“虽然向所有客户发送了相同的邮件，但反响冷淡”、“未能察觉到优质客户的流失”。这些问题的根源在于将客户一概而论。本文将详解RFM分析的基础知识、在Excel中的操作方法、分级标准以及针对不同细分群体的策略示例。结论是，首先应着手挽留即将流失的客户群。
什么是RFM分析｜通过3个指标使客户可视化
RFM分析是一种通过将客户按“最近购买时间（Recency）”、“购买频率（Frequency）”和“累计消费金额（Monetary）”这3个指标进行评分并分组的分析方法。它避免对所有客户一视同仁，而是区分优质客户与休眠客户，从而实施针对性的策略。
这三个指标分别取自英文单词的首字母。具体内容如下：
| 指标 | 英文 | 含义 | 高评分客户的特征 |
|---|---|---|---|
| R | Recency | 最近一次购买的远近 | 近期有购买行为 |
| F | Frequency | 购买频率 | 频繁购买 |
| M | Monetary | 累计消费金额 | 消费金额较高 |
R被视为最重要的指标。因为距离上次购买的时间越近，客户再次产生反应的可能性就越高。相比多年前仅有一次高额消费的顾客，上周刚购买的顾客更有可能促成后续交易。
将3个指标分别打分后，组合起来对客户进行分类。“近期、频繁、高额”三项兼备的客户属于最优质层级。相反，三项得分均低的客户可判断为实质上已流失的群体。
RFM分析的优势及适用业务类型
RFM分析最大的优势在于能够将有限的预算和精力集中在容易产生响应的客户身上。可以停止对全员统一进行的促销，转而确定优先级。
主要优势有以下三点：
- 明确策略优先级（决定先对谁采取行动）
- 减少促销成本浪费（不对休眠客户采取高成本策略）
- 尽早察觉流失迹象（通过R值下降及时发现）
该方法适用于客户会重复购买的业务。例如电商平台、订阅制服务、餐饮店、零售业以及B2B消耗品销售等。随着购买历史数据的积累，分析精度会进一步提高。
另一方面，它不适用于一生只买一次的商品。由于住宅或婚礼等业务的购买频率概念较弱，F指标难以发挥作用。不过，即使在这些行业，也可以将其应用于分析推荐转化和回头客情况。
RFM分析方法｜Excel操作步骤
即使没有专用工具，只要有Excel中的购买记录，就可以开始进行RFM分析。从手头的数据开始小规模尝试是第一步。
基本步骤如下：
- 统计每位客户的“最近购买日”、“购买次数”和“累计金额”
- 将3个指标分别划分为5级（或3级）并进行评分
- 根据评分组合将客户分为不同细分群体
- 统计各细分群体的人数和销售额，确认趋势
在评分时，首先将各指标按数值大小或时间新旧排序。将前20%划为5分，下一档为4分，以此类推，即可得到5级评分。对于Recency，计算“与今日的天数差”，天数越少得分越高。
在Excel中，可使用COUNTIF函数统计购买次数，SUMIF函数统计累计金额，MAX函数获取最近购买日期。评分可通过结合使用IF函数和PERCENTILE函数来实现。对于数百条数据，此方法足以满足运营需求。
关键在于不要一开始就过于复杂。建议先从R、F、M各3级（共27种模式）开始，熟练后再扩展到5级，这样不易半途而废。关于分析目的和指标设计的思路，请参阅KPI设计完全指南｜从目标设定到仪表盘构建的实践解析以进一步了解。
分级标准设计与客户细分对比
分级标准应根据公司自身的数据分布来确定。不应直接套用教科书上的数值，而应根据实际客户的排列情况进行划分。
初学者最容易犯的错误是试图用5×5×5细分为125个细分群体。虽然分类变细了，但每个细分群体的人数可能只有几人，导致无法制定有效的策略。在动手操作前，务必确认“是否达到了可执行策略的粒度”。
在实际操作中，首先将其归纳为以下4~6个组别会更易于处理：
| 细分群体 | R | F·M | 状态 |
|---|---|---|---|
| 优质客户 | 高 | 高 | 近期频繁购买 |
| 稳定客户 | 中〜高 | 中 | 定期购买 |
| 流失预备军 | 下降中 | 高 | 优质但近期未到店 |
| 新客户 | 高 | 低 | 刚开始购买 |
| 休眠客户 | 低 | 低 | 一段时间未购买 |
划分边界时，通过尝试确定以哪个百分比作为分界线来进行调整。由于大多数情况下，大部分销售额由头部客户贡献，因此设定一个不会遗漏该群体的标准是实务中的关键。首先进行大致分类，在必要时再进行细分，这种顺序更为稳妥。
各细分群体的策略示例｜优质客户、流失预备军、休眠客户
针对不同细分群体应采取的策略各不相同。这里需要把握的优先级是“优先挽留流失预备军，而非唤醒休眠客户”。
原因在于响应率的差异。曾经频繁购买的流失预备军仍保留着一定的关系纽带，只要主动联系，往往容易回流。相比之下，长期未互动的休眠客户联系点已变弱，即使采取相同的策略，反应也往往较为迟缓。在成本相同的情况下，将资源优先投向回流概率更高的群体更为合理。
各细分群体的策略示例如下：
| 细分群体 | 目标 | 策略示例 |
|---|---|---|
| 优质客户 | 维持关系 | 限定信息、优先通知、特别服务 |
| 流失预备军 | 挽留 | 个别跟进、使用情况确认联络 |
| 新客户 | 培养忠诚度 | 使用指南、促成第二次购买的契机 |
| 休眠客户 | 唤醒 | 低成本群发、回归优惠 |
对于优质客户，比起折扣，采用特别待遇或优先信息等保持满意度的策略更为合适。如果依赖打折，会导致客单价下降，从而侵蚀利润。对于休眠客户，不应立即提供细致的个别服务，而是先通过低成本群发策略观察反应，仅对产生反应的个体进行下一步跟进。具体的邮件制作方法可参考邮件营销入门｜提高打开率的标题与发送时机。
利用CRM/MA工具自动化RFM分析的方法
当客户数量增加导致Excel处理变得缓慢时，应考虑借助CRM/MA工具实现自动化。其最大优势在于能与购买数据联动，自动更新评分。
Excel操作存在局限性。随着数据量增加，更新时间变长，且容易出现人为错误。一般认为，当客户数量超过数千条时，就是考虑迁移至工具的一个节点。
工具化带来的主要效果有以下三点：
- 每次购买后评分自动更新（无需手动统计）
- 可自动检测细分群体的变化（及时发现滑入流失预备军的情况）
- 可根据细分群体自动分发推送内容（从策略执行到落地一气呵成）
能够构建如“进入流失预备军后自动发送跟进邮件”等场景化推送，这是MA工具的强项。关于这一进阶机制，详见什么是MA（营销自动化）？｜导入与选型指南。关于工具的选择方法，请参考CRM工具对比指南｜主要6款服务的费用、功能与选型建议。
然而，引入工具并不意味着成果会自动出现。针对哪些细分群体采取何种策略，仍需人工设计。先在Excel中确立思路，再将其迁移至工具中进行运营，这种循序渐进的方式更不易失败。
常见问题
RFM分析与十分位分析的区别是什么？
十分位分析是一种仅根据购买金额将客户分为10个等级的方法。与RFM分析的区别在于，它只从金额这一单一维度进行观察。而RFM分析除了金额外，还会考察“最近是否购买”和“购买次数”，因此能够掌握客户流失的征兆。如果只想先通过金额把握整体情况，适合使用十分位分析；如果要确定营销措施的优先级，则更适合使用RFM分析。
RFM分析应该分成几个阶段才算正确？
这取决于客户数量和运营体制，但最初从3个阶段开始是比较稳妥的做法。如果是3个阶段，每个指标有2种状态，组合起来共有27种模式，汇总后可归为少数几个群体，便于设计营销措施。5个阶段虽然能让分析更细致，但会导致细分群体增多，往往难以兼顾所有群体。建议在数据量增加、对运营更加熟练后再逐步增加阶段数。
可以免费进行RFM分析吗？
只要有Excel或Google Sheets，就可以在不产生额外费用的情况下开始。只需汇总购买记录，并通过函数计算评分，即使手动操作也能进行分析。当客户数量超过数千条导致汇总变得繁重时，考虑使用付费的CRM/MA工具实现自动化是更为现实的路径。
RFM分析应该以多高的频率更新？
基本做法是与客户的购买周期保持一致。对于每天都有购买的电商平台，建议每月更新一次；对于购买间隔较长的商品，建议每季度更新一次，这是一个参考标准。如果不及时更新，Recency（最终购买日）数据会过时，从而错失识别潜在流失客户的机会。当手动更新变得过于繁琐时，这也是判断是否切换到工具自动更新的依据。
总结｜迈向停止向所有客户推送相同促销的第一步
RFM分析是通过3个指标将客户可视化，并为营销措施确定优先级的方法。要点如下：
- RFM分析通过“最终购买日、购买频率、购买金额”这3个指标对客户进行分类
- 其中，Recency（最终购买日）是最重要的指标
- 从3个阶段开始起步，避免过度细化至5×5×5
- 优先挽留潜在流失客户，而非挖掘休眠客户
- 随着客户数量增加，通过CRM/MA工具实现自动化
作为下一步行动，请先将手头的购买记录汇总到Excel中，检查高价值客户的R值（最终购买日）是否下降。如果发现潜在流失客户，他们就是首先应该着手应对的对象。