RFM-analyse

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

De RFM-analyse kan alleen worden geconfigureerd als u beschikt over de Adobe Commerce Intelligence Pro-abonnement op de nieuwe architectuur (bijvoorbeeld als u de Data Warehouse Views optie onder de Manage Data ). Deze kolommen kunnen worden gemaakt op basis van de Manage Data > Data Warehouse pagina. 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 de afbeelding hieronder om uw bestand op te maken.

Berekende kolommen

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

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 laatste besteldatum van 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

  • Telreferentie tabel (dit is het bestand dat u hebt geüpload met het nummer "1")

  • Aantal klanten

  • Column type: Many to One > Count Distinct

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

  • Geselecteerd column: sales_flat_order.customer_email OF customer_entity.entity_id

  • Klant_entiteit table

  • 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) Rangorde volgens het aantal orders in de levensduur van de klant, Aantal klanten

  • Calculation: - case als A null is, dan null else (B-(A-1)) end

  • 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

  • Telreferentie table

  • Number of customers: (RFM > 0)

  • Column type: Many to One > Count Distinct

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

  • Geselecteerd column: sales_flat_order.customer_email OF customer_entity.entity_id

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

  • Klant_entiteit table

  • 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 dat alle nieuwe kolommen als afmetingen toevoegen aan metriek alvorens nieuwe rapporten op te stellen.

Rapporten

  • Klanten per RFM-groep

  • 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