客户分析就是根据客户信息数据来分析客户特征,评估客户价值,从而为客户制订相应的营销策略与资源配置。通过合理、系统的客户分析,企业可以知道不同的客户有着什么样的需求,分析客户消费特征与商务效益的关系,使运营策略得到最优的规划;更为重要的是可以发现潜在客户,从而进一步扩大商业规模,使企业得到快速的发展。
企业客户分析可以从以下几个方面入手,对客户数据信息展开分析:
1、分析客户个性化需求
“以客户为中心”的个性化服务越来越受到重视。实施CRM的一个重要目标就是能够分析出客户的个性化需求,并对这种需求采取相应措施,同时分析不同客户对企业效益的不同影响,以便做出正确的决策。这些都使得客户分析成为企业实施CRM时不可缺少的组成部分。
2、分析客户行为
企业可以利用收集到的信息,跟踪并分析每一个客户的信息,不仅知道什么样的客户有什么样的需求,同时还能观察和分析客户行为对企业收益的影响,使企业与客户的关系及企业利润得到最优化。
3、分析有价值的信息
利用客户分析系统,企业不再只依靠经验来推测,而是利用科学的手段和方法,收集、分析和利用各种客户信息,从而轻松的获得有价值的信息。如企业的哪些产品最受欢迎,原因是什么,有什么回头客,哪些客户是最赚钱的客户,售后服务有哪些问题等。客户分析将帮助 企业充分利用其客户关系资源,在新经济时代从容*地面对客户。
目前国内企业对客户的分析还很欠缺,分析手段较为简单,而简单的统计方法虽然可以在一定程度上得出分析结果,但因为不同企业发展中存在一定的不平衡性,利用简单的统计模式得出的结论容易有较大的误差,难以满足企业的特殊需求。因而企业需要有更加完善、合理的客户分析方案,进一步提高客户分析的合理性、一致性,并能在对 潜在客户的培养和发现中提供更多的决策支持。
本文将使用客户RFM模型来衡量客户价值,当然仅一个模型也无法完整并系统的分析客户,还是需要结合CRM系统中的数据,切勿过度依赖该模型来分析客户价值。该模型仅供决策参考。接下来我们来看一下RFM模型是什么?
RFM分析(Recency,Frequency,Monetary)是用来细分用户和衡量客户价值的一个重要工具,就是根据客户活跃程度和交易金额的贡献,进行客户价值细分的一种方法。
RFM的含义:
R(Recency):客户最近一次交易时间的间隔。R值越大,表示客户交易发生的日期越久,反之则表示客户交易发生的日期越近。
F(Frequency):客户在最近一段时间内交易的次数。F值越大,表示客户交易越频繁,反之则表示客户交易不够活跃。
M(Monetary):客户在最近一段时间内交易的金额。M值越大,表示客户价值越高,反之则表示客户价值越低。
本文中通过分析某个店铺客户消费数据,将会员分为以下8种,以便有针对性的做营销决策,实现精细化运营:
一、RFM数据源
我们准备的数据源中有很多的字段,由RFM模型的含义可知。我们需要通过订单日期判断R值,订单ID判断F值,销售额判断M值,客户ID是基础数据,其他的字段就是冗余字段
二、RFM值
1、确定R值
确定R值为指定日期和最近购买日期之间的差异天数,计算每个客户的最近一次消费日期。再根据截止日期的时间和最后一个交易日期的差值
RFM R =
AVERAGEX( DISTINCT(\'维度_客户\'[客户名称]) ,
CALCULATE(
AVERAGEX( \'事实_订单\', DATEDIFF( [订单日期] , LASTDATE( \'维度_RFM日期\'[Date] ) , DAY ) ) ,
TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期])
)
)
R最大值
RFM R MAX =
MAXX( ALL(\'维度_客户\'[客户名称]) ,
CALCULATE(
AVERAGEX( \'事实_订单\' , DATEDIFF( [订单日期] , LASTDATE( \'维度_RFM日期\'[Date] ) , DAY ) ) ,
TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期])
)
)
R最小值
RFM R MIN =
MINX( ALL( \'维度_客户\'[客户名称]) ,
CALCULATE(
AVERAGEX( \'事实_订单\' , DATEDIFF( [订单日期] , LASTDATE( \'维度_RFM日期\'[Date] ) , DAY ) ) ,
TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期] )
)
R平均值
RFM R AVG = CALCULATE( [RFM R] , ALL(\'维度_客户\') )
2、确定F值
交易次数值需要感觉非重复计数获得,这里根据虚拟关系筛选计数顾客交易次数
RFM F =
AVERAGEX( DISTINCT(\'维度_客户\'[客户名称]) ,
CALCULATE(\'度量值\'[顾客交易次数] , TREATAS( VALUES(\'维度_RFM日期\'[Date]) , \'事实_订单\'[订单日期]))
)
F最大值
RFM F MAX =
MAXX( ALL(\'维度_客户\'[客户名称]) ,
CALCULATE(\'度量值\'[顾客交易次数] , TREATAS( VALUES(\'维度_RFM日期\'[Date]) , \'事实_订单\'[订单日期]))
)
F最小值
RFM F MIN = MINX( ALL(\'维度_客户\'[客户名称]) , CALCULATE(\'度量值\'[顾客交易次数] , TREATAS( VALUES(\'维度_RFM日期\'[Date]) , \'事实_订单\'[订单日期])))
F平均值
RFM F AVG = CALCULATE( [RFM F] , ALL(\'维度_客户\') )
3、确定M值
M值为每个客户共享的销售金额
RFM M = AVERAGEX( DISTINCT( \'维度_客户\'[客户名称]) , CALCULATE(\'度量值\'[销售金额], TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期] ) ))
M最大值
RFM M MAX = MAXX( ALL( \'维度_客户\'[客户名称]) , CALCULATE(\'度量值\'[销售金额], TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期] ) ))
M最小值
RFM M MIN = MINX( ALL(\'维度_客户\'[客户名称]) , CALCULATE(\'度量值\'[销售金额], TREATAS( VALUES( \'维度_RFM日期\'[Date] ) , \'事实_订单\'[订单日期]) ))
M平均值
RFM M AVG = CALCULATE( [RFM M] , ALL( \'维度_客户\' ) )
三、确定客户类型
确定RFM值后,我们将R、F、M分别与平均值比较,计数出RFM的得分情况
RFM R 分数 = IF( NOT ISBLANK( [RFM R] ) , DIVIDE( [RFM R MAX] - [RFM R] , [RFM R MAX] - [RFM R MIN] ) * 100 )
RFM F 分数 = IF( NOT ISBLANK( [RFM F] ) , DIVIDE( [RFM F] - [RFM F MIN] , [RFM F MAX] - [RFM F MIN] ) * 100 )
RFM M 分数 = IF( NOT ISBLANK( [RFM M] ) , DIVIDE( [RFM M] - [RFM M MIN] , [RFM M MAX] - [RFM M MIN] ) * 100 )
四、新建辅助表
1、新建RFM分类表
可以直接输入数据,也可以通过Excel导入数据。
2、新建权重参数表
权重参数从0到100进行设定
参数_RFM R权重 = GENERATESERIES(0, 100, 1)
参数_RFM F权重 = GENERATESERIES(0, 100, 1)
参数_RFM M权重 = GENERATESERIES(0, 100, 1)
3、新建TOP参数表
参数_RFM TOP X = GENERATESERIES(0, 100, 1)
五、制作可视化报告
1、制作表格,拖放已经计算好的数据
2、制作客户RFM权重占比环形图
3、制作客户分类占比环形图
4、制作客户RFM得分排名条形图
5、制作切片器
切片器拖放辅助表中的权重R\F\M字段和TopX字段,并设置显示格式为下拉。日期切片器直接设置开启滑块
六、总结
客户RFM分析首先需要根据订单数据来计算RFM的值,其次通过辅助表进行补充动态设定的参数。再次通过RFM的值和最大值、最小值对比使用平均函数进行计算出RFM得分情况。通过辅助表客户分类维度,来确定客户所属分类。该模型可以动态根据企业对R,F,M设定不同的权重来计算客户的价值。
对于销售分析的指标的分析模型还有动态ABC分析模型,在后续得文章中会给大家展现。