RFM là gì
Ba đặc trưng kinh điển để mô tả hành vi mua của một khách:
| Chữ | Đặc trưng | Cột trong bài |
|---|---|---|
| Recency | Lần mua gần nhất cách đây bao lâu | days_since_last_order |
| Frequency | Mua bao nhiêu lần | order_count |
| Monetary | Chi bao nhiêu tiền | total_revenue (và avg_order_value) |
gold_customer_360 là bảng gold có grain một dòng mỗi khách. Marketing dùng nó để chia nhóm khách, và Track 4 dùng nó làm input cho mô hình ML.
Đi từ dim_customer, không từ fact
FROM dim_customer c
LEFT JOIN fact_orders f ON f.customer_id = c.customer_id AND f.status = 'completed'
GROUP BY ALL
Đi từ fact (rồi JOIN dim_customer để lấy vùng) thì khách chưa có đơn completed nào biến mất: bảng có 499 dòng thay vì 500, và không ai biết có một khách "ngủ đông" cần chăm sóc. Điều kiện status = 'completed' nằm ở ON vì cùng lý do như bài 3.2.
Kiểm grain ngay sau khi dựng: count(*) phải bằng count(DISTINCT customer_id) và bằng số khách trong dim_customer.
NULL khác 0
Khách C0148 chưa có đơn completed nào:
| order_count | total_revenue | avg_order_value | days_since_last_order |
|---|---|---|---|
| 0 | NULL | NULL | NULL |
order_count = 0là đúng: đếm được, và đếm ra không.total_revenueNULL vìsumcủa không có gì là NULL. Có thểcoalesce(..., 0)cho cột này nếu nghiệp vụ muốn "chi 0 đồng".avg_order_valuevàdays_since_last_orderphải là NULL. Giá trị trung bình 0 đồng hay "mua gần nhất cách đây 0 ngày" là những khẳng định sai: mô hình ML sẽ hiểu đây là khách vừa mua đúng ngày tham chiếu.
NULLIF(count(f.revenue), 0) tránh lỗi chia cho 0. Dùng count(f.revenue) chứ không count(f.order_id): đơn thiếu giá (revenue NULL) không được tính vào sum thì cũng không được tính vào mẫu số.
reference_date cố định, không dùng current_date
DATE '2026-01-01' - max(f.date_key) AS days_since_last_order
Nếu viết current_date - max(f.date_key):
- Hôm nay chạy ra 300, ngày mai ra 301, dù không có đơn mới nào. Bảng thay đổi chỉ vì đồng hồ.
- Không chạy lại được kết quả của tuần trước để điều tra một sự cố.
- Mô hình ML huấn luyện tháng này và chấm điểm tháng sau thấy đặc trưng bị "trôi" mà không biết vì sao.
reference_date là tham số của lần chạy: lần chạy này dùng 2026-01-01, lần backfill dùng ngày khác, nhưng cùng tham số luôn ra cùng kết quả. Bài kiểm chứng bằng vân tay (số dòng, tổng M, tổng R) trước và sau khi chạy lại: y hệt. Module 04 biến phép thử này thành tiêu chuẩn cho mọi pipeline.
flowchart LR C[dim_customer · 500] -->|LEFT JOIN| G[gold_customer_360 · 500] F[fact_orders · completed] --> G R[reference_date 2026-01-01] --> G
Một con số để nhớ
Tổng M của bảng là 45,463,601,000, nhỏ hơn tổng doanh thu completed của fact đúng 1,254,226,000: phần của đơn mồ côi C99999, không gắn được với khách nào. Đây là chênh lệch có giải thích, khác với chênh lệch của bài trước; ghi nó vào giả định của bảng.
Lệnh hay dùng
| Lệnh | Để làm gì |
|---|---|
FROM dim_customer c LEFT JOIN fact_orders f ON ... AND f.status = 'completed' |
giữ mọi khách |
count(f.order_id) |
frequency, ra 0 khi không có đơn |
sum(f.revenue) / NULLIF(count(f.revenue), 0) |
trung bình, không chia cho 0 |
DATE '<reference_date>' - max(f.date_key) |
recency theo tham số |
Lỗi hay gặp
count(*)sau LEFT JOIN ra 1 cho khách chưa mua.- Thay mọi NULL bằng 0 cho "sạch": khách chưa mua trông như khách vừa mua.
current_datetrong logic nghiệp vụ. Bảng đổi mỗi ngày mà dữ liệu không đổi.- Không kiểm grain. Join nhầm làm một khách có hai dòng, mọi đặc trưng tổng hợp sai theo.