很多人在一开始接触数据分析的时候，往往不知道哪些是内容是有用的，哪些内容是没用的，经常是胡子眉毛一把抓，胡乱分析一大堆数据，根本产生不了什么价值，数据分析的工作也会被老板质疑。
其实在我们数据分析的工作中，很多时候都是要在资源有限的情况下，去最大化的撬动效益，这才是数据分析的价值。比如说，用数据分析挖掘创造最大价值的用户，给用户分类针对性营销等，就是一种典型的应用。
那么，怎么用数据分析挖掘出企业最有潜力的客户，衡量不同客户的价值呢？
今天我就来谈谈常用的三个衡量客户价值的数据分析模型：帕累托分析模型、四象限模型、RFM模型，都是数据分析中堪称经典的客户模型。下面我会一一介绍它们的应用场景，这在用户运营、市场营销、客户管理等领域常常会用到。
像帕累托这种经典模型，其实用excel是很容易做出来的，哪怕是数据分析门外汉也能轻松做出来简易的帕累托模型。
但是毕竟我们是数据分析师，要知道我们的数据维度是相当大的，Excel是肯定不能满足我们的需求。这时候，我们的工具也需要进化了，一般来说我现在都是用专业的BI工具进行数据分析。
帕累托原则，又称二八原则，是关于效率与分配的判断方法。帕累托法则是指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。应用在企业中，就是80%的利润来自于20%的项目或重要客户。
模型的解释：
当一个企业80%利润来自于20%的客户总数时，这个企业客户群体是健康且趋于稳固的。
当一个企业80%利润来自大于20%的客户总数时，企业需要增加大客户的数量。
当一个企业80%利润来自小于20%的客户群时，企业的基础客户群需要拓展与增加。
模型的实际使用：
如下图某商场品牌商的销售额。一共10家客户，5家客户（50%）提供了80%的销售额，这就说明需要增加大品牌客户数量。
（这个例子客户数量较少，不是非常恰当，大家理解意思即可）
带来大量销售额的客户必须认真对待和维护，如果客户数量大，尤其需要列出重点客户重点跟进，把有限的精力放在创造利润大的客户上。
四象限最初是一个时间管理模型，按照紧急、不紧急、重要、不重要排列组合分成四个象限，以此便于对时间进行有效的管理。
模型解释：运用在客户分析中，也就是利用销售额和利润这两个重要指标分为四个象限，对我们的客户进行分组。
具体措施如下：
模型的实际使用：
如图所示，每个销售大区与每个销售年份下的客户分布。
通过筛选数据，我们得到我们想要的客户信息。
RFM分析是客户关系分析中一种简单实用客户分析方法，他将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。
R——最后交易距离当前天数（Recency）
F——累计交易次数（Frequency）
M——累计交易金额（Monetary）
在这三个制约条件下，我们把M值大，也就是贡献金额最大的客户作为“重要客户”，其余则为“一般客户"和”流失客户“。基于此，我们产生了8种不同的客户类型。
模型的解释：
模型的实际应用：
RFM模型主要按照特定的要求将客户筛选出来。
以下是我建立的一个客户筛选可视化模板，可以整体看看客户的情况。
最后，以上模型也可应用在别的业务场景下。比如帕累托模型衍生出的ABC分类法，可用于产品分析。比如将70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分C商品，以达到资源管理的最优状态。
所以，模型的学习关键在于理解原理，以后各项分析都融汇贯通。
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033