張樹林
對外經濟貿易大學
客戶數據庫具有三個特殊的要素,這個三要素能夠為數據分析提供最好的指標:即顧客的最后一次消費-RECENCY、顧客的消費頻率—Frequency、消費金額-Monetary.將這三種要素進行建模能夠得到顧客詳細的信息,最終實現對顧客的劃分。隨著互聯網產業的發展,經濟得到了快速的提升,線上消費以及線下消費融合加強,各種新興的產業、新模式不斷的衍生,因此現階段創新型數字化管理人才成為產業轉型的關鍵因素[1]。
在以大數據為發展背景的當前階段,零售產業也快速的發展,線上銷售和線下銷售的緊密結合,從而導致零售企業產生了海量的交易數據。如何將這些有效的數據信息進行整合和提煉,從而為企業的未來發展提供增長點、為行業的發展找到方向、為企業的決策提供依據[2]?,F代企業對商務數據的處理越來越依賴,一個企業是否具有良好的數據分析、處理能力,能夠決定企業的健康、長遠發展。
本研究中以WB 公司的銷售數據作為研究的案例,針對銷售數據建立RFM 模型,在數據中心將顧客Recency、Frequency 以及Monetary 三個指標建立RFM 模型,從而對客戶的價值類型進行準確定位,科學判斷每個顧客的價值,最終為WB 公司經營決策提供有力的數據支持[3]。
RFM 是有效衡量顧客價值的指標,將顧客的最后一次消費-RECENCY、顧客的消費頻率—Frequency 以及消費金額-Monetary 三個指標的數據信息進行提取,最終完成RFM 模型的建構。在三個要素中R 是指顧客最后一次消費的時間,如果最后消費的時間越近,則說明顧客的價值越高,反之則說明顧客的價值較低。F 是指顧客在一定時間內消費的頻率當在一定的時間內消費的頻次越多,則說明顧客的價值越高,反之,則說明該顧客的價值越低。M 是指在一定的時間內顧客的消費總額,如果在的限定的時間內消費總額越高,則說明顧客的價值越高,反之則價值較低[4]。
根據以上指標可以將顧客的價值分為以下八類(見表1)。
表1 顧客按照價值情況的分類
第一,重要價值客戶:這類客戶主要是指最后一次的購買時間離目標日期較近、在規定的時間段內消費的頻次最高、在規定的時間內消費的總額較多。
第二,重要發展客戶:這類顧客主要是指后一次的購買時間離目標日期較近、但在限制時間內的消費頻次不高、在規定的時間內消費的總額較多。
第三,重要保持客戶:這類顧客主要是指后一次的購買時間離目標日期較遠、但在限制時間內的消費頻次較高、在規定的時間內消費的總額較多。
第四,重要挽留客戶:這類顧客主要是指后一次的購買時間離目標日期較遠但在限制時間內的消費頻次不高、在規定的時間內消費的總額較多。
第五,一般價值的客戶:這類客戶主要是指最后一次的購買時間離目標日期較近、但在限制時間內的消費頻次較高、在規定的時間內消費的總額較少。
第六,一般發展的客戶:這類客戶主要是指最后一次的購買時間離目標日期較近、但在限制時間內的消費頻次不高、在規定的時間內消費的總額較少。
第七,一般保持型的顧客:這類客戶主要是指最后一次的購買時間離目標日期較遠、在限制時間內的消費頻次較多、但在規定的時間內消費的總額較少。
第八,一般挽留型顧客:這類客戶主要是指最后一次的購買時間離目標日期較遠、在限制時間內的消費頻次較少、在規定的時間內消費的總額較少。
數據糾正就是將數據匯總后,對數據進行檢查,當發現數據存在錯誤的內容需要及時進行糾正。數據糾正的內容包括:對數據進行一致性的檢查,其次進行數據的再加工,將加工后的數據進行備份,對數據中缺失的內容進行處理,對異常數據進行精細化的處理等。
針對WB 公司的銷售數據進行常規檢查,發現WB 公司的數據源存在一些問題,例如存在空白數據以及重復性的數據,為了保障數據能夠提供決策支持,就需要將重復的數據以及空白的數據進行糾正[5]。
首先,將數據中的重復數據進行刪除。該步驟的實際操作方式為通過EXCLE 快捷鍵將數據選中,選擇刪除重復數據的指令,然后進行重復數據的刪除。
其次,將空白數據進行刪除作業。選中空白數據,執行刪除指令。
最后,針對已經處理后的數據表進行數據的研究。將WB 公司的銷售情況(表2)從2019 年的1 月選擇到2022 年的12 月31 日,為了保障研究的嚴謹性特別將2022 年一年的數據進行本次研究的數據源。在實際中的操作步驟如下:將訂單日期進行數據篩選,單擊年限選擇2022 年,然后將選擇好的數據,進行數據粘貼,建立新的工作表格使用。
表2 WB 公司2022 年銷售詳情
RFM 模型的內涵是最近一次消費的時間、消費的次數以及消費的金額等指標。在實際中的操作是將WB 公司所有的消費數據選中后,點擊插入選項,選擇插入數據透視表,新建工作表然后點擊確定。在數據透視表中選中姓名選項,并將其拖入行標簽中。然后再依次選中訂單的日期、訂單編號以及消費額選擇拖入列標簽。將訂單的日期值選為最大值,代表是最近的一次消費,并將該單元格的格式設定為短日期,將訂單號的列字段設定為計數項,代表交易的頻次,將銷售額的列設置為求和項,從而表示選定時間內的消費總額。
將目標日期設定為2022-12-31,用目標日期減去最后一次訂單的消費日期,可以得出距離目標日期的天數,此數值即為R 值。F 值為在該時間段內,顧客消費的訂單數量,即將訂單號進行直接復制。M 值是顧客在該時間段內的消費金額總和,將消費金額進行直接復制并求和。
在進行RFM 數值評級之前需要將R、F、M 的參考值進行選定,才能判斷R、F、M 的等級是高還是低。對于R、F、M 的參考值可以選擇平均值,也可以選擇中位數。平均值需要通過數據進行計算得到,平均值會隨著每個數據的變化而產生的波動。中位數是通過對數值進行排序得到的,他不會受到最大值以及最小值的影響。在WB 公司的消費數據表格中有部分極端數據的出現,因此本次RFM 模型中選擇中位數作為RFM 評級的數據參考值。通過Median 函數能夠計算出R、F、M的中位數。
對計算得到的中位數參考值進行對比,從而評定R、F、M 的等級。例如R 值小于R 中位數的數值時,則證明具有很高的價值,反之則具有較低的價值;同理F值的判定和M 值的判定也是同等的依據。
分別對每位消費的顧客進行R、F、M 的等級數值的計算,并對等級進行確定,接下來需要通過AND 函數對每次顧客的評級進行判斷,從而能夠方便通過評級標準匹配到需要的顧客價值類型。
針對顧客評級的情況已經得出,接下來需要將FRM 評級情況和消費者的類型進行確定。通過函數指令 Vlookup 函數=Vlookup 需要查找的內容應用在空白行列中。例如通過函數=VLOOKUP(H2,$P: $Q,2,FALSE)能夠迅速匹配出張萌的價值類型,單擊表格中的I2 選項,當鼠標在此單元格的右下角時,出現黑色的十字,雙擊鼠標,表格就可以自動計算出顧客的價值類型。
通過完整的數據將消費者的情況進行RFM 建模,從而清楚地了解每位消費者的價值類型。接下來需要統計每個價值類型內有多少的消費者,以及消費者價值類型的結構。通過對數據中A-I 列中的數列進行操作:插入數據透視表-新建數據表,點擊確定,從而在數據透視表中將顧客價值類型進行選中,并將消費者的價值類型拖入行標簽中,將消費者的姓名字段進行勾選,并將消費者的名字拖入列標簽內??梢缘玫阶罱K的顧客價值類型分析的數據。
可視化數據是將數據轉化為人們日常中常見的圖表的形式,可以給決策者更為直觀的展現方式。例如在WB 公司的消費者客戶價值類型中不僅需要了解每個類型中的人數,還需要對各類型在整個消費者群體中的占比情況進行展示,在展示數據的過程中可以采用餅狀圖、単簇狀圖形或者柱形圖的方式進行展現。
RFM 模型的建立能夠有效的將消費者進行分類,從而針對目標客戶群體實行針對性的管理計劃,促進消費者的購買欲望,提升顧客的忠誠度,對于價值等級不高的顧客則不再需要進行維護和跟進,從而降低客戶維護成本。在實際應用中,需要根據每個行業的特點,制定不同含義的RFM 模型,從而提升企業的管理能力,提高顧客的忠誠度,刺激消費力,最終實現企業管理能力的提高。