Análisis RFM con Power BI

May 09 2022
Segmentación de clientes con análisis RFM Tabla de contenido Descripción general de RFM El modelo RFM Los segmentos RFM Las puntuaciones RFM Análisis Power BI ¿Cómo agrega valor el análisis RFM a las empresas? RFM es una técnica de marketing que se utiliza para clasificar y agrupar cuantitativamente a los clientes en función de su actualidad, frecuencia y total monetario para segmentarlos en un grupo homogéneo. R: la fecha más reciente en que un cliente compró en el negocio F: con qué frecuencia un cliente compra en el negocio M: el valor monetario de la compra del cliente.

Segmentación de clientes con análisis RFM

crédito: imágenes de google

Tabla de contenidos

Descripción general de RFM

El modelo RFM

Los segmentos RFM

Las puntuaciones de RFM

Análisis de Power BI

  • Limpieza de datos
  • Obtener los valores de RFM
  • Cálculo de las puntuaciones de RFM

¿Cómo agrega valor el análisis RFM a las empresas?

RFM es una técnica de marketing que se utiliza para clasificar y agrupar cuantitativamente a los clientes en función de su actualidad, frecuencia y total monetario para segmentarlos en un grupo homogéneo.

R: la fecha más reciente en que un cliente compró en la empresa

F: con qué frecuencia compra un cliente en el negocio

M — el valor monetario de la compra del cliente.

La frecuencia y el valor monetario brindan información sobre el valor de vida del cliente, mientras que la actualidad mide la retención y brinda información sobre la retención y el compromiso del cliente.

El modelo RFM

El modelo RFM clasifica a los clientes en diferentes segmentos o categorías en función de su actualidad, frecuencia y puntajes monetarios. El puntaje RFM está en una escala de 1 a 5, siendo uno el más bajo y 5 el más alto.

Las puntuaciones de actualidad bajas, es decir, 1-2/3 indican que un cliente ha comprado recientemente en su tienda. Esto es contrario para Frecuencia y Monetario, ya que los puntajes bajos de F y M indicaron que un cliente rara vez visita su tienda o gasta mucho dinero en ella.

Los valores de actualidad, frecuencia y monetarios se han calculado en función de los valores del conjunto de datos.

Las puntuaciones se escriben como 123 o 534 con el primer número representando la puntuación R, el segundo número representando la puntuación F y el tercer número representando la puntuación M.

Se pueden crear diferentes tipos de segmentos de clientes con el modelo RFM, he adoptado los segmentos recomendados en este artículo . También explica el análisis RFM en detalle.

Los segmentos RFM

Los segmentos y puntajes de RFM se definen para cada negocio y pueden diferir para los negocios.

Figura 1: segmentos RFM

Las puntuaciones de RFM

Fig. 2: puntuaciones RFM para cada segmento

Ensuciémonos las manos con el análisis de Power BI

Conjunto de datos: utilicé el conjunto de datos de la supertienda para este análisis.

Limpieza de datos:

  1. Eliminar otras columnas: los datos tenían demasiadas columnas, por lo que eliminé todas las columnas que no necesitaba. Para este análisis, solo necesito tres columnas: nombre_cliente, Fecha_pedido, Monto_ventas y Producto (realmente no necesitaba esto, solo lo introduje).
  2. Columnas renombradas: inicialmente usé Mockaroo para generar datos simulados, pero no dio el resultado que quería. Quería analizar datos para una empresa de consultoría. Cambié el nombre de las columnas a nombres que fueran aplicables a una empresa de consultoría.

Nombre del producto : servicio prestado

Ventas — Importe

3. Tipo cambiado: cambié el tipo de datos de algunas columnas como la columna Sales_amount a Decimal fijo en lugar de Decimal para que Power BI pueda reconocerlo como un campo de moneda

Análisis de datos con DAX

Obtener mis valores R, F y M

R: dado que R mide la transacción más reciente, necesitamos obtener la fecha de la última transacción de cada cliente para determinar su valor R.


Last_transcation date = MAXX(FILTER(‘Orders’, ‘Orders’[Partner Name] = Orders[Partner Name]), ‘Orders’[Order Date])

Recency Value = DATEDIFF([Last_transcation date], TODAY(), DAY)

valor F

Frequency value = DISTINCTCOUNT('Orders'[Order Date])

valor M

Monetary value = SUM(Orders[Amount])

Cálculo de las puntuaciones de RFM

Las puntuaciones de RFM se calcularán creando primero una tabla calculada. La tabla se crea utilizando el nombre del Socio y los valores RFM calculados. Esta tabla se modelará en otra tabla que se importará en la última parte de este artículo.

RFM Table = SUMMARIZE('Orders', 'Orders'[Partner Name], "Recency Value", [Recency Value], "Frequency Value", [Frequency value], "Monetary Value", [Monetary value])

El percentil del valor RFM se utiliza para asignar puntajes a cada cliente. Un percentil es un término estadístico que se utiliza para expresar cómo se compara una puntuación con otras puntuaciones en el mismo conjunto.

Se crea una nueva columna para cada una de las puntuaciones.

Cree una nueva columna llamada R-score

R-score =
SWITCH (
   TRUE (),
   [R value] <= PERCENTILE.INC ( 'RFM table'[R Value], 0.20 ), "5",    
   [R value] <= PERCENTILE.INC ( 'RFM table'[R Value], 0.40 ), "4", 
   [R Value] <= PERCENTILE.INC ( 'RFM table'[R Value], 0.60 ), "3", 
   [R value] <= PERCENTILE.INC ( 'RFM table'[R Value], 0.80 ), "2",
   "1"
        )

F-score =
SWITCH (
  TRUE (),
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.20 ), "1",    
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.40 ), "2", 
   [F Value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.60 ), "3", 
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.80 ), "4",
   "5"
        )

M-score=
SWITCH (
  TRUE (),
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.20 ), "1",    
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.40 ), "2", 
   [F Value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.60 ), "3", 
   [F value] <= PERCENTILE.INC ( 'RFM table'[F Value], 0.80 ), "4",
   "5"
       )

Para obtener la combinación de las puntuaciones para dar la puntuación RFM, creamos una nueva columna llamada RFM que concatena las tres columnas recién creadas.

RFM score = 'RFM Table'[Recency score] & 'RFM Table'[Frequency score] & 'RFM Table'[Monetary score]

Figura 3: tabla RFM

Asignación del segmento a cada puntuación

Cree una tabla de segmentos de RFM que tenga una lista de todos los segmentos en los que ha agrupado a sus clientes y las puntuaciones correspondientes de cada segmento. Importaré esta tabla de puntuación de segmento.

Modele las tablas : Cree una relación entre la tabla RFM: columna de puntuación RFM y la tabla de puntuaciones Segmento: columna de puntuaciones.

Su modelo ahora debería verse algo así:

figura 4: modelo de datos

Ha realizado con éxito un análisis RFM.

Creé un gráfico de árbol simple que muestra el porcentaje de socios en cada segmento de RFM

Fig. 5: % de socios en cada segmento de RFM

¿Cómo agrega valor el análisis RFM a las empresas?

El análisis RFM lo ayuda a comprender a sus clientes y brinda información sobre los diferentes segmentos a los que pertenecen sus clientes. Algunos beneficios del análisis RFM son:

  • Le ayuda a comprender el comportamiento de sus clientes.
  • Brinda información a sus clientes más y menos valiosos, lo que permite a la empresa crear un viaje de cliente único.
  • Las empresas ahora pueden realizar anuncios dirigidos para cada segmento de clientes.

© Copyright 2021 - 2022 | unogogo.com | All Rights Reserved