本文是关于使用Power BI构建RFM模型的学习笔记，用于用户运营中的客户分类和精准策略制定。首先介绍了RFM模型的R（最近一次消费时间）、F（消费频率）和M（消费金额）三个指标。接着详细描述了从数据处理到构建RFM模型的过程，包括数据去重、R值、F值和M值的计算，以及如何利用SUMMARIZE函数创建RFM表和计算得分，最后进行会员分类。
一、说明
本文仅作为个人学习笔记，文中内容排版均存在借鉴摘抄，仅作为个人总结学习所用
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，以获取最大的转换率。
R(Recency)最近一次消费时间
F（Frequency）消费频率
M（Monetary）消费金额
二、数据
该案例目的是了解同一张消费小票上商品的相关关系，类似于啤酒与尿不湿之间的案例；包含以下字段id
产品信息：货号，年份，季节，上市日期，类别…
销售明细：销售日期，货号，销售单编号…
案例中存在一张小票上有多件商品，数据重复的问题，因此需要先对数据进行去重操作
1.复制一个“产品信息”的表，重命名为“关联产品信息”；接着将销售明细中的销售单编号分别匹配到产品信息以及关联产品信息中——合并查询
2.分别展开销售明细表中的销售单编号
3.合并查询
最低0.47元/天 解锁文章
扫一扫
603
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
