本文数据集来源：忘记了，私聊发数据源

本次目的是将一份用户订单表做RFM模型分析，做好8个维度的用户分层，可以方便运营和销售有目的去跟进重点和非重点客户。

数据源字段如图所示，但本次是订单表，客户有重复购买行为，而每个订单购买的国家地区和类别都会有不同。可分析的维度是做RFM用户分层模型分析

Recency.R代表最近一次消费距离现在的时间，值越小越好

Frequency.F代表某段时间的消费频次，值越大越好

Money.M代表某段时间的消费金额，值越大越好

通过Excel来计算RFM值方法会比较绕，原理就是首先通过计算的每个订单的中间过渡值R-1、F-1、M-1，然后用过渡值通过判断做RFM模型的RFM值。而本次判断过渡值后只有两个结果，也就是只有八种用户分层，111、011、101、011、110、100、010、000

1

首先R值的计算方法可以用today（）函数减去付款日期，得到距离今天的时间间隔

这算是R-1过渡值的一个辅助列，然后用Minif（）函数判断输出所有行数之间同一客户名称订单的最小值；

过渡值计算出来就需要判断R值是否属于重点维度，这次我们用R-1值和所有R-1均值比较判断，大于均值为一般0，小于均值为重点1

2

第二F-1值的计算方法用countif（）函数将所有订单同一个客户名称的计算出多少个作为频次；

过渡值计算出来就需要判断F值是否属于重点维度，这次同理R-1用均值做比较判断，大于均值为重点1，小于均值为一般0

3

第三M-1值的计算方法用sumifs（）函数将所有订单同一个客户名称的计算合计作为总消费金额；

过渡值计算出来就需要判断F值是否属于重点维度，这次同理R-1用均值做比较判断，大于均值为重点1，小于均值为一般0

4

最后合并R-1、F-1、M-1的值，用ifs（）函数判断

可视化图表

重要价值客户有88人，占比11%，重要保持客户有124人，占比16%，重要发展客户有40人，占比5%，重要挽留客户有55人，占比7%；重要客户一共占比是39%，其中重要发展和重要挽留的占比还是比较低，应从一般标签的客户中提升上来。

一般挽留客户基本属于流失客户有230人，占比29%，这个比例还算正常；一般价值客户的占比太少，占比5%。

再从销售额端分析，销售额占比最多的是重点保持客户22%和一般挽留客户21%，重点价值客户贡献15%的销售额，重点标签整体是贡献了52%的销售额

运营可以继续关注重要价值客户的关注点和重要保持客户的关注点，保持客户是属于每次消费间隔比较长，但客户的复购性和购买力在线，可跟进其业务是否顺畅，间隔时间长是不是业务层面上的问题等。

数据分析实战项目3-用Excel做RFM模型用户分层模型分析相关推荐

在线教育数据分析实战项目案例
数据分析实战项目案例数据分析概览数据分析经常遇到的问题解决思路常规产品指标在线教育产品指标市场效果广告指标搭建指标系统流程渠道的分类针对搜索引擎,信息流广告如何稳定提高ROI 利用M ...
Python数据分析实战-提取DataFrame（Excel）某列（字段）最全操作（附源码和实现效果）
实现功能: Python数据分析实战-提取DataFrame(Excel)某列(字段)最全操作,代码演示了单列提取和多列提取两种情况,其中单列提取有返回series格式和dataframe两种情况,在 ...
数据分析实战项目-蛋壳公寓投诉分析
摘要:由于今年疫情,加速了长租公寓的暴雷,本人所租的蛋壳公寓也频繁传出各种负面新闻,直到10月初合同到期,不敢再续租了,按约退房!押金退还流程先退到APP内,再提现,APP内显示14个工作日到账,截至 ...
《十周成为数据分析师》笔记——业务线第八节常见互联网业务的数据分析报告的制作及用户分层模型
互联网业务数据分析报告及用户分层模型一.业务逻辑回顾及互联网相关指标 1.实战项目与业务逻辑回顾数据报表(数据源)→用户画像(数据分析)→数据化运营(决策指导)→商业分析(宏观判断)→分析报告(结 ...
基于python的房地产数据分析_基于Python的数据分析实战项目
本文中项目资料来源于网易云课堂,代码为纯手工码字滴,请放心食用,不定期更新,欢迎对Python.数据分析以及编程感兴趣的同学留言沟通. 详细介绍了数十个数据分析相关的实战项目,大量使用pandas.n ...
分享3个数据分析实战项目（附最新资料包）
"跳槽大厂数分岗位,到底需要准备什么呢?" 之前我简历里带了一个数据分析实战经验,项目不大不小,只是想用来美化下简历.结果没想到,最后这竟然成了我斩获大厂offer的关键之一! 相 ...
数据分析实战项目-用户行为分析（Python）
数据分析步骤1:明确项目背景和需求提出问题和应用模型 1.本次分析的目的是为了通过对某电商用户的行为进行分析,从而找到提升GMV方法. 思路:项目GMV的拆解公式为:GMV=UV(独立访客数)* 用 ...
.NET Core实战项目之CMS 第十六章用户登录及验证码功能实现
前面为了方便我们只是简单实现了基本业务功能的增删改查,但是登录功能还没有实现,而登录又是系统所必须的,得益于 ASP.NET Core的可扩展性因此我们很容易实现我们的登录功能.今天我将带着大家一起来 ...
常用数据分析模型：RFM模型——用户分层
文章目录 1.用途 2.介绍 3.方法 4.案例 5.应用 1.用途用户分层.用于判断每类用户的价值,并调整营销策略. 2.介绍通过三个关键指标对客户进行观察和分类. 最近一次消费时间(R):客户 ...

数据分析实战项目3-用Excel做RFM模型用户分层模型分析

1

2

3

4

可视化图表

数据分析实战项目3-用Excel做RFM模型用户分层模型分析相关推荐

最新文章

热门文章