編輯導(dǎo)語(yǔ)：RFM是用戶運(yùn)營(yíng)中比較重要的一個(gè)模型，廣泛用于電商行業(yè)，那么想要制作一個(gè)完整的RFM模型需要很復(fù)雜的建模嗎？其實(shí)不然，還有一個(gè)我們常用的軟件Excel可以做到，我們一起來(lái)看看怎么操作吧。

RFM是用戶運(yùn)營(yíng)里非常重要的一個(gè)模型，在每個(gè)行業(yè)里都有著非常廣泛的運(yùn)用，特別在電商商業(yè)，RFM已經(jīng)是屬于行業(yè)分析人員必備的分析模型之一了。

要想掌握并制作一個(gè)完整的RFM模型出來(lái)，方法有很多，可以利用PowerBI或者編程工具對(duì)其進(jìn)行建模，但是流程較為復(fù)雜，工具不熟練的小伙伴可能會(huì)勸退。

今天教給大家一個(gè)全網(wǎng)最簡(jiǎn)單的制作方法，只需要通過(guò)EXCEL就能快速完成RFM分析。

一、前言

在開(kāi)始制作RFM模型之前，我們先來(lái)了解一下RFM是什么。

簡(jiǎn)單來(lái)說(shuō)，RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段，R指的是最近一次消費(fèi) (Recency)，F(xiàn)指的是消費(fèi)頻率 (Frequency)，M指的是消費(fèi)金額 (Monetary)。

RFM最底層的思路便是對(duì)客戶進(jìn)行分類，如果把整個(gè)消費(fèi)行為當(dāng)成是一個(gè)立方體，那么每個(gè)客戶群體會(huì)分布在這個(gè)立方體上不同的象限內(nèi)，而且每個(gè)象限內(nèi)的客戶都具有不同的消費(fèi)屬性。

對(duì)客戶進(jìn)行分類后，企業(yè)便可以對(duì)每一類的客戶群體采取不同的跟進(jìn)方法，例如時(shí)間間隔非常近、消費(fèi)頻率非常多、消費(fèi)金額非常高的客戶，就可以被劃分為重要價(jià)值用戶，我們就可以安排專人去進(jìn)行，給客戶一個(gè)VIP的服務(wù)體驗(yàn)，讓客戶持續(xù)保持高消費(fèi)熱情。

如果不是特別重要的客戶，就依次采取不一樣等級(jí)的跟進(jìn)方法。通過(guò)RFM模型，我們可以快速對(duì)客戶進(jìn)行分類，并指導(dǎo)管理層作出最優(yōu)的用戶運(yùn)營(yíng)策略。

二、RFM模型分析步驟

要制作RFM模型，首先要準(zhǔn)備一個(gè)數(shù)據(jù)源，我們下面以電商行業(yè)的數(shù)據(jù)源為參考案例，數(shù)據(jù)源需包含訂單編號(hào)、訂單日期、客戶名稱、訂單數(shù)量、訂單金額等字段：

在開(kāi)始制作之前，我們先在數(shù)據(jù)源中插入一個(gè)輔助列，計(jì)算出每個(gè)訂日期到今天的時(shí)間間隔，這個(gè)可以用Today()函數(shù)減去訂單日期這一列得出：

第一個(gè)要計(jì)算的是R，也就是近度，意思是計(jì)算客戶距離今天購(gòu)買最近的天數(shù)，上面我們已經(jīng)把客戶每個(gè)訂單距離到現(xiàn)在的時(shí)間間隔算出來(lái)了。但是每個(gè)客戶可能會(huì)存在多個(gè)訂單，而且每個(gè)訂單的購(gòu)買時(shí)間可能不在同一天。

如果要提取每個(gè)客戶距離最短的那個(gè)天數(shù)，寫(xiě)公式是非常復(fù)雜的。但不用怕，只要你把EXCEL升級(jí)到2019的版本，就可以利用MINIF這個(gè)函數(shù)去進(jìn)行條件提取最小值了，通過(guò)這個(gè)函數(shù)，你就可以根據(jù)客戶名稱去提取時(shí)間間隔最短的天數(shù)了。

第二個(gè)要計(jì)算的是F，也就是消費(fèi)頻率，這個(gè)可以根據(jù)客戶的訂單數(shù)量去得出客戶購(gòu)買的次數(shù)。

從數(shù)據(jù)源中可以看出，訂單編號(hào)是唯一的，不可以進(jìn)行次數(shù)的計(jì)算，只有客戶名稱是有重復(fù)值的，這里我們可以利用countif去對(duì)客戶名稱這一列進(jìn)行計(jì)算，這樣便可以的得出每個(gè)每個(gè)客戶的購(gòu)買次數(shù)。

第三個(gè)是要計(jì)算的是M，也就是消費(fèi)金額，這個(gè)用客戶的總消費(fèi)金額除以客戶的訂單數(shù)量便可以算出，先用sumif把訂單金額這一列的金額求出，然后再利用countif求出客戶的訂單數(shù)量，這個(gè)和上面F的計(jì)算邏輯是一樣的，最后兩個(gè)數(shù)相除，便可以得出M的數(shù)據(jù)。

R、F、M的數(shù)據(jù)計(jì)算好了之后，接下來(lái)便可以對(duì)其進(jìn)行判定了，我們需要判定什么情況下客戶的消費(fèi)金額才算是高，什么情況下消費(fèi)金額才算是低，這個(gè)必須要有一個(gè)標(biāo)準(zhǔn)。

這里我們就用最常規(guī)的判定方法，先計(jì)算R、F、M三個(gè)字段的平均值，然后再利用IF函數(shù)對(duì)其進(jìn)行判定，如果在平均值以上的，那就是高，如果平均值以下的那就是低，這樣便可以得出每個(gè)客戶的近度、頻度和消費(fèi)金額情況。

下面我們把近度、頻度、銷售金額這三個(gè)字段用“&”連接起來(lái)，還要準(zhǔn)備一個(gè)RFM模型的輔助表，輔助表里也要把近度、頻度、銷售金額這三個(gè)字段用“&”連接起來(lái)，這樣就能利用vlookup把輔助表里的客戶類型這個(gè)字段匹配到電商數(shù)據(jù)源里了。

RFM模型輔助表：

把輔助表里的客戶類型匹配過(guò)來(lái)之后， RFM模型就算是制作完成了，我們可以直接在表格內(nèi)對(duì)客戶類型這個(gè)字段進(jìn)行篩選，也可以利用透視表對(duì)其進(jìn)行透視篩選。

通過(guò)RFM模型，我們可以快速?gòu)臄?shù)據(jù)中得出哪些客戶是重要挽留客戶，哪些客戶是重要發(fā)展客戶，這為我們?nèi)粘５臉I(yè)務(wù)決策提供了非常有力的幫助。

三、RFM模型后續(xù)建議

雖然RFM模型完美地在EXCEL里做出來(lái)了，但畢竟都是靠寫(xiě)好的公式，數(shù)據(jù)量小倒是問(wèn)題不大，但如果數(shù)據(jù)量一大的話，在EXCEL里做篩選或者透視都會(huì)非?？?，非常影響分析的效率。

小編建議把做好的RFM模型上傳到智分析上去進(jìn)行分析，這樣子可以大大提高分析的效率。智分析上有EXCEL上傳的入口，可以直接把EXCEL文件上傳到系統(tǒng)里。

點(diǎn)擊首頁(yè)里的分析展現(xiàn)，點(diǎn)擊打開(kāi)即席查詢。即席查詢的最大作用就是對(duì)明細(xì)數(shù)據(jù)進(jìn)行定位和查詢，與EXCEL不同的是，即席查詢提供了非常多的人性化功能，對(duì)于處理大容量數(shù)據(jù)非常給力。

進(jìn)入即席查詢的界面后，在左上角找到剛剛上傳好的EXCEL數(shù)據(jù)源，并勾選相關(guān)的數(shù)據(jù)字段，數(shù)據(jù)明細(xì)便會(huì)刷新出來(lái)。

如果需要對(duì)明細(xì)數(shù)據(jù)進(jìn)行篩選，可以把左邊的字段用鼠標(biāo)拖拽到報(bào)表的頂部，這樣就可以對(duì)某些數(shù)據(jù)進(jìn)行篩選和過(guò)濾了，例如這里我把客戶類型這個(gè)字段拖拽過(guò)去，并篩選出哪些可數(shù)是重要價(jià)值用戶。

查詢出來(lái)的明細(xì)不僅可以下載到本地里用EXCEL打開(kāi)，還可以以鏈接或者二維碼的形式分享給其他人，別人通過(guò)網(wǎng)頁(yè)就能查詢到你分享出去的數(shù)據(jù)明細(xì)，非常方便和人性的操作：

本文由 @喜歡下廚的數(shù)據(jù)分析師 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Unsplash，基于CC0協(xié)議