僅用Excel,搞定RFM模型制作方法

2 評論 14691 瀏覽 91 收藏 11 分鐘
🔗 产品经理的不可取代的价值是能够准确发现和满足用户需求,把需求转化为产品,并协调资源推动产品落地,创造商业价值。

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

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
"="" class="meta">10-084485 瀏覽
"="" class="meta">
"="" class="meta"> "="" src="https://image.woshipm.com/2023/04/17/44ecc6fa-dcf5-11ed-9781-00163e0b5ff3.png!/both/120x80" alt="得到APP,它有什么值得我們?nèi)ナ褂媚兀?>
="">
"="" src="https://image.woshipm.com/2023/04/17/44ecc6fa-dcf5-11ed-9781-00163e0b5ff3.png!/both/120x80" alt="得到APP,它有什么值得我們?nèi)ナ褂媚兀?>
="">
"="" src="https://image.woshipm.com/2023/04/17/44ecc6fa-dcf5-11ed-9781-00163e0b5ff3.png!/both/120x80" alt="得到APP,它有什么值得我們?nèi)ナ褂媚兀?>
="">京東掀起百億補貼,誰在為價格戰(zhàn)買單?
03-074398 瀏覽
京東掀起百億補貼,誰在為價格戰(zhàn)買單?
評論
評論請登錄
  1. 寫的不錯~當然這些只是方法,最重要的是對應的運營策略。

    來自廣東 回復
  2. ????????

    回復
专题
15719人已学习12篇文章
CDP,即客户数据平台,是企业用来集中管理和整合客户数据的工具。本专题的文章分享了什么是CDP和如何搭建CDP平台。
专题
14953人已学习13篇文章
本专题的文章分享了搭建营销中心指南。
专题
19506人已学习13篇文章
本专题的文章分享了跨境支付的行业、发展、支付方式和商业等信息。
专题
11850人已学习12篇文章
很多公司都在谈论数字化转型,而数字化的基础即是大量的、繁杂的、高度业务关联的基础数据。数字化运营是其中的一个分支。本专题的文章分享了如何做好数字化运营。
专题
12707人已学习13篇文章
随着互联网在大众生活中的不断普及与深入发展,互联网医疗这一全新的医疗健康服务业态发展趋势向好。本专题的文章分享了互联网医疗行业分析和竞品分析报告。
专题
11881人已学习12篇文章
随着现代科技的不断发展进步,智慧城市的建设也在不断发展,本专题的文章分享了智慧城市设计指南。