王明艷

（湖南財(cái)經(jīng)工業(yè)職業(yè)技術(shù)學(xué)院，湖南 衡陽421002）

在客戶分類中，RFM是一個經(jīng)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(fèi)時間、F（Frequency）消費(fèi)頻率和M（Monetary）消費(fèi)金額3個指標(biāo)進(jìn)行客戶群體的細(xì)分，從而對不同客戶群體的價值進(jìn)行分析。文章運(yùn)用Power BI軟件，通過數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)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(shù)據(jù)分析報表的制作。

1 數(shù)據(jù)分析

1.1 電商數(shù)據(jù)分析

隨著互聯(lián)網(wǎng)、云計(jì)算、人工智能、數(shù)據(jù)挖掘、社交網(wǎng)絡(luò)、5G等新興技術(shù)和服務(wù)的廣泛應(yīng)用，數(shù)據(jù)規(guī)模急劇增長，種類也日益增多。大數(shù)據(jù)時代，“一切以數(shù)據(jù)說話”。電子商務(wù)相對于傳統(tǒng)零售業(yè)而言，最顯著的特點(diǎn)是可以通過數(shù)據(jù)化來監(jiān)控和改進(jìn)，數(shù)據(jù)反映了最真實(shí)的產(chǎn)品和用戶狀態(tài)。電子商務(wù)領(lǐng)域中，數(shù)據(jù)蘊(yùn)藏著巨大的商機(jī)和價值。例如，創(chuàng)業(yè)人員可以根據(jù)數(shù)據(jù)分析對產(chǎn)品進(jìn)行優(yōu)化；運(yùn)營人員可以通過數(shù)據(jù)分析得出的結(jié)論來調(diào)整運(yùn)營策略；產(chǎn)品經(jīng)理可以通過數(shù)據(jù)分析來挖掘用戶的消費(fèi)習(xí)慣；投資者可以通過數(shù)據(jù)分析來規(guī)避投資風(fēng)險；IT人員可以通過數(shù)據(jù)分析進(jìn)一步挖掘用戶的價值。數(shù)據(jù)分析在各行各業(yè)都有著廣泛的應(yīng)用，電子商務(wù)企業(yè)要想在行業(yè)中更具有競爭力，就必須利用數(shù)據(jù)驅(qū)動增長[1]?？梢哉f，誰掌握了數(shù)據(jù)分析，誰就掌握了主動權(quán)。

1.2 會員數(shù)據(jù)分析

“二八定律”中，20%的消費(fèi)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(jīng)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?zhàn)钪艺\的客戶，是店鋪的沉淀客戶，是店鋪口碑宣傳的關(guān)鍵。這部分客戶表現(xiàn)出高頻率、高消費(fèi)、高活躍度，商家不需要花太多的成本來推廣產(chǎn)品，可以將更多的時間花在服務(wù)上，從而實(shí)現(xiàn)精準(zhǔn)定位，提升服務(wù)水平，達(dá)到事半功倍的效果。

老客戶是店鋪利潤的長期貢獻(xiàn)者，也是店鋪口碑宣傳的有效傳播者，培養(yǎng)老客戶、維護(hù)好與老客戶的關(guān)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(yuǎn)遠(yuǎn)高于老客戶的維護(hù)成本。因此，會員數(shù)據(jù)越來越受到商家的重視，通過對會員數(shù)據(jù)進(jìn)行分析，可以提升店鋪交易金額，實(shí)現(xiàn)精準(zhǔn)推廣[2]。

1.2.1 會員數(shù)據(jù)分析的作用

1.2.1 .1 提升店鋪交易金額

流量、轉(zhuǎn)化率、客單價等指標(biāo)影響店鋪的交易金額，這些指標(biāo)與會員數(shù)據(jù)緊密相關(guān)。善于維護(hù)會員關(guān)系，將新客戶轉(zhuǎn)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(zhuǎn)化率遠(yuǎn)遠(yuǎn)大于新客戶的流量轉(zhuǎn)化率。此外，老客戶在店鋪中有過消費(fèi)經(jīng)歷后如果再次購買，說明其認(rèn)可店鋪的產(chǎn)品和服務(wù)，購買多件產(chǎn)品的概率遠(yuǎn)高于新客戶，提高了店鋪的客單價。因此分析會員數(shù)據(jù)對店鋪交易金額的提升有著重要的意義，重視會員數(shù)據(jù)，對會員進(jìn)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(zhuǎn)化率和客單價，從而提升店鋪的交易金額。

1.2.1.2實(shí)現(xiàn)精準(zhǔn)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(shù)據(jù)進(jìn)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(jié)果自然是不會得到好評。如果將美觀但不實(shí)用的新品推廣信息發(fā)送給非常注重實(shí)用性的客戶，極有可能得不到客戶的任何回應(yīng)。因此，對會員數(shù)據(jù)進(jìn)行分析可以實(shí)現(xiàn)精準(zhǔn)推廣，提升會員營銷的效果。

1.2.2 會員數(shù)據(jù)分析流程

數(shù)據(jù)分析對于電商企業(yè)的決策和發(fā)展至關(guān)重要。數(shù)據(jù)分析是指對大量數(shù)據(jù)進(jìn)行整理，采用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法，把隱藏在數(shù)據(jù)背后的信息提煉出來，再加以概括總結(jié)的過程。數(shù)據(jù)分析的過程一般包含明確分析目標(biāo)、數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)、撰寫數(shù)據(jù)分析報告6個階段。

1.2.2 .1 明確分析目標(biāo)

進(jìn)行會員數(shù)據(jù)分析前，要明確數(shù)據(jù)分析的目標(biāo)，明確為什么要進(jìn)行本次數(shù)據(jù)分析，通過這次數(shù)據(jù)分析要解決什么問題。首先確定數(shù)據(jù)分析的總體目標(biāo)，然后根據(jù)實(shí)際的業(yè)務(wù)背景對目標(biāo)進(jìn)行細(xì)化，列出數(shù)據(jù)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(shù)據(jù)收集

數(shù)據(jù)收集為數(shù)據(jù)分析提供素材和依據(jù)，數(shù)據(jù)收集一般包含直接來源數(shù)據(jù)信息和間接來源數(shù)據(jù)信息，在實(shí)際工作中，獲取數(shù)據(jù)的方式包括數(shù)據(jù)庫和公開出版物查閱、市場調(diào)查等。

1.2.2 .3 數(shù)據(jù)處理

在雜亂無章的數(shù)據(jù)中，不是所有的數(shù)據(jù)都具有分析的價值，數(shù)據(jù)處理就是通過數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)提取、數(shù)據(jù)匯總、數(shù)據(jù)計(jì)算等數(shù)據(jù)處理方法對數(shù)據(jù)進(jìn)行處理加工，并提取出有價值的數(shù)據(jù)的過程。

1.2.2 .4 數(shù)據(jù)分析

數(shù)據(jù)分析是采用適當(dāng)?shù)墓ぞ吆头椒▽μ幚磉^的數(shù)據(jù)進(jìn)行分析，從中提煉出有價值的信息。數(shù)據(jù)分析可采用Excel，生意參謀，CRM，SPSS，SAS，Power BI，Smartbi等常用軟件、數(shù)據(jù)分析工具以及專業(yè)高端的分析軟件或者數(shù)據(jù)分析與可視化平臺。

1.2.2 .5 數(shù)據(jù)展現(xiàn)

數(shù)據(jù)展現(xiàn)也稱為數(shù)據(jù)可視化，即通過直觀的方式（比如表格、圖形等）將數(shù)據(jù)分析結(jié)果呈現(xiàn)出來，數(shù)據(jù)展現(xiàn)能讓決策者更好地理解數(shù)據(jù)分析結(jié)果。表格和圖形是展現(xiàn)數(shù)據(jù)的最好方式，常用的數(shù)據(jù)圖表包括柱形圖、餅圖、條形圖、折線圖、散點(diǎn)圖、雷達(dá)圖等，圖形能夠更直觀、有效地將結(jié)論和觀點(diǎn)表達(dá)出來，更易于理解。

1.2.2 .6 撰寫數(shù)據(jù)分析報告

數(shù)據(jù)分析報告是將數(shù)據(jù)分析的思路、過程、得出的結(jié)論及建議完整呈現(xiàn)出來，通過對數(shù)據(jù)全方位的科學(xué)分析，可為決策者提供參考，也可為其制定下一步運(yùn)營計(jì)劃提供科學(xué)、嚴(yán)謹(jǐn)?shù)囊罁?jù)，最大限度降低店鋪運(yùn)營的風(fēng)險。

2 RFM模型原理

在獲取會員數(shù)據(jù)后，充分利用這些數(shù)據(jù)對會員情況進(jìn)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(zhì)的會員，可以幫助店鋪實(shí)現(xiàn)個性化的溝通和營銷服務(wù)，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(jìn)行客戶分層，通常將客戶群體細(xì)分成8大類，見表1。

表1 RFM模型會員細(xì)分表

3 Power BI介紹

Power BI是Microsoft公司推出的一款智能商業(yè)數(shù)據(jù)分析軟件，可連接上百個數(shù)據(jù)源、簡化數(shù)據(jù)并可提供即席分析，用戶可根據(jù)需要改變條件，系統(tǒng)自動生成美觀的統(tǒng)計(jì)報表并進(jìn)行發(fā)布，用戶可創(chuàng)建個性化的儀表板，全方位展現(xiàn)業(yè)務(wù)數(shù)據(jù)，用戶還可以在Web和移動設(shè)備上查看報表[4]。

4 基于Power BI的RFM客戶價值分類模型

運(yùn)用Power BI軟件實(shí)現(xiàn)RFM客戶價值分類模型的建立。在進(jìn)行會員數(shù)據(jù)分析前，首先在客戶運(yùn)營平臺或其他CRM（客戶關(guān)系管理）軟件中獲取會員數(shù)據(jù)，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(shù)。原始數(shù)據(jù)見第32頁圖1。

圖1 原始數(shù)據(jù)表部分?jǐn)?shù)據(jù)

4.1 R，F(xiàn)，M值的構(gòu)建

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

R=DATEDIFF('會員數(shù)據(jù)分析'[上次交易時間],TODAY(),DAY)

F=[交易筆數(shù)(筆)]M=[交易總額(元)]

4.2 新建RFM表并計(jì)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(biāo)數(shù)據(jù)與對應(yīng)的均值比較，其中R值如果低于均值，則評價為高，在函數(shù)中用“1”表示高；如果大于或等于均值，則評價為低，在函數(shù)中用“0”表示低。F值為消費(fèi)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(fèi)金額，如果大于或等于均值，說明消費(fèi)金額高，評價為高，低于均值，評價為低。函數(shù)中分別用“0”和“1”表示低或高的評價。按照如下公式計(jì)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(shù)據(jù)分析與可視化

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

圖3 會員數(shù)據(jù)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(fèi)平均間隔天數(shù)為154 d，每個會員平均消費(fèi)次數(shù)為6次，平均消費(fèi)金額為6 264元。該店鋪的會員性別構(gòu)成以女性為主，占比約為87%。因此，店鋪在后期運(yùn)營過程中，需要充分考慮女性客戶的性格特點(diǎn)、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(jù)店鋪營銷的需要，加強(qiáng)在低占比城市的推廣力度，同時繼續(xù)強(qiáng)化高占比城市的推廣力度，維持這部分會員關(guān)系。根據(jù)“二八定律”，店鋪80%的利潤由20%的消費(fèi)者產(chǎn)生，這20%的消費(fèi)者是店鋪的核心消費(fèi)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(wù)。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(guān)鍵的少數(shù)消費(fèi)者并加強(qiáng)對該部分會員的服務(wù)。

5 結(jié)束語

運(yùn)用Power BI軟件建立的客戶價值分類模型可以很好地進(jìn)行客戶群體的價值分類，幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)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(wù)數(shù)據(jù)個性化的數(shù)據(jù)分析需求，提供了一種數(shù)據(jù)分析可視化的新方法。