基于Power BI的RFM客户价值分类模型

王明艳

（湖南财经工业职业技术学院，湖南 衡阳421002）

在客户分类中，RFM是一个经典的分类模型，模型利用交易环节中最核心的R（Recency）最近一次消费时间、F（Frequency）消费频率和M（Monetary）消费金额3个指标进行客户群体的细分，从而对不同客户群体的价值进行分析。文章运用Power BI软件，通过数据获取、数据预处理、数据建模、数据分析与可视化，建立RFM客户价值分类模型，并完成会员价值分类和会员数据分析报表的制作。

1 数据分析

1.1 电商数据分析

随着互联网、云计算、人工智能、数据挖掘、社交网络、5G等新兴技术和服务的广泛应用，数据规模急剧增长，种类也日益增多。大数据时代，“一切以数据说话”。电子商务相对于传统零售业而言，最显著的特点是可以通过数据化来监控和改进，数据反映了最真实的产品和用户状态。电子商务领域中，数据蕴藏着巨大的商机和价值。例如，创业人员可以根据数据分析对产品进行优化；运营人员可以通过数据分析得出的结论来调整运营策略；产品经理可以通过数据分析来挖掘用户的消费习惯；投资者可以通过数据分析来规避投资风险；IT人员可以通过数据分析进一步挖掘用户的价值。数据分析在各行各业都有着广泛的应用，电子商务企业要想在行业中更具有竞争力，就必须利用数据驱动增长[1]。可以说，谁掌握了数据分析，谁就掌握了主动权。

1.2 会员数据分析

“二八定律”中，20%的消费者可能给商家带来80%的利润，即20%的客户能够创造80%的价值。遵循“二八定律”，商家在经营和管理店铺的过程中，可以从店铺的所有会员中抓住能够创造价值的20%的客户，这部分客户是店铺最忠诚的客户，是店铺的沉淀客户，是店铺口碑宣传的关键。这部分客户表现出高频率、高消费、高活跃度，商家不需要花太多的成本来推广产品，可以将更多的时间花在服务上，从而实现精准定位，提升服务水平，达到事半功倍的效果。

老客户是店铺利润的长期贡献者，也是店铺口碑宣传的有效传播者，培养老客户、维护好与老客户的关系比吸引新客户更加直接、高效，开发一个新客户的成本远远高于老客户的维护成本。因此，会员数据越来越受到商家的重视，通过对会员数据进行分析，可以提升店铺交易金额，实现精准推广[2]。

1.2.1 会员数据分析的作用

1.2.1 .1 提升店铺交易金额

流量、转化率、客单价等指标影响店铺的交易金额，这些指标与会员数据紧密相关。善于维护会员关系，将新客户转换为会员客户，由会员带来的流量成本较低。同时，老客户带来的流量转化率远远大于新客户的流量转化率。此外，老客户在店铺中有过消费经历后如果再次购买，说明其认可店铺的产品和服务，购买多件产品的概率远高于新客户，提高了店铺的客单价。因此分析会员数据对店铺交易金额的提升有着重要的意义，重视会员数据，对会员进行合理管理，将新客户变成会员，能够减少店铺推广的成本，提高店铺的转化率和客单价，从而提升店铺的交易金额。

1.2.1.2实现精准推广

商家在向会员发送推广信息之前，如果没有对会员数据进行分析，盲目地向所有会员推送，可能起不到很好的推广效果，比如将商品降价信息推送给购买了商品但尚未评价的客户，结果自然是不会得到好评。如果将美观但不实用的新品推广信息发送给非常注重实用性的客户，极有可能得不到客户的任何回应。因此，对会员数据进行分析可以实现精准推广，提升会员营销的效果。

1.2.2 会员数据分析流程

数据分析对于电商企业的决策和发展至关重要。数据分析是指对大量数据进行整理，采用适当的统计分析方法，把隐藏在数据背后的信息提炼出来，再加以概括总结的过程。数据分析的过程一般包含明确分析目标、数据收集、数据处理、数据分析、数据展现、撰写数据分析报告6个阶段。

1.2.2 .1 明确分析目标

进行会员数据分析前，要明确数据分析的目标，明确为什么要进行本次数据分析，通过这次数据分析要解决什么问题。首先确定数据分析的总体目标，然后根据实际的业务背景对目标进行细化，列出数据分析的思路和框架，并且要注意分析框架的逻辑性。

1.2.2 .2 数据收集

数据收集为数据分析提供素材和依据，数据收集一般包含直接来源数据信息和间接来源数据信息，在实际工作中，获取数据的方式包括数据库和公开出版物查阅、市场调查等。

1.2.2 .3 数据处理

在杂乱无章的数据中，不是所有的数据都具有分析的价值，数据处理就是通过数据清洗、数据转换、数据提取、数据汇总、数据计算等数据处理方法对数据进行处理加工，并提取出有价值的数据的过程。

1.2.2 .4 数据分析

数据分析是采用适当的工具和方法对处理过的数据进行分析，从中提炼出有价值的信息。数据分析可采用Excel，生意参谋，CRM，SPSS，SAS，Power BI，Smartbi等常用软件、数据分析工具以及专业高端的分析软件或者数据分析与可视化平台。

1.2.2 .5 数据展现

数据展现也称为数据可视化，即通过直观的方式（比如表格、图形等）将数据分析结果呈现出来，数据展现能让决策者更好地理解数据分析结果。表格和图形是展现数据的最好方式，常用的数据图表包括柱形图、饼图、条形图、折线图、散点图、雷达图等，图形能够更直观、有效地将结论和观点表达出来，更易于理解。

1.2.2 .6 撰写数据分析报告

数据分析报告是将数据分析的思路、过程、得出的结论及建议完整呈现出来，通过对数据全方位的科学分析，可为决策者提供参考，也可为其制定下一步运营计划提供科学、严谨的依据，最大限度降低店铺运营的风险。

2 RFM模型原理

在获取会员数据后，充分利用这些数据对会员情况进行分析，了解会员的分布情况，如年龄分布、性别分布、地区分布，了解各地区会员的增长和流失情况、会员的生命周期以及挖掘每一位会员的价值潜力。RFM模型是描述客户价值状况的一种工具，RFM模型可以识别优质的会员，可以帮助店铺实现个性化的沟通和营销服务，为商家的营销决策提供有力支持，还能衡量会员价值和会员利润创收能力[3]。利用RFM模型进行客户分层，通常将客户群体细分成8大类，见表1。

表1 RFM模型会员细分表

3 Power BI介绍

Power BI是Microsoft公司推出的一款智能商业数据分析软件，可连接上百个数据源、简化数据并可提供即席分析，用户可根据需要改变条件，系统自动生成美观的统计报表并进行发布，用户可创建个性化的仪表板，全方位展现业务数据，用户还可以在Web和移动设备上查看报表[4]。

4 基于Power BI的RFM客户价值分类模型

运用Power BI软件实现RFM客户价值分类模型的建立。在进行会员数据分析前，首先在客户运营平台或其他CRM（客户关系管理）软件中获取会员数据，主要获取客户的名称以及上次交易的时间、交易总额和交易笔数。原始数据见第32页图1。

图1 原始数据表部分数据

4.1 R，F，M值的构建

Power BI软件建模模块“新建列”，完成R，F，M值的构建，使用函数DATEDIFF()，按照如下公式构建R，F，M值。

R=DATEDIFF('会员数据分析'[上次交易时间],TODAY(),DAY)

F=[交易笔数(笔)]M=[交易总额(元)]

4.2 新建RFM表并计算RFM值

Power BI软件建模模块“新建表”，新建RFM表，将每个会员各指标数据与对应的均值比较，其中R值如果低于均值，则评价为高，在函数中用“1”表示高；如果大于或等于均值，则评价为低，在函数中用“0”表示低。F值为消费时间间隔，如果大于或等于均值，说明时间间隔过长，评价为低，低于均值，评价为高；M值为消费金额，如果大于或等于均值，说明消费金额高，评价为高，低于均值，评价为低。函数中分别用“0”和“1”表示低或高的评价。按照如下公式计算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模型会员分类

Power BI软件建模模块“新建列”，通过如下公式完成会员分类，见图2。

图2 会员分类

4.4 会员数据分析与可视化

Power BI中使用数据分析表达式（Data Analysis Expressions，DAX）的计算列和度量值建立数据分析指标，并利用多种类型的图表进行各种数据分析，在RFM客户价值分类建模的基础上，选择合适的图表进行数据分析可视化，完成会员数据分析报表的制作，见第33页图3。

图3 会员数据分析报表

通过报表反映的情况得到，目前店铺有60个会员，会员消费平均间隔天数为154 d，每个会员平均消费次数为6次，平均消费金额为6 264元。该店铺的会员性别构成以女性为主，占比约为87%。因此，店铺在后期运营过程中，需要充分考虑女性客户的性格特点、购物偏好。该店铺的会员主要来自北京、上海、广州等城市，其中北京和上海的会员占比最高，分别约为20%和17%，部分城市的会员占比较少，甚至没有，可根据店铺营销的需要，加强在低占比城市的推广力度，同时继续强化高占比城市的推广力度，维持这部分会员关系。根据“二八定律”，店铺80%的利润由20%的消费者产生，这20%的消费者是店铺的核心消费者，店铺需要向这部分会员倾斜更多的资源，为其提供个性化定制服务。其中，该店铺一般挽留客户占比约13%，对这部分会员，可通过邮件、电话、短信、微信等渠道推送最新优惠活动，若唤醒效果不明显，可暂时放弃这部分无价值会员，将更多的时间和精力投入到关键的少数消费者并加强对该部分会员的服务。

5 结束语

运用Power BI软件建立的客户价值分类模型可以很好地进行客户群体的价值分类，帮助企业实现精准推广和交易金额提升，Power BI创建的个性化仪表板，满足了不同业务数据个性化的数据分析需求，提供了一种数据分析可视化的新方法。