额向量化：点击「+」，选择「新增列」，如下图所示：

 

给新增列命名为「消费金额向量化」，输入公式 IF(MONEY>客户总体平均消费金额，1,0)，点击「确定」，如下图所示：

 

5、客户特征分析

点击添加新增列，使用 CONCATENATE() 函数将 RFM 向量化值拼接起来，如下图所示：

 

至此，一份简单的RFM分析模型就完成了，我们成功地给每位客户都打上了标签，后续也可以通过仪表板进行客户分类相关数据的可视化展示。

分析工具分享

最后，工具和数据集都给你准备好了，回个“RFM”就能全部拿得！