編輯導語：RFM是用戶運營中比較重要的一個模型，廣泛用于電商行業(yè)，那么想要制作一個完整的RFM模型需要很復雜的建模嗎？其實不然，還有一個我們常用的軟件Excel可以做到，我們一起來看看怎么操作吧。

RFM是用戶運營里非常重要的一個模型，在每個行業(yè)里都有著非常廣泛的運用，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完整的RFM模型出來，方法有很多，可以利用PowerBI或者編程工具對其進行建模，但是流程較為復雜，工具不熟練的小伙伴可能會勸退。

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

一、前言

在開始制作RFM模型之前，我們先來了解一下RFM是什么。

簡單來說，RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，R指的是最近一次消費 (Recency)，F(xiàn)指的是消費頻率 (Frequency)，M指的是消費金額 (Monetary)。

RFM最底層的思路便是對客戶進行分類，如果把整個消費行為當成是一個立方體，那么每個客戶群體會分布在這個立方體上不同的象限內(nèi)，而且每個象限內(nèi)的客戶都具有不同的消費屬性。

對客戶進行分類后，企業(yè)便可以對每一類的客戶群體采取不同的跟進方法，例如時間間隔非常近、消費頻率非常多、消費金額非常高的客戶，就可以被劃分為重要價值用戶，我們就可以安排專人去進行，給客戶一個VIP的服務體驗，讓客戶持續(xù)保持高消費熱情。

如果不是特別重要的客戶，就依次采取不一樣等級的跟進方法。通過RFM模型，我們可以快速對客戶進行分類，并指導管理層作出最優(yōu)的用戶運營策略。

二、RFM模型分析步驟

要制作RFM模型，首先要準備一個數(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、訂單日期、客戶名稱、訂單數(shù)量、訂單金額等字段：

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

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

如果要提取每個客戶距離最短的那個天數(shù)，寫公式是非常復雜的。但不用怕，只要你把EXCEL升級到2019的版本，就可以利用MINIF這個函數(shù)去進行條件提取最小值了，通過這個函數(shù)，你就可以根據(jù)客戶名稱去提取時間間隔最短的天數(shù)了。

第二個要計算的是F，也就是消費頻率，這個可以根據(jù)客戶的訂單數(shù)量去得出客戶購買的次數(shù)。

從數(shù)據(jù)源中可以看出，訂單編號是唯一的，不可以進行次數(shù)的計算，只有客戶名稱是有重復值的，這里我們可以利用countif去對客戶名稱這一列進行計算，這樣便可以的得出每個每個客戶的購買次數(shù)。

第三個是要計算的是M，也就是消費金額，這個用客戶的總消費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，這個和上面F的計算邏輯是一樣的，最后兩個數(shù)相除，便可以得出M的數(shù)據(jù)。

R、F、M的數(shù)據(jù)計算好了之后，接下來便可以對其進行判定了，我們需要判定什么情況下客戶的消費金額才算是高，什么情況下消費金額才算是低，這個必須要有一個標準。

這里我們就用最常規(guī)的判定方法，先計算R、F、M三個字段的平均值，然后再利用IF函數(shù)對其進行判定，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客戶的近度、頻度和消費金額情況。

下面我們把近度、頻度、銷售金額這三個字段用“&”連接起來，還要準備一個RFM模型的輔助表，輔助表里也要把近度、頻度、銷售金額這三個字段用“&”連接起來，這樣就能利用vlookup把輔助表里的客戶類型這個字段匹配到電商數(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來之后， RFM模型就算是制作完成了，我們可以直接在表格內(nèi)對客戶類型這個字段進行篩選，也可以利用透視表對其進行透視篩選。

通過RFM模型，我們可以快速從數(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里做出來了，但畢竟都是靠寫好的公式，數(shù)據(jù)量小倒是問題不大，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。

點擊首頁里的分析展現(xiàn)，點擊打開即席查詢。即席查詢的最大作用就是對明細數(shù)據(jù)進行定位和查詢，與EXCEL不同的是，即席查詢提供了非常多的人性化功能，對于處理大容量數(shù)據(jù)非常給力。

進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，并勾選相關的數(shù)據(jù)字段，數(shù)據(jù)明細便會刷新出來。

如果需要對明細數(shù)據(jù)進行篩選，可以把左邊的字段用鼠標拖拽到報表的頂部，這樣就可以對某些數(shù)據(jù)進行篩選和過濾了，例如這里我把客戶類型這個字段拖拽過去，并篩選出哪些可數(shù)是重要價值用戶。

查詢出來的明細不僅可以下載到本地里用EXCEL打開，還可以以鏈接或者二維碼的形式分享給其他人，別人通過網(wǎng)頁就能查詢到你分享出去的數(shù)據(jù)明細，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，禁止轉載。

題圖來自 Unsplash，基于CC0協(xié)議