PowerBi中RFM模型的应用

RFM 模型 是数据分析中非常经典、实用的一种用户价值评估模型，特别适合用在电商、营销、会员管理、客户分析等场景 中。下面我会从原理、计算、分层、Power BI 实现和应用场景五个方面详细讲解。

🧠 一、什么是 RFM 模型？

RFM 模型是从三个维度来衡量客户价值的：

字母	含义	中文释义	说明
R	Recency	最近一次购买时间	越近越活跃
F	Frequency	购买频率	越多越忠诚
M	Monetary	购买金额	越高越有价值

🔍 二、RFM 怎么计算？

假设你有客户的交易记录表，包含：

客户ID（CustomerID）
订单日期（OrderDate）
金额（Amount）

你可以按客户分组，计算出以下字段：

客户	R（天数）	F（订单数）	M（总金额）
A	7	10	¥5000
B	90	2	¥500
C	15	5	¥1200

其中：

R：今天日期减去最后一次购买日期
F：订单数量
M：消费总金额

📊 三、如何打分和分层？

通常是把 R、F、M 分别打 1~5 分（或其他等级），越高分代表越好：

维度	打分规则（示例）
R	越近打分越高（1~5）
F	越多打分越高（1~5）
M	金额越大打分越高（1~5）

👉 然后拼接 RFM 分数，比如客户 A 的得分是 5-5-5，客户 B 是 1-1-1。

🎯 分层示例（RFM 组合标签）：

RFM组合	用户类型
555	核心客户
155	潜在高价值客户
511	活跃新用户
111	流失低价值用户

🛠 四、Power BI 中如何实现 RFM 模型？

✅ 步骤 1：准备数据

你的数据需要包括这些字段：

CustomerID
OrderDate
SalesAmount

✅ 步骤 2：建一个"RFM"计算表（用 DAX）

DAX 复制代码

最近购买天数 = 
DATEDIFF(
    MAX(Sales[OrderDate]),
    TODAY(),
    DAY
)

购买次数 = 
CALCULATE(COUNTROWS(Sales), ALLEXCEPT(Sales, Sales[CustomerID]))

总消费金额 = 
CALCULATE(SUM(Sales[Amount]), ALLEXCEPT(Sales, Sales[CustomerID]))

然后你可以为 R、F、M 分别打分：

DAX 复制代码

R得分 = 
SWITCH(
    TRUE(),
    [最近购买天数] <= 30, 5,
    [最近购买天数] <= 60, 4,
    [最近购买天数] <= 90, 3,
    [最近购买天数] <= 180, 2,
    1
)

F得分 = 
SWITCH(
    TRUE(),
    [购买次数] >= 20, 5,
    [购买次数] >= 10, 4,
    [购买次数] >= 5, 3,
    [购买次数] >= 2, 2,
    1
)

M得分 = 
SWITCH(
    TRUE(),
    [总消费金额] >= 10000, 5,
    [总消费金额] >= 5000, 4,
    [总消费金额] >= 2000, 3,
    [总消费金额] >= 500, 2,
    1
)

RFM标签 = [R得分] & [F得分] & [M得分]

✅ 步骤 3：使用这个 RFM 分层字段做可视化

你可以创建饼图、柱状图，查看各类客户群体的数量、占比、总销售额等。

🚀 五、RFM 应用场景

行业	应用方式
电商	用户精准营销、优惠券投放
旅游	活跃旅客推荐新路线、流失用户召回
金融	高价值客户 VIP 管理、低活跃用户提醒
游戏	核心玩家维护、充值用户促活
教育	学生分类管理、课程推荐策略

✅ 总结

项目	内容说明
模型名	RFM（Recency, Frequency, Monetary）
用途	客户价值分析与分层
方法	计算每个维度 → 打分 → 拼标签
工具	Power BI 中可用 DAX 实现