PowerBI RFM 第4代 全網(wǎng)首發(fā) 超越傳統(tǒng)

本文給出第四代 RFM 客戶分類模型，自從首發(fā)第 1，2，3代 RFM，已經(jīng)比較完善，但還可以更加極致，因此，就來到了第四代 RFM 模型。為了搞懂第四代 FRM 模型的價值和意義，請各位小伙伴先簡單了解前面的情況。

如果嫌麻煩，也可以直接跳到 RFM 4.0 的說明。如果說，RFM 4.0 的本文實(shí)現(xiàn)是自評 80 分，那么此前的 RFM 3.0 與之相比，大概只能是：30 分。RFM 4.0 的進(jìn)步是全方位的，它不僅體現(xiàn) PowerBI，DAX 的能力，體現(xiàn)業(yè)務(wù)邏輯，還體現(xiàn)了綜合全部要素抽象簡單統(tǒng)一的能力。

前情回顧

前情回顧 - 第三次發(fā)布概述

我們歷史上做過 2 個 RFM 分析的模型，沒有任何問題，但那時的制作更多地在研究 DAX 實(shí)現(xiàn)的極致，而現(xiàn)在則完全不同，我們將回歸簡單，用最簡單的方式來實(shí)現(xiàn)如何支持業(yè)務(wù)的效果。最典型的案例莫過于我們發(fā)布的【ABC動態(tài)分析精悍版】，只要兩個度量值就完成動態(tài)ABC分析。在很多教程中，動態(tài) ABC 分析是最后的壓軸案例，但在這里ABC分析是最簡單的模型。我們會陸續(xù)再釋放幾個經(jīng)過極度簡化的非常棒的模型。

今天要說的RFM確實(shí)仍然是相對復(fù)雜的一個。這有著一些技術(shù)原因，如果您可以學(xué)習(xí)完我們的所有模型，你會慢慢發(fā)現(xiàn)其中的規(guī)律并逐漸理解為什么有的模型會相對復(fù)雜，現(xiàn)在談這個有點(diǎn)早。我們直接進(jìn)入主題吧。

先來看看什么是一條龍：

請仔細(xì)觀察上圖，非常兇殘。用戶可以：

• 在RFM統(tǒng)計圖與RFM分析數(shù)據(jù)之間切換。

• 用戶可以通過條子圖，里面選擇自己關(guān)注的用戶群體。

• 用戶也可以觀察用戶群體在三點(diǎn)圖的相對位置來得到一些信息，稍后展開。

• 用戶選擇群體后，可以點(diǎn)擊查看到明細(xì)。

• 用戶可以從明細(xì)鉆取到所關(guān)注的客戶。

• 并發(fā)起激活動作。

這樣，整個場景就形成了閉環(huán)。

為了讓本文具有一定的完整性，我們會整個再說明下 RFM 的概念。

前情回顧 - 什么是 RFM

根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有三個神奇的要素，這三個要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)：

• 最近一次消費(fèi)(Recency)

• 消費(fèi)頻率(Frequency)

• 消費(fèi)金額(Monetary)

因此，稱該研究模型為：RFM。

最近一次消費(fèi)：最近一次消費(fèi)意指上一次購買的時候，顧客上一次是幾時來店里、上一次根據(jù)哪本郵購目錄購買東西、什么時候買的車，或在你的超市買早餐最近的一次是什么時候。

消費(fèi)頻率：消費(fèi)頻率是顧客在限定的期間內(nèi)所購買的次數(shù)。我們可以說最常購買的顧客，也是滿意度最高的顧客。如果相信品牌及商店忠誠度的話，最常購買的消費(fèi)者，忠誠度也就最高。增加顧客購買的次數(shù)意味著從競爭對手處偷取市場占有率，由別人的手中賺取營業(yè)額。

消費(fèi)金額：消費(fèi)金額是所有數(shù)據(jù)庫報告的支柱，也可以驗(yàn)證“帕雷托法則”(Pareto’s Law)——公司80％的收入來自20％的顧客。它顯示出排名前10％的顧客所花費(fèi)的金額比下一個等級者多出至少2倍，占公司所有營業(yè)額的40％以上。如看累計百分比的那一欄，我們會發(fā)現(xiàn)有40％的顧客貢獻(xiàn)公司總營業(yè)額的80％；而有60％的客戶占營業(yè)額的90％以上。

因此，最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額是測算消費(fèi)者價值最重要也是最容易的方法，這充分的表現(xiàn)了這三個指標(biāo)對營銷活動的指導(dǎo)意義。而其中，最近一次消費(fèi)是最有力的預(yù)測指標(biāo)。

前情回顧 - RFM 分群

在實(shí)際操作中，可以定義：

• R：一段時間內(nèi)，客戶最近一次交易日期，與時間段終點(diǎn)越近越好

• F：一段時間內(nèi)，客戶交易的次數(shù)，次數(shù)越多越好

• M：一段時間內(nèi)，客戶的交易度量（如：金額，利潤，利潤率），越大越好

首先，選定客戶群體的每個客戶，計算上述三個指標(biāo)的值。其次，從上述結(jié)果可以計算選定客戶群體的三個指標(biāo)的（算術(shù)）平均值。

分群方法：

• 對于某個客戶，如果其R值高于群體平均R值，則該客戶屬于R↑，反之屬于R↓。

• 對于某個客戶，如果其F值高于群體平均F值，則該客戶屬于F↑，反之屬于F↓。

• 對于某個客戶，如果其M值高于群體平均M值，則該客戶屬于M↑，反之屬于M↓。

將上述客戶裝入三維空間，則可以形成如下的分群結(jié)構(gòu)：

并作出如下的業(yè)務(wù)定義：

• R↑F↑M↑：重要價值客戶

• R↑F↑M↓：一般價值客戶

• R↑F↓M↑：重要發(fā)展客戶

• R↑F↓M↓：一般發(fā)展客戶

• R↓F↑M↑：重要保持客戶

• R↓F↑M↓：一般保持客戶

• R↓F↓M↑：重要挽留客戶

• R↓F↓M↓：一般挽留客戶

這里的業(yè)務(wù)語義非常清晰，可以直接指導(dǎo)業(yè)務(wù)對不同群體的客戶產(chǎn)生影響的營銷改善策略。

前情回顧 - PowerBI RFM 1.X

在 2018.4 我們發(fā)布了第一個基于 PowerBI 的 RFM 模型。

這里面，我們更多地把每個客戶當(dāng)成了一個點(diǎn)，而為了追求【動態(tài)】和【全部可視化】，由于 RFM 的復(fù)雜性本身，作為使用者很難直觀獲益。

雖然我們將各種參數(shù)盡量參數(shù)化，讓模型有很好的擴(kuò)展性，但問題這對使用者的要求是高的，而且由于同時計算大量客戶構(gòu)成的點(diǎn)，會產(chǎn)生明顯的性能問題。

當(dāng)然，即使有這么多不足，對于 RFM 和 學(xué)習(xí) DAX 本身來說，這個案例都是非常重要的。

前情回顧 - PowerBI RFM 2.X

由于 PowerBI 的升級，以及我們對 DAX 的理解的提升，我們又改良得到了 RFM 的 2.X 版，如下：

在這一版，我們力求將 RFM 的動態(tài)性做到極致，可以看出，所有的計算全部保持動態(tài)，并且首次提出了將 3D 拍成 2D 的思路。

在PowerBI中是沒有這種3D空間型可視化的，即使有，也很難標(biāo)記各種元素，因此，我們做了一個有意義的轉(zhuǎn)換：

• 取RFM中任意兩個指標(biāo)，分別作為X，Y；

• 取RFM中剩余的指標(biāo)，作為大小；

• 再用元素本身的RFM分類繪制顏色。

這樣，就可以繪制散點(diǎn)圖，如下：

或：

或：

從視覺上看，似乎挺酷炫的，

但從中發(fā)現(xiàn)規(guī)律還是挺難的，并且有：

將所有的人展示，會大大影響計算性能。

因此，我們亟需有一種更加優(yōu)化的模式。

前情回顧 - PowerBI DAX RFM 3.X

于是我們迎來了 RFM 第三代優(yōu)化。

這代優(yōu)化是目前為止自己最為滿意的一次。它本著這樣的設(shè)計原則：

• 直接反映業(yè)務(wù)意義

• 可以從宏觀觀察宏觀規(guī)律

• 可以從宏觀鉆取到微觀

• 可以從微觀鉆取到明細(xì)

• 可以從明細(xì)發(fā)起行動

• 同時兼顧良好的性能

• 同時兼顧零號的動態(tài)性

這對 DAX 的寫法提出了非常高的要求。

我們依次來展開這些話題來深入研究 RFM 的實(shí)操，這也許是你看到的迄今為止最有意思的 RFM。

前情回顧 - 業(yè)務(wù)流程

對客戶的管理對企業(yè)至關(guān)重要，在 RFM 模型中，可以這樣操作：

前情回顧 - 宏觀洞察 - 3D 降維打擊

我們很難對 3D 圖形做出有效反應(yīng)，所以，我們需要將 3D 圖形轉(zhuǎn)化為 2D，我們用下面的方式進(jìn)行：

• RFM 的 8 個分類作為宏觀群體

• X軸 - R - 最近購買 KPI 的打分（0-100）

• Y軸 - F - 購買頻率 KPI 的打分（0-100）

• 點(diǎn)的大小 - M - 購買的數(shù)額 KPI 的打分（0-100）

于是有：

由于每個點(diǎn)表示一個客戶群體，那么 X 和 Y 軸的 R 和 F 就可以用平均值來表示。

這里，我們沒有再去讓用戶做出選擇，我們直接內(nèi)定了顯示方式，這里反應(yīng)了這樣的規(guī)律：

• 兩個同方向的群體（如：R↑F↑）；

• 它們的縱向距離反應(yīng)了頻率的差異；

• 它們的橫向距離反應(yīng)了最近的差異；

• 點(diǎn)的差異反應(yīng)了銷售額或 KPI 大小的差異。

這樣就形成了兩種有意義的觀察模式：

• 當(dāng) 4 個部分來看，每部分有一個“雙星”系統(tǒng)構(gòu)成；

• 當(dāng) 8 個部分來看。

這樣，就實(shí)現(xiàn)了從 3D 到 2D 的降維，同時得到了良好的宏觀可觀察特性。

前情回顧 - 圖與表的切換 - 性能增強(qiáng)

可以看到：

用鼠標(biāo)點(diǎn)擊【圖】可以切換成【表】，反之點(diǎn)擊【表】可以切換成圖。

由于圖表并不同時顯示，帶來了以下好處：

• 實(shí)現(xiàn)了先看宏觀再看數(shù)據(jù)的常規(guī)分析套路

• 節(jié)省了 PowerBI 報告篇幅，提高了信息密度

• 減少了復(fù)雜對象的同時加載，提升了性能。

前情回顧 - 保持交互篩選

可以看到：

當(dāng)點(diǎn)擊不同客戶分類時，宏觀圖表，就像一個瞄準(zhǔn)鏡一樣，鎖定了該類別。

前情回顧 - 鉆取到明細(xì)

瞄準(zhǔn)鎖定一個類別，接著就要下鉆了，如下：

前情回顧 - 鉆通到原子數(shù)據(jù)

在對一個客戶實(shí)施行動前，可以最后看到他的明細(xì)，然后再做最后定奪。如下：

這里的【激活客戶】可以通過 URL 的方式產(chǎn)生具體的響應(yīng)。

前情回顧 - 從簡單到復(fù)雜再到簡單

這個案例再次詮釋了從簡單到復(fù)雜再回歸簡單的過程，這里有著這樣的心路歷程變化：

• RFM 1.X - 實(shí)現(xiàn) RFM，以點(diǎn)和動態(tài)性顯示所有客戶。

• RFM 2.X - 實(shí)現(xiàn) RFM，將動態(tài)性做到極致。

• RFM 3.X - 實(shí)現(xiàn) 業(yè)務(wù)驅(qū)動，層次分明。

前情回顧 - 度量值體系

要實(shí)現(xiàn)這樣的 RFM，需要很高的度量值思維和實(shí)現(xiàn)技巧，我們得到最終結(jié)果是：

這里的 X 可能是 R，F(xiàn)，M 任何一者，并形成擺列：

以及展開：

里面的寫法相當(dāng)精妙，就不再贅述了。

本文開始

對于 RFM 的實(shí)現(xiàn)，在概念和動態(tài)實(shí)現(xiàn)以及從宏觀到微觀的篩選和轉(zhuǎn)化為行動，在 RFM 1.x 到 3.x 的實(shí)現(xiàn)過程中，各有體現(xiàn)。對于學(xué)習(xí)和使用 RFM 來說，是足夠的。當(dāng)然，優(yōu)化是永不止境的。

現(xiàn)在，就和大家一起來優(yōu)化第三代 RFM 到第四代。

存在的問題

優(yōu)化，一定是針對問題來進(jìn)行的，那么，我們來看看在此前的 RFM 在 PowerBI DAX 的實(shí)現(xiàn)中，都有什么問題，我們來羅列一下：

1、太裝逼了，有沒有？

羅叔太裝逼了，就是一個 RFM 搞出來這么多花樣，看上去很牛X，實(shí)際用了就發(fā)現(xiàn)，的確挺牛X的。不過，沒有一定 DAX 基礎(chǔ)的伙伴，似乎抄都抄不對，為了搭建一樣的 RFM 計算結(jié)構(gòu)要學(xué)習(xí)很多，所以，有沒有辦法改進(jìn)呢，更加簡單呢？答案是：可以的。

2、RFM 在實(shí)際應(yīng)用中分為 8 類，有點(diǎn)暈，有沒有？

對于真正的好策略一定是簡單的，而把一個群體分成 8 類的行為，還是太復(fù)雜，讓決策者同時理解 8 種劃分以及行動，過于復(fù)雜。那么是否可以保持 RFM 的所有劃分而又簡化呢？這似乎是一個矛盾的需求，但答案是：可以的。

3、RFM 的通用計算一般用平均值，實(shí)際存在問題。

平均值，將導(dǎo)致即使所有的客戶都是很優(yōu)質(zhì)的，在平均值下，仍然會出現(xiàn)好和不好的劃分，不合理，那么是否可以改進(jìn)呢？答案是：可以的。

4、RFM 被劃分后再運(yùn)營得到了新的結(jié)果，是否可以對比不同時間的 RFM 優(yōu)質(zhì)人群占比來看到運(yùn)營效果呢？

在傳統(tǒng)的 RFM 中，劃分是在某一個時刻進(jìn)行，根本不知道過去，也不顧及將來，因此是相對靜止的。我們可以讓它全部動態(tài)起來嗎？答案是：可以的。

5、RFM 的計算邏輯相對復(fù)雜，在大量數(shù)據(jù)面前太慢了，可以做極度優(yōu)化嗎？

做極度優(yōu)化當(dāng)然要結(jié)合精妙的 DAX 設(shè)計，而在完全精通了 DAX 之后，也可以有顯著的提升，答案是：可以的。

優(yōu)化后的性能之強(qiáng)，對于上百萬的客戶在千萬級數(shù)據(jù)面前計算也不是難事。

同時滿足：

• 小白可以套用的模板

• 保留 8 種劃分且極度簡化

• 優(yōu)化平均值

• 動態(tài)化

• 高性能化

這就是強(qiáng)大的 RFM 4.0 模型。

RFM 4.0 的震撼效果

如果您已經(jīng)配有 ZebraBI，則可以實(shí)現(xiàn)更專業(yè)的呈現(xiàn)，如下：

這相當(dāng)震撼。

RFM 4.0 的精妙設(shè)計理念

RFM 4.0 是從簡單到復(fù)雜，從懂得到透徹，再回歸簡單的經(jīng)典案例。

首先，它僅僅采用很少的表和度量值，如下：

幾乎適用于任何帶有客戶，以及銷售的業(yè)務(wù)形態(tài)，通用度極高，移植性極強(qiáng)。核心度量值僅有 4 個，前所未有的少。

更重要的是 RFM 4.0 解決了一個核心問題，那就是：RFM 分析的 KPI 到底是什么。

RFM 的 KPI 到底是什么

很多人只是復(fù)制粘貼了 RFM 的定義，又或者是學(xué)習(xí)了 RFM 的某種實(shí)現(xiàn)，然而，RFM 的本質(zhì)是對客戶群體分成了 8 類而已。那么，這里面的 KPI 是什么呢？并沒有被回答出來。

在 RFM 4.0 中，一種精妙的設(shè)計柔和了所有需求而又恰好推出一個絕佳的 KPI，這令人非常興奮。

我們先來觀察一個圖，如下，你看到了什么？

如果眼神正常，我們可以看到兩件事：

• 四種顏色的比例隨著時間相對穩(wěn)定，紫色占比最大，淺藍(lán)色占比次之。

• 紫色占比下降，橙色占比增長，淺藍(lán)色占比增長。

這就是 RFM 的 KPI，叫做：良性客戶成分占比。

對于任何一項(xiàng)業(yè)務(wù)來說，如果滿足：

• 在一定時間范圍內(nèi)

• 客戶購買金額達(dá)到一定標(biāo)準(zhǔn)

• 客戶購買次數(shù)達(dá)到一定標(biāo)準(zhǔn)

那么，就說這項(xiàng)業(yè)務(wù)的設(shè)計與預(yù)期人群達(dá)到了有效的匹配。

良性客戶成分占比的趨勢，反應(yīng)了一個組織對某種業(yè)務(wù)的運(yùn)營能力，如果這個能力強(qiáng)，它的表現(xiàn)一定是提升良性客戶成本占比；反之，良性客戶就會流失，占比就會變低。

RFM 4.0 為啥沒有 R

按照剛剛的解釋說明，我們對 RFM KPI 的本質(zhì)思考在于：在一定時間范圍內(nèi)。

請注意，既然是在一段時間范圍內(nèi)，那么，就不需要 R 了。（請范圍體會這個優(yōu)化，非常合理和巧妙）

RFM 4.0 如何實(shí)現(xiàn)按時間的動態(tài)趨勢化

按照剛剛的解釋說明，我們對 RFM KPI 的本質(zhì)思考在于：在一定時間范圍內(nèi)。

為了產(chǎn)生趨勢化，我們可以使用滾動周期的方法，例如：在分析的任何一個立足月，實(shí)際分析的時間區(qū)間是最近12個月。那么，RFM 的 R 就是 12 個月，而對于每個月份，都滾動分析前 12 個月，那么就實(shí)現(xiàn)了：

• 對于每個月，都是固定的一段時間，如：包括本月在內(nèi)的前12個月。

• 每個月都是滾動前12個月，整體則形成了趨勢。

RFM 4.0 的 KPI 分析就是良性客戶占比的趨勢

由于剛剛的技巧消減了 R，那么只需要考慮 F 和 M 兩個要素，這兩個要素反應(yīng)的是：購買次數(shù)和購買金額。如果這兩者同時達(dá)標(biāo)，就說某個客戶是良性的，因?yàn)樗梢詾槠髽I(yè)貢獻(xiàn)價值，且重復(fù)貢獻(xiàn)體現(xiàn)了認(rèn)可度。

如果我們承認(rèn)客戶決定了業(yè)務(wù)的成敗，那么良性客戶占比的趨勢就是企業(yè)去運(yùn)營的重要方向。

根據(jù)上述描述，我們可以快速計算出良性客戶占比的趨勢。

例如：

表示實(shí)際 AC 的黑色實(shí)線整體超過了一年前表示 PY 的灰色實(shí)線，而每個月都是滾動12個月的話，那么可以看出，這個企業(yè)的運(yùn)營效果是持續(xù)走強(qiáng)的。其中表示目標(biāo) PL 的虛線為：27% 作為良性客戶比例的參考線，那么在 2019 年 4 月后開始穩(wěn)定地超過這個目標(biāo)了，實(shí)現(xiàn)了良性客戶占比達(dá)到 27% 以上。

RFM 4.0 全部精妙計算配合

RFM 4.0 的全部精妙配合羅列如下：

• 將 RFM 的 R 消減掉，只留 F 和 M。

• 由于分析方案的優(yōu)化，以及對 RFM KPI 的定義，實(shí)現(xiàn)滾動 12 個月。（不同行業(yè)可以另設(shè)參數(shù)）

• 平均值改為魔法數(shù)字，銷售額大小和次數(shù)標(biāo)準(zhǔn)由專家定義。

• 由于每個月的滾動，實(shí)則考慮了 R

• 由于計算簡化以及標(biāo)準(zhǔn)常數(shù)化給性能帶來了極度增強(qiáng)

更讓人拍案叫絕的是，鉆取到明細(xì)，如下：

對于明細(xì)的顯示，我們還是只用上述四個度量值就知道誰是什么身份，也就是說，我們?yōu)榱藰?biāo)記某人在某月是什么身份的客戶，根本不需要另寫計算邏輯，一且已經(jīng)就緒。接著只要導(dǎo)出數(shù)據(jù)，打電話即可。

RFM 4.0 的實(shí)際應(yīng)用

RFM 4.0 的分析路數(shù)如下：

第一步，導(dǎo)入客戶數(shù)據(jù)，訂單數(shù)據(jù)即可。

第二步，刷新。

第三步，沒了。

開始觀察，先觀察結(jié)果，如下：

從這張圖，我們可以看到宏觀 RFM KPI 的表現(xiàn)，如果超過一個既定值，如：25%，那么就認(rèn)為是達(dá)標(biāo)，以及它的趨勢如果是增長的，就視為好。

可以進(jìn)一步看到從不同行業(yè)或者不同經(jīng)理等維度看到不同的結(jié)果，這就知道該重點(diǎn)關(guān)注哪里。

需要揭示細(xì)節(jié)就可以鉆取到明細(xì)，如下：

好了，一目了然，接下來，打電話發(fā)短信都可以去有的放矢的激活客戶。

總結(jié)

感謝 Terry 提供深度業(yè)務(wù)幫助，共同優(yōu)化出了這么不講武德的模型。RFM 4.0 太強(qiáng)大了，只需要兩張表：訂單和客戶信息，就可以基于海量數(shù)據(jù)立刻計算。是客戶運(yùn)營轉(zhuǎn)化，學(xué)習(xí) PowerBI DAX 的必備模板。有了此 RFM，直接用于實(shí)際，甚至連 PowerBI 都不用會，直接套數(shù)據(jù)。

在訂閱了BI佐羅講授的《BI進(jìn)行時》課程區(qū)，除了可以下載本文案例，還可以觀看視頻講解。

本月即將更新的《BI真經(jīng)》系列，最后搶購?機(jī)會。

2021.1 《PowerBI VIP》 上海 線下 僅剩 2 個席位。
2021.1 《Thinking in DAX》上海 線下 報名，像本文一樣震撼你對 DAX 的理解。

讓數(shù)據(jù)真正成為你的力量

Create value?through?simple and?easy?with fun?by PowerBI

Excel BI?|?DAX Pro?|?DAX?權(quán)威指南?|?線下VIP學(xué)習(xí)

掃碼與PBI精英一起學(xué)習(xí)，驗(yàn)證碼：data2020

PowerBI MVP 帶你正確而高效地學(xué)習(xí) PowerBI
點(diǎn)擊“閱讀原文”，即刻開始

↙