九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

前面幾篇文章介紹了如何用PowerBI對(duì)客戶進(jìn)行分析，相關(guān)的分析維度和方式有很多，實(shí)際應(yīng)用也是千差萬別，但談到客戶分析，不得不提及一個(gè)經(jīng)典、通用的分析模型：RFM模型。

RFM模型是衡量客戶價(jià)值的一個(gè)重要的工具和手段，它通過客戶的三個(gè)行為指標(biāo)對(duì)客戶進(jìn)行分類：

Recency：最近一次消費(fèi)時(shí)間間隔

Frequency：消費(fèi)頻率

Monetary：消費(fèi)金額

RFM模型的名字也就是這三個(gè)指標(biāo)首字母的組合，一般來說，最近一次消費(fèi)的間隔越短、消費(fèi)頻率和消費(fèi)金額越高，客戶價(jià)值越大。

這三個(gè)行為指標(biāo)可以繼續(xù)細(xì)分，最常用的是二分法，每個(gè)指標(biāo)按照特定的閾值劃分為兩類，比如按平均值劃分，優(yōu)于指標(biāo)平均水平的設(shè)置為1，否者為0，這樣組合成8個(gè)客戶類別，其特征分別如下：

RFM分析模型的重點(diǎn)就是計(jì)算出每個(gè)客戶的三項(xiàng)指標(biāo)，然后劃分為特定的客戶類別，這篇文章就來看看，在PowerBI中如何進(jìn)行RFM分析。

一、建立模型

模擬數(shù)據(jù)為一個(gè)訂單明細(xì)表，包含每個(gè)客戶的下單日期和下單金額等明細(xì)數(shù)據(jù)，以及對(duì)應(yīng)的維度表，數(shù)據(jù)模型如下圖：

然后為了方便分組，建立一個(gè)RFM類型表：

二、建立RFM度量值

這是最關(guān)鍵的一步，分別寫R、F、M的度量值。

Recency:最近一次消費(fèi)時(shí)間間隔

這里以最新的業(yè)務(wù)日期為錨點(diǎn)，最新業(yè)務(wù)日期的度量值為：

業(yè)務(wù)最新日期 = 

MAXX( ALL( '訂單表' ),'訂單表'[訂單日期] )

R 最后消費(fèi)間隔天數(shù) = 

DATEDIFF( 

    MAX( '訂單表'[訂單日期] ),

    [業(yè)務(wù)最新日期],

    DAY 

)

對(duì)R指標(biāo)采用二分法，本案例以常用的平均值為分界點(diǎn)，平均間隔天數(shù)的度量值為：

R 平均間隔天數(shù) = 

AVERAGEX( 

    ALLSELECTED( '客戶表' ),

    [R 最后消費(fèi)間隔天數(shù)] 

)

R 值= 

IF( 

    ISBLANK( [R 最后消費(fèi)間隔天數(shù)] ),

    BLANK(),

    IF( [R 最后消費(fèi)間隔天數(shù)] <[R 平均間隔天數(shù)],1,0)

)

這樣，R的指標(biāo)就計(jì)算出來了，下面用同樣的方式來計(jì)算F和M.

Frequency:消費(fèi)頻率

F 消費(fèi)次數(shù) = 

DISTINCTCOUNT( '訂單表'[訂單號(hào)] )

F 平均消費(fèi)次數(shù)= 

AVERAGEX( 

    ALLSELECTED( '客戶表' ),

    [F 消費(fèi)次數(shù)] 

)

F 值 = 

IF( 

    ISBLANK( [F 消費(fèi)次數(shù)] ),

    BLANK(),

    IF( [F 消費(fèi)次數(shù)] >[F 平均消費(fèi)次數(shù)],1,0)

)

Monetary:消費(fèi)金額

M 消費(fèi)金額 = SUM( '訂單表'[銷售額] )

M 平均消費(fèi)金額 = 

AVERAGEX( 

    ALLSELECTED( '客戶表' ) , 

    [M 消費(fèi)金額] 

)

M 值 = 

IF( 

    ISBLANK( [M 消費(fèi)金額] ),

    BLANK(),

    IF( [M 消費(fèi)金額] >[M 平均消費(fèi)金額],1,0)

)

上面的這些度量值已把R、F、M三個(gè)指標(biāo)計(jì)算出來，下面來看看如何展現(xiàn)根據(jù)這三個(gè)指標(biāo)來對(duì)客戶進(jìn)行分類。

將三個(gè)指標(biāo)組合成一個(gè)RFM值：

RFM 值 = [R 值]&[F 值]&[M 值]

計(jì)算每個(gè)客戶所屬的RFM類型：

RFM 類型 =

VAR RFM_value = [RFM 值]

RETURN

CALCULATE( 

    VALUES( 'RFM類型表'[類型] ) , 

    'RFM類型表'[RFM]=RFM_value 

)

三、建立RFM分類模型

首先，可以從整體上看看這8個(gè)分類分別有多少客戶，以及占比是多少，用條形圖和環(huán)形圖來展示：

然后可以用表格更明細(xì)的顯示每個(gè)客戶的R、F、M值分別是多少，以及所屬的RFM類型，

還可以利用散點(diǎn)圖來看看每個(gè)類別客戶的分布情況：

平面二維散點(diǎn)圖只能展示兩個(gè)指標(biāo)，這里將M、F分別作為X軸和Y軸，而另外一個(gè)指標(biāo)R，作為圖例，按不同的顏色來展示。

把這些可視化圖表組合到一起，就形成了一個(gè)RFM分類模型：

除了上面提到的幾個(gè)主要圖表，這里還加入了RFM三個(gè)指標(biāo)的平均值，以及其他細(xì)節(jié)的設(shè)置，進(jìn)而構(gòu)成了一個(gè)完整的RFM分析模型。

在這個(gè)模型中，可以點(diǎn)擊按RFM類別來動(dòng)態(tài)查看具體客戶的詳情和分布情況，

也可以對(duì)特定維度的客戶進(jìn)行分類，比如按城市查看分類情況，

是不是很靈活，它可以根據(jù)用戶的探索，從多個(gè)維度進(jìn)行RFM分類，并動(dòng)態(tài)快速返回分類結(jié)果，這是RFM模型的優(yōu)勢，更是PowerBI的優(yōu)勢。

RFM模型需要寫的度量值看起來很多，但其中用到的DAX并不復(fù)雜，上手學(xué)習(xí)一段PowerBI，多練習(xí)、先模仿，每個(gè)人都可以做出一個(gè)這樣的模型。