基于RFM的用户画像分析
背景
某一平台发现最近一年各类营销活动的效果不加，且总体销售额没有明显的增长，据了解以往开展的营销活动面向所有用户，而部分用户可能已经长时间未在此平台进行消费，可能已经流失，而又的用户无论有无营销活动消费基本保持稳定，该平台逐渐意识到了对用户进行分类的重要性，对用户进行分类后可以针对不同用户实施不同的促销方式，比如组合促销、会员卡充值、满减等促销方式。我们需要做的就是基于现有的用户和下单流水数据，分析截至2019年8月3日，每个用户的R值、F值和M值，并根据判断规则对用户进行分类，最后针对不同用户给出不同的运营策略建议。
原始数据
上图显示了原始数据的一部分，原始数据展示了用户购买的具体商品信息、购买日期、购买金额、购买的订单号，从原始数据我们基本可以确定使用RFM方法进行分析
数据处理及RFM的建立
1.R：也就是间隔天数的计算
选中原始数据创建数据透视表，统计不同的订单号的最近的销售日期（也就是销售日期最大值），用分析截止日减去最近消费日期可以得到用户距离截止日期最近一次消费间隔的天数
2.F：消费频次
消费频次的计算有些许复杂，因为从原始数据我们可以看出同一个用户产生的订单流水号存在重复，因为一个订单中包含不同的商品，如果直接将用户字段放入行中，创建数据透视表，计算订单总数，结果会存在高估，具体做法是：
（1）基于原始数据统计不重复的流水号，并关联对应的用户编号
（2）将（1）的结果复制粘贴位值，便于接下来的数据透视
（3）利用数据透视表，基于（2）的数据，统计每个用户的订单数量
3.M：消费金额
直接利用数据透视表统计每个用户的消费总额
4.下一步根据该平台制定的用户标准将用户进行分类，分类标准为平均值，部分结果如下
5.进一步我们可能还想知道每类客户的占比，可以考虑数据透视表进行分析，运用二八法则展示平台80%的用户构成，即核心用户构成
通过组合图，我们可以得出一般挽留用户、一般发展用户、重要价值用户占了平台用户的83%，今后我们的营销活动可以重点针对这三种用户开展。
结论
通过上述RFM分析，对用户进行分类，并得出核心用户为一般挽留用户、一般发展用户、重要价值用户，这三类用户占据了该平台所有用户的80%。我们需要根据每类用户的特点提出针对性的营销政策建议：
1.一般挽留用户：此类用户很久没有到访平台，到店频次低，消费金额低，在运营成本有限的情况下，可放弃对此类用户的投入，但是由于本平台大部分用户为一般挽留用户，说明用户对平台失去依赖，建议尽快建立用户激励机制；
2.一般发展用户：此类用户最近刚到访平台，但到店频次和消费金额都很低，说明平台的商品对用户不具有吸引力，建议提供此类用户之前的消费明细，挖掘用户偏好。
3.重要价值用户：此类用户最近刚到访平台，而且消费频次和消费金额都很高，是平台营收的主要来源，建议保持现状并持续关注；
4.重要发展用户：此类用户最近刚到访平台，且消费金额高，但消费频次低，可通过提升到店频次将此类用户转化为重要价值用户。建议观察此类用户购物篮的商品，查看品类复购周期，若已购买品类本身复购周期长，则可通过组合销售将复购周期长的商品和复购周期短且日常必需的商品捆绑，引导用户到本平台增加选购其他品类的商品，并转变为习惯，从而增加到店频次。平台缺少此类用户，可参考重要保持用户的运营策略实现重要保持用户到重要发展用户的转变；
5.重要保持用户：此类用户很久没有到访平台，但到店频次和消费金额都很高，建议通过通知提醒顾客喜爱的商品有优惠活动使用户回流；
6.重要挽留用户：此类用户很久没有到访平台，且到店频次低，但消费金额高，针对此类用户需要重点召回，建议通过会员日或定期不定品类的促销信息通知用户。平台缺少此类用户，可参考一般价值用户的运营策略实现一般价值用户到重要挽留用户的转变；
7.一般价值用户：此类用户最近刚到访平台，且到店频次高，但消费金额低，说明用户对价格敏感，可通过促销装、买二送一发放满减的优惠券等形式刺激用户消费；
8.一般保持用户：此类用户很久没有到访平台，且消费金额低，但是到店频次高，说明用户即将转换为流失用户，建议捆绑用户经常购买的商品和日常所需的其他品类商品，引导用户消费品类的转变而实现用户召回
基于RFM的用户画像分析相关推荐
- 基于多模型融合的用户画像分析统计方法研究
摘 要 随着信息技术的快速发展和大数据技术的广泛应用,企业的营销和产品的设计,对精细化.精准化的要求越来越高.主流的电商平台.搜索引擎以及短视频平台均推出了基于用户画像的个性化推荐服务,这其中相当一 ...
- Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON
这里写自定义目录标题 Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON 1 前言 2 研究目的 3 数据说明与处理 3.1数据来源和说明 3.2数据预处理 3.2.1查看数据详情 3 ...
- 毕业设计 - 题目：基于大数据的用户画像分析系统 数据分析 开题
文章目录 1 前言 2 用户画像分析概述 2.1 用户画像构建的相关技术 2.2 标签体系 2.3 标签优先级 3 实站 - 百货商场用户画像描述与价值分析 3.1 数据格式 3.2 数据预处理 3. ...
- 如何做用户画像分析？
我们经常在淘宝网购物,作为淘宝方,他们想知道用户是什么样的,年龄.性别.城市.收入.购物品牌偏好.购物类型.平时的活跃程度等,这样的一个用户描述就是用户画像分析. 在实际工作中,用户画像分析是一个重要 ...
- 客户流失及用户画像分析
1 项目背景 在今天产品高度同质化的阶段,市场竞争不断加剧,企业与企业之间的竞争,主要集中在对客户的争夺上."用户就是上帝"促使众多企业不惜代价去争夺尽可能多的新客户.但是,在企业 ...
- 手把手教你：基于Django的用户画像可视化系统
系列文章 第九章.手把手教你:个人信贷违约预测模型 第八章.手把手教你:基于LSTM的股票预测系统 第七章.手把手教你:基于深度残差网络(ResNet)的水果分类识别系统 目录 系列文章 一.项目简介 ...
- 小红书用户画像分析_用户画像，该怎么分析？
有同学问:陈老师,我领导让我做用户画像分析,可是我做了一大堆数据,却被批:也没分析什么东西啊?该咋办?今天系统解答一下. 用户画像分析的错误姿势1.限于数据,动不敢动.一提用户画像,很多人脑海里立刻蹦 ...
- 数据分析方法之用户画像分析！
01 写在前面 我们经常在淘宝上购物, 作为淘宝方, 他们肯定想知道他的使用用户是什么样的, 是什么样的年龄性别, 城市, 收入, 他的购物品牌偏好, 购物类型, 平时的活跃程度是什么样的, 这样的一 ...
- 多标签用户画像分析跑得快的关键在哪里？
用户画像分析需要使用众多标签来描述用户属性,通常有两类标签.一类用户标签的值可能有多个,比如用户学历是中学.大学.研究生.博士等,年龄段是children.juvenile.youth.middle ...
最新文章
- uva 657 The die is cast
- java架构升级_java架构之路（多线程）synchronized详解以及锁的膨胀升级过程
- java php 单点登陆,cas实现单点登录,登出(java跟php客户端)（转）
- hdu 5059 判断数字表示方式以及范围合法（int型之内）
- python polar contour_Python将2darray的最后一行和第二列添加到最后位置 - Polar Contour图...
- LeetCode - Search a 2D Matrix
- 各种平台解压压缩总结
- 学习笔记-第四周-心得体会
- 23. 合并K个排序链表
- AI应用开发实战系列之三：手写识别应用入门
- 编写一个程序实现方法的覆盖java_编写Java程序代码必须先声明一个____,然后在其中编写实现需求的业务代码。...
- 4步搞定MySQL安装部署（附MySQL一键式部署脚本）
- 现在市面上卖的贵州茅台镇原浆酒20元一瓶是什么酒？
- 统计学-贾俊平（第四版）学习笔记
- CRM系统与呼叫中心系统对接
- 魔兽争霸V星际争霸V红警
- 百度快照不更新是什么原因导致的
- 英文学习20180403
- matplotlib.pyplot如何绘制多张子图
- python爬取可爱女生图片