|

基于RFM模型与Tableau Prep NTILE函数的旅客价值分层实现

Author喜乐君 Publish

一、 总体思路

为科学、动态地评估旅客价值，我们将采用业界成熟的RFM模型，并结合航空公司业务特性，创新性地引入“忠诚度（Loyalty）”维度，构建RFML四维价值评估模型。

在技术实现上，我们将利用Tableau Prep内置的高效窗口函数NTILE，通过以下五个步骤，完成从原始数据到最终价值标签的全过程自动化处理。

二、 实现步骤

第一步：指标定义与数据准备 (Indicator Definition & Data Preparation)

此阶段的核心是明确计算口径，并整合所需数据。

  1. 数据源整合：在Tableau Prep中，连接并整合旅客票务系统（PSS）与常旅客系统（FFP）的数据。
  2. 确立分析周期：筛选过去24个月的旅客行为数据作为计算基础。
  3. 定义RFML四维指标：为每个旅客计算以下四个原始指标：
    • R (Recency – 最近一次行程): 当前日期 - 旅客最后一次乘机日期，得到具体天数。
    • F (Frequency – 消费频率): 过去24个月内，旅客的有效乘机航段总数。
    • M (Monetary – 消费金额): 过去24个月内，旅客的累计购票金额。
    • L (Loyalty – 忠诚度指标): 当前有效积分余额 或一个综合了积分余额、积分活跃度的复合指标。

第二步：使用 NTILE 函数进行指标分组

此阶段利用Tableau Prep最新的NTILE函数，将所有旅客在每个维度上平均分为5个等级。

  1. 在Tableau Prep的数据流中，添加一个新的“清理步骤”。
  2. 创建以下四个计算字段，分别对应RFML四个维度的分组：
    • [R_Ntile_Group]:// 按“天数”升序排列，最近来的旅客将被分到第1组 {ORDERBY [最近一次行程天数] ASC: NTILE(5)}
    • [F_Ntile_Group]:// 按“频次”降序排列，飞得最多的旅客将被分到第1组 {ORDERBY [飞行频次] DESC: NTILE(5)}
    • [M_Ntile_Group]:// 按“金额”降序排列，消费最高的旅客将被分到第1组 {ORDERBY [消费金额] DESC: NTILE(5)}
    • [L_Ntile_Group]:// 按“忠诚度”降序排列，积分行为最优的旅客将被分到第1组 {ORDERBY [忠诚度指标] DESC: NTILE(5)}
    • 产出结果：此步骤完成后，每个旅客都会获得四个分组号（R/F/M/L_Ntile_Group），其中1代表最优群体。

第三步：分组反转与标准化评分

为了让评分符合“分数越高，价值越高”的业务直觉，我们需要将NTILE函数产出的分组号进行反转。

  1. 在同一步骤中，创建四个最终的评分字段：
    • [R_Score] = 6 - [R_Ntile_Group]
    • [F_Score] = 6 - [F_Ntile_Group]
    • [M_Score] = 6 - [M_Ntile_Group]
    • [L_Score] = 6 - [L_Ntile_Group]
  2. 产出结果：此步骤完成后，每个旅客都将获得四个标准化的、介于1到5之间的评分（R/F/M/L_Score），其中5代表最优表现。

第四步：权重分配与综合价值计算

根据业务的侧重点，为四个维度的评分赋予不同权重，计算出最终的综合价值分。

  1. 定义权重：与业务专家共同定义RFML四个维度的权重（wR, wF, wM, wL），确保 wR + wF + wM + wL = 1。例如：wR=0.1, wF=0.3, wM=0.4, wL=0.2。
  2. 创建计算字段 [综合价值分]:([R_Score] * 0.1) + ([F_Score] * 0.3) + ([M_Score] * 0.4) + ([L_Score] * 0.2)
  3. 产出结果：每个旅客将得到一个唯一的、可横向比较的综合价值分数。

第五步：客户分层与标签生成

根据综合价值分数，为旅客打上最终的价值等级标签。

  1. 定义分层阈值：基于综合价值分数的分布情况，设定分数区间，定义不同价值等级。
  2. 创建计算字段 [价值等级标签]:IF [综合价值分] > 4.5 THEN "五星旅客" ELSEIF [综合价值分] > 3.5 THEN "四星旅客" ELSEIF [综合价值分] > 2.5 THEN "三星旅客" ELSEIF [综合价值分] > 1.5 THEN "二星旅客" ELSE "一星旅客" END
  3. 产出结果：在最终输出的数据中，生成清晰的、可供业务直接使用的价值等级标签。

三、 自动化与部署

将以上所有步骤创建的Tableau Prep流程（Flow）进行保存，并可以发布到Tableau Server或Tableau Cloud上，设置定时刷新计划（例如：每月一次），即可实现整个旅客价值分析过程的完全自动化。

参考：创建详细级别、排名和分片计算

类似文章