RFM用户建模分析

数据概览

源数据

数据整理

1. 数据总体看来较为完整,但"发货时间"存在空值,且"发货时间"为空的行对应的"订单状态"为"付款以后用户退款成功,交易自动关闭",故首先剔除退款订单

2. 提取建模所需关键字段:R(最近一次购买距今天数),F(购买次数)以及M(平均消费金额)
   
   关键字段

3. 加权评分,根据业务需求建立一个评判标准,然后根据此标准进行一轮评分
   
   评分标准
   
   一轮评分

4. 为了简化分类结果,将客户分类控制在模型要求的8个维度,进行二轮评分,评判标准以RFM各自的均值为主
   
   二轮评分

5. 依据RFM模型和评分结果将用户分为8种主要类型
   
   客户类型
   
   划分结果

数据处理结果

数据可视化

客户占比分析

客户金额分析

简单分析

1. 流失客户多达8605人,占比最高,他们多数集中在去年双11下单,对价格较为敏感,在即将到来的618大促中,可以尝试对他们进行唤醒
   
   流失客户下单时间

2. 重要挽留客户7108人,人数占比27.96%,累计消费金额占比最高。他们对店铺销售贡献最高,但下单时间久、购买频次低,徘徊于流失边缘
   为了挽回这些客户,可以抽样获取他们的联系方式,进行客户回访,调查具体原因;另一方面,可以筛选出他们购买的产品,结合复购率进行进一步分析