基于Power BI的RFM客戶價值分類模型

王明艷

（湖南財經工業(yè)職業(yè)技術學院，湖南 衡陽421002）

在客戶分類中，RFM是一個經典的分類模型，模型利用交易環(huán)節(jié)中最核心的R（Recency）最近一次消費時間、F（Frequency）消費頻率和M（Monetary）消費金額3個指標進行客戶群體的細分，從而對不同客戶群體的價值進行分析。文章運用Power BI軟件，通過數據獲取、數據預處理、數據建模、數據分析與可視化，建立RFM客戶價值分類模型，并完成會員價值分類和會員數據分析報表的制作。

1 數據分析

1.1 電商數據分析

隨著互聯(lián)網、云計算、人工智能、數據挖掘、社交網絡、5G等新興技術和服務的廣泛應用，數據規(guī)模急劇增長，種類也日益增多。大數據時代，“一切以數據說話”。電子商務相對于傳統(tǒng)零售業(yè)而言，最顯著的特點是可以通過數據化來監(jiān)控和改進，數據反映了最真實的產品和用戶狀態(tài)。電子商務領域中，數據蘊藏著巨大的商機和價值。例如，創(chuàng)業(yè)人員可以根據數據分析對產品進行優(yōu)化；運營人員可以通過數據分析得出的結論來調整運營策略；產品經理可以通過數據分析來挖掘用戶的消費習慣；投資者可以通過數據分析來規(guī)避投資風險；IT人員可以通過數據分析進一步挖掘用戶的價值。數據分析在各行各業(yè)都有著廣泛的應用，電子商務企業(yè)要想在行業(yè)中更具有競爭力，就必須利用數據驅動增長[1]。可以說，誰掌握了數據分析，誰就掌握了主動權。

1.2 會員數據分析

“二八定律”中，20%的消費者可能給商家?guī)?0%的利潤，即20%的客戶能夠創(chuàng)造80%的價值。遵循“二八定律”，商家在經營和管理店鋪的過程中，可以從店鋪的所有會員中抓住能夠創(chuàng)造價值的20%的客戶，這部分客戶是店鋪最忠誠的客戶，是店鋪的沉淀客戶，是店鋪口碑宣傳的關鍵。這部分客戶表現出高頻率、高消費、高活躍度，商家不需要花太多的成本來推廣產品，可以將更多的時間花在服務上，從而實現精準定位，提升服務水平，達到事半功倍的效果。

老客戶是店鋪利潤的長期貢獻者，也是店鋪口碑宣傳的有效傳播者，培養(yǎng)老客戶、維護好與老客戶的關系比吸引新客戶更加直接、高效，開發(fā)一個新客戶的成本遠遠高于老客戶的維護成本。因此，會員數據越來越受到商家的重視，通過對會員數據進行分析，可以提升店鋪交易金額，實現精準推廣[2]。

1.2.1 會員數據分析的作用

1.2.1 .1 提升店鋪交易金額

流量、轉化率、客單價等指標影響店鋪的交易金額，這些指標與會員數據緊密相關。善于維護會員關系，將新客戶轉換為會員客戶，由會員帶來的流量成本較低。同時，老客戶帶來的流量轉化率遠遠大于新客戶的流量轉化率。此外，老客戶在店鋪中有過消費經歷后如果再次購買，說明其認可店鋪的產品和服務，購買多件產品的概率遠高于新客戶，提高了店鋪的客單價。因此分析會員數據對店鋪交易金額的提升有著重要的意義，重視會員數據，對會員進行合理管理，將新客戶變成會員，能夠減少店鋪推廣的成本，提高店鋪的轉化率和客單價，從而提升店鋪的交易金額。

1.2.1.2實現精準推廣

商家在向會員發(fā)送推廣信息之前，如果沒有對會員數據進行分析，盲目地向所有會員推送，可能起不到很好的推廣效果，比如將商品降價信息推送給購買了商品但尚未評價的客戶，結果自然是不會得到好評。如果將美觀但不實用的新品推廣信息發(fā)送給非常注重實用性的客戶，極有可能得不到客戶的任何回應。因此，對會員數據進行分析可以實現精準推廣，提升會員營銷的效果。

1.2.2 會員數據分析流程

數據分析對于電商企業(yè)的決策和發(fā)展至關重要。數據分析是指對大量數據進行整理，采用適當的統(tǒng)計分析方法，把隱藏在數據背后的信息提煉出來，再加以概括總結的過程。數據分析的過程一般包含明確分析目標、數據收集、數據處理、數據分析、數據展現、撰寫數據分析報告6個階段。

1.2.2 .1 明確分析目標

進行會員數據分析前，要明確數據分析的目標，明確為什么要進行本次數據分析，通過這次數據分析要解決什么問題。首先確定數據分析的總體目標，然后根據實際的業(yè)務背景對目標進行細化，列出數據分析的思路和框架，并且要注意分析框架的邏輯性。

1.2.2 .2 數據收集

數據收集為數據分析提供素材和依據，數據收集一般包含直接來源數據信息和間接來源數據信息，在實際工作中，獲取數據的方式包括數據庫和公開出版物查閱、市場調查等。

1.2.2 .3 數據處理

在雜亂無章的數據中，不是所有的數據都具有分析的價值，數據處理就是通過數據清洗、數據轉換、數據提取、數據匯總、數據計算等數據處理方法對數據進行處理加工，并提取出有價值的數據的過程。

1.2.2 .4 數據分析

數據分析是采用適當的工具和方法對處理過的數據進行分析，從中提煉出有價值的信息。數據分析可采用Excel，生意參謀，CRM，SPSS，SAS，Power BI，Smartbi等常用軟件、數據分析工具以及專業(yè)高端的分析軟件或者數據分析與可視化平臺。

1.2.2 .5 數據展現

數據展現也稱為數據可視化，即通過直觀的方式（比如表格、圖形等）將數據分析結果呈現出來，數據展現能讓決策者更好地理解數據分析結果。表格和圖形是展現數據的最好方式，常用的數據圖表包括柱形圖、餅圖、條形圖、折線圖、散點圖、雷達圖等，圖形能夠更直觀、有效地將結論和觀點表達出來，更易于理解。

1.2.2 .6 撰寫數據分析報告

數據分析報告是將數據分析的思路、過程、得出的結論及建議完整呈現出來，通過對數據全方位的科學分析，可為決策者提供參考，也可為其制定下一步運營計劃提供科學、嚴謹的依據，最大限度降低店鋪運營的風險。

2 RFM模型原理

在獲取會員數據后，充分利用這些數據對會員情況進行分析，了解會員的分布情況，如年齡分布、性別分布、地區(qū)分布，了解各地區(qū)會員的增長和流失情況、會員的生命周期以及挖掘每一位會員的價值潛力。RFM模型是描述客戶價值狀況的一種工具，RFM模型可以識別優(yōu)質的會員，可以幫助店鋪實現個性化的溝通和營銷服務，為商家的營銷決策提供有力支持，還能衡量會員價值和會員利潤創(chuàng)收能力[3]。利用RFM模型進行客戶分層，通常將客戶群體細分成8大類，見表1。

表1 RFM模型會員細分表

3 Power BI介紹

Power BI是Microsoft公司推出的一款智能商業(yè)數據分析軟件，可連接上百個數據源、簡化數據并可提供即席分析，用戶可根據需要改變條件，系統(tǒng)自動生成美觀的統(tǒng)計報表并進行發(fā)布，用戶可創(chuàng)建個性化的儀表板，全方位展現業(yè)務數據，用戶還可以在Web和移動設備上查看報表[4]。

4 基于Power BI的RFM客戶價值分類模型

運用Power BI軟件實現RFM客戶價值分類模型的建立。在進行會員數據分析前，首先在客戶運營平臺或其他CRM（客戶關系管理）軟件中獲取會員數據，主要獲取客戶的名稱以及上次交易的時間、交易總額和交易筆數。原始數據見第32頁圖1。

圖1 原始數據表部分數據

4.1 R，F，M值的構建

Power BI軟件建模模塊“新建列”，完成R，F，M值的構建，使用函數DATEDIFF()，按照如下公式構建R，F，M值。

R=DATEDIFF('會員數據分析'[上次交易時間],TODAY(),DAY)

F=[交易筆數(筆)]M=[交易總額(元)]

4.2 新建RFM表并計算RFM值

Power BI軟件建模模塊“新建表”，新建RFM表，將每個會員各指標數據與對應的均值比較，其中R值如果低于均值，則評價為高，在函數中用“1”表示高；如果大于或等于均值，則評價為低，在函數中用“0”表示低。F值為消費時間間隔，如果大于或等于均值，說明時間間隔過長，評價為低，低于均值，評價為高；M值為消費金額，如果大于或等于均值，說明消費金額高，評價為高，低于均值，評價為低。函數中分別用“0”和“1”表示低或高的評價。按照如下公式計算RFM值。

R得分=IF('RFM表'[R]>=AVERAGE('RFM表'[R]),0,1)

F得分=IF('RFM表'[F]>=AVERAGE('RFM表'[F]),1,0)

M得 分=IF('RFM表'[M]>=AVERAGE('RFM表'[M]),1,0)

RFM值='RFM表'[R得分]&'RFM表'[F得分]&'RFM表'[M得分]

4.3 RFM模型會員分類

Power BI軟件建模模塊“新建列”，通過如下公式完成會員分類，見圖2。

圖2 會員分類

4.4 會員數據分析與可視化

Power BI中使用數據分析表達式（Data Analysis Expressions，DAX）的計算列和度量值建立數據分析指標，并利用多種類型的圖表進行各種數據分析，在RFM客戶價值分類建模的基礎上，選擇合適的圖表進行數據分析可視化，完成會員數據分析報表的制作，見第33頁圖3。

圖3 會員數據分析報表

通過報表反映的情況得到，目前店鋪有60個會員，會員消費平均間隔天數為154 d，每個會員平均消費次數為6次，平均消費金額為6 264元。該店鋪的會員性別構成以女性為主，占比約為87%。因此，店鋪在后期運營過程中，需要充分考慮女性客戶的性格特點、購物偏好。該店鋪的會員主要來自北京、上海、廣州等城市，其中北京和上海的會員占比最高，分別約為20%和17%，部分城市的會員占比較少，甚至沒有，可根據店鋪營銷的需要，加強在低占比城市的推廣力度，同時繼續(xù)強化高占比城市的推廣力度，維持這部分會員關系。根據“二八定律”，店鋪80%的利潤由20%的消費者產生，這20%的消費者是店鋪的核心消費者，店鋪需要向這部分會員傾斜更多的資源，為其提供個性化定制服務。其中，該店鋪一般挽留客戶占比約13%，對這部分會員，可通過郵件、電話、短信、微信等渠道推送最新優(yōu)惠活動，若喚醒效果不明顯，可暫時放棄這部分無價值會員，將更多的時間和精力投入到關鍵的少數消費者并加強對該部分會員的服務。

5 結束語

運用Power BI軟件建立的客戶價值分類模型可以很好地進行客戶群體的價值分類，幫助企業(yè)實現精準推廣和交易金額提升，Power BI創(chuàng)建的個性化儀表板，滿足了不同業(yè)務數據個性化的數據分析需求，提供了一種數據分析可視化的新方法。