rfm模型Excel分析案例

大家好！今天让创意岭的小编来大家介绍下关于rfm模型Excel分析案例的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

• 1、RFM模型如何实际应用？

• 2、【分析方法or思维】RFM模型——用户价值分析

• 3、【知识分享】RFM模型与顾客生命周期管理（一）

• 4、如何用excel做多元回归分析

一、RFM模型如何实际应用？

这是一个人人都可以上手的模型，不管你是运营、销售、财务、市场等等，RFM模型是一个很通用，又有一套科学理论的商业模型。这是一篇我花了五小时的教程（真的是写到崩溃，幸好我熬下来了，给大家分享实实在在可上手的干货）数据源准备只需四个字段：客户名称、交易日期、交易次数/频率、交易金额。如果你手头刚好有这样的数据源不妨试试做这个模型吧。下面三页是介绍什么是RFM，后面是全部的实操教程，Tableau和Excel通用操作，我保证你看了能立马上手。如何通过订单数据，分析用户的基本属性用户的订单上都有订餐地址，通过对于订餐地址的统计，我们可以查询到不同条件组合下的用户分布，甚至能知道喜欢谋道菜的用户都在哪里。举个简单的例子，下图表示的是普通可乐和健怡可乐的用户分布，类似的用户数据挖掘，还可以根据复购构成、复购用户跨平台使用情况、性别组成做更精细化的分析。值得注意的是，数据平台间的差异还是蛮大的，除了跨平台分析也需要分平台对比，有利于针对不同平台做出不同的营销策略。上面这些最基本的用户属性对于精细化运营还是不够的。因为这些信息无法帮助你解决下面四个问题——

1.谁是我的重要价值客户，他们都有什么特点。

2.谁是我需要重点保持联系的客户，他们都有什么特点。

3.谁是我的重要发展客户，他们都有什么特点。

4.谁是我的重要挽留客户，他们都有什么特点。想要解答这个问题，我们需要动用更高阶的分析模型，去挖掘有效信息。如何通过RFM模型，为用户分群，实现精细化运营RFM模型是一个被广泛使用的客户关系分析模型，主要以用户行为来区分客户，RFM分别是：R = Recency最近一次消费F = Frequency 消费频率M = Monetary 消费金额需要详细了解以上三个指标定义的，可以去戳度娘，教科书式的RFM区分，会将维度再细分出5份，这样就能够细分出5x5x5=125类用户，再根据每类用户精准营销。

二、【分析方法or思维】RFM模型——用户价值分析

  RFM模型是衡量客户价值和客户创利能力的重要工具和手段，模型主要是利用客户的最近一次消费（Recency）、总体消费频率（Fequency）以及消费全额（Monetary）3项指标来描述该客户的价值状况。 RFM代表近度，频率和额度，这些指标表征了客户的一些消费行为和习惯。频率和额度会影响客户的生命周期价值，新近度会影响保留率，而保留率是忠诚度的衡量标准。

   RFM是一种客户细分技术，用以帮助营销人员快速识别用户类型及群体分类，并帮助营销人员根据客户细分类型的共性、个性提供一定的营销策略。因而，RFM的最终成果是客户的分类及分类分析。

三、【知识分享】RFM模型与顾客生命周期管理（一）

作为一名电商的产品经理，负责的业务主要是CRM...唉，在这个运营无脑，公司不给钱的年代，做CRM简直是个绝对苦劳无功劳的活。这让典型摩羯座的顾阿姨怎么办...

在琐碎的日常工作之外，需要适度的额外学习与整理来充实自己。应周会分享的契机，自己找了网上与书上与CRM有关的材料，做出了这份“RFM模型与顾客生命周期管理”的屁屁踢~借这个平台与大家分享。

RFM模型与顾客生命周期管理

RFM模型是顾客关系管理中最常用的一个模型，因其具有普适性，可帮助那些基础CRM运营同学在不具备专业数据挖掘能力前就能运用此类方法。

内容会围绕四部分展开：

第一部分对RFM模型进行内涵阐述；第二部分对RFM的运用方法进行说明；第三部分是对第二部分的承接，顾客细分后就需要对顾客放入具体的生命周期中；第四部分，阐述如何对不同生命周期的顾客进行营销。

一.RFM模型

在进入第一部分前，我们先问问自己为何要进行客户细分？

与团队管理一样，团队成员人数只有个位数的时候，大家靠默契就能运作；当团队成员人数到达两位数时，需要规章制度对职场行为进行规制以确保稳定；当团队成员人数到达三位数时，需要企业文化与企业精神让员工在“灵”的层面理解公司愿景。

简短地用假大空的话说了说意义，下面我们详细阐述RFM模型：

表给中还给出了影响指标变化的因素与指标的应用场景。这个后文会继续详述。

1. 最近一次消费（Recency）

最近一次消费的计算方式是以计算当日减去顾客上一次在店铺的消费日期。计算时取付款时间更为准确。

我们可以很容易地理解到：R值越小，说明顾客下单间隔越小。如果R值为0，则可以说明该顾客天天在本店铺下单；如果R值很大，则可认为该顾客已经遗忘了本店铺，就算是买东西也想不到来本店铺买。

我们来举个栗子：文中的柱状图取了某店铺三年内的R值分布情况。从形状来看，呈现周期性且规律型的波浪型，且振幅随着时间的延长而变小。店铺对客户的营销有着稳定的季节性，从图表看，大概是统计周期的每年的第二个月，在这个月能吸引顾客下单，故R值在当月占比会特别高。

2. 消费频率（Frequency）

消费频率的高低是客户对品牌忠诚度（如：旗舰店）与店铺忠诚度的体现。

然而，决定消费频率高低的一个重大因素是品类宽度。如：对手机、电脑等3C类别商品，平均购买周期可能在1年左右；而对于纸巾、零食等流百类商品，平均购买周期可能只有1周甚至更短。因此，跨品类进行F值的比较是没有意义的。

对于大平台而言，其涉及的售卖品类会比较丰富；而对于一般小平台而言，一般只会涉足某一细分品类。平台毕竟有限，故对于一般网店而言，会将F值用顾客的“累计购买次数”替换。

我们来举个栗子：文中的柱状图统计了一段时间内顾客到店消费的次数分布。新客（购买一次）占比为65.6%，老客（购买超过一次）占比为34.4%。购买超过4次以后，流失达到稳定。故CRM运营童鞋要考虑如何对顾客进行营销，使其在店铺购买可达4次。

3. 消费金额（Monetary）

消费金额统计的是某一顾客在一段时间内的累计消费金额。数值越大，代表顾客对店铺的价值贡献和消费能力越高。

由于统计周期较长，不利于对于应时性的分析。故：对一般店铺而言，一般选择客户在店铺的累计购买次数与客单价替代原始的M值定义。

我们来举个栗子：文中的柱状图统计了一段时间内某个消费区间内的客户数与消费金额。累计消费1000元以下的客户占比为65%（近2/3），贡献的店铺收入比例占31.6%（近1/3）。在“二八法则”中，我们提到说20%的顾客贡献店铺80%的收入——其背后含义即说明，小部分忠诚顾客贡献了店铺主要的营收。图表就是对这一法则的现实证明。

四、如何用excel做多元回归分析

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

二、操作步骤

1、先绘制散点图：具体步骤是选中数据，插入—>图表—>散点图

2、在散点图的数据点上右键—>添加趋势线

3、在弹出的选项框的选项中选择公式和相关系数等，这样就以得到拟合的直线

在图中我们可以看到，拟合的回归方程是 y = 0.223x + 9.121 ，R² = 0.982

附：R2相关系数取值及其意义

我们进一步使用Excel中数据分析的回归分析提供更多的分析变量来描述这一个线性模型

4、选中数据—>数据—>数据分析—>回归

注：本操作需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，可以参考该专题文章的第一篇《用Excel进行数据分析：数据分析工具在哪里？》。

以上就是关于rfm模型Excel分析案例相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

RFM模型的优缺点

rfm分析模型（RFM分析模型法）

血沉和aso及RF高说明什么问题（aso增高,血沉增快,c3降低）

餐饮品牌设计门头图片（餐饮品牌设计门头图片）

淘宝学历证书是真的吗（淘宝学历证书是真的吗还是假的）