电商数据分析-消费者运营分析-RFM模型.pptx

;;;1．RFM模型理论;2．RFM计算;3．基于RFM模型的消费者分组;;例11-3：现有某淘宝网店2018年8月至2018年10月消费者购买数据，数据采集自商家后台的订单报表和宝贝报表。如图11-31所示，为了精准化消费者营销，降低推广成本，现需要使用Power Query将5794位消费者分类。;成功加载至Power Query的数据如图11-33所示。;（2）计算时间间隔R。 创建当下时间字段：如图11-34所示，在【添加列】选项卡中，单击【自定义列】选项。;图11-36 成功创建今日日期; 新建一列为“今天日期”减去“订单付款日期”。如图11-38所示??在【添加列】选项卡中，单击【自定义列】选项，【新列名】设为“R”，【自定义列公式】设为“[今天日期]-[订单付款时间]”，单击【确定】按钮，计算结果如图11-39所示。;删除“订单付款时间”与“今天日期”列，并将“R”列类型改为整数，结果如图11-40所示。;（3）进行数据分组，得到每位消费者的RFM数据。 将数据分组：在【开始】选项卡中，单击【分组依据】选项，填入图11-41所示信息，运行结果如图11-42所示。;（4）消费者归类。 通过自己写函数建立逻辑判断，归类消费者等级。在【开始】选项卡中，单击【高级编辑器】选项，进入函数编辑页面，如图11-43所示。 在上表代码in前补上以下关于消费者等级判断的条件语句。; 并将最后一行将“分组的行”改为“已添加条件列”。（注：AR为R的平均值，AF为F的平均值，AM为M的平均值）?? 改完后代码如图11-44所示。;