DocumentatieCommerceCommerce Intelligence-gebruikershandleiding

[Alleen PaaS]{class="badge informative" title="Is alleen van toepassing op Adobe Commerce op Cloud-projecten (door Adobe beheerde PaaS-infrastructuur) en op projecten in het veld."}

RFM-analyse

Last update: Mon Oct 06 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Gemaakt voor:

  • Beginner
  • tussenpersoon
  • Beheerder
  • Gebruiker

Dit onderwerp toont aan hoe te opstelling een dashboard dat u toestaat om uw klanten door hun recentie, frequentie, en monetaire rankings te segmenteren. De analyse van RFM is een marketing techniek die klantengedrag in overweging neemt om u te helpen segmentatie voor outreach bepalen. Het omvat drie aspecten:

  1. Recente periode in hoe recent een klant bij uw winkel heeft gekocht
  2. Frequentie in hoe vaak ze van u kopen
  3. Monetair in hoeveel de klant besteedt

het dashboard van de analyse van RFM die recentie, frequentie, en monetaire waardesegmenten tonen

De RFM-analyse kan alleen worden geconfigureerd als u het Adobe Commerce Intelligence Pro-plan voor de nieuwe architectuur hebt (bijvoorbeeld als u de optie Data Warehouse Views onder het menu Manage Data hebt). Deze kolommen kunnen worden gemaakt op basis van de pagina Manage Data > Data Warehouse . Hieronder vindt u gedetailleerde instructies.

Aan de slag

U moet eerst een bestand uploaden dat alleen een primaire sleutel met de waarde één bevat. Hierdoor kunnen enkele noodzakelijke berekende kolommen voor de analyse worden gemaakt.

U kunt dit ​ artikel ​ en het beeld hieronder gebruiken om uw dossier te formatteren.

Berekende kolommen

Een verder onderscheid wordt gemaakt als uw zaken gastorden toestaat. Als dat het geval is, kunt u alle stappen voor de tabel customer_entity negeren. Als gastorders niet zijn toegestaan, negeert u alle stappen voor de tabel sales_flat_order .

Te maken kolommen

  • Sales_flat_order/customer_entity table

  • Customer's last order date

  • Column type: Many to one > Max

  • Pat: sales_flat_order.customer_id > customer_entity.entity_id

  • Geselecteerd column: created_at

  • Filter: Orders we count

  • ​
    Seconden sinds de laatste ordedatum van de klant

    • Column type : - "Zelfde tabel > Leeftijd

  • Geselecteerd column: Customer's last order date

  • (invoer) Verwijzing naar aantal

  • Column type: Same table > Calculation

  • ​
    Inputs: entity_id

  • Calculation: **case when A is null then null else 1 end**

  • ​
    Datatype: Integer

  • de verwijzings lijst van de Telling (dit is het dossier u met het aantal "1"uploadde)

  • Aantal klanten

  • Column type: Many to One > Count Distinct

  • Path: ales_flat_order.(input) reference > Count reference.Primary Key OR customer_entity.(input)reference > Count Reference . Primary Key

  • Geselecteerd column: sales_flat_order.customer_email OR customer_entity.entity_id

  • Customer_entity lijst

  • Aantal klanten

  • Column type: One to Many > JOINED_COLUMN

  • Path: customer_entity .(input) reference > Customer Concentration. Primary Key

  • Geselecteerd column: Number of customers

  • (invoer) Ranking by customer lifetime revenue

  • Column type: Same table > Event Number

  • Event owner: (input) reference for count

  • Event rank: Customer's lifetime revenue

  • Rangschikken op basis van de inkomsten uit de levensduur van de klant

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer lifetime revenue , Number of customers

  • Calculation: case when A is null then null else (B-(A-1)) end

  • ​
    Datatype: Integer

  • Monetaire score van de klant (in percentielen)

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer lifetime revenue , Number of customers

  • Calculation: Case when round((B-A+1)*100/B,0) <= 20 then 5 when round((B-A+1)*100/B,0) <= 40 then 4 when round((B-A+1)*100/B,0) <= 60 then 3 when round((B-A+1)*100/B,0) <= 80 then 2 when round((B-A+1)*100/B,0) <= 100 then 1 else 0 end

  • ​
    Datatype: Integer

  • (input) Rangorde volgens het aantal orders in de levensduur van de klant

  • Column type: Same table > Event Number

  • Event owner: (input) reference for count

  • Event rank: Customer's lifetime number of orders

  • Rangschikking volgens het aantal orders in de levensduur van de klant

  • ​
    , kolomtype: – “Zelfde tabel > Berekening”

  • Inputs: - (input) het Rangschikken door het aantal van het klantenleven van orden, Aantal klanten

  • Calculation: - geval wanneer A ongeldig dan ongeldig anders (B- (A-1)) eind is

  • Datatype: - Geheel getal

  • Frequentiescore van de klant (in percentielen)

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer lifetime number of orders , Number of customers

  • Calculation: Case when round((B-A+1)*100/B,0) <= 20 then 5 when round((B-A+1)*100/B,0) <= 40 then 4 when round((B-A+1)*100/B,0) <= 60 then 3 when round((B-A+1)*100/B,0) <= 80 then 2 when round((B-A+1)*100/B,0) <= 100 then 1 else 0 end

  • ​
    Datatype: Integer

  • Volgorde door seconden sinds laatste de ordedatum van de klant

  • Column type: Same table > Event Number

  • Event owner: (input) reference for count

  • Event rank: Seconds since customer's last order date

  • Recentiescore van de klant (in percentielen)

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer lifetime number of orders , Number of customers

  • Calculation: Case when (A * 100/B,0) <= 20 then 5 when (A * 100/B,0) <= 40 then 4 when (A * 100/B,0) <= 60 then 3 when (A * 100/B,0) <= 80 then 2 when (A * 100/B,0) <= 100 then 1 else 0 end

  • ​
    Datatype: Integer

  • Recentiescore van de klant (in percentielen)

  • Column type: Same table > Calculation

  • Inputs: Customer's recency score (by percentiles) , Customer's frequency score (by percentiles) , Customer's monetary score (by percentiles)

  • Calculation: case when (A IS NULL or B IS NULL or C IS NULL) then null else concat(A,B,C) end

  • ​
    Datatype: String

  • de verwijzing van de Telling lijst

  • Number of customers: (RFM > 0)

  • Column type: Many to One > Count Distinct

  • Path: sales_flat_order.(input) reference > Customer Concentration. Primary Key OR customer_entity.(input)reference > Customer Concentration.Primary Key

  • Geselecteerd column: sales_flat_order.customer_email OR customer_entity.entity_id

  • Filter: Customer's RFM score (by percentile) Niet gelijk aan 000

  • Customer_entity lijst

  • Number of customers: (RFM > 0)

  • Column type: One to Many > JOINED_COLUMN

  • Path: customer_entity.(input) reference > Customer Concentration.Primary Key

  • Geselecteerd column: - Number of customers

  • Recentiescore van de klant (R+F+M)

  • Column type: Same table > Calculation

  • Inputs: - Customer's recency score (by percentiles) , Customer's frequency score (by percentiles) , Customer's monetary score (by percentiles)

  • Calculation: case when (A IS NULL or B IS NULL or C IS NULL) then null else A+B+C end

  • ​
    Datatype: Integer

  • (input) Rangschikking volgens de algemene RFM-score van de klant

  • Column type: Same table > Event Number

  • Event owner: (input) reference for count

  • Event rank: Customer's recency score (R+F+M)

  • Filter: Customer's RFM score (by percentile) Niet gelijk aan 000

  • Rangschikking volgens totale RFM-score van de klant

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer's overall RFM score , Number of customers (RFM > 0)

  • Calculation: case when A is null then null else (B-(A-1)) end

  • ​
    Datatype: Integer

  • RFM-groep van de klant

  • Column type: Same table > Calculation

  • Inputs: (input) Ranking by customer lifetime revenue , Number of customers

  • Calculation: Case when round(A * 100/B,0) <= 20 then '5. copper' when round(A * 100/B,0) <= 40 then '4. bronze' when round(A * 100/B,0) <= 60 then '3. silver' when round(A * 100/B,0)<= 80 then '2. gold' else '1. Platinum' end

  • ​
    Datatype: Integer

NOTE
De gebruikte percentielen zijn zelfs splitsingen van klanten (bijvoorbeeld, 20 percentenemmers om 1-5 terug te keren). Als u een aangepaste manier hebt waarop u deze wilt wegen, laat dan de analist weten wanneer u het ticket verzendt.

Metrisch

Geen nieuwe metriek!

NOTE
Zorg ervoor om ​ alle nieuwe kolommen als afmetingen aan metriek ​ toe te voegen alvorens nieuwe rapporten te bouwen.

Rapporten

  • Klanten door groepering RFM

  • Metrisch A: New customers

  • Metric: New customers

  • Filter: Customer's RFM score (by percentiles) Not Equal to 000

  • Time period: All time

  • ​
    Interval: None

  • Diagram verbergen

  • Group by: Customer's RFM group

  • ​
    Group door: Email

  • ​
    Chart type: Table

  • Klanten met vijf recentiescore

  • Metrisch A: New customers

  • Metric: New customers

  • Filter: Customer's recency score (by percentiles) Equal to 5

  • Time period: All time

  • ​
    Interval: None

  • ​
    Chart Type: Scalar

  • Diagram verbergen

  • ​
    Group door: Email

  • Group by: Customer's RFM score (R+F+M)

  • ​
    Chart type: Table

  • Klanten met één recentiescore

  • Metrisch A: New customers

  • Metric: New customers

  • Filter: Customer's recency score (by percentiles) Equal to 1

  • Time period: All time

  • ​
    Interval: None

  • ​
    Chart Type: Scalar

  • Diagram verbergen

  • ​
    Group door: Email

  • Group by: Customer's RFM score (R+F+M)

  • ​
    Chart type: Table

Nadat u alle rapporten hebt gecompileerd, kunt u deze naar wens op het dashboard ordenen. Het resultaat kan als het bovengenoemde steekproefdashboard kijken, maar de drie geproduceerde lijsten zijn enkel voorbeelden van de types van klantensegmentatie u kunt uitvoeren.

recommendation-more-help
e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc