tableau-RFM模型
解释
R-最近一次消费(Recency),通常影响因素为店铺的记忆强度,接触机会的多少,回购周期等。这个指标会用于决定客户接触策略,接触频次,刺激力度等。
F-消费频率(Frequency),通常影响因素为品牌的忠诚度,店铺熟悉度,客户会员等级,购买习惯等。这个指标会用于决定资源投入,营销优先级,活动方案决策等。
M-消费金额(Monetary),通常影响因素为消费能力和产品的认可度。这个指标会用于决定推荐商品,折扣门槛,活动方案等。
实现过程
1.新建计算字段参考时间,{ FIXED : MAX([订单日期])}+1
2.新建计算字段客户最近一次下单时间,{ FIXED [客户 ID]: MAX([订单日期])}
3.新建计算字段R值(距离最近一次交易的间隔),DATEDIFF('day',[客户最近一次下单时间],[参考 时间])
4.新建计算字段R参考值,{ FIXED : MEDIAN([R值(距离最近一次交易的间隔)])}
5.新建计算字段F值(交易频次),{ FIXED [客户 ID]:COUNTD([订单 ID])}
6.新建计算字段F参考值,{ FIXED : MEDIAN([F值(交易频次)])}
7.新建计算字段M值(交易金额),{ FIXED [客户 ID]:SUM([销售额])}
8.新建计算字段M参考值,{ FIXED :MEDIAN([M值(交易金额)])}
9.新建计算字段客户价值分类,IF [R值(距离最近一次交易的间隔)]<[R参考值] and [F值(交易频次)]>=[F参考值] and [M值(交易金额)]>=[M参考值] THEN '重要价值用户'
ELSEIF [R值(距离最近一次交易的间隔)]>=[R参考值] and [F值(交易频次)]>=[F参考值] and [M值(交易金额)]>=[M参考值] THEN '重要唤回用户'
ELSEIF [R值(距离最近一次交易的间隔)]<[R参考值] and [F值(交易频次)]<[F参考值] and [M值(交易金额)]>=[M参考值] THEN '重要深耕用户'
ELSEIF [R值(距离最近一次交易的间隔)]>=[R参考值] and [F值(交易频次)]<[F参考值] and [M值(交易金额)]>=[M参考值] THEN '重要挽回用户'
ELSEIF [R值(距离最近一次交易的间隔)]<[R参考值] and [F值(交易频次)]>=[F参考值] and [M值(交易金额)]<[M参考值] THEN '潜力用户'
ELSEIF [R值(距离最近一次交易的间隔)]<[R参考值] and [F值(交易频次)]<[F参考值] and [M值(交易金额)]<[M参考值] THEN '新用户'
ELSEIF [R值(距离最近一次交易的间隔)]>=[R参考值] and [F值(交易频次)]>=[F参考值] and [M值(交易金额)]<[M参考值] THEN '一般维持用户'
ELSEIF [R值(距离最近一次交易的间隔)]>=[R参考值] and [F值(交易频次)]<[F参考值] and [M值(交易金额)]<[M参考值] THEN '流失用户'
end
实现结果
tableau-RFM模型相关推荐
- RFM模型分析与客户细分
今天偶然看到沈浩老师的文章<数据挖掘应用案例:RFM模型分析与客户细分>(http://shenhaolaoshi.blog.sohu.com/201923838.html),感慨不少.这 ...
- rfm模型分析与客户细分_如何使用基于RFM的细分来确定最佳客户
rfm模型分析与客户细分 With some free time at hand in the midst of COVID-19 pandemic, I decided to do pro bono ...
- 数据挖掘应用案例:RFM模型分析与客户细分(转)
正好刚帮某电信行业完成一个数据挖掘工作,其中的RFM模型还是有一定代表性,就再把数据挖掘RFM模型的建模思路细节与大家分享一下吧!手机充值业务是一项主要电信业务形式,客户的充值行为记录正好满足RFM模 ...
- 基于RFM模型的用户价值分析——PythonTableau
一.模型介绍 RFM模型是衡量客户价值和客户创利能力的重要工具和手段. R(Recency)--最近日期或最新日期:即客户最近一次消费日期距分析日的时间间隔.最近一次消费的时间间隔是维系顾客的一个重要 ...
- 用户画像无头绪?手把手教你RFM模型
[啊范的分析报告_1] 前言 在一些营销场景下,对不同客户给予相同的对待或策略有时不太合适,所以我们根据用户数据,分析用户行为和消费倾向,并打上相应的标签应用于不同厂家.用有限的公司资源优先服务于公司 ...
- 引用RFM模型进行会员分析
一.项目概要 1.出现问题 平台近来发现自20年7月起,其销售额一直呈下降趋势,须排查下降原因解决问题. 2.问题排查 3.问题出现在老客身上 上图为商场1-10月销售额折线图,其中: 销售额上升原因 ...
- 【python数据运营】Task02 会员RFM模型的学习和运用
文章目录 前言 1 RFM模型介绍 2 代码实践 (1) 导入库 (2) 读取数据 (3) 数据审查 (4) 数据预处理,去除缺失值和异常值 (5) 确定RFM划分区间 (6)计算RFM因子权重 (7 ...
- 客户价值和客户创利能力分析(基于改进RFM模型)
业务背景: 1.⽤户价值细分是了解⽤户价值度的重要途径,针对交易数据分析的常⽤模型是 RFM 模型 2.业务对 RFM 的结果要求 对⽤户做分组 将每个组的⽤户特征概括和总结出来,便于 ...
- 某电信公司客户RFM模型分析
手机充值业务是一项主要电信业务形式,客户的充值行为记录正好满足RFM模型的交易数据要求. 根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分 ...
- sql_数据分析之电商人货场模型分析之指标体系拆解+代码实操 (用户留存、RFM模型、 用户路径分析等)
本文最早发表在csdn时间为:2021-09-03 本案例数据链接: 点我下载 数据来源为工作中接触到的某公司后台数据,在完成工作相关分析后,本人对该部分数据虚拟重建用以复盘整理 大家好,我是Capt ...
最新文章
- 温故而知新,ggplot2 饼图的几点笔记
- vue经验(从别的文章里拼凑来的,不希望有人看,防止侵权)
- python 显示RGB颜色
- 大连理工大学c语言第三次上机作业答案,大连理工大学软件学院C语言上机第五六章课后题...
- spring官方网站
- jQuery选择器和方法的等价关系
- 小米集团:回购460万股,耗资9818万港元
- Haxe东游记(上)part1.5:roadmap
- 保险公司信息系统审计刍议
- android程序劫持持程序,大谈android安全2——Activity劫持的防范程序
- vscode快速下载方法
- SQL 已死,NoSQL才是王道?醒醒吧,别瞎说八道了
- 解决:UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0x81 in position 18: illegal multibyte sequence
- 视频剪辑软件调研分析-iMovie、Final Cut Pro、视频剪辑大师
- 暖一壶秋色,与你共清欢
- NLP标注工具:【免费:doccano、标注精灵、brat、YEDDA、DeepDive、rasa-nlu-trainer】【收费:Prodigy】
- ASP与ASP .net
- 请上传sku预览图后重新操作_增值税专用发票申请开票限额操作指南
- bilibili学习
- Tecplot进阶——如何用Tecplot制作一张满足论文投稿要求的图片
热门文章
- 时尚的蓝紫色动漫网站HTML模板 - OneAnime
- 苹果iPhone XS Max 贴膜之后面容无法使用
- matlab 判断变量是否存在_matlab:建立一个函数M文件,判断输入变量是否为0.求大神支招...
- 关于信息熵最大值的讨论
- c语言程序设计吴国良,刘细良
- 模仿京东-商品详情页前端样式 CSS+html+js
- 互联网日报 | 8月5日 星期四 | 微信推出“先寄后付”服务;闲鱼月活用户突破1亿;深交所创业板上市公司达1000家...
- Spring Boot—13、发送电子邮件
- 图数据库 TigerGraph 使用全攻略
- mct接收_MCT/VOD/LSS/DOC通知接口的使用