FRAME 14 / 分析市场
RFM分析
RFM Segmentation
用最近购买、购买频率和购买金额对客户分群。
什么时候用
RFM 适合电商、零售、会员运营和客户管理。
需要准备
客户交易数据
你会得到
客户分层、触达优先级、营销策略建议。
01
先理解，再动手
RFM 适合电商、零售、会员运营和客户管理。它通过行为数据识别高价值客户、沉睡客户、潜力客户和流失风险客户。
使用步骤
- 01
准备客户交易数据
- 02
计算 Recency、Frequency、Monetary 三类指标
- 03
按评分或区间分群
- 04
为不同客群设计触达、激活、留存和增购策略
使用时，留意这一点
R/F/M 区间和权重要服务分析目的，不能固定套用。
02
把方法看清楚
| 示例会员 | R 天 | F 次 | M 元 | 分组动作 |
|---|---|---|---|---|
| 甲 | 5 | 8 | 960 | 近期高频：新品体验 |
| 乙 | 70 | 6 | 720 | 沉默高值：了解流失原因 |
| 丙 | 3 | 1 | 80 | 新会员：使用建议 |
R 最近购买 天数越短，近期活跃度越高
F 购买频次 统一窗口内统计次数
M 消费金额 统一退款与金额口径
从一份空白提纲开始
复制到你的文档，填入真实的业务事实与判断。
查看空白提纲
RFM分析 · 空白提纲 工作问题： 期望结果： 1. 示例会员： 2. R 天： 3. F 次： 4. M 元： 5. 分组动作： 检查清单 □ 数据周期和口径一致。 □ 分群结果能解释客户行为差异。 □ 每个重点群体都有对应运营策略。 BizThinkFrame · https://bizthinkframe.com/frameworks/rfm-analysis
03
跟着案例走一遍
虚构教学案例WORKED EXAMPLE
给会员分组而非一律发券
组织、人物、数据和结果均为虚构，仅用于说明方法。
背景与问题
青禾有 600 名近期会员，希望提高触达相关性。
所有人收到同样的促销信息，优惠支出增加但复购没有明显变化。
手头有哪些材料
- 分析窗口为最近 90 天
- R 为距最近购买天数；F 为购买次数；M 为累计消费金额
如何使用这个框架
- 先固定时间窗口和退款处理方式，再计算三项指标。
- 依据本店分布划分高低区间，不直接套用别人的阈值。
- 把沉默高值会员与新会员分开，设计不同的信息。
得到的结果
得到三个可行动的触达组，避免高价值客户被一律折扣对待。
04
检查你的思考
再问自己几个问题
- 最近活跃但金额低的客户有什么提升空间？
- 高金额但久未购买的客户是否存在流失风险？
- 不同客户群应该采用同一套运营动作吗？
完成前的检查清单
- 数据周期和口径一致。
- 分群结果能解释客户行为差异。
- 每个重点群体都有对应运营策略。