RFM分析实现方案

1. 简介

1.1 场景简介

RFM 分析是美国数据库营销研究所提出的一种简单实用客户分析方法，发现客户数据中有三个神奇的要素：

最近购买时间（Recency）：指客户最近一次购买的时间。最近购买时间越短，说明客户越有可能再次购买。
购买频率（Frequency）：指客户在一段时间内购买的次数。购买频率越高，说明客户越有可能成为忠实客户
消费金额（Monetary）：指客户在一段时间内购买的总金额。消费金额越高，说明客户越有可能是高价值客户。

这三个要素构成了数据分析最好的指标。

1.2 方案痛点

企业实施RFM分析常常面临以下痛点：

客户信息乱：客户信息存在各个 Excel表格、个人微信等，没有统一的数据管理。
数据不规范：客户相关的数据录入不规范，如部分数据缺乏购买时间、客户名称重复等。
分析计算难：一系列的数据问题，导致数据的整合、清洗、计算变得困难，每次分析耗时耗力。

1.3 方案价值

RFM 分析可以通过三个关键指标对客户进行观察和分类，判断每类细分用户的价值，针对不同的特征的客户进行相应的营销策略。例如：

客户分群： 可以将客户分成不同的群体，例如高价值客户、潜在流失客户等。有助于企业更细致地了解客户群体的特征和行为，从而制定针对性的客户管理策略。
精准营销： 了解客户的购买习惯和偏好，从而有针对性地向不同群体的客户推送个性化的营销活动和促销信息，提高营销效果和客户满意度。
资源优化： 将更多的资源投入到高价值客户群体，提升客户满意度和忠诚度，同时降低对低价值客户的投入，以提高销售效率和ROI（投资回报率）。

1.4 设计思路

创建数据流对原始数据进行加工。实现思路如下所示：

1）创建数据流，选择需要进行 RFM 分析的数据表单以及所需字段。

2）对数据进行加工，计算每个客户最近消费距离时间。

3）新建仪表盘，以数据工厂计算的数据为数据源，再计算出剩余 2 个指标。

1.5 预期效果

推荐安装场景模板：CRM 进行体验，RFM分析实现方案。

2. 实现步骤

2.1 新建数据流

在数据工厂处新建数据流进行 RFM 分析，也可以自己参照模板中的分析结果。如下图所示：

2.2 选择数据源

选择销售订单表作为数据源，字段选择客户基本信息、订单基本信息、订单金额以及审批结果等数据。

2.3 筛选数据

筛选已经审核通过的订单数据作为计算数据：

2.4 计算每个客户最近消费距离时间

添加「字段设置」节点，新增计算字段--公式计算：

公式如下：

2.5 重命名和保存

计算完毕后，将数据流连向输出节点，更改输出节点名称（即输出表名称）并保存整个数据流。如下图所示：

2.6 计算客户的消费指标

接下来计算每个客户的消费指标。针对每个客户的关键指标三个：

最近购买时间（Recency）：指客户最近一次购买的时间。最近购买时间越短，说明客户越有可能再次购买。
购买频率（Frequency）：指客户在一段时间内购买的次数。购买频率越高，说明客户越有可能成为忠实客户
消费金额（Monetary）：指客户在一段时间内购买的总金额。消费金额越高，说明客户越有可能是高价值客户

2.6.1 最近消费天数R

新建或者进入已有的仪表盘，新建统计表，选择刚刚计算好的「客户RFM模型」作为数据源：

将「客户名称」和「销售订单距离今天天数」字段分别拖动添加至维度和指标处，如下图所示：

指标的汇总方式选择「最小值」：

选择合适的图表类型并设置好图表样式，即完成了最近 RFM 中消距今费天数（R）的分析。

2.6.2 购买频率F

统计表创建以及数据源选择与最近消费天数的计算相同，此处不再赘述。

接下来，将「客户名称」和「销售订单编号」字段分别拖动添加至维度和指标处，如下图所示：

指标汇总方式计数即可：

其他设置与最近消费天数的计算相同，此处不再赘述。

2.6.3 消费金额M