成功客户细分的 RFM 分析

在此页面上，您将了解您需要了解的有关 RFM 的所有内容.

除了基础知识，您还将学习如何在自己的业务中应用 RFM 模型.

什么是 RFM 分析？

RFM（新近度、频率、货币）分析是基于行为的客户细分的成熟营销模型。 它根据客户的交易历史对他们进行分组——他们最近多久购买一次、多久购买一次以及购买了多少。

RFM 有助于将客户划分为不同的类别或集群，以识别更有可能响应促销以及未来个性化服务的客户。

什么是新近度、频率和货币分析？

基于单一参数评估客户是不够的。

例如，您可以说花费最多的人是您最好的客户。 我们大多数人都同意并认为相同。

可是等等！ 如果他们只购买一次呢？ 还是很久以前？ 如果他们不再使用您的产品怎么办？

所以..他们仍然可以被认为是你最好的客户吗？ 可能不是。

仅从一个方面判断客户价值会给您的客户群及其生命周期价值提供不准确的报告。

这就是为什么RFM模型结合了三种不同的客户属性来对客户进行排名。

如果他们最近购买，他们会得到更高的分数。 如果他们多次购买，他们会获得更高的分数。 如果他们花得更多，他们就会得到更多的积分。 结合这三个分数来创建 RFM 分数。

最后，您可以基于此将您的客户数据库划分为不同的组新近度 - 频率 - 货币分数。

使用 RFM 模型分析 RFM 客户群

您可以使用 RFM 建模创建不同类型的客户细分，但我们推荐以下 11 个细分。

考虑一下您现有客户的百分比将在这些细分市场中的每一个中。 并评估推荐的营销行动对您的业务的有效性。

另一方面：反复出现的电子邮件营销的悲惨故事

考虑这种情况……

Carol 发布了完美的电子邮件通讯——内容、设计、主题行、号召性用语、社交媒体链接……她发送通讯时期望获得出色的转化率。 她的心算理由是，即使它以“低”10% 的速度在她的 3500 名客户中转化，她也会在几小时内变得富有几千美元。

十分钟..半小时..两小时..8小时过去了。 但归根结底，只有 1.5% 的人点击了链接并进行了一次销售。

非常令人失望，不是吗？

她错过了什么？

卡罗尔做的每件事都很完美， 除了一个 - 定位.

她向所有人发送了相同的电子邮件。

我相信你会同意： 不同的客户对不同的消息做出反应。

对价格敏感的客户会获得折扣优惠，但经常向您购买的人可能只会对新产品的推出感到兴奋。

这就是问题所在！

您不需要接触 100% 的受众，而是只需要识别和定位那些对您的业务最有利可图的特定客户群。

我们把金子留在桌子上……

我们大多数人甚至离卡罗尔都不近。

无论您是从事在线商务、零售、直销还是 B2B——我们大多数人都忙于日常琐事，以至于我们没有花足够的时间在营销上。 我们的营销活动匆忙，文案不足，缺乏专业的设计，我们对跟踪或改进转化不够重视。

当然，我们希望做到这一切。 但我们没有。

如果我们更好地了解我们的客户并向他们发送更相关的广告系列会怎样？

我保证我们的成功率会更高。

我们不仅会赚更多的钱，而且我们的客户也会更快乐、更忠诚。

还没有被说服？ 你会在几分钟内。

RFM 分割的优势：以下是 RFM 分析变得超级有用的方式……

发送针对客户群量身定制的消息将产生更高的转化率。

这不是很明显吗？

所有的营销活动都应该首先选择一个目标细分市场，然后制作能引起该受众共鸣的宣传材料，然后再脚踏实地。

不幸的是，我们大多数人不这样做。

这就是 RFM 分析非常有用的地方。

RFM 使识别客户群变得容易。

RFM 细分很容易为您的企业回答这些问题……

• 谁是我最好的客户？
• 哪些客户处于流失的边缘？
• 谁有潜力转化为更有利可图的客户？
• 谁是你不需要过多关注的流失客户？
• 您必须保留哪些客户？
• 谁是你的忠实客户？
• 哪一组客户最有可能响应您当前的广告系列？

经验证的有效性——数十年的学术和工业研究

RFM 拥有数十年的业绩记录。 这不是一种时尚或营销噱头。 这是一个经过科学验证的过程。

首先，它基于帕累托原则——通常称为 80-20 规则。

帕累托法则说80% 的结果来自 20% 的原因。

同样， 20% 的客户贡献了您总收入的 80%。

消费过一次的人更有可能再次消费。 大额购买的人更有可能重复购买。

帕累托原则是RFM模型的核心。 将您的精力集中在客户的关键部分可能会给您带来更高的投资回报！

植根于直销、数据库/目录业务

RFM 的概念最初是由 Bult 和 Wansbeek 在 1995 年提出的。目录营销人员有效地使用它来最大限度地降低印刷和运输成本，同时最大限度地提高回报。

计算机化的日益普及使得执行 RFM 研究变得更加容易，因为客户和购买记录已被数字化。 Blattberg 等人的一项广泛研究。 2008 年证明了 RFM 在应用于营销数据库时的有效性。 许多其他学术研究也证实 RFM 降低了营销成本并增加了回报。

Windsor circle 报告说，他们的零售客户使用 RFM 取得了巨大成功：

• Eastwood 的电子邮件营销利润增加了 21%
• L'Occitane 的每封电子邮件收入增加了 25 倍。 25 次，而不是 25%……
• Frederick's of Hollywood 在他们的广告系列中记录了高达 6-9% 的转化率

我希望您现在确信 RFM 分析对您自己的业务的有用性。

现在让我们来看看所有这些结果背后的数学原理。

如何计算 RFM 分数？ - 简化 RFM 分数计算

想知道如何为您的客户数据库计算 RFM 分数？ 就是这样…

我们需要每个客户的一些详细信息：

• 客户 ID / 电子邮件 / 姓名等：识别他们
• Recency (R) as days since last purchase : 他们最后一次购买是几天前？ 从今天减去最近的购买日期以计算新近度值。 1天前？ 14天前？ 500天前？
• 频率（F）作为总交易次数：客户从我们商店购买了多少次？ 例如，如果某人在一段时间内下了 10 个订单，那么他们的频率为 10。
• 货币（M）作为总花费：该客户花费了多少美元（或您的计算货币）？ 再次限制在最后两年 - 或花所有时间。 只需将所有交易的钱加起来即可获得 M 值。

RFM 分析示例

考虑客户罗伯特·约翰逊（Robert Johnson）——他最后一次下单是在 3 天前，至今共下了 6 个订单，价值 540 美元。

应用 RFM 分数公式

一旦我们从购买历史中获得 RFM 值， 我们为每个客户分别为新近度、频率和货币值分配从 1 到 5 的分数. 五是最佳/最高值，一是最低/最差值。 最终的 RFM 分数可以简单地通过组合各个 RFM 分数数字来计算。

请记住，RFM 值和 RFM 分数是不同的。 Value 是该客户的 R/F/M 的实际值，而 Score 是基于该值的 1-5 的数字。

请看下表。 为了计算分数，我们首先按降序（从最高到最低）对值进行排序。 由于我们有 15 个客户和 5 个分数，我们将 5 个分数分配给前三个记录，4 个分配给接下来的三个记录，依此类推。 对于整体 RFM 分数，我们简单地结合客户的 R、F 和 M 分数来创建一个三位数的数字。

注意：最近的购买被认为更好，因此得分更高。

因此， 最近购买、经常购买且花费大量的客户的得分为 555 - Recency(R) - 5，Frequency(F) - 5，Monetary(M) - 5。他们是您最好的客户。 在这种情况下，Alexander Diesel，而不是 Ammar Fahad——支出最高的人。

另一个极端是消费最低的客户，几乎没有购买任何东西，而且很久以前 - 得分为 111。Recency(R) - 1，Frequency(F) - 1，Monetary(M) - 1. Andy Smith在这种情况下。

有道理，对吧？

现在让我快速解释一下为什么我们将每个乐谱分成三组。

如何计算 1-5 的 RFM 分数？

不同的企业可能会使用不同的 RFM 公式方法来对 RFM 值按 1 到 5 的等级进行排名。但这里有两种最常用的方法。

方法一：简单的固定范围

一个例子：

如果有人在过去 24 小时内购买，则为他们打分 5。在过去 3 天内，给他们打分 4。如果他们在当月内购买，打分 3，过去六个月内打分 2，其他人打分 1。

如您所见，我们自己为每个分数定义了一个范围。 范围阈值基于业务的性质。 您也可以像这样定义频率和货币值的范围。

这种评分方法取决于各个企业——因为他们决定了他们认为新近度、频率和货币价值的理想范围。

但是对于 RFM 分数的这种固定周期/范围计算存在挑战。

随着业务的增长，分数范围可能需要经常调整。

如果您有定期支付业务，但支付条款不同——每月、每年等——计算就会出错。

方法 2：五分位数 – 根据可用值制作五个相等的部分

回忆你的学生时代。 有一个术语——数学中的百分位数。 百分位数只是落在或低于某个观察值的值的百分比。

这是来自 MathIsFun.com 的一张图表，清楚地解释了这一点：

五分位数就像百分位数，但我们不是将数据分成 100 个部分，而是将其分成 5 个相等的部分。

如果您了解百分位数，则更容易理解五分位数。 如果我们设置五个相等的百分位数范围，则百分位数 18 将落在 0-20 范围内，这将是第一个五分位数。 百分位值 81 将落在 80-100 范围内，因此是第 5 个五分位数。

这种方法涉及稍微复杂的数学，但解决了固定范围方法中的很多问题。 Quintiles 与任何行业合作，因为范围是从数据本身中挑选出来的，它们均匀地分配客户并且没有交叉。

Quintiles 是我们推荐的计算 RFM 分数的方法. 我们使用五分位数在 Putler 中创建 RFM 细分——我们为在线商家提供的业务分析和营销洞察解决方案。

可视化 RFM 数据

RFM 的图形表示将帮助您和其他决策者更好地了解您组织的 RFM 分析。

R、F 和 M 的得分为 1-5，共有 5x5x5 = 125 个 RFM 值组合。 R、F 和 M 三个维度最好绘制在 3D 图表上。 如果我们要查看每个 RFM 值有多少客户，我们必须查看 125 个数据点。

但是在纸上或电脑屏幕上使用 3D 图表是行不通的。 我们需要二维的东西，更容易描述和理解的东西。

RFM 分析的更简单表示

在这种方法中，我们在 Y 轴上绘制频率 + 货币分数（范围为 0 到 5），在 X 轴上绘制新近度（范围为 0 到 5） . 这将可能的组合从 125 减少到 50。将 F 和 M 合二为一是有意义的，因为两者都与客户的购买量有关。 另一个轴上的 R 让我们快速了解与客户的重新互动水平。

以订阅业务为例。 对于每月订阅 100 美元的客户，他们全年的货币价值为 1200 美元，但由于按月计费，频率将为 12 次。

另一方面，非经常性业务或 1200 美元的年度订阅表明货币价值良好，但由于单次购买，频率仅为 1。

在这两种情况下，客户同样重要。 我们结合频率和货币分数的方法在我们的 RFM 分析中赋予了它们同等的重要性。

使其更有效——创建 RFM 细分

理解 50 个元素仍然很乏味。 所以我们可以将我们的分析总结为 11 个部分更好地了解我们的客户。

如果您还记得，我们在本文开头讨论了这些部分。

这是一张表格，说明了如何创建基于 RFM 分数的 11 个客户群.

我们的终极 RFM 分析演示

为每个部分赋予不同的颜色将更容易回忆。 如果我们明智地选择颜色，我们的 RFM 图形表示将更容易分享和理解。

这是我们最终的 RFM 总结报告！

RFM 分割和 RFM 分析的软件/工具

随着对客户关系管理 (CRM) 的日益关注，RFM 已成为营销和业务分析不可或缺的一部分。 如果您对客户的购物行为进行一次性评估，则可以执行手动或半自动 RFM 分析。

但是如果你有一个稍微大一点的数据库，你不想自己做所有复杂的计算。

使用 Excel 进行 RFM 计算

Bruce Hardie 和 Peter Fader 写了一篇关于使用 Excel 计算 RFM 分数的详细说明。 他们还有一个您可以使用的示例 Excel 文件。 但此说明来自 2008 年，可能需要更新。

UMacs Business Solutions 还有一个 Excel 模板，售价 3.99 美元。

CogniView 网站上还有一个在 Excel 中设置 RFM 分析的演练。

我偶然发现的另一个资源是数据分析爱好者 Dave Langer 的。 这是一个关于他如何使用 excel 执行 RFM 计算的简短视频。

一些 CRM 工具做 RFM

有许多 CRM 软件可以自动计算 RFM 分数并细分您的客户。 如果他们已经有 RFM 支持，请咨询您选择的 CRM。

使用 Python/R 和其他分析工具进行 RFM 分割

R 和 Python 在统计和业务分析方面很受欢迎。 如果您有自己的数据科学团队，最好使用现有工具为您的业务创建自定义 RFM 模型。

Shopify、BigCommerce 和 TicTail 的 RFM 细分

RetentionGrid 是一种专门从事 RFM 分析的软件服务。 它可以从您的 Shopify、BigCommerce 或 TicTail 商店中引入数据，并显示 RFM 细分的精美可视化。

所有在线商店的 RFM 分析等等

普特勒提供全面的 RFM 分析，并为您提供许多其他业务分析和报告工具. 它专为电子商务而设计，支持与主要支付网关和电子商务系统的自动同步。 Putler 还为您提供有关许多其他方面的详细报告——销售、产品和访客。

客户仪表板中提供了 Putler 中的 RFM 分析。 这是它的外观.

营销中的RFM分析

Putler 的 RFM 分析可帮助营销人员找到以下问题的答案：

• 谁是你最好的客户？
• 您的哪些客户可能会影响您的客户流失率？
• 谁有潜力成为有价值的客户？
• 您可以保留哪些客户？
• 您的哪些客户最有可能响应参与度活动？

RFM模型的变化

RFM 是一个量化客户行为的简单框架。 许多人扩展了 RFM 分割模型并创建了变体。

两个值得注意的版本是：

• RFD（新近度、频率、持续时间） ——这里的持续时间是花费的时间。 在分析以收视率/读者/冲浪为导向的产品的消费者行为时特别有用。
• RFE（新近度、频率、参与度） – 参与度可以是基于页面花费时间、每次访问页面、跳出率、社交媒体参与度等的综合值。对于在线业务特别有用。

您可以为整个客户群或只是一个子集执行 RFM 细分。 例如，您可能首先根据地理区域或其他人口统计数据对客户进行细分，然后再通过 RFM 对基于交易的历史行为细分进行细分。

我们的建议：从简单的事情开始，进行实验并在此基础上进行构建。

将 RFM 细分应用于您的业务

营销人员多年来一直使用基于 RFM 的细分来优化营销活动的投资回报。 这通常是通过向我们之前讨论的 11 个细分或任何其他情况需要的自定义细分发送有针对性的消息来完成的。

客户/用户细分在营销界并不是陌生的东西。 大品牌将这一点降到了 T，而小家伙们刚刚意识到拥有以激光为重点的战略背后的力量——以激光为重点的用户细分。

尼尔帕特尔关于用户细分如何在内容营销中发挥作用

RFM 细分以实现更好的电子邮件营销

通过 RFM 分析在您的电子邮件营销软件（MailChimp、Campaign Monitor 等）中创建分段列表。 然后在每个细分市场上运行自动滴灌活动。 如果可能的话， 自动在分段列表之间移动人员，因为他们从一个 RFM 段移动到另一个.

您可以根据打开率和点击率以及购买的产品进一步细分。 这为您提供了激光聚焦、高度相关的细分市场。 这种策略极大地改善了结果。

RFM 提高客户生命周期价值

客户一生中与您一起花费的金额取决于多种因素。 RFM 可以在许多方面提供帮助——减少客户流失、向更有可能响应的细分市场提供追加销售和交叉销售、提高忠诚度和推荐度、销售高价商品等等。

不过要注意一点。 不要过火. 如果您继续向一部分客户发送营销活动，他们可能会感到恼火并停止购买。

新产品发布的 RFM 细分

向忠实客户推广新产品是获得初步吸引力和反馈的好方法。 你可以联系您的拥护者和忠实客户甚至在构建产品之前。 他们可以为您提供关于构建什么以及如何推广它的深刻见解。 这群人也会很乐意将您的产品推荐给他们的影响圈。

RFM 提高忠诚度和用户参与度

如果您运行忠诚度计划，潜在忠诚者是您可能定位的第一个细分市场。 您想确保他们对您的产品和服务的初步体验是愉快和难忘的。 跟进一些及时的促销活动，他们很有可能再次购买。 向这些客户发送教育内容也将增加他们对您品牌的参与度。

RFM 减少客户流失

处于风险和休眠状态是您需要特别注意的两个部分。 发送个性化电子邮件或致电以重新与这些客户建立联系。 您甚至可以以折扣价提供重复购买或进行调查以解决他们的担忧，然后再将它们输给竞争对手/替代品。

RFM 最大限度地降低营销成本并提高投资回报率

无针对性的营销活动可能会很昂贵。 专注于一小部分客户将显着降低成本， 允许您进行更多实验，并根据数据做出决策。

事实上，RFM的根源在于直销。 他们通过仅针对更有可能响应这些活动的客户来降低打印和运输目录的成本。 因此，无论您是从事数字营销、印刷还是媒体，细分都会降低您的成本并提高投资回报率。

RFM 用于再营销/重新定位广告系列

再营销是一种智能技术，您可以在其中向至少访问过您网站一次但现在在其他网站上的人展示您的广告/促销活动。 他们会在他们访问的其他网站上看到您的广告——这会提高点击率和整体效果。

使用 RFM 进行再营销的一种简单方法是将您的一部分客户（尤其是最近的客户或有前途的客户）导出到 Facebook Audiences 或您正在使用的其他活动管理解决方案。 然后向那群人展示促销活动。

RFM 更好地了解您的业务

大多数小企业并不完全了解他们的客户。 他们可能不知道他们的客户人口统计数据或公司统计数据。 收集和理解这些信息也可能既费时又费钱。

RFM 分析成为一种快速的方法了解客户的行为. 而且由于它基于实际的交易历史，所以它很多。 查看不同的 RFM 细分可以揭示有关您自己业务的见解。 询问有关您的细分市场如何相互比较的问题可以开辟巨大的增长机会.

如何使用 RFM 分析 - 实用策略

既然您知道如何执行 RFM 分析，那么您一定在考虑如何使用 RFM 段，对吧？ 嗯，有很多方法可以做到这一点。 看看您可以为 11 个 RFM 细分市场中的每一个实施哪些策略——

RFM 细分/RFM 分析的常见问题解答

什么是 RFM 分割？

RFM 细分是一种根据客户的购买行为对客户进行细分的方法。 在分析 RFM 细分时，根据三个因素对客户进行评分——新近度、频率和货币价值。 它根据客户的购买历史对他们进行分组——他们购买的时间、频率和货币价值。

为什么公司会使用 RFM 分析？

公司可以使用 RFM 分析来细分客户、发送有针对性的电子邮件、改善客户关系、提高投资回报率、改善营销、降低营销成本、更好地重新定位、减少客户流失等等。 在这里深入探索这些实际应用。

RFM 细分总结 – 优点、缺点、建议

RFM 技术是一种行之有效的营销模式，可帮助零售商和电子商务企业最大化其营销投资的回报。

RFM分析和RFM分割的优势

• RFM 适用于不同类型的企业——在线、零售、直接营销、订阅、非营利组织……
• 您了解不同的客户群，并可以识别您的最佳客户
• RFM 帮助制定高度针对性的营销活动
• 它有助于客户关系营销和客户忠诚度
• 将其与其他工具相结合，以获得详细的客户分析和客户洞察
• RFM 通过优化定位降低营销成本
• 由于受控目标，它减少了客户的负面反应

RFM 的一些限制：

• 当大多数客户只是一次性购买者时，它可能没有用
• 当您只销售一种产品并且只销售一次时，RFM 可能不适合
• RFM 是一种历史分析。 它不适合潜在客户。
• 如果没有软件/工具，计算 RFM 分数和细分可能会很复杂
• 向一个特定的细分市场发送过多的活动可能会让客户感到不安

使用 Putler 在几秒钟内运行 RFM 分析和细分客户

RFM 在纸面上看起来很棒，但如果您需要从头开始实现它，它就会变得复杂。 因此，您要么需要通过构建算法来 DIY，要么咨询营销机构为您完成。 在这两种情况下，您都会损失大量时间和金钱。 这就是企业失去兴趣并放弃 RFM 细分的地方。

这是普特勒介入的地方

我们的分析工具 Putler 有一个即用型 RFM 图表。 将电子商务平台、支付网关连接到 Putler 后，它会自动处理所有客户数据，并根据新近度、频率和货币参数将它们分成 11 个部分。

有趣的事实：在 Putler 中计算 RFM 只需要 3 个步骤。
在 Putler 中运行 RFM 分析的步骤

1. 将您的数据源连接到 Putler
2. 转到客户仪表板
3. 单击任何 RFM 段。 完毕！

这是 Putler 中的 RFM 图表的外观 -

与竞争对手相比，使用 Putler 的 RFM 分析的优势

节省时间
时间就是生命。 我们明白，作为企业主，您的时间非常宝贵。 我们重视它。 在 Putler，RFM 分析是 100% 自动化的。 您不需要对 RFM 分数进行任何手动计算，也不需要涉足 Excel 表格或其他任何东西。 Putler 将分析您的客户数据库，并根据他们的购物行为将客户分为 11 个部分。 您只需单击要处理的 RFM 细分，Putler 就会向您显示属于该细分的所有客户。

无需编码知识
并非每个企业都得到内部技术团队的支持，我们理解这一点。 所以我们让 Putler 的 RFM 分割变得超级简单。 你不需要任何编码技能来使用，理解它。 Putler 完成所有繁重的工作，并在几秒钟内为您提供准备好使用的片段。

非常实惠
如果您必须从头开始创建 RFM 工具或求助于第三方营销机构来细分您的客户，您最终将花费数千美元。 正确的？ 还要考虑，RFM 不是结束步骤。 这只是开始，一旦您对客户进行细分，您需要分配预算来执行营销活动，例如重新定位、发送有针对性的电子邮件、改进营销等。这意味着一旦您掌握了 RFM 细分，您就需要花更多的钱。 考虑到这一切，Putler 让每个人都能负担得起 RFM。 您只需要选择中间计划（增长 - 79 美元/月），您就可以将您的客户细分到 80 美元以下。 偷？

方便使用的
RFM 分析有多种用途。 它需要营销人员、顾问、支持人员、高层管理人员等访问。因此，为了迎合所有这些群体，Putler 使 RFM 界面超级易于使用和易于理解。

实时 RFM 分析
Putler 的 RFM 分析基于实时数据。 这意味着，当客户从您的商店购买商品时，Putler 将对客户运行 RFM 分析，并根据计算的 RFM 分数将他/她添加到适当的细分市场。 实时 RFM 分析可确保在任何时间点对所有客户进行细分。

能够过滤 RFM 段
Putler 的 RFM 分析根据新近度、频率和货币将客户分为 11 个部分。 但事实并非如此。 您可以根据订单状态、购买的产品、客户自、地理位置、定价等各种参数进一步深入研究这些细分。 这种进一步过滤属于特定参数的客户的能力有助于您缩小目标范围并进一步改善营销。

免费试用 Putler

这完全是你的选择——如果你有一个在线业务并且你想对你的客户群进行 RFM 分析并将它们分成不同的部分，那么 Putler 是一个很好的开始方式。 Putler 有 14 天的免费试用期。 您可以访问所有功能（包括 RFM 分段）。

注意：该试验只会提取最近 3 个月的数据。 因此，您可以在试用版中细分过去 3 个月内向您购买的客户。 一旦您尝试试用并确信该产品，选择增长计划，Putler 将提取更多历史数据。 然后，您也可以对老客户运行 RFM 细分。

回复您的意见或问题。 并且不要忘记与其他营销人员分享这篇文章。