文档介绍:第二讲:部分数据分析方法的应用(基于spss)
主讲人:邓光耀
1、概述
,具体选择哪种方法分析数据,要由数据分析的目的来定。
,如RFM模型、回归分析、相关分析等,这些方法都有一定的适用范围,听者不必拘泥于这些方法。
,自然要有比较深厚的数学功底,但是大家的数学基础有限,因此本讲既有必要节制性地引入数学知识,又不必对数学方法做炫耀性的滥用。
2、RFM模型
,经常会遇到这样的问题:假设你的客户很多,但是由于你本人的精力与成本有限,哪么你应当通过什么样的办法辨别哪些是应当重点处理的客户?
Hughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析最好的指标:最近一次消费(Recency),消费频率(Frequency),消费金额(ary)。
:—,如下表:
客户编号
最近一次消费日期
交易累计次数
交易累计金额/元
1
3
10625
2
8
92364
3
15
152362
4
2
8654
5
5
30128
6
12
125696
7
1
3026
8
7
43286
9
5
10234
10
4
25643
我们先处理最近交易日期的数据,,假设一周之内的数据设为5,如客户3的最近交易日期这分项可以设为5;大于一周且在一个月内的数据设为4,可得到客户6、9的最近交易日期这一分项可设为4;大于一个月且在两个月内设为3,可得客户2、8的最近交易日期这一分项可设为3;大于2个月且在四个月内设为2,可得客户1、5、10的最近交易日期这一分项可设为2;大于四个月且在六个月内设为1,可得客户4、7的最近交易日期这一分项可设为1。这样分类是否合理要由实践验证。
依次分类如下:2,3,5,1,2,4,1,3,4,2.
累计交易次数我们可以简单地按等分的办法分类,即1-3次设为1,4-6次设为2,7-9次设为3,10-12次设为4,13-15次设为5,可依次得到客户的对应数值如下:
1,3,5,1,2,4,1,3,2,2 .
我们综合以上步骤,可得到如下表格:
客户编号
R
F
M
总分
1
2
1
2
5
2
3
3
4
10
3
5
5
5
15
4
1
1
1
3
5
2
2
3
7
6
4
4
4
12
7
1
1
1
3
8
3
3
3
9
9
4
2
2
8
10
2
2
3
7
我们对此表格做简单的分析,如果销售人员的精力与成本有限,可以重点考虑满足以下条件的客户:
因为相比于R,F,销售人员可能更看重M(累计金额),故取
另外对总分也有一定的要求,这里我们取