SPSS案例实践:RFM营销分析

原创 数据小兵  2021-01-04 21:34  阅读 2,686 次
数据小兵成长记

9月底的时候,小兵给大家推荐过一篇文章《如何用Python进行RFM分析》,在文中,作者用Python演示RFM分析过程和结果。当时小兵说,咱们SPSS也可以实现RFM过程,不妨用SPSS来做RFM分析和Python做个对比吧。

点开链接直达↓↓

用SPSS做RFM数据分析,先来下载原始案例数据源~

01

案例数据

《如何用Python进行RFM分析》这篇文章提供了案例数据的下载,咱们就用他的数据吧,读入SPSS后,具体变量如下:

每一行是一个订单号,有交易日期、交易金额等关键变量。所谓的RFM分析,是指根据客户活跃程度和交易金额贡献,进行客户价值细分的一种客户细分方法。它主要由三个指标组成,分别为R(Recency)崭新度、F(Frequency)消费频度、M(Monetary)消费额度。

交易数据格式的特点是,软件会自动根据交易日期来计算崭新度R和消费频度F,这样就能满足RFM分析的数据要求。

02

RFM模型原理

R、F、M三个指标数据可以构成一个三维立方图,如果我们将RFM三指标各自分割为高和低两个水平,两两组合,那么这个三维立方图可被大卸八块,给每一个块赋予一定的实际含义,这就是RFM的8种客户类型。

举例说明一下,R分值高,F分值高,M分值高的客户为重要价值客户,R、F、M三个分值都低的客户为潜在客户。

大家划重点啊,RFM主要用于客户细分,一大堆客户信息放进模型,山摇地动一番统计计算后,所有的客户将被划分为8个类型。大家看上图右侧的【客户类型】特征描述。

RFM的意义就在于此,我们可以针对不同类型的客户提供有针对性的营销措施,帮助做好经营工作。

原理理解到这个程度,就行了。

03

SPSS做RFM菜单参数

SPSS有专门的菜单。【分析】→【直销】→【选择技术】,

继续勾选【帮助确定我的最佳联系人】(RFM分析),由于咱们这个案例数据是交易数据格式,所以接下来选择【交易数据】。

接下来就好办了,为什么呢,大家都识字的吧,你看人家SPSS的界面说得很清楚嘛,交易日期框,交易金额框,字面意思很好理解,把对应的数据移入对应的框框里面搞定。

客户标识框可能略微不好理解是吧,就是用哪个数据或变量来标记客户,咱们的数据有客户ID数据,这个就行了。

嘶,还有其他选项卡。【输出】卡中咱们现在也不知道这些结果都是干什么的,不管了了先给他全部勾选上,命令计算和输出。

04

RFM得分数据计算

注意哦,这里和其他统计方法有一点不一样。就是RFM分析过程会自动计算所需要的R、F、M三个指标得分,因此它把新计算得到数据单独安排在一个新的数据集中,所以执行分析后,我们首先会发现突然多了一个打开的数据集。

以上新数据集就是SPSS帮我们计算所得的关键结果了。

如果不是SPSS帮我们计算,我们用户是需要自己根据交易数据去计算的,过程很繁琐的哦,你们看Python那篇文章的处理过程就会发现了。Python需要用户指定这些数据的具体计算过程。

而SPSS是傻瓜软件嘛,它帮你搞定了。

先不着急根据R/F/M得分数据将所有客户划分8个分类,SPSS比较严谨的,它还输出了其他统计结果,帮助你看看这样的数据做RFM模型是不是合适,结果是不是可靠。

稳妥起见,咱们还是看看吧。

RFM分箱计数图,蛮漂亮,这个可不是看是不是漂亮的。我们期望是每个格子里面的条图频数均匀分布,也就是差不多高,如大抵上能满足,则说明数据是适合的。

本例认为条图频数分布基本均匀,满足条件。

还有其他图形结果,可以忽略跳过,不是所有的SPSS结果都需要解读和使用。(可根据分析的目的来选择)

05

RFM八类客户细分

客户细分的重头戏工作现在开始。

我们现在已经有RFM的得分数据了,接下来需强行将其分割为高水平和低水平,高低水平的标准是什么呢?我们用得分的平均值来划分,大于平均值的就是高水平,小于平均值的就是低水平。

因此先做平均值的描述统计。这一步就是SPSS的基础了,描述统计。

得分数据变成高低分类水平,这是SPSS的重新编码可以完成的任务,说白了也就是把连续数据变成分类数据。

我们需要分三次,将R得分、F得分、M得分转换为R高低、F高低、M高低。

来看RFM高低数据:

最后一步了。我们要使用RFM高低数据,将所有客户即立方体大卸八块,划分为8个客户人群。

这个过程就是RFM各高低水平的组合。

这一步,需要使用SPSS的【计算变量】菜单,利用筛选的形式,结合八类客户各自的高低组合进行筛选并归类。本例目标变量取名为“八类客户”。

比如第一类客户是“高价值”客户,你看是他们是三高客户啊,在RFM上都是高水平,即222组合。其他类推。

因为有8个分类,所有这个操作我们哟啊重复做8次,这个有点扯淡啊。没办法了。重复做吧。

如果是正确执行的,那么你在结果查看器窗口是可以看到上面这8行执行纪录的。方便我们检查是否准确进行分类。

然后,为了便于读取,我们再给刚才新生成【八类客户】进行数据标签编码,给刚才的1~8个分类水平准确的含义特征。

来看最最最后的结果:

做个描述统计吧。

以上就是所有客户最终的细分结果,每个客户都有明确的细分类别,方便营销人员提供针对性的管理和服务措施,进而提升客户价值和营收水平。

本文完
文/图=数据小兵

参考资料:

狄松. 谁说菜鸟不会数据分析, SPSS篇[M]. 电子工业出版社, 2016.

 

《SPSS统计分析:快速入门与实践提高》

视频地址:

https://study.163.com/course/introduction/1003945001.htm?share=1&shareId=1149679450

本文地址:http://www.datasoldier.net/archives/2723
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
视频课程《SPSS统计分析:从入门到实践提高》
欢迎订阅SPSS训练营微信公众号

评论已关闭!