电商用户大数据分析实际案例和代码RFM模型
时间: 2024-03-05 09:55:13 浏览: 144
用RFM模型细分电商客户价值
RFM模型是电商用户大数据分析中常用的一种模型,用于衡量用户价值和忠诚度。RFM模型包括三个指标:
R (Recency):最近一次购买时间距离当前时间的天数,表示用户的活跃度。
F (Frequency):用户购买的次数,表示用户的忠诚度。
M (Monetary):用户购买的总金额,表示用户的价值。
以下是一个电商平台的用户RFM模型分析案例和对应的 SQL 语句:
1. 计算每个用户的R、F、M值
```sql
SELECT user_id,
DATEDIFF(NOW(), MAX(purchase_time)) AS R,
COUNT(*) AS F,
SUM(amount) AS M
FROM purchase_table
GROUP BY user_id;
```
2. 对R、F、M值进行分组,并计算每个组的平均值和标准差
```sql
SELECT
CASE
WHEN R < 30 THEN '1. 0-30'
WHEN R < 60 THEN '2. 31-60'
WHEN R < 90 THEN '3. 61-90'
ELSE '4. 91+'
END AS R_Group,
CASE
WHEN F < 2 THEN '1. 1-2'
WHEN F < 4 THEN '2. 3-4'
WHEN F < 6 THEN '3. 5-6'
ELSE '4. 7+'
END AS F_Group,
CASE
WHEN M < 100 THEN '1. 0-100'
WHEN M < 200 THEN '2. 101-200'
WHEN M < 500 THEN '3. 201-500'
ELSE '4. 501+'
END AS M_Group,
COUNT(*) AS user_count,
AVG(R) AS avg_R,
AVG(F) AS avg_F,
AVG(M) AS avg_M,
STDDEV(R) AS std_R,
STDDEV(F) AS std_F,
STDDEV(M) AS std_M
FROM
(SELECT user_id,
DATEDIFF(NOW(), MAX(purchase_time)) AS R,
COUNT(*) AS F,
SUM(amount) AS M
FROM purchase_table
GROUP BY user_id) AS RFM
GROUP BY R_Group, F_Group, M_Group;
```
这里的 R_Group、F_Group、M_Group 分别代表 R、F、M 指标的分组,分别将用户的 R、F、M 值分成四组,分别是 0-30、31-60、61-90、91+ 天,1-2、3-4、5-6、7+ 次,0-100、101-200、201-500、501+ 元。可以根据实际业务场景进行适当调整。
通过RFM模型的分析,可以对用户进行分类,进而制定更有针对性的营销策略,提高用户忠诚度和购买频率,从而提高电商平台的销售额。
阅读全文