为什么我们应该分析客户数据？而不仅是把产品卖给别人？
我们的确需要把产品销售给用户，但和“仅卖”稍有些不同，向某个人销售的过程是一个漏斗转化的过程，从上到下的每个阶段都在将用户引导至最终的购买。
市场营销主要参与在漏斗第一部分中，向下推进，直到用户购买了产品或者服务（漏斗底部）。
销售什么以及如何与客户或者潜在客户沟通，会对漏斗过程中的转化有所影响。所以我们需要了解客户想要什么，他们是什么样的人群以及什么时候向他们进行推广最为合适。
想回答这些，就需要分析客户数据，进行细分。使用RFM模型，通过查看客户最近购买的时间（新近度），频率（频率）以及所支出的金额，来确定哪些客户是最好的客户（货币）。
如下图所示，客户细分将客户数据库聚集在不同的买家类别中，并使用它们的新近度，货币和频率对其进行评分。
这是在3个不同区域（RFM）上从1-5进行的简单分数计算，以此确定客户群。对RFM模型使用还不太了解的，可以点击链接查看：如何用RFM模型找到高价值用户？这份实操经验送给你
下图为RFM分析所展示的结果：
数据分析师就要从这些里面挖掘如何让用户从一个细分市场转移到下一个，以便为每个细分市场提出个性化内容和产品的建议。
接着往下进行。
1、首先，创建一个新的Google Spreadsheet，这将是我们从Google Analytics（分析）获取数据的起始“数据库”。
2、然后现在，通过单击“其他组件” 安装Google Analytics（分析）插件。
3、通过点击“ 附加组件>谷歌Analytics（分析）>创建新报告 ”。这将在右侧打开侧边栏，可以在其中选择要链接的帐户，媒体资源和视图。让我们选择以下指标：
- 用户：它将获得GA用户ID
- 交易：它将显示所有金额
在维度上选择：
- 日期
- 交易编号
现在，单击“创建报告”。
Google Analytics（分析）将创建行和列，以显示选择用于启动报告的所有数据信息。
4、此时，我们启动报告以获取所有原始信息。
信息加载完成后，它将在新选项卡中显示数据，如以下示例所示：
注意：数据代表浏览用户时Google Analytics（分析）能够跟踪的值。
在这个数据集中，我们有一些行引用了同一客户，但交易却不同。没关系，现在我们将这些行标准化。
4.1、此外，可以创建一个时间表，每周或每月刷新一次数据集。这样可以根据市场营销活动随时跟踪客户的发展。
5、现在我们有了起始数据，可以继续进行RFM矩阵评分的标准化和计算，从创建一个新标签开始，在此我们将创建以下字段：
- unique_customer_id
- last_purchase_date
- R
- purchase_count
- F
- total_spent
- M
- RFM
带“ _”的列表示将使用Google Spreadsheet提供的函数计算的值。
unique_customer_id：使用UNIQUE，我们从“ Dalyst！C16：C515”列中获取仅购买一次的客户的ID。
last_purchase_date：相对于unique_customer_id，我们取最后一个有效日期。因为需要客户的最后购买日期才能计算新近度。
Purchase_count：表示购买次数的总和，与unique_customer_id列中的客户ID相比。
total_spent：是总购买金额与客户ID的总和。
因此，R，F和M值代表了我们计算客户群的目标。在此示例中，给定计算模型和使用的工具，我们将细分与“固定值”一起使用。
这是将得到的结果：
然后，我们可以使用Google表格上可用的图形，或将此电子表格与Google Data Studio关联起来，对我们认为合适的RFM矩阵值进行排序和展示。
原文：