昨天重新做了一遍课堂上的电商行业用户画像案例。在做帕累托图的时候有点想不起来设置细节了。今天再做一遍好多了。
很多细节的设置还是需要亲手操作才会记住。
先了解大概背景,然后明确分析的目的:用RFM模型划分用户类别,找到核心用户类别。
如何找到核心用户类别是最关键的。所谓核心用户类别,可以从如下几点着手:用户数量的累计占比,消费次数的累计占比,或者消费金额的累计占比。按照RFM有8个类别,那么累计占比与类别集合之间的关系应该符合二八定律,这样就可以用帕累托统计并展示了。
关于二八定律,或者二八效应,本质是少数造成主要的、重大的影响,多数造成少许的影响。
第一步 确认数据范围:给定的表格
第二部 理解数据的业务意义: 数据是2019年1至7月期间的,最细颗粒度在商品描述这个维度,一个流水号下有多个商品,一个用户购买一次产生一个流水号。
第三部 Recency,Frequence和Money值的计算,关键是F值的计算。
第四步 将数据整合到一个新的表中,判断RFM程度,然后按照RFM模型做分类。可以先准备一个表格区域然后用Vlookup函数,也可以直接用IF层层嵌套判断。
个人觉得vlookup比较好。
最后一步 透视分类结果。我分别以累计用户数,累计消费次数,累计消费金额做为指标做帕累托图,求得核心用户类别都是“一般挽留、一般发展、重要价值”。
回顾整个分析过程,有点类似求解物理课上的应用题,给定已知某几个条件求某时刻的状态哈,有很多细节需要注意。
熟能生巧,加油!奥利给!