客戶分析就是根據客戶信息數據來分析客戶特征，評估客戶價值，從而為客戶制訂相應的營銷策略與資源配置。通過合理、系統的客戶分析，企業可以知道不同的客戶有着什么樣的需求，分析客戶消費特征與商務效益的關系，使運營策略得到最優的規划；更為重要的是可以發現潛在客戶，從而進一步擴大商業規模，使企業得到快速的發展。
企業客戶分析可以從以下幾個方面入手，對客戶數據信息展開分析：
1、分析客戶個性化需求
“以客戶為中心”的個性化服務越來越受到重視。實施CRM的一個重要目標就是能夠分析出客戶的個性化需求，並對這種需求采取相應措施，同時分析不同客戶對企業效益的不同影響，以便做出正確的決策。這些都使得客戶分析成為企業實施CRM時不可缺少的組成部分。
2、分析客戶行為
企業可以利用收集到的信息，跟蹤並分析每一個客戶的信息，不僅知道什么樣的客戶有什么樣的需求，同時還能觀察和分析客戶行為對企業收益的影響，使企業與客戶的關系及企業利潤得到最優化。
3、分析有價值的信息
利用客戶分析系統，企業不再只依靠經驗來推測，而是利用科學的手段和方法，收集、分析和利用各種客戶信息，從而輕松的獲得有價值的信息。如企業的哪些產品最受歡迎，原因是什么，有什么回頭客，哪些客戶是最賺錢的客戶，售后服務有哪些問題等。客戶分析將幫助 企業充分利用其客戶關系資源，在新經濟時代從容自由地面對客戶。
目前國內企業對客戶的分析還很欠缺，分析手段較為簡單，而簡單的統計方法雖然可以在一定程度上得出分析結果，但因為不同企業發展中存在一定的不平衡性，利用簡單的統計模式得出的結論容易有較大的誤差，難以滿足企業的特殊需求。因而企業需要有更加完善、合理的客戶分析方案，進一步提高客戶分析的合理性、一致性，並能在對 潛在客戶的培養和發現中提供更多的決策支持。
本文將使用客戶RFM模型來衡量客戶價值，當然僅一個模型也無法完整並系統的分析客戶，還是需要結合CRM系統中的數據，切勿過度依賴該模型來分析客戶價值。該模型僅供決策參考。接下來我們來看一下RFM模型是什么？
RFM分析（Recency，Frequency，Monetary）是用來細分用戶和衡量客戶價值的一個重要工具，就是根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的一種方法。
RFM的含義：
R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發生的日期越久，反之則表示客戶交易發生的日期越近。
F（Frequency）：客戶在最近一段時間內交易的次數。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。
M（Monetary）：客戶在最近一段時間內交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。
本文中通過分析某個店鋪客戶消費數據，將會員分為以下8種，以便有針對性的做營銷決策，實現精細化運營：
一、RFM數據源
我們准備的數據源中有很多的字段，由RFM模型的含義可知。我們需要通過訂單日期判斷R值，訂單ID判斷F值，銷售額判斷M值，客戶ID是基礎數據，其他的字段就是冗余字段
二、RFM值
1、確定R值
確定R值為指定日期和最近購買日期之間的差異天數，計算每個客戶的最近一次消費日期。再根據截止日期的時間和最后一個交易日期的差值
RFM R =
AVERAGEX( DISTINCT('維度_客戶'[客戶名稱]) ,
CALCULATE(
AVERAGEX( '事實_訂單', DATEDIFF( [訂單日期] , LASTDATE( '維度_RFM日期'[Date] ) , DAY ) ) ,
TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期])
)
)
R最大值
RFM R MAX =
MAXX( ALL('維度_客戶'[客戶名稱]) ,
CALCULATE(
AVERAGEX( '事實_訂單' , DATEDIFF( [訂單日期] , LASTDATE( '維度_RFM日期'[Date] ) , DAY ) ) ,
TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期])
)
)
R最小值
RFM R MIN =
MINX( ALL( '維度_客戶'[客戶名稱]) ,
CALCULATE(
AVERAGEX( '事實_訂單' , DATEDIFF( [訂單日期] , LASTDATE( '維度_RFM日期'[Date] ) , DAY ) ) ,
TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期] )
)
R平均值
RFM R AVG = CALCULATE( [RFM R] , ALL('維度_客戶') )
2、確定F值
交易次數值需要感覺非重復計數獲得，這里根據虛擬關系篩選計數顧客交易次數
RFM F =
AVERAGEX( DISTINCT('維度_客戶'[客戶名稱]) ,
CALCULATE('度量值'[顧客交易次數] , TREATAS( VALUES('維度_RFM日期'[Date]) , '事實_訂單'[訂單日期]))
)
F最大值
RFM F MAX =
MAXX( ALL('維度_客戶'[客戶名稱]) ,
CALCULATE('度量值'[顧客交易次數] , TREATAS( VALUES('維度_RFM日期'[Date]) , '事實_訂單'[訂單日期]))
)
F最小值
RFM F MIN = MINX( ALL('維度_客戶'[客戶名稱]) , CALCULATE('度量值'[顧客交易次數] , TREATAS( VALUES('維度_RFM日期'[Date]) , '事實_訂單'[訂單日期])))
F平均值
RFM F AVG = CALCULATE( [RFM F] , ALL('維度_客戶') )
3、確定M值
M值為每個客戶共享的銷售金額
RFM M = AVERAGEX( DISTINCT( '維度_客戶'[客戶名稱]) , CALCULATE('度量值'[銷售金額], TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期] ) ))
M最大值
RFM M MAX = MAXX( ALL( '維度_客戶'[客戶名稱]) , CALCULATE('度量值'[銷售金額], TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期] ) ))
M最小值
RFM M MIN = MINX( ALL('維度_客戶'[客戶名稱]) , CALCULATE('度量值'[銷售金額], TREATAS( VALUES( '維度_RFM日期'[Date] ) , '事實_訂單'[訂單日期]) ))
M平均值
RFM M AVG = CALCULATE( [RFM M] , ALL( '維度_客戶' ) )
三、確定客戶類型
確定RFM值后，我們將R、F、M分別與平均值比較，計數出RFM的得分情況
RFM R 分數 = IF( NOT ISBLANK( [RFM R] ) , DIVIDE( [RFM R MAX] - [RFM R] , [RFM R MAX] - [RFM R MIN] ) * 100 )
RFM F 分數 = IF( NOT ISBLANK( [RFM F] ) , DIVIDE( [RFM F] - [RFM F MIN] , [RFM F MAX] - [RFM F MIN] ) * 100 )
RFM M 分數 = IF( NOT ISBLANK( [RFM M] ) , DIVIDE( [RFM M] - [RFM M MIN] , [RFM M MAX] - [RFM M MIN] ) * 100 )
四、新建輔助表
1、新建RFM分類表
可以直接輸入數據，也可以通過Excel導入數據。
2、新建權重參數表
權重參數從0到100進行設定
參數_RFM R權重 = GENERATESERIES(0, 100, 1)
參數_RFM F權重 = GENERATESERIES(0, 100, 1)
參數_RFM M權重 = GENERATESERIES(0, 100, 1)
3、新建TOP參數表
參數_RFM TOP X = GENERATESERIES(0, 100, 1)
五、制作可視化報告
1、制作表格，拖放已經計算好的數據
2、制作客戶RFM權重占比環形圖
3、制作客戶分類占比環形圖
4、制作客戶RFM得分排名條形圖
5、制作切片器
切片器拖放輔助表中的權重R\F\M字段和TopX字段，並設置顯示格式為下拉。日期切片器直接設置開啟滑塊
六、總結
客戶RFM分析首先需要根據訂單數據來計算RFM的值，其次通過輔助表進行補充動態設定的參數。再次通過RFM的值和最大值、最小值對比使用平均函數進行計算出RFM得分情況。通過輔助表客戶分類維度，來確定客戶所屬分類。該模型可以動態根據企業對R,F，M設定不同的權重來計算客戶的價值。
對於銷售分析的指標的分析模型還有動態ABC分析模型，在后續得文章中會給大家展現。
