利用模型对淘宝会员数据进行分析

　　在分析人群的时候，我们可以分析到我们店铺的买家对我们店铺的忠诚度，对于忠诚度比较高的客户，我们是一定要想办法留住他们的，而根据不同的等级给与不同的优惠和营销活动对于留住老顾客的帮助也是很大的。
　　在客户关系管理（CRM）的分析模式中，有一个模式是很经典的，那就是RFM模型，RFM模型的具体内容大家可以百度百科一下，那样会有详细的讲解，简单的来说，RFM模型是会员管理中对会员消费行为分析和总结的一种模型，每一个字母代表一种会员的行为要素：R：最近一次消费（Recency）。F：消费频率（Frequency）。M：消费金额（Monetary）
　　所以，我们分析RFM模型的时候，首先就要采集我们顾客的这三个数据，最近一次消费时间，消费次数以及消费金额。要采集这些数据很简单，通过我们店铺的订单就可以采集到
　　进入卖家中心的已卖出的宝贝，选择你需要下载的时间，当然，这里我们肯定是要下载的数时间比较长更好，但是因为有限制，每次不能超过一万条数据，所以要分很多次才行下载完成，例如我这里最多只能下载半个月的数据。如果想要下载一年的数据的话，就要分很多次，但是这个不难，多分几次下载就可以了。
　　生成报表之后，就可以把订单报表数据下载下来
　　下载订单报表之后打开下载下来的表格，然后简单的筛选一下，把交易关闭的订单删除掉，这个很简单，利用Excel的筛选功能就可以了，然后只留下买家会员名，买家实际支付金额，订单付款时间这三列，其他的都统统删除掉，因为我们要采集的只是这三个数据就可以了。
　　接下来新建一个Excel表格，把处理的数据都复制粘贴到新建的这个Excel表格里面，但是不要直接就在下载下来的Excel表格中操作，因为下载下来的表格是CSV格式的，这种格式有些功能受限制，所以一定要复制到新建的Excel表格中操作，加上你也是多次下载数据的，所以也需要统一汇总到一个表格中。
　　把所有数据都整理好之后，插入一个数据透视表。把买家会员名拖入到行，买家实际支付金额拖入到值并将其汇总方式设置为求和。然后再把买家会员名再次拖入到值并将其汇总方式设置为计数。然后把订单付款时间也拖入到值并将其汇总方式设置为最大值。这样，你就很清楚的知道了这三个参数的数据，当然，因为我这里只调取了半个月的数据，所以数据量是比较少的，但是你也可以看出，最高的买家半个月时间内购买了22次。如果你调取的数据更多的话，这个些数据也就更大。
　　最近订单付款时间R代表客户最近的活跃时间，R越大，表示客户越久没有发生交易，R越小，表示客户越近有交易发生。R越大则客户越可能会流失。在这部分客户中，可能有些还是我们店铺的优质客户，例如我们第一个客户在我们店铺已经购买过了22词，但是如果他的最近日期是半年之前，那么说明这个重要的客户可能就流失了，针对这种客户我们一定要通过一定的营销手段进行激活。对于有些很重要的客户，当发现他流失了的时候我们一定要去回访一下，看看买家为什么这么久不来我们店铺了，是什么原因造成他不来我们店铺了的，我们可以通过送一些礼品之类的去想办法激活他。
　　会员名购买次数F代表客户过去某段时间内的活跃频率。F越大，则表示客户在我们店铺的交易越频繁，就好比上图我们店铺的数据一样，在我下载的这半个月数据中，有一个客服购买了22次，有一个购买了8次，这种交易是非常频繁的，针对这种特别频繁的客户我们一定要重点分析，我们要分析为什么这么短的时间她购买了这么多词？有些可能是做代购的，这种人他们肯定是喜欢优惠一点的，因为他需要从另外的买家手里赚差价，我们就可以跟他达成合作，给他一个折扣价，有些可能是赚淘宝客佣金，如果这个人下单量比较大的话，我们可以给他一个定向的淘客计划，让他可以给我们产品做淘客推广，不仅仅给店铺销量带来人气，也可以维护好忠诚的客户；F越小，则表示客户不够活跃，这些不活跃的客户可能是竞争对手的常客。针对这批客户我们也要想办法从竞争对手中争取过来，让他再次回头。
　　实际支付金额M：表示客户消费金额的多少，其实这里我们可以根据实际情况来调节，我们可以统计的是他汇总的金额，也及时说他一共在我们这里购买了多少金额的产品，我们也可以统计他的平均值，看他每一次购买多少金额的产品，根据分析的目的不同，可以有不同的统计方法。
　　接下来我们再把最近购买日期变成天数，也就是说，他距离现在多少天了。这个很简单，只需要在F4单元格中输入NOW（）D4，因为我们采集的日期是带有时间的日期，所以他的结果是一个有小数点的值，如果你想要的是整数的话，你也可以把数据源的数据改成只包含日期不包含时间的日期，然后再单元格中输入today（）D4。
　　接下来我们根据自己行业的实际情况给每一个因素确定一个权重分数。例如，当R10天的时候，我们给他五分的权重分，10R30天的时候，我们给他四分的权重分。30R60天的时候，我们给他三分的权重分，60R90天的时候，我们给他两分的权重分，90R天的时候，我们给他一分的权重分，同样的根据实际情况，我们也设定消费次数F和消费金额M他们的权重分。这个权重的区间设置是根据自己店铺的实际情况决定的，可以灵活的调整。
　　接下来，我们把每一个顾客的R得分，F得分，M得分都计算出来，要计算每一个值的得分很简单，利用if函数就可以做到
　　M值的得分在E4单元格中输入IF（E410，5，IF（E430，4，IF（E460，3，IF（E490，2，1）））），然后快速填充下面的所有单元格即可得出M值的得分。然后再算出RFM值得分，RFM值经常有多种算法，有直接的三者相加的方法，就是RFM分值RFM。也有不同权重值比例的加法，例如，RFM分值1R3F4M这样的算法。还有各种更复杂的算法。例如，还要根据极差，最大值，最小值这些数据来计算，但是我们这里就用最简单的，RFMRFM这样计算。我们不过多的探讨RFM分值的算法，我们这里RFM代表的就是这三者之间的综合得分。
　　然后把这些数据都复制一遍，用粘贴成数据的方式粘贴到一个新建的工作簿中，因为目前这里面本身有些数据是在数据透视表中，所以处理起来会有一些不方便，因此需要把数据粘贴到一个新的工作簿中去。
　　把整理好的数据插入一个数据透视表，把RFM得分拖入到行，会员名拖入到值并将其汇总方式设置为计数。
　　这样，每一个分值的会员人数就都出来了，你可以轻易的看到你们店铺的买家的RFM分值分布清楚。为了更直观的话，你还可以插入一个柱形图图表。
　　在计算出每个客户的RFM总得分后，我们就可以根据分值进行客户分组管理，例如，我们可以5分以内的分为普通会员，510分的分为黄金会员，1014分的分为钻石会员，15分的分为王者会员。接下来我们就可以对这些不同层次的会员进行针对性的营销。分值越高的客户，质量越好，这种客户往往忠诚度也高，用来进行二次营销活动的目标客户更容易获得响应，这类客户往往已经对你的店铺信用度是没问题了，所以无需在信用度上下更多的功夫，重点要做的是让他们知道你上新的时间，优惠力度，已经对他们有哪一些利益点等。
　　例如，我们上聚划算的时候，我们就可以通知这类高分值的客户，分值越低的客户，质量相对来说要差一些，这类客户信任感往往还不强，所以我们一方面是需要想办法增强信用度，另外一方面也要想办法让他了解你，知道有你的存在，因为很多购买一次的买家，后来他根本就不知道有你这样的一家店铺，甚至忘记了在你店铺购买过产品，所以这一些人群要想办法刷你的存在感，但是又要避免让他反感，因为你这个时候本身不是特别信任的期间，如果你过多的刷存在感的话容易让人家反感。这一类顾客要先慢慢培养，不要急着进行二次营销。除非是大促活动且对这类人群利益比较高的时候了可以进行二次营销，否则平时主要是培养信用感和存在感。
　　作者：淘宝小2哥，微信公众号：taobaoxiaoerge，有问题随时交流微信QQ：827534483
　　原创稿件，转载请注明来源卖家资讯http：www。maijia。comnews
　　本文利用RFM模型对淘宝会员数据进行分析为卖家资讯原创稿件，转载请注明出处（本文转载于：卖家资讯http：www。maijia。cominfo408055）