正文

rfm模型Excel分析案例

發(fā)布時(shí)間：2023-04-18 17:38:13 稿源：創(chuàng)意嶺閱讀： 59

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm模型Excel分析案例的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、RFM模型如何實(shí)際應(yīng)用？
2、【分析方法or思維】RFM模型——用戶價(jià)值分析
3、【知識(shí)分享】RFM模型與顧客生命周期管理（一）
4、如何用excel做多元回歸分析

rfm模型Excel分析案例

一、RFM模型如何實(shí)際應(yīng)用？

這是一個(gè)人人都可以上手的模型，不管你是運(yùn)營、銷售、財(cái)務(wù)、市場等等，RFM模型是一個(gè)很通用，又有一套科學(xué)理論的商業(yè)模型。這是一篇我花了五小時(shí)的教程（真的是寫到崩潰，幸好我熬下來了，給大家分享實(shí)實(shí)在在可上手的干貨）數(shù)據(jù)源準(zhǔn)備只需四個(gè)字段：客戶名稱、交易日期、交易次數(shù)/頻率、交易金額。如果你手頭剛好有這樣的數(shù)據(jù)源不妨試試做這個(gè)模型吧。下面三頁是介紹什么是RFM，后面是全部的實(shí)操教程，Tableau和Excel通用操作，我保證你看了能立馬上手。如何通過訂單數(shù)據(jù)，分析用戶的基本屬性用戶的訂單上都有訂餐地址，通過對于訂餐地址的統(tǒng)計(jì)，我們可以查詢到不同條件組合下的用戶分布，甚至能知道喜歡謀道菜的用戶都在哪里。舉個(gè)簡單的例子，下圖表示的是普通可樂和健怡可樂的用戶分布，類似的用戶數(shù)據(jù)挖掘，還可以根據(jù)復(fù)購構(gòu)成、復(fù)購用戶跨平臺(tái)使用情況、性別組成做更精細(xì)化的分析。值得注意的是，數(shù)據(jù)平臺(tái)間的差異還是蠻大的，除了跨平臺(tái)分析也需要分平臺(tái)對比，有利于針對不同平臺(tái)做出不同的營銷策略。上面這些最基本的用戶屬性對于精細(xì)化運(yùn)營還是不夠的。因?yàn)檫@些信息無法幫助你解決下面四個(gè)問題——

1.誰是我的重要價(jià)值客戶，他們都有什么特點(diǎn)。

2.誰是我需要重點(diǎn)保持聯(lián)系的客戶，他們都有什么特點(diǎn)。

3.誰是我的重要發(fā)展客戶，他們都有什么特點(diǎn)。

4.誰是我的重要挽留客戶，他們都有什么特點(diǎn)。想要解答這個(gè)問題，我們需要?jiǎng)佑酶唠A的分析模型，去挖掘有效信息。如何通過RFM模型，為用戶分群，實(shí)現(xiàn)精細(xì)化運(yùn)營RFM模型是一個(gè)被廣泛使用的客戶關(guān)系分析模型，主要以用戶行為來區(qū)分客戶，RFM分別是：R = Recency最近一次消費(fèi)F = Frequency 消費(fèi)頻率M = Monetary 消費(fèi)金額需要詳細(xì)了解以上三個(gè)指標(biāo)定義的，可以去戳度娘，教科書式的RFM區(qū)分，會(huì)將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷。

rfm模型Excel分析案例

二、【分析方法or思維】RFM模型——用戶價(jià)值分析

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段，模型主要是利用客戶的最近一次消費(fèi)（Recency）、總體消費(fèi)頻率（Fequency）以及消費(fèi)全額（Monetary）3項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。 RFM代表近度，頻率和額度，這些指標(biāo)表征了客戶的一些消費(fèi)行為和習(xí)慣。頻率和額度會(huì)影響客戶的生命周期價(jià)值，新近度會(huì)影響保留率，而保留率是忠誠度的衡量標(biāo)準(zhǔn)。

RFM是一種客戶細(xì)分技術(shù)，用以幫助營銷人員快速識(shí)別用戶類型及群體分類，并幫助營銷人員根據(jù)客戶細(xì)分類型的共性、個(gè)性提供一定的營銷策略。因而，RFM的最終成果是客戶的分類及分類分析。

三、【知識(shí)分享】RFM模型與顧客生命周期管理（一）

作為一名電商的產(chǎn)品經(jīng)理，負(fù)責(zé)的業(yè)務(wù)主要是CRM...唉，在這個(gè)運(yùn)營無腦，公司不給錢的年代，做CRM簡直是個(gè)絕對苦勞無功勞的活。這讓典型摩羯座的顧阿姨怎么辦...

在瑣碎的日常工作之外，需要適度的額外學(xué)習(xí)與整理來充實(shí)自己。應(yīng)周會(huì)分享的契機(jī)，自己找了網(wǎng)上與書上與CRM有關(guān)的材料，做出了這份“RFM模型與顧客生命周期管理”的屁屁踢~借這個(gè)平臺(tái)與大家分享。

RFM模型與顧客生命周期管理

RFM模型是顧客關(guān)系管理中最常用的一個(gè)模型，因其具有普適性，可幫助那些基礎(chǔ)CRM運(yùn)營同學(xué)在不具備專業(yè)數(shù)據(jù)挖掘能力前就能運(yùn)用此類方法。

內(nèi)容會(huì)圍繞四部分展開：

第一部分對RFM模型進(jìn)行內(nèi)涵闡述；第二部分對RFM的運(yùn)用方法進(jìn)行說明；第三部分是對第二部分的承接，顧客細(xì)分后就需要對顧客放入具體的生命周期中；第四部分，闡述如何對不同生命周期的顧客進(jìn)行營銷。

一.RFM模型

在進(jìn)入第一部分前，我們先問問自己為何要進(jìn)行客戶細(xì)分？

與團(tuán)隊(duì)管理一樣，團(tuán)隊(duì)成員人數(shù)只有個(gè)位數(shù)的時(shí)候，大家靠默契就能運(yùn)作；當(dāng)團(tuán)隊(duì)成員人數(shù)到達(dá)兩位數(shù)時(shí)，需要規(guī)章制度對職場行為進(jìn)行規(guī)制以確保穩(wěn)定；當(dāng)團(tuán)隊(duì)成員人數(shù)到達(dá)三位數(shù)時(shí)，需要企業(yè)文化與企業(yè)精神讓員工在“靈”的層面理解公司愿景。

簡短地用假大空的話說了說意義，下面我們詳細(xì)闡述RFM模型：

表給中還給出了影響指標(biāo)變化的因素與指標(biāo)的應(yīng)用場景。這個(gè)后文會(huì)繼續(xù)詳述。

1. 最近一次消費(fèi)（Recency）

最近一次消費(fèi)的計(jì)算方式是以計(jì)算當(dāng)日減去顧客上一次在店鋪的消費(fèi)日期。計(jì)算時(shí)取付款時(shí)間更為準(zhǔn)確。

我們可以很容易地理解到：R值越小，說明顧客下單間隔越小。如果R值為0，則可以說明該顧客天天在本店鋪下單；如果R值很大，則可認(rèn)為該顧客已經(jīng)遺忘了本店鋪，就算是買東西也想不到來本店鋪買。

我們來舉個(gè)栗子：文中的柱狀圖取了某店鋪三年內(nèi)的R值分布情況。從形狀來看，呈現(xiàn)周期性且規(guī)律型的波浪型，且振幅隨著時(shí)間的延長而變小。店鋪對客戶的營銷有著穩(wěn)定的季節(jié)性，從圖表看，大概是統(tǒng)計(jì)周期的每年的第二個(gè)月，在這個(gè)月能吸引顧客下單，故R值在當(dāng)月占比會(huì)特別高。

2. 消費(fèi)頻率（Frequency）

消費(fèi)頻率的高低是客戶對品牌忠誠度（如：旗艦店）與店鋪忠誠度的體現(xiàn)。

然而，決定消費(fèi)頻率高低的一個(gè)重大因素是品類寬度。如：對手機(jī)、電腦等3C類別商品，平均購買周期可能在1年左右；而對于紙巾、零食等流百類商品，平均購買周期可能只有1周甚至更短。因此，跨品類進(jìn)行F值的比較是沒有意義的。

對于大平臺(tái)而言，其涉及的售賣品類會(huì)比較豐富；而對于一般小平臺(tái)而言，一般只會(huì)涉足某一細(xì)分品類。平臺(tái)畢竟有限，故對于一般網(wǎng)店而言，會(huì)將F值用顧客的“累計(jì)購買次數(shù)”替換。

我們來舉個(gè)栗子：文中的柱狀圖統(tǒng)計(jì)了一段時(shí)間內(nèi)顧客到店消費(fèi)的次數(shù)分布。新客（購買一次）占比為65.6%，老客（購買超過一次）占比為34.4%。購買超過4次以后，流失達(dá)到穩(wěn)定。故CRM運(yùn)營童鞋要考慮如何對顧客進(jìn)行營銷，使其在店鋪購買可達(dá)4次。

3. 消費(fèi)金額（Monetary）

消費(fèi)金額統(tǒng)計(jì)的是某一顧客在一段時(shí)間內(nèi)的累計(jì)消費(fèi)金額。數(shù)值越大，代表顧客對店鋪的價(jià)值貢獻(xiàn)和消費(fèi)能力越高。

由于統(tǒng)計(jì)周期較長，不利于對于應(yīng)時(shí)性的分析。故：對一般店鋪而言，一般選擇客戶在店鋪的累計(jì)購買次數(shù)與客單價(jià)替代原始的M值定義。

我們來舉個(gè)栗子：文中的柱狀圖統(tǒng)計(jì)了一段時(shí)間內(nèi)某個(gè)消費(fèi)區(qū)間內(nèi)的客戶數(shù)與消費(fèi)金額。累計(jì)消費(fèi)1000元以下的客戶占比為65%（近2/3），貢獻(xiàn)的店鋪收入比例占31.6%（近1/3）。在“二八法則”中，我們提到說20%的顧客貢獻(xiàn)店鋪80%的收入——其背后含義即說明，小部分忠誠顧客貢獻(xiàn)了店鋪主要的營收。圖表就是對這一法則的現(xiàn)實(shí)證明。

四、如何用excel做多元回歸分析

在日常數(shù)據(jù)分析工作當(dāng)中，回歸分析是應(yīng)用十分廣泛的一種數(shù)據(jù)分析方法，按照涉及自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。

回歸分析的實(shí)施步驟：

1）根據(jù)預(yù)測目標(biāo)，確定自變量和因變量

2）建立回歸預(yù)測模型

3）進(jìn)行相關(guān)分析

4）檢驗(yàn)回歸預(yù)測模型，計(jì)算預(yù)測誤差

5）計(jì)算并確定預(yù)測值

我們接下來講解在Excel2007中如何進(jìn)行回歸分析？

一、案例場景

為了研究某產(chǎn)品中兩種成分A與B之間的關(guān)系，現(xiàn)在想建立不同成分A情況下對應(yīng)成分B的擬合曲線以供后期進(jìn)行預(yù)測分析。測定了下列一組數(shù)據(jù)：

rfm模型Excel分析案例