首页 > 其他分享 >常见数据分析模型与方法①-RFM

常见数据分析模型与方法①-RFM

时间:2024-05-15 11:31:57浏览次数:20  
标签:数据分析 消费 模型 金额 用户 次数 最近 评价 RFM

一、简述
RFM 用于对用户进行分类,并判断每类细分用户的价值。

通过

最近一次消费时间(R):客户距离最近的一次采购时间的间隔。

最近一段时间内消费频次(F):指客户在限定的期间内所购买的次数。

最近一段时间内消费金额(M):客户的消费能力,通常以客户单次的平均消费金额作为衡量指标。

这三个关键指标判断客户价值并对客户进行观察和分类,针对不同的特征的客户进行相应的营销策略,如下图所示:

二、FineBI实现效果


三、实现步骤
3.1 数据源处理
导入数据

数据分组汇总

① 最近一次消费时间(R):「DATE」的汇总方式选择「最晚时间」,可得到每个用户最近一次购买的时间;

② 消费次数(F):由于有一条记录代表该用户购买了一次,所以随意拖入一个「CUSTOMERNAME」求「记录个数」即可;

③ 平均单次消费金额(M):「MONEY1」的汇总方式选择「平均」,可求到每个用户平均单次消费金额;

④ 「MONEY」的汇总方式选择「求和」,可求到每个用户消费金额。

字段重命名

求最近一次消费距今的天数,新增一列计算时间差

3.2 计算所有客户消费指标的平均值 -用户平均消费金额
新增列,计算所有用户消费总金额

新增列,计算所有用户的消费总次数

新增列,计算所有用户平均消费金额,用户平均消费金额=所有用户消费总金额/消费总次数

3.3 计算所有客户消费指标的平均值 -用户平均消费次数
新增列,计算所有用户的平均消费次数

3.4 计算所有客户消费指标的平均值 -最近一次消费距今平均天数
新增列,求所有用户最近一次消费距今的平均天数

3.5 用户消费指标评价 -次均消费金额评价
新增公式列「次均消费金额评价」,当用户平均单次消费金额大于用户总体平均值时,标记为 1 ,否则标记为 0 ,公式为IF(平均单次消费金额>用户平均消费金额,1,0)

3.6 用户消费指标评价 -消费次数评价
新增公式列「消费次数评价」,当用户消费次数大于用户总体平均值时,标记为 1 ,否则标记为 0 ,公式为IF(消费次数>平均消费频次,1,0)

3.7 用户消费指标评价 -最近一次消费距今天数评价
新增公式列「最近一次消费距今天数评价」,当用户最近消费时间距今天数小于用户总体平均值时,标记为 1 ,否则标记为 0 ,公式为IF(最近一次消费距今天数<最近一次消费距今平均天数,1,0)

3.8 划分客户类型

3.9 添加 RFM 指标
新增公式列「RFM」,使用 CONCATENATE() 函数将 RFM 向量化值拼接起来,顺序为:最近一次消费距今天数评价、消费次数评价、次均消费金额评价。公式为CONCATENATE(最近一次消费距今天数评价,消费次数评价,次均消费金额评价)

3.10 对 RFM 指标分组

3.11 图表操作



标签:数据分析,消费,模型,金额,用户,次数,最近,评价,RFM
From: https://www.cnblogs.com/xuy1166/p/18193512

相关文章

  • 时间序列预测:探索性数据分析和特征工程的实用指南
    时间序列分析是数据科学和机器学习领域最广泛的主题之一:无论是预测金融事件、能源消耗、产品销售还是股票市场趋势,这一领域一直是企业非常感兴趣的领域。随着机器学习模型的不断进步,使除了传统的统计预测方法(如回归模型、ARIMA模型、指数平滑)外,与机器学习(如基于树的模型)和深......
  • 基于肤色模型的人脸识别FPGA实现,包含tb测试文件和MATLAB辅助验证
    1.算法运行效果图预览matlab2022a的测试结果如下:   vivado2019.2的仿真结果如下:   将数据导入到matlab中,   系统的RTL结构图如下图所示:   系统包括中值滤波,RGB转换为ycbcr,人脸检测三个模块 2.算法运行软件版本vivado2019.2 matlab2022a......
  • 实验12-使用keras预训练模型完成猫狗识别
    win10python3.7tensorflow-gpu2.6.0keras2.6.0 出现ValueError:Askedtoretrieveelement0,buttheSequencehaslength0原因:老师给的代码中标红的文件夹下没有所需文件或缺失 解决办法:将image文件夹下的test下的cat和dog文件夹分别复制到dc下的test和train......
  • 鸿蒙HarmonyOS实战-Stage模型(UIAbility组件)
    ......
  • 大模型中的VAE
    俗称外挂模型在大型神经网络模型中,VAE指的是变分自动编码器(VariationalAutoencoder),是一种用于生成模型的神经网络结构。VAE结合了自动编码器(Autoencoder)和概率推断的思想,通过学习数据的潜在表示来生成新的数据样本。在VAE中,编码器将输入数据映射到一个潜在空间中的概率分布,通......
  • OpenAI最新模型GPT4o十个牛逼的应用场景!
    OpenAI真是要压着谷歌打么?哈哈!直接赶在谷歌之前开了一个新品发布会。   今天凌晨直播,早上一起来就发现已经可以体验新模型了。    从录播内容来看,并没有传言的GPT5,也没有所谓的搜索功能。但是,这次更新依旧出彩。其实......
  • 探索大语言模型:理解Self Attention
    一、背景知识在ChatGPT引发全球关注之后,学习和运用大型语言模型迅速成为了热门趋势。作为程序员,我们不仅要理解其表象,更要探究其背后的原理。究竟是什么使得ChatGPT能够实现如此卓越的问答性能?自注意力机制的巧妙融入无疑是关键因素之一。那么,自注意力机制究竟是什么,它是如何创造......
  • OpenAI 发布全新生成式模型 GPT-4o;字节收购音频设备公司 Oladance丨 RTE 开发者日报 V
      开发者朋友们大家好: 这里是「RTE开发者日报」,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享RTE(RealTimeEngagement)领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑......
  • EAV模型(实体-属性-值)的设计和低代码的处理方案(1)
    一般我们在开发的时候,习惯上使用常规的关系型数据库来设计数据库表,对于一些业务表的字段比较固定的场景,是一种非常不错的选择,而且查询的时候,由于是基于固定的表字段进行查询,性能基本上是最优的。不过有一些场景下,业务信息的经常变化,使用常规的关系型数据库来创建表字段、删除字段......
  • 面向金融市场的人工智能-多模型方法-全-
    面向金融市场的人工智能:多模型方法(全)原文:zh.annas-archive.org/md5/0aabc8078dabbde7af4df5aa9d55c374译者:飞龙协议:CCBY-NC-SA4.0前言本书介绍了一种利用非线性性进行金融投资的可行方法。它总结了RaphaelDouady和合作者们近二十年来进行的研究。这项研究由ThomasBa......