散文網(wǎng) » 科技 »學(xué)習(xí) » Power BI之DAX神功番外篇 16.RFM模型分析

Power BI之DAX神功番外篇 16.RFM模型分析

2022-09-14 13:54 作者:孫興華zz 0人讀過 | 我要投稿

一、RFM模型分析是誰(shuí)研究出來(lái)的？

百度百科上提到，RFM模型是Arthur Hughes提出的。包括怎么考慮問題，怎么確定值，都有詳細(xì)的理論說明。誰(shuí)都可以將這個(gè)模型應(yīng)用到自己工作中，但并不代表你用了，別人就不可以用，因?yàn)檫@不是你發(fā)明的。

DAX語(yǔ)法知識(shí)產(chǎn)權(quán)是微軟的，RFM模型知識(shí)產(chǎn)權(quán)是美國(guó)數(shù)據(jù)庫(kù)營(yíng)銷研究所的。@雷@武

二、什么是RFM模型？

官方解釋如下：

R代表：近期交易行為 (Recency)

F代表：交易頻率 (Frequency)

M代表：交易金額 (Monetary)

RFM模型是衡量客戶價(jià)值和客戶消費(fèi)能力的重要工具和手段。該模型通過近期交易行為 (Recency)、交易頻率 (Frequency)、交易金額 (Monetary)三項(xiàng)指標(biāo)來(lái)描述客戶價(jià)值。一般情況會(huì)將客戶分為9類。分別是：

重要價(jià)值客戶、重要召回客戶、重要發(fā)展客戶、重要挽留客戶、潛力客戶、新客戶、回歸客戶、一般價(jià)值客戶、流失客戶

我做了一張表，"√"代表符合，"×?"代表不符合。

例如，我在某東從2008年起開始消費(fèi)，因?yàn)樗麄兎?wù)器問題訂單數(shù)量和總金額是從2013年3月14日開始計(jì)算的，平均每年消費(fèi)2萬(wàn)多元。但是平均每月只有7單左右（785單?÷ 9年 ÷ 12個(gè)月?≈ 7單/月）。我在某東可能屬于重要發(fā)展客戶。

再看我在某寶的賬單，我近18年的時(shí)間里，下單973次，消費(fèi)19萬(wàn)。但是我已經(jīng)很久不在他們家買東西了。2019年以后我只有鮮花和游戲點(diǎn)卡找他們購(gòu)買了，我可能屬于他們的回歸客戶。

再說拼夕夕，我是從2019年才開始使用，到目前累計(jì)收貨只有1萬(wàn)元，但是單數(shù)特別多，都是幾塊錢和十幾塊錢的小玩意兒，我在他家客單價(jià)特低。我可能屬于他們的一般價(jià)值客戶。

你現(xiàn)在可以分析一下，你在每家電商屬于什么客戶了？

三、RFM模型必須有什么？

客戶類型一般分為9類，你的實(shí)際分析中可能會(huì)更多（分的更細(xì)），或更少，并不絕對(duì)。

但是有一個(gè)必須因素，就是主鍵。在數(shù)據(jù)庫(kù)相關(guān)課程中都講過，主鍵特點(diǎn)：不為空、不重復(fù)且不易發(fā)生改變。

我在每一家電商平臺(tái)都有帳號(hào)，帳號(hào)是唯一的，即主鍵。

如果沒帳號(hào)呢？例如你手機(jī)瀏覽器（沒有登錄用戶名時(shí)），你經(jīng)常搜索汽車，它就經(jīng)常給你彈出關(guān)于汽車的新聞和廣告。因?yàn)槟愕氖謾C(jī)上的IMEI是全球唯一的號(hào)碼（即設(shè)備號(hào)），知道你用哪臺(tái)設(shè)備上網(wǎng)，再根據(jù)你近期瀏覽習(xí)慣，算出你的興趣愛好，才會(huì)出現(xiàn)推送。現(xiàn)在大多數(shù)APP都能識(shí)別你的設(shè)備號(hào)，例如：某信APP，我~設(shè)置~帳號(hào)與安全~登錄過的設(shè)備，雖然你只能看到設(shè)備名稱，但是人家服務(wù)器上識(shí)別了你的IMEI碼。

很久以前我見過一個(gè)大聰明，詐騙數(shù)額巨大后跑了，把手機(jī)號(hào)扔了，手機(jī)沒舍得扔，當(dāng)時(shí)手機(jī)號(hào)還有無(wú)記名的，他買了一張無(wú)記名的卡放到舊手機(jī)里，運(yùn)營(yíng)商就可以查到之前他手機(jī)號(hào)用過的設(shè)備現(xiàn)在正在使用什么手機(jī)號(hào)，再定位手機(jī)號(hào)就可以了（需要有相關(guān)部門手續(xù)）。現(xiàn)在都是實(shí)名制手機(jī)卡，沒有這個(gè)問題了。

Ps：我知道你接下來(lái)想抬什么扛，你要清楚雞毛蒜皮的小事和大事處理方法是不同的。

四、確定R值需要兩個(gè)重要線索

友情提示：表格可以在評(píng)論區(qū)置頂中下載

完成RFM模型分析，我們只需要寫一個(gè)新建表公式即可，但是需要分步理解。

線索1：首次購(gòu)買時(shí)間

原理詳見《DAX神功》第1卷第14回

公式的意思：添加列，對(duì)銷售表按賬號(hào)“分組”，每個(gè)組中取最小日期。也就是首次購(gòu)買日期

線索2：末次購(gòu)買時(shí)間

原理詳見《DAX神功》第1卷第14回

公式的意思：添加列，對(duì)銷售表按賬號(hào)“分組”，每個(gè)組中取最大日期。也就是末次購(gòu)買日期

現(xiàn)在我們發(fā)現(xiàn)，tb1和tb2都是添加列，可以在一個(gè)變量中完成，于是我們修改上面的公式

確定R值，R指的是近期交易行為，其實(shí)就是最后一次消費(fèi)日期距今天已經(jīng)過了多少天。在DAX函數(shù)中Today()函數(shù)代碼當(dāng)前日期，所以：TODAY()-[末次日期] = R值

但是，現(xiàn)在有一個(gè)棘手的問題，tb2是我們創(chuàng)造出來(lái)的虛擬表，所以我們不能使用summarize，虛擬表中的列又叫派生列，我們可以使用GROUPBY函數(shù)。

原理詳見《DAX神功》第4卷第21回

公式意思：按tb2那張表的【賬號(hào)】列分組，每個(gè)賬號(hào)對(duì)應(yīng)的R值是? 當(dāng)前日期-末次日期?的天數(shù)

五、確定F值與M值

1、F值代表交易頻率，就是每個(gè)賬號(hào)交易了多少次。我們既然已經(jīng)按賬號(hào)分組了，每個(gè)組計(jì)數(shù)就搞定了。

Groupby函數(shù)聚合值怎么寫詳見《DAX神功》第4卷第21回

2、M值代表金額，同理，即每個(gè)賬號(hào)一共消費(fèi)了多少錢。

Groupby函數(shù)聚合值怎么寫詳見《DAX神功》第4卷第21回

六、首次日期與末次日期我們還有用

主要用于判斷誰(shuí)是新客戶？誰(shuí)是回歸客戶？這時(shí)不能只看R值，還要參考末次日期與首次日期的間隔。

所以，使用Groupby聚合后的表，還要帶上這兩個(gè)日期

Groupby函數(shù)聚合值怎么寫詳見《DAX神功》第4卷第21回

這里使用minx和maxx都是一樣的，之所以一樣用一個(gè)就是告訴你均可，反正就一個(gè)值，最大和最小無(wú)區(qū)別

七、確定RFM標(biāo)志

下圖什么意思，我咨詢了小學(xué)四年級(jí)學(xué)生，他說能看懂，我相信各位觀眾肯定也能看懂。打勾的就是1，打叉的就是0，新客戶特殊標(biāo)注。

【1】R標(biāo)志

每個(gè)賬號(hào)的R間隔天數(shù)，例如：賬號(hào)【哈】的間隔天數(shù)是1，平均間隔天數(shù)（1+2+3+762+2+986+974+980+0）/ 9 ≈ 412天，當(dāng)間隔天數(shù)<=平均天數(shù)時(shí)，表示近期有消費(fèi)。當(dāng)然這個(gè)值不一定就是平均值，你可以根據(jù)業(yè)務(wù)需求，例如寫小于等于90天都是可以的。

if([R(間隔天數(shù))]<=AVERAGEX(tb2,[R(間隔天數(shù))]),1,0)?

【2】F標(biāo)志

當(dāng)每個(gè)賬號(hào)消費(fèi)次數(shù)大于平均次數(shù)時(shí)，說明這個(gè)人交易次數(shù)多。你可以想像成平均分，如果你考了80分，你們班平均分70分，說明你考的還不錯(cuò)。

if([F(消費(fèi)次數(shù))]>=AVERAGEX(tb2,[F(消費(fèi)次數(shù))]),1,0)

【3】M標(biāo)志

每個(gè)賬號(hào)的消費(fèi)金額高于平均標(biāo)準(zhǔn)時(shí)，說明這個(gè)賬號(hào)有一定的消費(fèi)能力。

if([M(金額)]>=AVERAGEX(tb2,[M(金額)]),1,0)