PowerBI应用案例：用户RFM分析

本文主要是介绍PowerBI应用案例：用户RFM分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、背景

RFM模型是用户运营中的重要模型，使用该模型，对用户进行分类，针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。模型的三个指标：

R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。

F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。

M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。

二、本例数据

原始销售记录清单，包括销售日期、货号、销售单编号、销量、销售额、会员ID字段

三、构建RFM模型

（1）R值、F值、M值构建

会员最后交易日期 = MAXX(FILTER('销售明细','销售明细'[会员ID]='销售明细'[会员ID]),'销售明细'[销售日期])R值 = DATEDIFF('销售明细'[会员最后交易日期],TODAY(),DAY)F值 = DISTINCTCOUNT('销售明细'[销售单编号])M值 = SUM('销售明细'[销售额])

（2）新建RFM表

RFM表 = SUMMARIZE('销售明细','销售明细'[会员ID],"R",[R值],"F",[F值],"M",[M值])

（3）计算RFM得分

M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)F得分 = IF('RFM表'[F]>=AVERAGE('RFM表'[F]),2,1)M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)RFM值 = 'RFM表'[R得分]&'RFM表'[F得分]&'RFM表'[M得分]

（4）会员分类

会员分组 =SWITCH ('RFM表'[RFM值],"111", "流失会员","112", "重要挽留会员","121", "一般保持会员","122", "重要保持会员","211", "新会员","212", "重要发展会员","221", "一般价值会员","222", "重要价值会员",BLANK())