以NORTHWIND订单数据为例制作RFM模型
2017-05-30 20:06
507 查看
本文采用的软件为EXCEL2010 和SPSS
数据来源为SQLSERVER的NORTHWIND示例数据库
根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析最好的指标:
最近一次消费(Recency)
消费频率(Frequency)
消费金额(Monetary)
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。该机械模型通过一个客户的近期购买行为、购买的总体频度以及花了多少钱三项指标来描述该客户的价值状况。
RFM模型实则是对客户群体的分类,本例中R:近度以单一客户最近一次的订单订购时间为计量(数据截止日期为1998/05/06)。F,频度:以订单数据中单一客户的总下单数量计量。M:量度:设计为单一客户的平均成交金额。
原始订单数据截图:
![](https://img-blog.csdn.net/20170530205908756?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
第一步:对数据进行标准化处理,去除不需要的数据和不完整的数据
尤其注意的是,此时的日期要格式化为数字状态,以便之后做MAX(),MIN()函数
![](https://img-blog.csdn.net/20170530205741052?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
第二步:使用EXCEL2010的数据透视表功能
使用数据透视表,列出单个客户的订单计数(作为F值),交易金额的总和(作为参考),订单的平均交易金额(作为M值),最近的订单金额[MAX(订单日期)]作为(R值)
![](https://img-blog.csdn.net/20170530205751364?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
然后分别计算出R,F,M的最大最小值
然后以R值为例,R值=(R-Rmin)/(Rmax-Rmin),得到一个居于[0,1]的值
R,F,M值分别以下图为例:
![](https://img-blog.csdn.net/20170530205735418?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
第三步:使用SPSS进行聚类
采用对数据进行SPSS K-MEANS聚类分析,目标聚类个数为2^3=8个,即分为8类客户。并且返回聚类成员和与聚类中心距离。
结果如下:
![](https://img-blog.csdn.net/20170530210900213?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
作图如下:
![](https://img-blog.csdn.net/20170530211120308?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
第四步:解读结果
1类客户R值高,FM小,发展客户
2类客户R值高,F小,M适中,重要发展客户
3类客户R值,F,M都小,无价值客户
4类客户R值高,F适中,M小,长期客户
5类客户R值高,F较大,M略小,长期重要客户
6类客户R值小,F小,M较大,一般挽留客户
7类客户R值小,F小,M小,一般客户
8类客户R值高,F高,M高,重要保持客户,VIP氪金户
![](https://img-blog.csdn.net/20170530213353554?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzcxOTUyNTc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
从图中可以看出,NORTHWIND客户主要为1类客户(39%),4类(26%),2类(12%),5类客户(10%)
这四类客户R值较高,几乎占到87%,业务都在近期完成,说明客户群在不断扩张,NORTHWIND公司也处于业务扩张阶段,然而长期稳定的重要高净值客户较少,需要采用营销手段留住回头客
数据来源为SQLSERVER的NORTHWIND示例数据库
根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析最好的指标:
最近一次消费(Recency)
消费频率(Frequency)
消费金额(Monetary)
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。该机械模型通过一个客户的近期购买行为、购买的总体频度以及花了多少钱三项指标来描述该客户的价值状况。
RFM模型实则是对客户群体的分类,本例中R:近度以单一客户最近一次的订单订购时间为计量(数据截止日期为1998/05/06)。F,频度:以订单数据中单一客户的总下单数量计量。M:量度:设计为单一客户的平均成交金额。
原始订单数据截图:
第一步:对数据进行标准化处理,去除不需要的数据和不完整的数据
尤其注意的是,此时的日期要格式化为数字状态,以便之后做MAX(),MIN()函数
第二步:使用EXCEL2010的数据透视表功能
使用数据透视表,列出单个客户的订单计数(作为F值),交易金额的总和(作为参考),订单的平均交易金额(作为M值),最近的订单金额[MAX(订单日期)]作为(R值)
然后分别计算出R,F,M的最大最小值
然后以R值为例,R值=(R-Rmin)/(Rmax-Rmin),得到一个居于[0,1]的值
R,F,M值分别以下图为例:
第三步:使用SPSS进行聚类
采用对数据进行SPSS K-MEANS聚类分析,目标聚类个数为2^3=8个,即分为8类客户。并且返回聚类成员和与聚类中心距离。
结果如下:
作图如下:
第四步:解读结果
1类客户R值高,FM小,发展客户
2类客户R值高,F小,M适中,重要发展客户
3类客户R值,F,M都小,无价值客户
4类客户R值高,F适中,M小,长期客户
5类客户R值高,F较大,M略小,长期重要客户
6类客户R值小,F小,M较大,一般挽留客户
7类客户R值小,F小,M小,一般客户
8类客户R值高,F高,M高,重要保持客户,VIP氪金户
从图中可以看出,NORTHWIND客户主要为1类客户(39%),4类(26%),2类(12%),5类客户(10%)
这四类客户R值较高,几乎占到87%,业务都在近期完成,说明客户群在不断扩张,NORTHWIND公司也处于业务扩张阶段,然而长期稳定的重要高净值客户较少,需要采用营销手段留住回头客
相关文章推荐
- 23Mybatis_根据订单商品数据模型的练习对resultMap和resulttype的总结
- 【MyBatis框架】订单商品数据模型-分析思路
- mybatis学习笔记(9)-订单商品数据模型分析
- 深度学习-CAFFE利用CIFAR10网络模型训练自己的图像数据获得模型-1.制作自己的数据集
- mybatis之用户订单商品数据模型分析(九)
- 【MyBatis框架】订单商品数据模型-分析思路
- 20Mybatis_订单商品数据模型_一对一查询——resultType和resultMap两种方式以及两种方式的总结
- 【大数据部落】R语言RFM模型在电商行业的应用
- 数据挖掘应用案例:RFM模型分析与客户细分(未完成)
- YOLO模型训练自己数据-VOC格式数据集制作-ubuntu c++文件夹内图片批量读取与重命名
- SuperMap 三维模型数据制作
- mybatis学习笔记(9)-订单商品数据模型分析
- mybatis系列-09-订单商品数据模型
- 如何下载bigemap高程数据利用3dmax制作三维地图模型?
- 用客户端模型访问SharePoint数据制作网站新闻列表
- 9~demo实例-订单商品数据模型
- 购物车数据模型(相同商品id,订单数量相加,数组改变)
- RFM模型数据处理结果分析(回答网友的问题)
- 订单商品数据模型-分析思路