什么是 RFM 模型？

1970 年以来，RFM 模型就被用在直销和邮销中。不过它仍然是探索最少也最有效的一个细分策略。

鉴于获得一个新客的费用几乎是维护老客人的7倍，RFM 分法可以帮你理解消费者行为以及购买原因。

几年前，对于使用 RFM 模型有争论是因为进行RFM分析涉及了太多手动工作，今天，已经没有借口口了。

RFM 工具可以自动帮你做 RFM 细分和分析。

RFM 是什么？

RFM 代表着 Recency, Frequency 和 Monetary value，用这三个变量进行行为细分。依据 RFM 变量或者 RFM 指标，企业可以细分他们的客户群，识别最好的客户和高潜能顾客，为他们创造更好的体验和优惠，进而维护粘性与满意度。

所有 RFM 细分所需要的信息都在历史交易数据中。使用 RFM，你可以理解所有当客户购买后自动收集而来的数据，对客户如何分布有一个清晰的概述。

你可以将忠诚满意客户与曾经忠诚、如今将要反目的客户区分开来，或从新近获得的客户区分高价值与一次性客户。

什么是RFM模型？

RFM 模型是一种行为细分方法，让你可以基于历史数据的三个变量 - Recency (R), frequency (F), 及 monetary value (M) - 来细分和分析顾客。

• Recency 显示顾客最近一次购买有多久。
• Frequency 反应了顾客多常从你的店铺购买。
• The monetary value 代表顾客在你的店铺中一般消费多少钱。

要基于 RFM 细分用户，你需要为每个变量设置一个尺度。取决于你店铺的大小，你可以使用以下其中一个尺度（scale）： 

• 1 to 5 scale: 店铺多于 200k 顾客；
• 1 to 4 scale：店铺拥有 30k – 200k 顾客；
• 1 to 3 scale：用户低于 30k 顾客。

比如，如果你的店铺有超过 200k 顾客，你想直到顶部顾客在哪，你就需要看一些那些 RFM 分数最高的客户，分别是555。他们是最大的花销者、也是最近度最高、最频繁的。你应该跟让保持粘性和忠诚度。

RFM 模型分析是什么?

按照定义, RFM 代表 Recency, Frequency, 及 Monetary Value.

它聚焦于顾客生命周期总值，是电商中顾客细分方式的首先，更注重于顾客的维护策略。

典型的 RFM 模型方式是，收集大量的历史交易数据，基于此将顾客按照购买历史细分到特定的群组。

然后每个顾客群分别根据他们的需要和行为模式进行处理。

RFM 模型最棒的地方在于，它能帮你专注于高近度和高频率分的用户。这些用户最重要，因为他们可能会回头并再次购买。

如果你对于发现理想客户侧写和客户画像有兴趣，你应该基于RFM细分顾客…为什么呢？

你也许会发现 1% 的顾客产生了多达 30 倍的收入，只有 20% 的顾客在首单后会回头。