用Excel分析“交易数据”【不得不学】.docVIP

用Excel分析“交易数据”【不得不学】 背景说明：一个会员服务的企业，有近1年约1200个会员客户的收银数据。由于公司想针对不同类别不活跃客户进行激活促销；同时，为回馈重点客户，也计划推出一系列针对重点客户的优惠活动，希望保留这些客户，维持其活跃度。因此希望利用该数据进行客户分类研究。 （以上为流程图） RFM模型相对简单并且直接，按照R(Recency-近度）、F(Frequency-频度）和M（Monetary-额度）三个维度进行细分客户群体。由于该客户的数量较少（约1200个），所以，采用3x3x3=27个魔方（1200/27=44左右）较为合适，虽然平均每类客户数量较少，考虑到集中度分布情况，数量多的分类也能够有200-300左右，适合针对会员客户进行短期的电话、短信营销或者信函营销的数量。 RFM模型原理： RFM模型是一个简单的根据客户的活跃程度和交易金额贡献所做的分类。因为操作简单，所以，较为常用。 近度R：R代表客户最近的活跃时间距离数据采集点的时间距离，R越大，表示客户越久未发生交易，R越小，表示客户越近有交易发生。R越大则客户越可能会“沉睡”，流失的可能性越大。在这部分客户中，可能有些优质客户，值得公司通过一定的营销手段进行激活。 频度F：F代表客户过去某段时间内的活跃频率。F越大，则表示客户同本公司的交易越频繁，不仅仅给公司带来人气，也带来稳定的现金流，是非常忠诚的客户；F越小，则表示客户不够活跃，且可能是竞争对手的常客。针对F较小、且消费额较大的客户，需要推出一定的竞争策略，将这批客户从竞争对手中争取过来。 额度M：表示客户每次消费金额的多少，可以用最近一次消费金额，也可以用过去的平均消费金额，根据分析的目的不同，可以有不同的标识方法。一般来讲，单次交易金额较大的客户，支付能力强，价格敏感度低，是较为优质的客户，而每次交易金额很小的客户，可能在支付能力和支付意愿上较低。当然，也不是绝对的。 RFM的分析工具有很多，可以使用SPSS或者SAS进行建模分析，然后深度挖掘。IBM SPSS还有个Modeler，有专门的RFM挖掘算法供使用。本文为了普及，介绍使用Excel（2007版）做初步的RFM分析。 操作步骤： 第一步：数据的清洗 原始数据集：数据请参考附件Excel（模拟数据.xlsx）。大家可以下载练习。该数据集共有26600多条数据，包含记录ID（数据库的primarykey）、客户编号、收银时间、销售金额、销售类型共5个字段 通过简单的筛选，可以看到，在交易金额中有0消费额，有负数消费额，继续查看交易类型，发现为“赠送”和“退货”所造成。这些数据在本次分析中用不到，所以在数据处理时需要通过筛选除去。 Excel操作： 鼠标点击第一行的行标“1”以选中第一行 菜单栏点击“数据”，快捷按钮栏点选“筛选” 鼠标点击“销售类型”筛选下拉按钮，可以看到所有数据集中有的销售类型 点选“销售金额”字段的小角标也可以看到有负数出现。 第二步：数据处理 根据分析需要，R用客户最后成交时间跟数据采集点时间的时间差（天数）作为计量标准；F根据数据集中每个会员客户的交易次数作为计量标准（1年的交易次数）；M以客户平均的交易额为计量标准。通过Excel的透视表即可计算以上RFM数据。 Excel操作： 菜单栏点击“插入” 快捷按钮栏点击“透视表” 选择数据区域，确认所有的数据都被选择 选择在“新工作表”中插入数据，然后点击“确定” 将“客户编号”拖入“行标签”栏 将“收银时间”、“记录ID”、“交易金额”拖入数值计算栏 点击“收银时间”数值计算栏按钮，选择“值字段设置” 在“计算类型”中选择“最大值” 在对话框左下角，点击“数字格式”，设定时间格式为：yyyy-mm-dd，然后“确定” 点击“销售金额”数值计算栏按钮，选择“值字段设置” 在“计算类型”中选择“平均值”，然后“确定” 在“记录ID”数值计算按钮栏，选择“值字段设置” 在“计算类型”中选择“计数”，然后“确定” 在透视表顶部筛选项“销售类型”处，点击下拉按钮小角标，在“选择多项”前的小方框中打勾，然后点掉“退货”和“赠送”前的勾，然后“确定”会得到如下结果。 以上我们得到了： 1）F值：客户这1年共消费了多少次 2）M值：客户每次交易的平均消费金额 但是，R值还需要做些处理。目前R值只得到的是客户最近一次消费日期，需要计算距离数据采集日期的天数。 Excel操作： 鼠标拉选列标签ABCD,选中透视表所在的四列 按ctrl^C（复制），点击“开始”