RFM 客户价值分析模型
共 2824字，需浏览 6分钟
· 2021-12-05
👆点击“博文视点Broadview”，获取更多书讯
RFM 客户价值分析模型是衡量客户价值和客户创利能力的重要工具和手段。
在众多的客户关系管理（CRM）分析模式中，RFM 客户价值分析模型经常被提到。RFM 客户价值分析模型通过一个客户的近期购买行为、购买的总体频率及花费金额三项指标来描述该客户的价值状况。
RFM 模型的三个参数分别是 R（最近一次消费的时间间隔）、F（消费的频次）和 M（消 费金额）。
R 即最近一次消费的时间间隔，指上一次购买时间距离当天的时间间隔。
从理论上说， 距离上一次消费时间较近的客户应该是比较优质的客户，对提供即时的商品或服务也最 有可能有反应。营销人员若想业绩有所增长，只能争夺竞争对手的市场占有率，而要想 密切地关注客户的购买行为，那么最近的一次消费就是营销人员首先要利用的。距离上 一次消费的时间越短，客户越能接受营销信息，这也是消费时间间隔 0~6 个月的客户收 到的营销信息多于消费时间间隔 31~36 个月的客户收到的营销信息的原因。
F 即消费的频次，指客户在限定的时间内购买商品的次数。经常购买商品的客户可以 说是满意度很高的客户，如果客户增加了购买的次数，就意味着商家从竞争对手处争夺了市场占有率，从别人的手中赚取了销售额。
M 即消费金额，指客户在限定的时间内所消费的金额总和，遵循“帕雷托法则”（Pareto' s Law）——公司 80% 的收入来自 20% 的客户。
RFM 客户价值分析模型动态地显示了一个客户的全部消费轮廓，为商家定制个性化 的沟通和服务提供了依据。同时，通过对该客户长时间的观察，能够较为精确地判断该客户的长期价值，甚至终身价值。通过改善三项指标的状况，可以为更多的营销决策提供支持。
01计算 R
R 的计算方法是计算当天与最近一次购买日期之间的间隔天数。
计算每一笔订单距离当天的时间间隔，可以选中“订单报表”，在“建模”选项卡中单击“新建列”按钮，如图1所示。
图 1
在打开的公式文本框中输入以下表达式 ：
时间间隔 = DATEDIFF('pbi 订单报表 '[ 订单付款时间 ],TODAY(),DAY)计算最小的 R，选中“订单报表”，在“建模”选项卡中单击“新建度量值”按钮， 如图2所示。
图 2
在打开的公式文本框中输入以下表达式 ：
R = MIN([ 时间间隔 ])计算 F
F 的计算方法是对客户的订单数量进行统计。
对“订单编号”进行计数，可以选中“ pbi 订单报表”，在“建模”选项卡中单击“新 建度量值”按钮。
在打开的公式文本框中输入以下表达式 ：
F = COUNTA([ 订单编号 ])计算 M
M 的计算方法是将客户的消费金额进行汇总。
对“买家实际支付金额”进行求和，选中“ pbi 订单报表”，在“建模”选项卡中单击“新 建度量值”按钮。
在打开的公式文本框中输入以下表达式 ：
M = SUM([ 买家实际支付金额 ])分析 RFM 模型
3 个主要参数的度量值创建完毕后，根据“买家会员名”进行汇总，在“建模”选项 卡中单击“新建表”按钮，如图3所示。
图 3
在打开的公式文本框中输入以下表达式 ：
RFM = SUMMARIZE('pbi 订单报表 ','pbi 订单报表 '[ 买家会员名 ],"R",[R],"F",[F],"M", [M])得到名为“RFM”的新表，如图4 所示。
图 4
根据 RFM 的定义，将数值大于均值的标为“+”，将数值小于均值的标为“-”，共有 8 种组合，如图5所示。
图 5
针对不同标签的客户，制定不同的应对策略，具体如下。
重要价值客户（+++）：最近消费时间近，消费频次和消费金额都很高，属于企业的VIP 客户，应该对他们重点关注，跟踪他们的消费行为，及时提供有效、高质 量的服务。
重要保持客户（-++）：最近消费时间较远，但消费频次和消费金额都很高，他们 是一段时间没来光顾店铺的忠诚客户，商家需要主动和他们保持联系。
重要发展客户（+-+）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高， 他们是很有潜力的客户，必须重点发展。
重要挽留客户（- -+）：最近消费时间较远、消费频次不高，但消费金额高，可能 是将要流失或已经流失的客户，应当采取挽留措施。
另外的 4 种组合和上面的 4 种组合类似，以“一般”来定义，其重视程度低于以上 4 种组合的重视程度。
根据规则计算每个客户的定位，选中“RFM”表，在“建模”选项卡中单击“新建列” 按钮，如图6所示。
图 6
在打开的公式文本框中输入以下表达式 ：
客户价值 = IF('RFM'[R]'RFM' [F]>AVERAGE(RFM[F]) && 'RFM'[M]>AVERAGE(RFM[M])," 重要价值客户 ",IF('RFM'[R]'RFM'[F]>AVERAGE(RFM[F]) &&'RFM'[M]" 一般价 值客户 ",IF('RFM'[R]> AVERAGE(RFM[R]) && 'RFM'[F]>AVERAGE(RFM[F]) &&'RFM'[M]>AVERAGE(RFM[M]), " 重要保持客户 ",IF('RFM'[R]>AVERAGE(RFM[R]) && 'RFM'[F]>AVERAGE(RFM[F]) &&'RFM'[M]" 一般保 持客户 ",IF('RFM'[R]'RFM'[F]'RFM'[M]>AVERAGE(RFM[M])," 重要发展客户 ",IF('RFM'[R]< AVERAGE(RFM[R]) && 'RFM'[F]'RFM'[M]" 一 般 发展客户 ",IF('RFM'[R]>AVERAGE(RFM[R]) && 'RFM'[F]'RFM'[M]>AVERAGE(RFM[M])," 重要挽留客户 "," 一般挽留客户 "))))))) 上式也可以写为 ：
客户价值 = IF('RFM'[R]IF ('RFM'[F]>AVERAGE('RFM'[F]), IF('RFM' [M] >AVERAGE(RFM[M])," 重要价值客户 "," 一般价值客户 "),IF('RFM'[M]> AVERAGE (RFM[M])," 重要发展客户 "," 一般发展客户 ")),IF('RFM'[F]>AVERAGE('RFM' [F]), IF('RFM'[M]> AVERAGE(RFM[M])," 重要保持客户 "," 一般保持客户 "),IF('RFM'[M]> AVERAGE(RFM[M])," 重要挽留客户 "," 一般挽留客户 ")))多个 IF 语句嵌套后的结果如图 7所示。
图 7
分别将“客户价值”和“买家会员名”设置为“表格”对象，然后将“买家会员名” 设置为计数，结果如图8所示。
图 8
最终结果如图9所示。
图 9
*本文节选自《Power BI电商数据分析与商业智能（第2版）》一书，欢迎阅读本书了解更多精彩内容！
▊《Power BI电商数据分析与商业智能（第2版）》
零一，聂健华 著
本书以搭建电商数据分析系统为业务背景，介绍Power BI的实际应用，涉及数据采集、市场分析、客户分析、货品分析、流量分析、舆情分析6个常用场景，读者需从市场分析场景入门，了解Power BI的应用。读完这本书后，你将获得电商的数据业务思维、Power BI Desktop的操作技巧，具备搭建电商数据分析BI系统的能力。第2版新增了第5章数据采集章节，介绍了PBID在数据采集方面的应用。第9章舆情分析中的API接口采用作者自己开发的接口，可以直接调用。
（京东满100减50，快快扫码抢购吧！）
热文推荐