Phân tích RFM (RECENCY – FREQUENCY – MONETARY) là một kỹ thuật được sử dụng trong marketing để xếp hạng và phân nhóm khách hàng dựa trên số lần truy cập gần đây, tấn suất và tổng số tiền giao dịch gần đây để có thể tìm ra những khách hàng tiềm năng và thực hiện các chiến dịch marketing. Nếu bạn đang tự học SQL hay tìm hiểu về SQL cũng như cách phân tích RFM thì bài viết này sẽ giúp bạn giải cách quyết bài toán với database:
AdventureWorkDW2019
Tự học SQL – Các vấn đề và giải pháp với phân tích RFM
Các vấn đề gặp phải:
- NoPurchasePerYear (Số lần mua hàng trung bình năm kỳ vọng tính ra sẽ là một số thập phân nhưng thực tế tính ra chỉ có giá trị nguyên:
COUNT(DISTINCT(fi.SalesOrderNumber))/DATEDIFF(YEAR,MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), '2015-01-01')
- Tìm khách hàng trong nhóm 20% khách có AmountPerYear và TotalProfit cao nhất.
- Sau khi tính điểm khách hàng theo quy tắc đề bài, kết quả trà về là những cột TopActive, TopYear, TopProfit và TopPur riêng biệt. Kết quả này khó có thể tính được tổng điểm từng khách hàng vì không thể cộng tổng cột.
Cách giải quyết:
- Với NoPurchasePerYear: chuyển một trong 2 giá trị trong công thức thành số thập phân:
COUNT(DISTINCT(fi.SalesOrderNumber))/CAST(DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), '2015-01-01') AS float)
- Với top 20% AmountPerYear và TotalProfit, dùng Window Funtion:
PERCENT_RANK ()
- , sắp xếp theo AmountPerYear và TotalProfit giảm dần, đánh dấu 1 điểm cho khách hàng trong khoảng từ 0% đến 20%.
- Với tổng điểm khách hàng: Dùng UNPIVOT, kết quả sẽ trả về một cột với CustomerKey mỗi khách hàng được tăng thêm nhiều lần, ứng với điểm tương ứng. Kết quả này có thể dùng để tính tổng điểm của mỗi khách hàng.
Các bước thực hiện phân tích RFM – Tự học SQL
Mô tả các trường và cách tính (Các trường được tính đến ngày 2015-01-01)
STT | Tên trường | Mô tả | Cách tính |
1 | CustomerKey | Mã khách hàng | |
2 | CustomerName | Tên khách hàng( gồm FirstName, MiddleName (nếu có) và LastName) | CONCAT_WS(‘ ‘, c.FirstName, c.MiddleName, c.LastName) |
3 | MonthsFrom1stPurchchase | Số tháng từ ngày mua hàng đầu tiên | DATEDIFF(MONTH, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) |
4 | NoPurchasePerYear | Số lần mua hàng trung bình năm(Tổng số lần mua hàng/số năm từ ngày mua hàng đầu tiên) | Tổng số lần mua hàng: đơn hàng được tính theo ngày, giả định khách không mua hàng hơn 1 lần một ngàyCOUNT(DISTINCT(fi.SalesOrderNumber)) /CAST(DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float) |
5 | AmountPerYear | Giá trị mua hàng trung bình năm(Tổng giá trị mua hàng/số năm từ ngày mua hàng đầu tiên) | CAST(SUM(SalesAmount)/ DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float) |
6 | TotalProfit | Tổng SalesAmount- Tổng ProductStandardCost | SUM(SalesAmount) – SUM(fi.ProductStandardCost) |
7 | Customer Segment | Phân nhóm theo quy tắc | |
Output cuối cùng là bảng sau:
CustomerKey | CustomerName | MonthsFrom1stPurchase | NoPurchasePerYear | AmountPerYear | TotalProfit | CustomerSegment |
11000 | Jon V Yang | 48 | 0.75 | 2062.2475 | 3513.6905 | Gold |
11001 | Eugene L Huang | 48 | 0.75 | 1595.97 | 2795.8839 | Gold |
11002 | Ruben Torres | 48 | 0.75 | 2028.51 | 3454.8801 | Gold |
11003 | Christy Zhu | 49 | 0.6 | 1627.858 | 3467.1264 | Gold |
11004 | Elizabeth Johnson | 48 | 0.75 | 2049.0025 | 3501.9051 | Gold |
11005 | Julio Ruiz | 49 | 0.6 | 1624.266 | 3459.8654 | Gold |
Cách tính điểm khách hàng: - Khách hàng Active: Mua hàng trong vòng 1 năm gần nhất: 1 điểm
- Khách hàng top 20% có AmountPerYear cao nhất: 2 điểm
- Khách hàng top 20% có TotalProfit cao nhất: 2 điểm
- Khách hàng có NoPurchasePerYear >1 : 1 điểm
Phân loại khách hàng:- Lớn hơn hoặc bằng 5 điểm: Diamond
- 4 điểm: Gold
- 3 điểm: Silver
- Dưới 3 điểm: Normal
Các bước thực hiện phân tích RFM
Tính các trường sau, group by khách hàng:
STT | Tên trường | Cách tính |
1 | CustomerKey | |
2 | CustomerName | CONCAT_WS(‘ ‘, c.FirstName, c.MiddleName, c.LastName) |
3 | MonthsFrom1stPurchchase | DATEDIFF(MONTH, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) |
4 | NoPurchasePerYear | COUNT(DISTINCT(fi.SalesOrderNumber)) /CAST(DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float) |
5 | AmountPerYear | CAST(SUM(SalesAmount)/ DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float) |
6 | TotalProfit | SUM(SalesAmount) – SUM(fi.ProductStandardCost) |
SELECT fi.CustomerKey
, CONCAT_WS(' ', c.FirstName, c.MiddleName, c.LastName) AS CustomerName
, MAX(OrderDate) AS RecentOrder
, DATEDIFF(MONTH, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), '2015-01-01')
AS Monthsfrom1stpur
, COUNT(DISTINCT(fi.SalesOrderNumber)) AS TotalOrder
, DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), '2015-01-01')
AS Yearsfrom1spur
, COUNT(DISTINCT(fi.SalesOrderNumber))
/CAST(DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), '2015-01-01') AS float) AS NoPurchasePerYear
, CAST(SUM(SalesAmount)
/ DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)),
'2015-01-01') AS float) AS AmountPerYear
, SUM(SalesAmount) - SUM(fi.ProductStandardCost) AS TotalProfit
FROM FactInternetSales AS fi
LEFT JOIN DimCustomer AS c
ON fi.CustomerKey = c.CustomerKey
GROUP BY fi.CustomerKey
, CONCAT_WS(' ', FirstName, MiddleName, LastName)
CustomerKey | CustomerName | RecentOrder | MonthFrom1stPurchase | TotalOrder | YearsFrom1stOrder | NoPurchasePerYear | AmountPerYear | TotalProfit |
20075 | Aaron A Allen | 12/2/11 0:00 | 37 | 1 | 4 | 0.25 | 849.9975 | 1487.836 |
15568 | Aaron A Hayes | 9/28/13 0:00 | 28 | 2 | 3 | 0.666667 | 1037.657 | 1356.908 |
28866 | Aaron B Adams | 4/28/13 0:00 | 21 | 1 | 2 | 0.5 | 58.98 | 52.4628 |
21414 | Aaron Butler | 12/26/13 0:00 | 13 | 1 | 2 | 0.5 | 7.49 | 9.3774 |
18695 | Aaron C Diaz | 3/25/13 0:00 | 43 | 2 | 4 | 0.5 | 1507.393 | 2300.355 |
Phân loại khách hàng:
Tìm phần trăm khách hàng có AmountPeryear và TotalProfit cao nhất:– Dùng window function
Percent_Rank ()
SELECT *
, PERCENT_RANK () OVER (ORDER BY AmountPerYear DESC) AS AmountPerYear_rank
, PERCENT_RANK () OVER (ORDER BY TotalProfit DESC) AS TotalProfit_rank
FROM rfm
Gắn điểm khách hàng theo yêu cầu đề bài:SELECT CustomerKey
, CASE
WHEN YEAR(RecentOrder) = 2014 THEN 1
ELSE 0
END AS TopActive
, CASE
WHEN AmountPerYear_rank BETWEEN 0 AND 0.2 THEN 2
ELSE 0
END AS TopYear
, CASE
WHEN TotalProfit_rank BETWEEN 0 AND 0.2 THEN 2
ELSE 0
END AS TopProfit
, CASE
WHEN NoPurchasePerYear > 1 THEN 1
ELSE 0
END AS TopPur
FROM percentrank
CustomerKey | TopActive | TopYear | TopProfit | TopPur |
12132 | 0 | 2 | 2 | 1 |
12308 | 0 | 2 | 2 | 1 |
12301 | 0 | 2 | 2 | 1 |
12300 | 0 | 2 | 2 | 1 |
12131 | 0 | 2 | 2 | 1 |
12321 | 0 | 2 | 2 | 1 |
Thu các cột TopActive, TopYear, TopProfit, TopPur thành một cột – Dùng
Unpivot:
SELECT CustomerKey
, Score
, SegmentedCustomer
FROM segment
UNPIVOT(
Score FOR SegmentedCustomer IN(TopActive, TopYear, TopProfit, TopPur)
) AS u
CustomerKey | Score | SegmentedCustomer |
12308 | 0 | TopActive |
12308 | 2 | TopYear |
12308 | 2 | TopProfit |
12308 | 1 | TopPur |
12300 | 0 | TopActive |
12300 | 2 | TopYear |
12300 | 2 | TopProfit |
12300 | 1 | TopPur |
12321 | 0 | TopActive |
12321 | 2 | TopYear |
12321 | 2 | TopProfit |
12321 | 1 | TopPur |
12307 | 0 | TopActive |
12307 | 2 | TopYear |
12307 | 2 | TopProfit |
Tính tổng điểm cuối cùng theo CustomerKeySELECT CustomerKey
, SUM(Score) AS TotalScore
FROM ScoreCustomer
GROUP BY CustomerKey
CustomerKey | Score | SegmentedCustomer |
12308 | 0 | TopActive |
12308 | 2 | TopYear |
12308 | 2 | TopProfit |
12308 | 1 | TopPur |
12300 | 0 | TopActive |
12300 | 2 | TopYear |
12300 | 2 | TopProfit |
12300 | 1 | TopPur |
12321 | 0 | TopActive |
12321 | 2 | TopYear |
12321 | 2 | TopProfit |
12321 | 1 | TopPur |
12307 | 0 | TopActive |
12307 | 2 | TopYear |
12307 | 2 | TopProfit |
Phân loại khách hàng:– Dùng CASE WHEN
SELECT CustomerKey
, CASE
WHEN TotalScore >=5 THEN 'Diamond'
WHEN TotalScore = 4 THEN 'Gold'
WHEN TotalScore = 3 THEN 'Silver'
WHEN TotalScore < 3 THEN 'Normal'
END AS CustomerSegement
FROM CustomerFinalScore
CustomerKey | CustomerSegmented |
14324 | Gold |
15652 | Gold |
19897 | Normal |
28387 | Normal |
27059 | Normal |
11407 | Normal |
24142 | Normal |
18569 | Normal |
22814 | Normal |
Mỗi bước ở trên là một CTE, JOIN CTE đầu là các trường dữ liệu đã được tính và CTE cuối có cột phân loại khách hàng cuối cùng.
SELECT rfm.CustomerKey
, rfm.CustomerName
, rfm.Monthsfrom1stpur AS MonthFrom1stPurchase
, rfm.NoPurchasePerYear
, rfm.AmountPerYear
, rfm.TotalProfit
, fcs.CustomerSegement
FROM rfm
LEFT JOIN FinalCustomerSegment AS fcs
ON rfm.CustomerKey = fcs.CustomerKey
ORDER BY CustomerKey
CustomerKey | CustomerName | MonthsFrom1stPurchase | NoPurchasePerYear | AmountPerYear | TotalProfit | CustomerSegment |
11000 | Jon V Yang | 48 | 0.75 | 2062.2475 | 3513.6905 | Gold |
11001 | Eugene L Huang | 48 | 0.75 | 1595.97 | 2795.8839 | Gold |
11002 | Ruben Torres | 48 | 0.75 | 2028.51 | 3454.8801 | Gold |
11003 | Christy Zhu | 49 | 0.6 | 1627.858 | 3467.1264 | Gold |
11004 | Elizabeth Johnson | 48 | 0.75 | 2049.0025 | 3501.9051 | Gold |
11005 | Julio Ruiz | 49 | 0.6 | 1624.266 | 3459.8654 | Gold |
Kết luận:
Phân tích RFM giúp phân loại khách hàng và trả lời cho những câu hỏi:
- Khách hàng nào thuộc nhóm trung thành với lượt mua trung bình năm nhiều nhất?
- Khách hàng công ty đang có nguy cơ mất?
- Cần tập trung chiến lược marketing cho nhóm khách hàng nào?
Kết quả cuối cùng cho thấy nhóm khách hàng ‘Diamond’ và ‘Gold’ tuy có số lượt mua trung bình năm ít hơn các nhóm khách hàng khác nhưng là những nhóm mang lại lợi nhuận nhiều nhất cho công ty do có sức mua lớn. Kết quả này cũng có mối liên hệ với nguyên lý Pareto: “80% doanh thu công ty đến từ 20% khách hàng.”Dựa vào kết quả phân tích, công ty có thể cân nhắc chiến lược kinh marketing phù hợp cho từng nhóm đổi tượng khách hàng.
DP-080: Querying Data with Microsoft T-SQL
Data Analytics Foundation (DAF)