客户 RFM 分析：细分、终身价值和目标定位

并非所有客户都是生来平等的。前 20% 的客户可能为您带来 60% 到 80% 的收入。底层 20% 的人的服务成本比他们支付的还要多。然而，大多数中端市场公司对所有客户一视同仁——相同的电子邮件活动、相同的支持优先级、相同的保留努力。

RFM 分析是根据行为对客户进行细分的最简单、最实用的框架。它使用您已有的三个数据点——客户上次购买的时间（新近度）、他们购买的频率（频率）以及他们花费的金额（货币）——来创建可操作的细分，从而推动有针对性的营销、个性化服务和优化保留。

要点

• RFM 评分使用三种行为指标（近期、频率、货币）将客户分为 8 到 12 个可操作的组
• 每个 RFM 细分市场都需要不同的策略 --- 冠军需要忠诚度计划，风险客户需要重新参与，流失的客户可能不值得追求
• 客户终身价值（CLV）计算将细分从快照转变为前瞻性规划工具
• RFM 细分直接输入到流失预测 和营销归因的预测模型中

---

RFM 评分方法

RFM 分析从三个维度对每个客户进行评分，然后结合这些分数来创建细分。

新近度：他们上次购买是什么时候？

新近度衡量客户最近一次购买以来的天数。最近购买的客户比几个月前购买的客户更有可能再次购买。

评分方法： 按最后购买日期将所有客户分为五个相等的组（五分位数）。最近的五分之一得分为 5，最近的五分位数得分为 1。

确切的截止日期取决于您的经济周期。杂货配送服务可能需要几周而不是几个月的时间。 B2B 设备供应商可能会使用 25 美分硬币。

频率：他们多久购买一次？

频率统计指定时间段（通常为 12 至 24 个月）内的交易总数。

货币：他们花多少钱？

货币衡量的是同期客户的总收入。有些实施使用平均订单价值而不是总支出——根据对您的业务更重要的内容进行选择。

合并分数

每个客户都会获得三位数的 RFM 分数（例如，5-4-5 意味着高新近度、高频率、高金钱）。每个维度有 5 个级别，有 125 种可能的组合。这些被分为 8 到 12 个有意义的部分。

---

细分定义和策略

RFM 分段矩阵

针对特定细分市场的手册

冠军 (5-5-5)： 这些客户是您的拥护者。让他们加入 VIP 忠诚度计划。提供新产品的早期访问权。寻求评论、推荐和推荐。不要打折——他们以全价购买。在流失预测模型 中密切监视他们，因为失去冠军会对收入产生巨大影响。

面临风险（1-4-4 / 1-3-4）： 这些是已经安静下来的强大客户。重新接触的窗口正在关闭。亲自联系（不是自动电子邮件）。提供显着的回报激励。请问有什么变化。如果他们有不好的经历，请解决它。赢回他们的成本比购买替代品要低得多。

最近的客户 (5-1-1)： 第一印象很重要。发送欢迎序列，向他们介绍您的产品系列。根据他们第一次购买的商品推荐第二次购买。明确退货政策。目标是在 60 天内将其从 5-1-1 转变为 5-2-2。

丢失 (1-1-1)： 停止在这些客户上花费营销资金。将它们从常规营销活动中删除，以提高您的电子邮件送达率，并将资源集中在具有积极投资回报率的细分市场上。每 12 个月进行一次最后的赢回尝试，然后存档。

---

客户终身价值计算

RFM 告诉您今天的客户在哪里。客户终身价值 (CLV) 告诉您他们在整个关系中的价值。 RFM 与 CLV 的结合将细分从快照转变为前瞻性规划工具。

简单的 CLV 公式

CLV = Average Order Value x Purchase Frequency x Customer Lifespan

示例：

• 平均订单价值：150 美元
• 购买频率：每年4次
• 平均客户寿命：3年
• CLV = 150 美元 x 4 x 3 = 1,800 美元

调整后的 CLV 和保留率

更准确的公式可以计算客户留下来的概率：

CLV = (AOV x Frequency x Gross Margin) / Churn Rate

示例：

• 平均价格：150 美元
• 频率：每年 4 次（每位客户的年收入：600 美元）
• 毛利率：40%
• 年流失率：25%
• CLV = ($600 x 0.40) / 0.25 = $960

CLV（按 RFM 细分）

该表使预算分配决策变得显而易见：大量投资于保留冠军和忠诚客户，通过参与将潜在忠诚者转变为忠诚者，并停止在流失客户上的支出。将这些 CLV 计算结果输入营销归因模型，以优化跨渠道支出。

---

实施 RFM 分析

数据提取

RFM 分析每个客户需要三个字段：客户 ID、交易日期和交易金额。从您的数据仓库 或直接从 Odoo 和 Shopify 中提取此内容。

对于 Odoo，相关表为 sale_order 和 sale_order_line，并与 res_partner 连接以获取客户详细信息。

对于 Shopify，Orders API 提供 customer.id、created_at 和 total_price。

自动化评分

按每周或每月计划自动进行 RFM 评分：

1. 提取分析窗口（通常为 12 至 24 个月）内的所有交易。
2. 计算每个客户的新近度、频率和货币价值。
3. 为每个维度分配五分位数分数（1 到 5）。
4. 将组合分数映射到分段名称。
5. 将段存储在数据仓库的客户维度表中。
6. 将细分数据推送回 CRM，以供销售和营销团队使用。

可视化

在您的自助式 BI 仪表板 中显示 RFM 分段：

• 细分市场分布饼图： 每个细分市场有多少客户？分布是否健康？
• 细分迁移热图： 客户每月如何在细分之间移动？冠军是否被保留？最近的客户是否变得忠诚？
• 按细分市场划分的收入条形图： 哪些细分市场对收入贡献最大？
• CLV 散点图： 按频率（x 轴）和货币（y 轴）绘制客户图，并用颜色指示新近度。

---

高级 RFM 应用

预测 RFM

传统的 RFM 是描述性的——它告诉您客户做了什么。预测 RFM 使用 BG/NBD（Beta 几何/负二项分布）模型来预测客户未来将进行多少次购买，并使用 Gamma-Gamma 模型来预测其货币价值。

Python lifetimes 库实现了这两个模型并生成：

• 每位客户未来的预期购买次数
• 给定时间范围内的预测 CLV
• 活着的概率（仍然是活跃客户）

基于 RFM 的个性化

将 RFM 片段输入您的营销自动化平台（GoHighLevel、Mailchimp、Klaviyo）以进行个性化：

• 电子邮件内容： 冠军看到追加销售建议。有风险的客户会看到赢回优惠。最近的客户看到产品教育。
• 广告定位： 将冠军和忠诚客户名单上传到 Facebook/Google，以创建相似的受众群体。从付费活动中排除流失的客户。
• 支持优先级： 向高级客服人员提供冠军路线和风险门票。这并不是为了区别对待客户，而是将有限的资源分配给客户，以产生最高的回报。

---

常见问题

我们应该多久更新一次 RFM 分数？

每月是大多数企业的标准节奏。每周更新适用于高速电子商务（每日购买）或订阅业务，其中流失检测速度很重要。避免每日更新，除非您的业务模型真正需要它——太频繁的更新会产生噪音并使分段迁移跟踪变得更加困难。

如果我们的企业回头客很少怎么办？

如果大多数客户只购买一次（在家具或房地产等一次性购买行业中很常见），则频率维度几乎没有变化。在这种情况下，请考虑修改 RFM，将频率替换为参与度（电子邮件打开、网站访问、应用程序使用）或焦点（探索的产品类别数量）。即使购买频率较低，行为评分的原则仍然适用。

我们应该使用 RFM 五分位数还是自定义阈值？

五分位数（大小相等的组）是标准起点。但是，当您的客户群存在偏差时，自定义阈值通常效果更好。如果 40% 的顾客只购买过一次商品，则五分位数会产生不均匀的分配。根据业务含义定义阈值：“最近”意味着在您的典型回购周期内，“高频”意味着高于您所在行业的中位数。

RFM 与客户流失预测模型有何关系？

RFM 分数是流失预测模型 的出色功能。新近度通常是流失的最强预测因素。 RFM 分段（尤其是分段之间随时间的移动）增加了单个分数之外的预测能力。将 RFM 视为基础，将 ML 流失模型视为更高的复杂程度。

---

下一步是什么

RFM 分析是客户分析的基础。它可输入预测客户流失模型、告知营销归因、增强群组分析，并指导您的BI 策略 中的 KPI 选择。

ECOSIRE 实施与 Odoo CRM 和 Shopify 商店集成的 RFM 分析和客户细分。我们的 OpenClaw AI 平台 可自动评分、构建预测 CLV 模型，并将细分同步回您的营销工具。我们的 Odoo 咨询 团队配置 CRM 视图和自动化规则来实施您的细分。

联系我们 开始按价值和行为对您的客户进行细分。

---

由 ECOSIRE 发布 --- 通过 Odoo ERP、Shopify 电子商务 和 OpenClaw AI 等人工智能驱动的解决方案帮助企业扩展规模。