全部文档
当前文档

暂无内容

如果没有找到您期望的内容,请尝试其他搜索词

文档中心

用户运营数据如何分析?利用AxisBI轻松构建RFM模型!

最近更新时间:2021-09-08 11:33:14

案例背景:很多直接面向消费者的企业,也就是我们常说的To C的企业通常都会建立自己的会员体系,并在线上和线下积累了大量的会员数据。但如何才能更好的利用这些数据以及如何识别哪些是高价值的会员,这是每个企业都在不断探索的话题。

今天给大家整理了一个运营/电商经常用到的分析模型——RFM模型。这是一种经典到头皮发麻的用户分类、价值分析模型。先来解释下这几个指标的含义:

fcb9eeefd7e76b5b64468ae1ff26abb7.jpg

R,Rencency,即每个用户有多少天没回购了,可以理解为最近一次购买到现在隔了多少天。

F,Frequency,是每个用户购买了多少次。

M,Monetary,代表每个用户平均购买金额,这里也可以是累计购买金额。

通过RFM可以对用户价值做出合理的预估,定位精准用户运营。

这也是为什么在网上购物后,经常会收到商家的推送短信,因为你极有可能是商家的「重要深耕用户」,嗯,提醒你该剁手啦~

e9136b0fb7b72dd5719f5ca26ab6053a.jpg

是不是心动了?OK,闲话少说,我们来开动正餐!

第一步:先来导入数据,这里有一份经过数据脱敏的销售数据表,包括了买家昵称、订单日期、订单状态、销售额、购买数量这些字段,我们将它导入,如下:
image.png
导入数据完成之后,接下来是来构建RFM指标。我们数据模型里点击「编辑模型」-「新建计算维度」。

image.png
首先是R值,即每个用户最后一次购买时间距今多少天。如果用户只下单过一次,用现在的日期减去订单日期即可;若是用户多次下单,需先筛选出这个用户最后一次付款的时间,再用它减去今天,就得到R值了。

用户最后交易日期={ FIXED [买家昵称]: MAX ([订单时间]) }

R值=DATEDIFF ("DAY",[用户最后交易日期],TODAY())

79c8215e61e5fc6534761736c4873d42.png

接着来搞定F值,即每个用户累计购买频次。把每个用户的下单数做一个计数统计即可得到F值。
5677321101a16f700d696d93b8305e2b.png
上一步计算出了每个用户购买频次,这里我们只需要得到每个用户的总金额就能得到M值了。
2410cf56b326a317ec8e55e4350ec099.png
至此,我们完成了模型核心指标的计算,算是打扫干净了屋子再请客。

第二步,用户分组
RFM经典的分层会按照R/F/M每一项指标是否高于平均值,把用户划分为8类,总结了一下,具体像下面表格这样:
04d361164221544d3f0c4a3a8a46c2e6.png
于是,我们需要建立R\F\M的平均值字段,并判断的用户的R\F\M值是否大于均值:

F值平均值={fixed :sum([F值])/countd([买家昵称])}

F值是否高于平均值=if [F值]>=[F值平均值] then 1 else 0

为了得到最终用户分组,还需要再定义一个判断函数,通过判断人群数值的值,来匹配用户分组:
fe54dfa65974ab69b1880ab8a1f883eb.png
至此,用户分组工作完成,也宣告了RFM模型建模的结束,每一位用户都有了属于自己的RFM标签。
a8b69508bde279d1f5ac8515b39ead91.png

第三步,报表制作
首先,新建一个环形图,然后将「用户分组」和「用户数」字段分别拖动到颜色和角度,如下:
89d66d56f6de5263b92057f4cab3ba03.png

接着可以在产品中绘制两个并列柱状图来详细的看下分类的数据,如各类用户分布情况和各类用户销售额贡献占比:

ae69c1dbd4cfe34f191749ced8d15ec1.png

设置3个指标卡,分别用于展示销售额、用户数和订单量;再将简化RFM模型表格插入,如下:

8c3bebcb060eec0a693cc7a13943a83c.png
如果想进一步挖掘数据价值,可以考虑再加上「用户留存率」和「用户购买力」两张表

5469e0251ae689765928840edc347bff.png

最后,在图表【各类用户占比详情】中添加图表联动,关联页面内的其他图表。

17b1d737170079c32f4834a78c29559e.png

制作完成之后,你就能得到一份非常简单,但是却很实用的RFM模型动态仪表盘了。

e9136b0fb7b72dd5719f5ca26ab6053a.jpg

文档导读
纯净模式常规模式

纯净模式

点击可全屏预览文档内容
文档反馈