Posted on

Tableau Tips: 电商常用统计指标计算方式(新客、RFM、复购等)

对于电商团队来说,数据是最为宝贵的「财富」,从业务指导的角度来看,电商运营往往会关注几个关键指标,结合 Tableau 的 LOD ,我们可以更加便捷地计算并可视化这些关键指标。

新客

定义:特定时间段内,第一次下单的客户数。新客运营指标中还包括新客获取成本、新客客单价。获客成本体现拉新质量。

在 Tableau 中,使用 LOD 计算新客数特别方便:

IF {FIXED [user_id] : MIN([下单时间])} = [下单时间] THEN [user_id] END

如上,{FIXED [user_id] : MIN([下单时间])} 计算出特定 user_id 第一次下单时间,通过 IF 语句我们可以判断出该用户是否为新客。最后通过 COUNTD([Is_New_Customer per Customer]) 即可计算在 [下单时间]节点上的新客数量。

RFM 模型

关于 RFM 的实际使用场景,后续会再做专文介绍,本文主要重点介绍如何在 Tableau 中快速建立 RFM 模型。

首先还是要了解基础概念:http://wiki.mbalib.com/wiki/RFM%E6%A8%A1%E5%9E%8B

三个关键点:R / F / M

最近一次消费(Recency)

DATEDIFF('day',{ FIXED [user_id] : MAX([日期])},DATE(NOW()))

通过 Max([下单日期]) 我们可以获取到用户最后消费时间,然后通过 DATEDIFF 函数我们可以计算出距离统计时间节点时用户最后一次下单的时间段。

消费频率(Frequency)

{ FIXED [user_id]:COUNTD([order])}

直接通过 COUNTD([order]) 即可统计特定 user_id 的下单总数。

消费金额(Monetary)

类似于消费频率,直接通过 SUM([total_cost])即可计算出来。

{ FIXED [user_id]: SUM([total_cost])}

最后,结合 R / F / M 这 3 个因子,我们可以根据实际需求去计算我们的 RFM 用户模型。

复购率

日常使用中一般计算月复购,只要客户在统计周期内消费过两次以上,都算有复购行为。

首先需要计算有复购行为的人数:

COUNTD(IF [每人购买次数(以天为单位)] > 1 then [user_id] END)

然后 [每人购买次数(以天为单位)]:

{ INCLUDE [user_id]: COUNTD(DAY([下单时间]))}

最后计算复购率:复购人数/下单总人数

[复购人数]/COUNTD(user_id)
发表评论