如何计算rfm三个维度的均值
粉丝30获赞410
相关视频
02:54查看AI文稿AI文稿哈喽，大家好，今天我们来学习一下计算变量，那什么是计算变量呢？假如说我们现在有这样一份数据，然后 a 一到 b 四都是一些量表型的数据， 他的曲直都是一到五的这样，然后一就代表的非常不满意到非常满意这样的， 然后我们想啊对每一个维度计算一下他的新变量，比如说 a 这个维度包含 a 一到 a 五这五个变量，那我们想提炼出来一个新的变量来概括 a 这个维度需要怎么做？ 一般是我们要对这五个变量来求一个均值作为这个维度的新变量，那我们就需要点击转换计算变量， 然后我们在这里，嗯，假如说我们起一个名字就叫 a 吧，然后它是由 a 一到 a 五这五个变量求均值的，那我们就写一下均值的表达，是在这个函数组这里找到统计， 然后在这里选择 me， 也就是均值，然后点击箭头，它这个公式就会自动的到这里了。然后这个里面呢就是我们输入需要计算均值的变量，呃， 这里我们就把 a 一到 a 五放进来，然后每一个变量之间用英文的逗号来隔开，嗯，双击每一个变量，它就会自动进到这个里面， 那这个 a 的变量它求均值，就是 a 一到 a 五，然后点击确定， 可以看到这里面就生成了一个新的变量叫 a， 它就是可以用来衡量 a 一到 a 五这五个变量的，然后我们再来计算一下 b 吧。假如说是同样的，点击转换计算变量，然后目标变量这里可以输入 b， 然后数数字表达是这里，你就把嗯，这里面的变量删掉，然后再把 b 一还有 b 二、 b 三、 b 四这四个变量放进来，然后点击确定，这样就会生成一个新的变量 b， 那他们两个就可以用来代表这些 a 维度和 b 维度。然后我们再 可以继续对这两个新的变量做一些描述统计啊，或者是相关性分析、回归分析都是可以的。好，这个就是，嗯，如何计算维度的变量？
1036spss小师姐
08:17查看AI文稿AI文稿上期视频给大家介绍了 ifm 模型的原理，本期视频将演示具体的操作步骤。首先我们要从订单明细里面提取以下四个关键字段，一、订单编号二、客户 id。 三、下单日期四、实付金额。 其中订单编号用于统计下单频次，对应 f frequency 这个指标。下单日期用于统计最近一次的下单时间，对应二、 residency 这个指标。 最后一个实付金额用于统计消费金额，对应 m monitor 为这个指标。接下来我们将使用数据透视表进行演示，将鼠标点至数据区域任意单元格，点击插入数据透视表表格和区域，选择新工作表，点击确定。 先将客户 id 拖至行的部分，再将下单日期拖至值的部分。这边需要注意的是，我们的目的并不是统计下单日期的个数，而是需要获取最近一次的下单日期，因此要对值进行设置， 点击向下的箭头，选择值自断设置，找到最大值，点击确定。接着调整一下日期的格式，选中日期列， 选择短日期。这样我们就获取了每一个客户最近一次的下单日期，可以去到订单明细里面验证一下，比如说 c 零零一这个客户，我们看一下，在明细里面，最近一次的 下单日期是十月二十五号，这边展示的也是十月二十五号，没有问题。接着我们将订单编号拖入值的部分，将求和项调整为计数， 再更改一下这类的格式为常规，这样每一个客户的下单次数就统计出来了。最后再将实付金额拖至值的部分， 把它调整至末尾，设置格式为数字。至此， ifm 模型所需要的三个关键字段我们都已经获取了。接着选中整张数据透视表，复制一 一下，把它的值和格式粘贴到一张新的工作表里面，选择性粘贴选择值和数字格式，点击确定，双击调整列宽，接着去到表格的最底部，将总计这一行删除。 接下来我们来解决上一个视频的遗留问题，那就是 r、 f、 m 这三个指标对应的远和近，高和低标准是如何确定的？ 先讲第一个指标，最近一次的消费间隔。想要获取这个数据，我们还需要对下单日期进行一下处理。插入一列，可以用今天的日期 today 函数减去 下单日期，获得一个时间间隔。当然，你也可以指定一个日期，再去跟下单日期相减。调整格式为常规，再复制粘贴为数值， 这样就获取到了最近一次的消费时间间隔。把表头改下， 更改为最近一次时间间隔。二、不需要的列可以把它删掉，另外两个表头也都可以替换掉。 再回到那个问题，最近一次时间间隔是远还是近，根据什么标准来判定？一般有两种方式，一个是跟总体的平均值比，另外一个是跟中位数比。那什么 情况取平均值，什么情况取中尾数呢？这就取决于数值最小值和最大值之间的差异是否特别巨大。我们点开筛选项看一下，最小值是一，最大值是四十二，差异并不是特别的巨大，因此可以取平均数。 什么样才叫差异巨大呢？比如说最小值是一，最大值是四千，其他值也都是几十。 这种情况下，如果说取平均数会导致整体的平均值拉高，从而失真，这种情况下就应该取中位数，中位数的话就可以消除极值对于总体数值的一个影响。 同样，我们来看一下 f 列和 m 列的数值，最小值和最大值之间都没有量级的差距， 我们就可以都取平均数作为判定标准。取平均数用到的是 average 函数，等于 average a p e 二 a g e 参数选择比列， 这样就计算出了二的平均值，再向右拖动，分别计算出 f 和 m 的平均值。接下来用一函数进行判定时间间隔是远还是近，输入等于 if， 选择 b 四，他去跟二的平均值进行比较。 如果说小于平均数代表离得近，小于 j 二， j 二可以用 f 四锁定，离得近用一表示，离得远，用零表示。按下回车键，双击向下填充。接下来 判定 f， 输入等于 e， 选择 c 四单元格，它去跟 f 的平均值进行比较。如果说大于平均值，它就是消费频次高，否则消费频次低。大于 k 二，用 f 四锁定 大于 k 二的话，输入一，否则输入零，双击向下填充 m， 类似的输入等于 if。 第四，它去跟 m 的平均值进行比较。如果说大于平均值， 那就是消费金额高，输入一，否则是零， 双击向下填充。这边需要注意的是啊，是跟平均值比，小于平均值收入一， fm 都是要大于平均值才是显示一， 这个跟商业逻辑结合就比较好理解。作为商家，当然希望消费者最近一次的购买时间离得越近越好，因此二值要跟平均数小于平均数显示一， 而 fm 呢，当然是越高越好，因此他们需要跟平均数比，比平均数大再显示一。 有了 r、 f、 m 的值之后，就可以去到客户类型这张表里面匹配出每个客户对你的客户类型了。这边需要注意的是，在匹配的时候，需要对 r、 f、 m 这三个值用按的符号进行一个拼接，匹配函数用到的是 video car 输入等 we look up 第一个参数选择一四单元格，用按符号把 f 四拼起来，再把即四拼起来，这样就将 r、 f、 m 这三个值拼到一起，再去跟客户类型这张表里面的辅助列进行比较， 选择 a 制比列，然后返回第二列，需要精确匹配，输入零， 双击向下填充。至此，每个客户匹配出对应的客户类型，接下来相关部门就可以针对不同的客户类型采取不同的客户精细化运营策略。以上就是本期视频的全部内容，感谢观看！
494Excel实战小技巧
03:08
02:15查看AI文稿AI文稿三维 rfm 营销模型的呈现形式，我们现在按照呃三维的一个一个模型的方式去建立你的 f 模型啊， 那其实大家对于频率、频次和金额大家其实是相对比较理解的了，那我们现在如果是把我们的 off 模型变成是一个三维模型， 在这个三维的基础之上啊，那我们可能需要帮你的频率、频次、金额把它分成不同的九个单元格， 那你在你对应的单元格当中，根据你的会员群体在于你的最近消费时间的偶尔值来进行展开。好那么多关于偶尔值大家应该都知道了啊，他是一个时间维度对吧？关于 f 值的话呢，他是一个你的频次维度，是你的次 数的额度，关于 m 值他是代表的金额的维度，那么我们如果把用九个单元格来作为对应的展开来看的话， 你可以进行一步的组合，分析出不同价值会员的一个活跃程度，那么大家可以看我帮大家整理了一份，就是我们现在去做的一个 iphone 模型当中的啊，这个就是三维的模型， 在这个模型当中，其中你会根据到就是比如说低金额的用户的人数，中金额的用户的人数和高金额的用户的人数。那么低金额的区分，你指的是你的 m 值的范围在什么样的一个范围阶段里面， 然后中金额的区分，你可能更多的区分的是在于最低的这一党和最高的这一党的中间的这个范围值，那么 高金额的当然就是我们的消费金额，以此去突破了多少的这样的一个金额范围，那你在你对应的金额范围当中，你根据于你的三维地体的形式去生成的这样的一个模型的。呃，这个，这个结果啊， 好在这里的话呢，其实是不需要大家去运算的，因为其实对于 sam 们来说，呃已经帮助大家把这些模型都是建立起来了的，那么大家就只要知道这个模型他是如何去呈现的就可以了啊。
10:25查看AI文稿AI文稿哈喽，大家好，已经好久没有更新我们的财务 bp 分析模型的一个模块了，那今天呢，我们来分享一个客户分析的一个模型，那我们客户分析应该从哪些角度 做哪些指标进行分析呢？首先还是我们的一个什么三大重要的一个维度，什么时间？我们的产品以及我们的什么区域， 从哪三个角度呢？时间，空间以及我们的什么载体上进行分析。我们常用的一个客户分析模型是什么样的呢？ 叫做 r f m 模型， r f m 模型， r f m。 那它是从三个不同的维度去什么分析我们的客户，把我们的客户进行分类，然后方便我们去进行客情维护。 那么这几个三个指标他的含义是什么呢？我们首先看啊啊代表了什么？购买时间，他的间隔时间，购买的间隔时间这一个指标呢？他是越低越好，越低越好，为什么呢？我们首先看他是怎么算出来的 购买时间，是某一个客户他最后一次购买我们产品或者是购买我们服务的日期距离吗？我们统计查询距离，我们统计查询日期的最后一天，他们的时间间隔，也就是说 他离我们统计的时间，最后一次购买时间离我们统计查询的日期越近，那肯定是越好的，这个可以理解的吧？那 f 呢？是我们的客户他的购买次数，也就是我们客户他在我们统计查询期内的什么呀？ 购买频率，那这一个指标他肯定是越大越好。然后购买金额，这个不用讲，就是客户在我们统计查询期内他的购买金额，对吧？这个指标肯定也是越大越好， 那就说除了 are 这个指标以外，除了 are 这个指标以外，其他这两个指标都是什么？越大越好， are 它是越小越好。 那这个时候我们需要做一个标准出来，什么样的标准呢？也就是说我们把所有的客户，他的 rfm 这三个指标计算出来过后呢？求一个平均值。那记住我们的平均线过后， 我们就根据这一个平均线对我们的客户进行分类的。比如说某一个客户他的平均购买时间那么大于了我们的我们客户他的购买时间大于了我们整个客户 他的平均购买时间，那他就不能得分。如果说他的购买时间他小于我们平均购买时间，他就得一分，而这一个指标他就得一分。 f 呢？ f 就是客户，某一个客户他的购买次数 如果高于我们平均购买次数，那么他在 f 这一个维度上他又得一分，他的购买金额呢？他在我们这一个时间段内啊，这一个客户他在我们查询统计这一个时间段内， 他大于我们平均，所以客户平均购买金额他又得一分。那最后我们这个客户分为什么？分为重要的价值客户，那同理，如果某一个客户他啊得了一分， f 没有得分，但是 m 得一分，这个时候呢， 他是一个重要发展客户，什么？他的购买频率还不够？那购买时间和购买金额他是什么高于我们平均线的？这个时候他是我们重要发展客户，重要挽留客、重要保持客户呢？他是什么？他的平均购买时间有一点长了， 因为他怎么高于我们的平均购买时间的天数了吗？也就是说他的购买日期有点久了，他最后一次购买的时间和我们统计的最大的日期，他也间隔有一点久了。 但是呢，他在我们统计查询期内啊，他的购买次数他是高于我们平均购买次数的，他的购买金额也是高于我们平均购买金额的。所以他是需要一个什么重要保持的客户，你要去和他保持什么联系？保持沟通，让他什么来早一点来购买我们的产品，那重要挽留客户， 也就是 r f 他都没有得分，只有什么 m 他得了分，也就是说什么他的平均购买时间，他是什么高于了他的购买时间，是 高于了我们的平均购买时间呢？那他的频率呢？又低于了什么平均购买的频率，但是呢，他购买金额是高于我们平均购买金额的，那这样的客户我们要什么？尽量的进行挽留，所以他是重要挽留客户。那同理，我们按照 rf 这样的评分去 判断出一般价值，一般发展，一般挽留，一般保持。这就是我们的 r f m 模型，它的重要性的话就是可以给我们的业务测他们的 客户维护工作，做一个决策，支持哪一些客户，我需要是什么重点维护哪一些客户呢？我只需要与他保持联 就可以。除了 rfm 模型我们去分析我们的客户以外，我们还需要从什么？我们需要从客户他的年龄去分析我们的收入，那为什么呢？这样可以看出我们的产品可以去调整我们的什么产品结构，你不要什么，比如说你看 从我们这一个案例可以看出我们的主要客户群里是哪个呀？是二十到四十这个年龄段的，那你不要去囤一些产品， 突然有一天你说我要开一个新项目，我要去做一些什么老年产品的，那我们的主要客户群体都不是这一个年龄段的，你去开发这样的一个产品， 那是什么？那不是增加我们的什么一个营运成本吗？可以看出来，从我们这个闪电图上我们可以看出我们的主要客户群体是什么？是二十到四十岁的，对吧？那我们还可以筛选一下，将我们的 闪点图进行一个筛选，那我们还在这个图上增加了一个什么毛利率的维度，当我们的毛利率越高的时候，我们的这一个什么闪点他会越大。 当我们毛利率越高的时候啊，我们的散点他会越大。那从散点的大小可以看出，我们的毛利率基本上什么是保持在一个水平的，没有什么太突出的地方。颜色越深的代表我们的客户的年龄他就什么越小，颜色越浅呢？代表我们的客户年龄他就越大， 可以看出我们的主要的销售收入是集中在二十到四十这一个年龄段的。 ok， 除了年龄，我们还可以分析什么？分析我们客户的性别，他同样可以什么为我们的产品和我们的业务端提供一些重要的。那比如说你可以看到我们这里从 从性别上来分析来看的话，我们所有产品在不同的性别，他们的占比几乎是差不多的，所以呢，我们的产品他对性别是没有什么太太大的限制的， 我们还可以从什么会员、客户他的复购率来进行分析。为什么要研究复购率呢？拉新成本和我们什么复购成本？一定是什么复购的成本更低。拉新我们需要投入什么市场营销费用、推广费用，各种各样的什么销售成本？但是呢，我们老客户 嚯他的复购呢？他的成本是远远低于什么？我们拉新的一个成本，这个是肯定的，我们还可以去做我们的一个新增会员趋势的分析。那新增会员呢？代表说我们这一个市场他的一个容量，或者是也可以研究我们的一个产 产品或者项目他的一个吸引力。那从这一个案例来看，我们的新增会员他的趋势逐渐是在降低的，到了八月的时候几乎是没有什么新增会员了，那这个时候的话，他会有两种情况，第一个就是 我们的这些产品，或者是我们这些这一个项目他的什么市场容量已经达到了顶峰，我们的拉新已经结束了。那然后我们这一个项目他是不是到了一个什么承受期的时候， 我们要保证什么？保证我们这一个产品或项目的一个利润，我们不能去过多的去什么投入市场营销费用了。 市场营销费用是什么时候？是我们在发展期的时候，我们去挑战市场的时候，我们可以大量的投入去增加我们的会员啊，这些我们需要去投入更多的 这些营销费用。很多财务刚转，很多做核算的同学，他们没有做过 bp 的时候，不明白复购率和新增会员趋势这两个指标对于从我们财务这角度来说有什么用处？那会员复购 反映在哪里？反映在我们的销售费用占比。销售费用占比又反映在哪里？反映在我们的利润，最终会反映在我们的利润上。那新增会员呢？同样 他反映在哪里？反映在我们的销售费用体现在什么我们的利润上？而且新增会员他有一个在我们的财务报表里，我们看不见的一个隐藏信息是什么呢？也就是我们的产品竞争力，或者是我们的 服务，或者是我们项目他的竞争力。当我们投入的销售费用越多，但是我们的新增会员他在 减少的时候代表什么？我们这个产品第一，他已经跟不上我们的市场了，他没有市场竞争力了。那我们考虑是否放弃这一个项目，或者放弃这一个产品，或者是跌贷更新这一个产品。那财务 bp 最重要的是什么？ 不要把自己的思维禁锢在什么我们的财务的角度里，把我们的思维打开，完全融合的在业务，然后从业务的角度反馈回什么我们财务的角。 财务的指标上。因为一个企业他所有的动作，他所有的数据最终都会体现在什么？体现在我们的财务报表上。 复购他的增加会什么？让我们的利润提升？因为老客户的复购没有什么销，没有过多的销售成本，就会怎么增加我们当期的利润。那新增 会员他的增长呢？同样也是体现在我们的销售费用上。 ok， 这就是我们的一个客户分析他的一个模型和一个思维角度，同样这一个模型的话，他可以从服装，你说 从内边上来看我们的啊？这一些数据可以从我们的什么区域角度上来看，我们的这一些数据都是没有问题的。
36Ni
09:21查看AI文稿AI文稿那通过一个讲解之后的话，我们对 rfm 这个模型的话基本上已经理解了。然后我们来看一下我这一个仪表盘上面，我能够选择各个销售员，然后看到它不同类型的一个客户数量。 同时这边的话老师设定了一个自动转换的一个参数，也就是倍数，因为已经计算出来了这一个客户群体当中，二零二零年他的一个最近交易天数的话，平均只是二十一点二九天， 然后他消费的次数也就是频率是十一点二七次，然后他的一个销售金额的话是一百三十三点六五，然后这个参数的话是一个倍数，比如说我这边拉到一点五倍的话，其实就是将这个平均值乘以一点五倍， 假设乘出来的话，我们好计算一点，拉成两倍，两倍的话大他就默认为是四十二点五天左右，那相当于你低于四十二点五天的 客户的话，他在二指上面就是高的，那这样就有助于我们在管理当中去灵活的一个调整分量值。同样的 a 服这一个交易次数的话，也是可以根据倍数来调整，你调成两倍的话，那他的一个交易次数的话就设定为二十二次， 相当于你如果说低于二十二次的话，假设二零二零年你低于二十二次的话，那他在 f 值的话属于是低的。然后根据这样一个判断的标准，将这些客户全部分类分出来，好我们将它还原一下， 因为像这样的话，我们就不需要去重复的一个计算，假设我们回到这里，比如说我计算出来的话，是最近一次消费的时间间隔是六十天的，那么我们等于说是低于六十天的话都属于高的。然后老板说这 不合常理，因为一般正常来说的话，我们那些优质的客户的话，他基本上最近一次消费的时间间隔凭经验判的，基本上在二三十天左右，那我们这边的话就要将他 根据老板的要求改成，比如说三十天，那如果一旦这个数值改完之后的话，我们等于说整一套数据要全部重新去算过一次，所以为什么这边要制定一个参数？就是这个道理。你说我们能够更便捷的去根据自己 不同场景当中的一个需求去进行灵活的调整，甚至等于说我有些不同的业务员，那他的一个参数有可能选择也是 不一样的，有些不同的一些产品，那我的一个间隔天数跟他的一个消费频率的话，也是有可能要根据公司的一个要求去进行一个微调，那有了一个参数之后的话，那我们直接在参数上进行微调，结果就全部能够出来了。 好，我们假设说我选择了一个业务员东方不败，然后我能看到我重要挽留的客户有两个，重要价值的客户有一个，然后一般挽留的客户分类分出来是三个，一般发展的客户是四个， 然后客户数量比较少。这张图上看起来不够形象，我们还是看整体的，不看单个业务员，因为像单个业务员的话，因为我们销售部门的话，各自的业务员根据自己的一个客户群体去分类，分完之后我们要采取下一步的行动， 那老师在这边讲解的话，因为数据量的问题，直接就选择所有业务。那比方说我想看一下一般挽留客户这二四个，那这边的话，我们看到这个客户群体，他的一张散点图的话，是给我们呈现出怎样的管理价值？ 我们来看一下，那像他一般挽留客户的话有二十四个，但是不可能这二十四个的话，他的一个属性都是一样的。所以我们设置了一个三点图，销售金额也就是 y 轴，他 y 轴上面 最高的，然后 x 轴的话是 r f m 这一个分数是比较高的，那这个分数是怎么计算的？ power b i 在步骤讲解的那堂课上面是详细的会进行演示出来的，我们是通过一个权重全部分配好之后，将同类的比如说一般挽留客户，将它的一个分值通过一个 一直留核算出来，那像销售金额高，他的 r f m 分值高的话，那像这种客户在这一个区域，同样的在这个区域的，他也是一般挽留客户，但是他的一个销售金额跟 r f m 这个分数是比较低的。所以这样的话我们在 更细滑的一个管理当中，比方说对一般挽留客户的话，进行某种营销策略的时候，我们可以去进行优先级的安排，有可能先挽留这几个，比如说先挽留这个 文峰商贸企业，然后再挽留这个，然后像这个群体的话，有可能是放到最后，或者说资源不允许的情况下，有可能就先战略性的放弃了。 那这张闪点图就能够让我们很直观的看到他的一个同类客群价值的一个高低，还有我们能通过闪点图上面去 看他的一个离散的程度，那什么叫离散的程度呢？等于说他这个课群的小点点等于说是这样分散在所有的一个区域当中的，那如果说他全部是集中在这个区域的话，那我们就要考虑一个问题了，就像上一节课讲到的，他会不会下滑到下一个象棋，也就是 变差的一个象形。同样的如果说他集中在中间这一个群体的话，那么我们就要去思考他是属于波动比较低的，比较稳定的这个客群呢？还是说这个客群基本上常年都是不动？ 好，我们继续。然后像三点图的话，那大部分人的话有可能看起来比较觉得好像有点繁琐，那么我们直接就切换成表格式样的，那在切换成表格式样之前的话，那么我们等于说 总体的这一张闪点图，我们要去看一下各类的一个客户群体，那像这个黄颜色的是一般挽留客户，然后这一个的话是重要挽留客户，我们可以将它想象成一个象限，他的一个象限等于说根据不同的一个时期跟不同的一个维度，假设是业务员 他的象限有没有发生重大的一个转变，那转变这一个的话等于说靠我们临床的一个经验， 就像我每个月都在看一个数据跟仪表盘的时候，那像有些的话，我能够靠直觉去判断出来。 假设说重要挽留客户的话，他的一个象限其实上一年或者说上个月的话，其实是在这个区域的，但是他现在的话好像有点下降还是怎么的？那这个的话等于说通过一个直观的经验，我们能够一眼看出有些粗糙的问题是不是存在？好，我们回到这里，那么我们直接将它转换成表， 那转换成表之后的话，我们看起来的话是更清晰的。假设我选择一个业务员东方不败，我说段誉啊，段誉的客户比较少，我们选择一个客户稍微多一点的，比如说郭靖， 那郭靖的话，我们首先来验证一下这些客户的一个标签是不是正确的。 假设我将那个二值，也就是他的一个间隔天数调整为一点，调整成两倍吧，好算一点，那就是三十五天左右。 那我们来看一下，如果说他的这个天数低于三十五天的，那么他就属于是高的，那么像他的话等于说是间隔天数是零，也就是说昨天就已经最近当天都已经交易， 那他等于说二值的话是高，然后他的频率的话也是高于平均值十二次的话，高于十一点二次，那也是高，然后他的金额，金额的话也是高于 m 值，平均值一百四十五， 那他三个指标都是高的话，那他属于是什么？高高高。我们来看一下这张表高高高，那他就属于是重要价值客户， 然后这边标注出来重要价值客户，那么我们来试验一下，加他调整为两倍，如果说把把它调整为两倍的话，那这边应该是二百九十，那他这个一百九十八是低于二百九十的， 但是呢他这两个指标呢是属于高的，那么就是高高低，高高低的话属于是哪一个标签？那就是这个标签高高低一般价值客户，然后我们看一下他是不是一般价值客。对，一般价值客户，那这样的话，我们通过验证之后的话， 那像这个分类的话也是百分百准确的。然后有了这一个客户分类表之后的话，我们就各自的一个业务员，他接下去要怎么做？直接根据公司制定的一个落地方案去执行就可以了。 比方说重要挽留客户，我要去拜访，如何拜访？那具体的一个落地方案根据公司的一个方向去走，那就 ok， 包括重要价值客户、重要发展客户，一般挽留客户， 同时后面的话他根据一个分值的一个排名，一、第二、第三、第四。就像老师刚才说的，那如果你一定要去分一个优先级的话，或者说有些在 更精细化的一个管理的时候，在同类客户当中再去细分不同的一个管理手段，那这里就需要用到他的一个排名跟他的一个分值。 好，这样的话我我们得说 r f m 这个模型如何去管？如何去创造价值，老师已经讲完了。
00:14查看AI文稿AI文稿如何实现多维度变量生成一个平均值？第一步，上传数据选择分析方法生成变量。第二步，选择变量方法平均值拖转样本得到平均值数据，多维度变量生成一个平均值，就是这么简单，你学会了吗？如有其他疑问，请在评论区告诉我。
89SPSSAU
00:57
03:10查看AI文稿AI文稿上集我们讲了青铜的圈能力计算，今天我们来讲一下王者圈能力的计算，王者圈能力的计算适用于比赛级别啊，大家想获奖一定要学会它点上周长时间有点长哦，然后大家可以看一下下方的平方圈合集，有更多教程，让你从平方圈小白到大省。 王者计算器的力，他看一下他是采用这四个维度，这四个维度七， 评价一个人的圈能力改善能力啊，加起来就是圈的能力是不是？我们看一下他有工作年资，学历改善，主题改善能力，然后 各占占比，这用占比百分之四十，百分之三十，百分之三十，然后平管圈，最后是加起来的，这个是加的好，我们看一下 他的评价标准是怎么样的，看一下比如说 a， 他在一人工作已经工作十三年了，那他的能力值对应能够得到多少分呢？这是八十六，为什么是八十六？他的基础分就是六十，然后十三乘以二，是不是二十六？六十加上 六十，加上二十六就是八十六分，这样对应过来是不是？然后其他的类似就是一年等于一年算做两分，然后基础分是六十分，是不是？这样就可以计算出这个圈的例子？ 然后我们本科，本科的话就是这里是不是对应过来就是六十分，所以这边都是六十分，因为这圈层也都是本科的啊，如果说他有大专呢，就填四十，是不是？对应过来就是四十，博士就满分一百 是不是？然后我们再看一下这个主题改善能力，主题改善能力就是一二三四五七平，对不对？一二三四五七，平完以后他对应的分值我们看一下，五就是对应一百啊，这样填进去 啊。平管圈经验值就是你这个圈层也有没有参加过，有没有做过平管圈，如果做过一次得五分，是不是就代表他做过一次？如果是十分就代表他做两次，是不是以此类推，我们最高他得分不超过二十分。 然后个人的改善能力就是等于八十六，像这个八十六乘以四十，再加上六十乘以百分之三十，再加上一百乘以百分之三十，以这个 为例，以 a 的，以 a 同 a 的圈沿为例，是不是再加上平缓圈的经验值零，就等于这个他个人的改善能力，是不是他个人的改善能力？每个人都这样算下来，个人的改善能力算算下来以后， 圈能力就可以计算出来，就是等于每个人的每个人的加起来除以七乘以百分百就是他的圈能力，这个就是 王者的缺能力计算，他是采用四个维度更加精细化的去计算这个缺能力，更加准确，是不是？好，今天的缺能力计算方法就讲到这里啊。
02:42
