基于PowerBI构建动态客户价值模型RFM驱动客户营销

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第1张图片

概述

在众多的客户中找到重点客户以及对客户进行动态分类,而后分而治之。

根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析最好的指标:

  • 最近一次消费(Recency)
  • 消费频率(Frequency)
  • 消费金额(Monetary)

因此,称该研究模型为:RFM

最近一次消费:最近一次消费意指上一次购买的时候,顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车,或在你的超市买早餐最近的一次是什么时候。

消费频率:消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客,也是满意度最高的顾客。如果相信品牌及商店忠诚度的话,最常购买的消费者,忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率,由别人的手中赚取营业额。

消费金额:消费金额是所有数据库报告的支柱,也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍,占公司所有营业额的40%以上。如看累计百分比的那一栏,我们会发现有40%的顾客贡献公司总营业额的80%;而有60%的客户占营业额的90%以上。

因此,最近一次消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法,这充分的表现了这三个指标对营销活动的指导意义。而其中,最近一次消费是最有力的预测指标。

RFM分群

在实际操作中,可以定义:

  • R:一段时间内,客户最近一次交易日期,与时间段终点越近越好
  • F:一段时间内,客户交易的次数,次数越多越好
  • M:一段时间内,客户的交易度量(如:金额,利润,利润率),越大越好

首先,选定客户群体的每个客户,计算上述三个指标的值。
其次,从上述结果可以计算选定客户群体的三个指标的(算术)平均值。

分群方法:

  • 对于某个客户,如果其R值高于群体平均R值,则该客户属于R↑,反之属于R↓。
  • 对于某个客户,如果其F值高于群体平均F值,则该客户属于F↑,反之属于F↓。
  • 对于某个客户,如果其M值高于群体平均M值,则该客户属于M↑,反之属于M↓。

将上述客户装入三维空间,则可以形成如下的分群结构:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第2张图片

并作出如下的业务定义:

  • R↑F↑M↑:重要价值客户
  • R↑F↑M↓:一般价值客户
  • R↑F↓M↑:重要发展客户
  • R↑F↓M↓:一般发展客户
  • R↓F↑M↑:重要保持客户
  • R↓F↑M↓:一般保持客户
  • R↓F↓M↑:重要挽留客户
  • R↓F↓M↓:一般挽留客户

这里的业务语义非常清晰,可以直接指导业务对不同群体的客户产生影响的营销改善策略。

所需要的表

做RFM计算,最小程度只需要依赖于一个表即可:订单表。实际中,可以是一种分表的结构,以PowerBI结构为例,如下:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第3张图片

这是一个非常简单的结构:一个客户可能产生多个订单,每个订单有多条订单明细。

PowerBI RFM 模型展示

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第4张图片

在PowerBI的实现中,可以通过动态的参数化设置,将RFM模型进一步增强以适应更灵活的业务需要:

  • 通过滑杆设定考察RFM的时间范围
  • 通过滑杆设定RFM的三个分指标的相对权重
  • 通过滑杆设定默认显示的RFM TOP X具体客户

时间段

默认情况下,RFM中对R的计算是相对于当前时间的,但对历史进行计算的时候就需要选定一个时间段了。

RFM权重

RFM不同分指标的R、F、M的权重可能不同,改变RFM的权重可以完全影响客户的分类结果:

对于 R优先 的情况:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第5张图片

对于 M优先 的情况:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第6张图片

可以看出,分类的结果形态发生了质变。这也是在现实的业务中需要这种动态性的支撑。

参数设置

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第7张图片

可以通过PowerBI参数法来实现动态的参数话设置。并使用全局同步切片器来完成参数的同步效果。

DAX

RFM可以通过DAX进行计算,本案例全部使用度量值完成(没有计算列),使得计算保持动态性。对RFM三个指标的计算在DAX中非常简单,如下:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第8张图片
基于PowerBI构建动态客户价值模型RFM驱动客户营销_第9张图片
基于PowerBI构建动态客户价值模型RFM驱动客户营销_第10张图片

RFM核心计算使用的DAX非常简单,其他动态扩展需要额外的一些DAX计算式来辅助完成。

思考:从上述DAX中可以卡出本案例并非完美,在实际业务中,可能需要按某种产品类别、品牌、门店来计算RFM,但需要DAX表达式兼顾这些,读者可自行思考如果基于上述的DAX来优化。

总结

动态效果展示:

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第11张图片

该案例进一步证明PowerBI DAX数据建模不同于一般自助BI工具,它使业务人员可以借助PowerBI强大的数据建模能力使用DAX建立RFM模型,并通过PowerBI可视化及动态参数赋予RFM模型动态性。

如需案例文件,欢迎关注公众号,并找到改文章转发留言私信获取。

基于PowerBI构建动态客户价值模型RFM驱动客户营销_第12张图片

你可能感兴趣的:(基于PowerBI构建动态客户价值模型RFM驱动客户营销)