一张图看清客户价值－运用Tableau作RFM客户价值分析

本文是原创文章，如有转载敬请注明。

在对电商用户的分析中RFM客户价值分析是非常有效的一种分析方法，而在这方面Tableau体现了他强大的BI数据展示和分析功能。

一、RFM分析方法简单介绍

RFM分析是从周期内最近下单时间R、下单频率F、下单金额平均值M来分析用户价值的一种方法，这个三个维度分别代表了用户的购买的忠诚度、购买粘性、购买力的信息、再结合价格敏感度(本例用户优惠券占比计算）可以非常完整的看出用户群体的价值分布情况。

二、数据准备

数据源：可从订单库将订单明细抽取出来，主要维度（用户ID、下单时间戳、订单ID、付款金额、优惠券ID，用户来源、注册时间、类目、广告渠道code、收货地址等）。

筛选周期、去除非分析目标用户。

本例数据的主要维度说明：

周期内最近下单时间R：用户最近一次消费的时间  

下单频率：用户在周期内下单次数的平均值 

下单金额平均值M：用户在周期内下单金额的平均值 

价格敏感度：用户在周期内使用优惠券/总订单数占比

三、Tableau的展示过程

1、筛选下单时间

根据数据分析需求定义，一般为最近90天

2、创建数据字段

最近一次下单时间 {FIXED [下单用户id]:max([下单时间])}

消费频率：{INCLUDE [下单用户id]:countd([主订单号])}

3、其他步骤

 拖动实付金额到列，拖动消费频率到行，并将二度量值改为平均值，选择气泡图，然后将最近一次下单时间拖至颜色，优惠券占比到大小，下单用户ID到详细信息即可。

4、分析

以下例图运用Tableau工具通过一张图即可看出用户的价值分布。（图例的数据非真实数据，仅供参考）

右上1区域没有点，代表高价值的用户没有，需要运营重点关注。

右下2区域代表潜在价值客户，颜色主要是绿色代表大部分客户是活跃客户，但消费频率不高，且用户数量较少，对价值敏感的用户较多。应当努力在品类及体验上下功夫，提高他们的消费频率。有两个用户离中线较近可重点关注，右边的高消费密集区群也可关注他的特征。

区域3主要都集中在左侧，说明他们的消费金额较小但频率较高，部分用户价值敏感较高，可用选出这部分用户（直接在图中用矩形框选取，右健查看数据），对他们进行特征分析。

区域4对于中部的红色的用户应当重视，这部分用户是流失客户，应当从其他维度分析这部分流失用户的特征。

结合下单时间（可调至季度），可以查看近一年时间每季度用户价值分布的变迁图，可以对用户价值的整体变化趋势有更清楚的认识。

四、总结

客户价值的分析数据的工具有多种，运用专门的工具还可对以上四个维度进行加权计算用户的价值分数作为标签使用。SAS EG里有专门FRM分析模块结合PROC RANK过程计算，Python运用Pandas包计算也非常方便。但都不如Tableau这么清晰、简洁。

一张图，一目了然！