Tableau RFM 模型-實現客戶分群行銷

已更新:9月 18

文章授權:關係合作夥伴 Tableau 資料視覺化與商業分析筆記


在過去的零售與電商產業經驗中,如何區別與分辨不同的客群,並針對各客群做客製化與精準行銷是非常重要的事

參考連結:https://public.tableau.com/app/profile/johndavidsant/viz/RFMRecencyFrequencyMonetaryAnalysis/RFMHeatmap

我最喜歡使用的模型為RFM分析,RFM分別對應: R(Recency)最近一次消費、F(Frequency)消費頻率、M(Monetary)消費金額,了解RFM的定義後我們就可對各個客戶進行1–5分的評分並將有類似消費習慣的進行分群!


舉例來說,針對R、F、M分數都為5分的客群是最有價值的客戶,我們應對他們做VIP客製化服務;而若F、M分數都高但R分數低,代表這個客戶的購買頻率跟金額都很高但最近沒跟我們消費,我們就應該以Email、電話、人員拜訪等方式提醒客戶。


*Tableau Public RFM模型儀表板分享(可下載工作簿自行操作): https://public.tableau.com/app/profile/johndavidsant/viz/RFMRecencyFrequencyMonetaryAnalysis/RFMHeatmap


>>RFM各步驟作法說明: https://unilytics.com/rfm-analysis-in-tableau/



補充說明: RFM分析應用在Tableau中,使用 Percentile 計算好 1–5分的R, F, M 級距資料,加上時間及分析維度,就可進行視覺化分析。 (參考來源: https://medium.com/@judyjiamin/tableau-x-rfm-%E5%88%86%E6%9E%90-%E6%9C%89%E5%9C%96%E6%9C%89%E7%9C%9F%E7%9B%B8-fcc23ed3cff2)


除了RFM模型以外,你們對於現有的顧客群會做怎樣的分析?也歡迎在下方留言給我們。

39 次瀏覽0 則留言