tự học SQL Phân tích RFM

TỰ HỌC SQL: PHÂN TÍCH RFM CHÍNH XÁC, HIỆU QUẢ

Ngày đăng: 13/03/2022
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: AdventureWorkDW2019tu-hoc-spl

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 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)

STTTên trườngMô tảCách tính
1CustomerKeyMã khách hàng
2CustomerNameTên khách hàng( gồm FirstName, MiddleName (nếu có) và LastName)CONCAT_WS(‘ ‘, c.FirstName, c.MiddleName, c.LastName)
3MonthsFrom1stPurchchaseSố tháng từ ngày mua hàng đầu tiênDATEDIFF(MONTH, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’)
4NoPurchasePerYearSố 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)
5AmountPerYearGiá 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)
6TotalProfitTổng SalesAmount- Tổng ProductStandardCostSUM(SalesAmount) – SUM(fi.ProductStandardCost)
7Customer SegmentPhân nhóm theo quy tắc
Output cuối cùng là bảng sau:
CustomerKeyCustomerNameMonthsFrom1stPurchaseNoPurchasePerYearAmountPerYearTotalProfitCustomerSegment
11000Jon V Yang480.752062.24753513.6905Gold
11001Eugene L Huang480.751595.972795.8839Gold
11002Ruben Torres480.752028.513454.8801Gold
11003Christy Zhu490.61627.8583467.1264Gold
11004Elizabeth Johnson480.752049.00253501.9051Gold
11005Julio Ruiz490.61624.2663459.8654Gold
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:

STTTên trườngCách tính
1CustomerKey
2CustomerNameCONCAT_WS(‘ ‘, c.FirstName, c.MiddleName, c.LastName)
3MonthsFrom1stPurchchaseDATEDIFF(MONTH, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’)
4NoPurchasePerYearCOUNT(DISTINCT(fi.SalesOrderNumber))       /CAST(DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float)
5AmountPerYearCAST(SUM(SalesAmount)/ DATEDIFF(YEAR, MIN(CONVERT(CHAR(10), fi.OrderDate, 120)), ‘2015-01-01’) AS float)
6TotalProfitSUM(SalesAmount) – SUM(fi.ProductStandardCost)
  • Câu lệnh:
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)
  • Kết quả:
CustomerKeyCustomerNameRecentOrderMonthFrom1stPurchaseTotalOrderYearsFrom1stOrderNoPurchasePerYearAmountPerYearTotalProfit
20075Aaron A Allen12/2/11 0:0037140.25849.99751487.836
15568Aaron A Hayes9/28/13 0:0028230.6666671037.6571356.908
28866Aaron B Adams4/28/13 0:0021120.558.9852.4628
21414Aaron Butler12/26/13 0:0013120.57.499.3774
18695Aaron C Diaz3/25/13 0:0043240.51507.3932300.355

Phân loại khách hàng:

Tìm phần trăm khách hàng có AmountPeryear và TotalProfit cao nhất:– Dùng window function
Percent_Rank ()
  • Câu lệnh:
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
  • Kết quả:
CustomerKeyTopActiveTopYearTopProfitTopPur
121320221
123080221
123010221
123000221
121310221
123210221
Thu các cột TopActive, TopYear, TopProfit, TopPur thành một cột – Dùng Unpivot:
  • Câu lệnh:
SELECT CustomerKey

, Score

, SegmentedCustomer

FROM segment

UNPIVOT(

Score FOR SegmentedCustomer IN(TopActive, TopYear, TopProfit, TopPur)

) AS u
  • Kết quả:
CustomerKeyScoreSegmentedCustomer
123080TopActive
123082TopYear
123082TopProfit
123081TopPur
123000TopActive
123002TopYear
123002TopProfit
123001TopPur
123210TopActive
123212TopYear
123212TopProfit
123211TopPur
123070TopActive
123072TopYear
123072TopProfit
Tính tổng điểm cuối cùng theo CustomerKey
  • Câu lệnh:
SELECT CustomerKey

, SUM(Score) AS TotalScore

FROM ScoreCustomer

GROUP BY CustomerKey
  • Kết quả:
CustomerKeyScoreSegmentedCustomer
123080TopActive
123082TopYear
123082TopProfit
123081TopPur
123000TopActive
123002TopYear
123002TopProfit
123001TopPur
123210TopActive
123212TopYear
123212TopProfit
123211TopPur
123070TopActive
123072TopYear
123072TopProfit
Phân loại khách hàng:– Dùng CASE WHEN
  • Câu lệnh:
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
  • Kết quả:
CustomerKeyCustomerSegmented
14324Gold
15652Gold
19897Normal
28387Normal
27059Normal
11407Normal
24142Normal
18569Normal
22814Normal
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.
  • Câu lệnh:

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
  • Kết quả:
CustomerKeyCustomerNameMonthsFrom1stPurchaseNoPurchasePerYearAmountPerYearTotalProfitCustomerSegment
11000Jon V Yang480.752062.24753513.6905Gold
11001Eugene L Huang480.751595.972795.8839Gold
11002Ruben Torres480.752028.513454.8801Gold
11003Christy Zhu490.61627.8583467.1264Gold
11004Elizabeth Johnson480.752049.00253501.9051Gold
11005Julio Ruiz490.61624.2663459.8654Gold

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)
 

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *