成功客戶細分的 RFM 分析

在此頁面上，您將了解您需要了解的有關 RFM 的所有內容.

除了基礎知識，您還將學習如何在自己的業務中應用 RFM 模型.

什麼是 RFM 分析？

RFM（新近度、頻率、貨幣）分析是基於行為的客戶細分的成熟營銷模型。 它根據客戶的交易歷史對他們進行分組——他們最近多久購買一次、多久購買一次以及購買了多少。

RFM 有助於將客戶劃分為不同的類別或集群，以識別更有可能響應促銷以及未來個性化服務的客戶。

什麼是新近度、頻率和貨幣分析？

基於單一參數評估客戶是不夠的。

例如，您可以說花費最多的人是您最好的客戶。 我們大多數人都同意並認為相同。

可是等等！ 如果他們只購買一次呢？ 還是很久以前？ 如果他們不再使用您的產品怎麼辦？

所以..他們仍然可以被認為是你最好的客戶嗎？ 可能不是。

僅從一個方面判斷客戶價值會給您的客戶群及其生命週期價值提供不准確的報告。

這就是為什麼RFM模型結合了三種不同的客戶屬性來對客戶進行排名。

如果他們最近購買，他們會得到更高的分數。 如果他們多次購買，他們會獲得更高的分數。 如果他們花得更多，他們就會得到更多的積分。 結合這三個分數來創建 RFM 分數。

最後，您可以基於此將您的客戶數據庫劃分為不同的組新近度 - 頻率 - 貨幣分數。

使用 RFM 模型分析 RFM 客戶群

您可以使用 RFM 建模創建不同類型的客戶細分，但我們推薦以下 11 個細分。

考慮一下您現有客戶的百分比將在這些細分市場中的每一個中。 並評估推薦的營銷行動對您的業務的有效性。

另一方面：反復出現的電子郵件營銷的悲慘故事

考慮這種情況……

Carol 發布了完美的電子郵件通訊——內容、設計、主題行、號召性用語、社交媒體鏈接……她發送通訊時期望獲得出色的轉化率。 她的心算理由是，即使它以“低”10% 的速度在她的 3500 名客戶中轉化，她也會在幾小時內變得富有幾千美元。

十分鐘..半小時..兩小時..8小時過去了。 但歸根結底，只有 1.5% 的人點擊了鏈接並進行了一次銷售。

非常令人失望，不是嗎？

她錯過了什麼？

卡羅爾做的每件事都很完美， 除了一個 - 定位.

她向所有人發送了相同的電子郵件。

我相信你會同意： 不同的客戶對不同的消息做出反應。

對價格敏感的客戶會獲得折扣優惠，但經常向您購買的人可能只會對新產品的推出感到興奮。

這就是問題所在！

您不需要接觸 100% 的受眾，而是只需要識別和定位那些對您的業務最有利可圖的特定客戶群。

我們把金子留在桌子上……

我們大多數人甚至離卡羅爾都不近。

無論您是從事在線商務、零售、直銷還是 B2B——我們大多數人都忙於日常瑣事，以至於我們沒有花足夠的時間在營銷上。 我們的營銷活動匆忙，文案不足，缺乏專業的設計，我們對跟踪或改進轉化不夠重視。

當然，我們希望做到這一切。 但我們沒有。

如果我們更好地了解我們的客戶並向他們發送更相關的廣告系列會怎樣？

我保證我們的成功率會更高。

我們不僅會賺更多的錢，而且我們的客戶也會更快樂、更忠誠。

還沒有被說服？ 你會在幾分鐘內。

RFM 分割的優勢：以下是 RFM 分析變得超級有用的方式……

發送針對客戶群量身定制的消息將產生更高的轉化率。

這不是很明顯嗎？

所有的營銷活動都應該首先選擇一個目標細分市場，然後製作能引起該受眾共鳴的宣傳材料，然後再腳踏實地。

不幸的是，我們大多數人不這樣做。

這就是 RFM 分析非常有用的地方。

RFM 使識別客戶群變得容易。

RFM 細分很容易為您的企業回答這些問題……

• 誰是我最好的客戶？
• 哪些客戶處於流失的邊緣？
• 誰有潛力轉化為更有利可圖的客戶？
• 誰是你不需要過多關注的流失客戶？
• 您必須保留哪些客戶？
• 誰是你的忠實客戶？
• 哪一組客戶最有可能響應您當前的廣告系列？

經驗證的有效性——數十年的學術和工業研究

RFM 擁有數十年的業績記錄。 這不是一種時尚或營銷噱頭。 這是一個經過科學驗證的過程。

首先，它基於帕累托原則——通常稱為 80-20 規則。

帕累託法則說80% 的結果來自 20% 的原因。

同樣， 20% 的客戶貢獻了您總收入的 80%。

消費過一次的人更有可能再次消費。 大額購買的人更有可能重複購買。

帕累托原則是RFM模型的核心。 將您的精力集中在客戶的關鍵部分可能會給您帶來更高的投資回報！

植根於直銷、數據庫/目錄業務

RFM 的概念最初是由 Bult 和 Wansbeek 在 1995 年提出的。目錄營銷人員有效地使用它來最大限度地降低印刷和運輸成本，同時最大限度地提高回報。

計算機化的日益普及使得執行 RFM 研究變得更加容易，因為客戶和購買記錄已被數字化。 Blattberg 等人的一項廣泛研究。 2008 年證明了 RFM 在應用於營銷數據庫時的有效性。 許多其他學術研究也證實 RFM 降低了營銷成本並增加了回報。

Windsor circle 報告說，他們的零售客戶使用 RFM 取得了巨大成功：

• Eastwood 的電子郵件營銷利潤增加了 21%
• L'Occitane 的每封電子郵件收入增加了 25 倍。 25 次，而不是 25%……
• Frederick's of Hollywood 在他們的廣告系列中記錄了高達 6-9% 的轉化率

我希望您現在確信 RFM 分析對您自己的業務的有用性。

現在讓我們來看看所有這些結果背後的數學原理。

如何計算 RFM 分數？ - 簡化 RFM 分數計算

想知道如何為您的客戶數據庫計算 RFM 分數？ 就是這樣…

我們需要每個客戶的一些詳細信息：

• 客戶 ID / 電子郵件 / 姓名等：識別他們
• Recency (R) as days since last purchase : 他們最後一次購買是幾天前？ 從今天減去最近的購買日期以計算新近度值。 1天前？ 14天前？ 500天前？
• 頻率（F）作為總交易次數：客戶從我們商店購買了多少次？ 例如，如果某人在一段時間內下了 10 個訂單，那麼他們的頻率為 10。
• 貨幣（M）作為總花費：該客戶花費了多少美元（或您的計算貨幣）？ 再次限制在最後兩年 - 或花所有時間。 只需將所有交易的錢加起來即可獲得 M 值。

RFM 分析示例

考慮客戶羅伯特·約翰遜（Robert Johnson）——他最後一次下單是在 3 天前，至今共下了 6 個訂單，價值 540 美元。

應用 RFM 分數公式

一旦我們從購買歷史中獲得 RFM 值， 我們為每個客戶分別為新近度、頻率和貨幣值分配從 1 到 5 的分數. 五是最佳/最高值，一是最低/最差值。 最終的 RFM 分數可以簡單地通過組合各個 RFM 分數數字來計算。

請記住，RFM 值和 RFM 分數是不同的。 Value 是該客戶的 R/F/M 的實際值，而 Score 是基於該值的 1-5 的數字。

請看下表。 為了計算分數，我們首先按降序（從最高到最低）對值進行排序。 由於我們有 15 個客戶和 5 個分數，我們將 5 個分數分配給前三個記錄，4 個分配給接下來的三個記錄，依此類推。 對於整體 RFM 分數，我們簡單地結合客戶的 R、F 和 M 分數來創建一個三位數的數字。

注意：最近的購買被認為更好，因此得分更高。

因此， 最近購買、經常購買且花費大量的客戶的得分為 555 - Recency(R) - 5，Frequency(F) - 5，Monetary(M) - 5。他們是您最好的客戶。 在這種情況下，Alexander Diesel，而不是 Ammar Fahad——支出最高的人。

另一個極端是消費最低的客戶，幾乎沒有購買任何東西，而且很久以前 - 得分為 111。Recency(R) - 1，Frequency(F) - 1，Monetary(M) - 1. Andy Smith在這種情況下。

有道理，對吧？

現在讓我快速解釋一下為什麼我們將每個樂譜分成三組。

如何計算 1-5 的 RFM 分數？

不同的企業可能會使用不同的 RFM 公式方法來對 RFM 值按 1 到 5 的等級進行排名。但這裡有兩種最常用的方法。

方法一：簡單的固定範圍

一個例子：

如果有人在過去 24 小時內購買，則為他們打分 5。在過去 3 天內，給他們打分 4。如果他們在當月內購買，打分 3，過去六個月內打分 2，其他人打分 1。

如您所見，我們自己為每個分數定義了一個範圍。 範圍閾值基於業務的性質。 您也可以像這樣定義頻率和貨幣值的範圍。

這種評分方法取決於各個企業——因為他們決定了他們認為新近度、頻率和貨幣價值的理想範圍。

但是對於 RFM 分數的這種固定週期/範圍計算存在挑戰。

隨著業務的增長，分數範圍可能需要經常調整。

如果您有定期支付業務，但支付條款不同——每月、每年等——計算就會出錯。

方法 2：五分位數 – 根據可用值製作五個相等的部分

回憶你的學生時代。 有一個術語——數學中的百分位數。 百分位數只是落在或低於某個觀察值的值的百分比。

這是來自 MathIsFun.com 的一張圖表，清楚地解釋了這一點：

五分位數就像百分位數，但我們不是將數據分成 100 個部分，而是將其分成 5 個相等的部分。

如果您了解百分位數，則更容易理解五分位數。 如果我們設置五個相等的百分位數範圍，則百分位數 18 將落在 0-20 範圍內，這將是第一個五分位數。 百分位值 81 將落在 80-100 範圍內，因此是第 5 個五分位數。

這種方法涉及稍微複雜的數學，但解決了固定範圍方法中的很多問題。 Quintiles 與任何行業合作，因為範圍是從數據本身中挑選出來的，它們均勻地分配客戶並且沒有交叉。

Quintiles 是我們推薦的計算 RFM 分數的方法. 我們使用五分位數在 Putler 中創建 RFM 細分——我們為在線商家提供的業務分析和營銷洞察解決方案。

可視化 RFM 數據

RFM 的圖形表示將幫助您和其他決策者更好地了解您組織的 RFM 分析。

R、F 和 M 的得分為 1-5，共有 5x5x5 = 125 個 RFM 值組合。 R、F 和 M 三個維度最好繪製在 3D 圖表上。 如果我們要查看每個 RFM 值有多少客戶，我們必須查看 125 個數據點。

但是在紙上或電腦屏幕上使用 3D 圖表是行不通的。 我們需要二維的東西，更容易描述和理解的東西。

RFM 分析的更簡單表示

在這種方法中，我們在 Y 軸上繪製頻率 + 貨幣分數（範圍為 0 到 5），在 X 軸上繪製新近度（範圍為 0 到 5） . 這將可能的組合從 125 減少到 50。將 F 和 M 合二為一是有意義的，因為兩者都與客戶的購買量有關。 另一個軸上的 R 讓我們快速了解與客戶的重新互動水平。

以訂閱業務為例。 對於每月訂閱 100 美元的客戶，他們全年的貨幣價值為 1200 美元，但由於按月計費，頻率將為 12 次。

另一方面，非經常性業務或 1200 美元的年度訂閱表明貨幣價值良好，但由於單次購買，頻率僅為 1。

在這兩種情況下，客戶同樣重要。 我們結合頻率和貨幣分數的方法在我們的 RFM 分析中賦予了它們同等的重要性。

使其更有效——創建 RFM 細分

理解 50 個元素仍然很乏味。 所以我們可以將我們的分析總結為 11 個部分更好地了解我們的客戶。

如果您還記得，我們​​在本文開頭討論了這些部分。

這是一張表格，說明瞭如何創建基於 RFM 分數的 11 個客戶群.

我們的終極 RFM 分析演示

為每個部分賦予不同的顏色將更容易回憶。 如果我們明智地選擇顏色，我們的 RFM 圖形表示將更容易分享和理解。

這是我們最終的 RFM 總結報告！

RFM 分割和 RFM 分析的軟件/工具

隨著對客戶關係管理 (CRM) 的日益關注，RFM 已成為營銷和業務分析不可或缺的一部分。 如果您對客戶的購物行為進行一次性評估，則可以執行手動或半自動 RFM 分析。

但是如果你有一個稍微大一點的數據庫，你不想自己做所有復雜的計算。

使用 Excel 進行 RFM 計算

Bruce Hardie 和 Peter Fader 寫了一篇關於使用 Excel 計算 RFM 分數的詳細說明。 他們還有一個您可以使用的示例 Excel 文件。 但此說明來自 2008 年，可能需要更新。

UMacs Business Solutions 還有一個 Excel 模板，售價 3.99 美元。

CogniView 網站上還有一個在 Excel 中設置 RFM 分析的演練。

我偶然發現的另一個資源是數據分析愛好者 Dave Langer 的。 這是一個關於他如何使用 excel 執行 RFM 計算的簡短視頻。

一些 CRM 工具做 RFM

有許多 CRM 軟件可以自動計算 RFM 分數並細分您的客戶。 如果他們已經有 RFM 支持，請諮詢您選擇的 CRM。

使用 Python/R 和其他分析工具進行 RFM 分割

R 和 Python 在統計和業務分析方面很受歡迎。 如果您有自己的數據科學團隊，最好使用現有工具為您的業務創建自定義 RFM 模型。

Shopify、BigCommerce 和 TicTail 的 RFM 細分

RetentionGrid 是一種專門從事 RFM 分析的軟件服務。 它可以從您的 Shopify、BigCommerce 或 TicTail 商店中引入數據，並顯示 RFM 細分的精美可視化。

所有在線商店的 RFM 分析等等

普特勒提供全面的 RFM 分析，並為您提供許多其他業務分析和報告工具. 它專為電子商務而設計，支持與主要支付網關和電子商務系統的自動同步。 Putler 還為您提供有關許多其他方面的詳細報告——銷售、產品和訪客。

客戶儀表板中提供了 Putler 中的 RFM 分析。 這是它的外觀.

營銷中的RFM分析

Putler 的 RFM 分析可幫助營銷人員找到以下問題的答案：

• 誰是你最好的客戶？
• 您的哪些客戶可能會影響您的客戶流失率？
• 誰有潛力成為有價值的客戶？
• 您可以保留哪些客戶？
• 您的哪些客戶最有可能響應參與度活動？

RFM模型的變化

RFM 是一個量化客戶行為的簡單框架。 許多人擴展了 RFM 分割模型並創建了變體。

兩個值得注意的版本是：

• RFD（新近度、頻率、持續時間） ——這裡的持續時間是花費的時間。 在分析以收視率/讀者/衝浪為導向的產品的消費者行為時特別有用。
• RFE（新近度、頻率、參與度） ——參與度可以是基於頁面花費時間、每次訪問頁面、跳出率、社交媒體參與度等的綜合值。對在線業務特別有用。

您可以為整個客戶群或只是一個子集執行 RFM 細分。 例如，您可能首先根據地理區域或其他人口統計數據對客戶進行細分，然後再通過 RFM 對基於交易的歷史行為細分進行細分。

我們的建議：從簡單的事情開始，進行實驗並在此基礎上進行構建。

將 RFM 細分應用於您的業務

營銷人員多年來一直使用基於 RFM 的細分來優化營銷活動的投資回報。 這通常是通過向我們之前討論的 11 個細分或任何其他情況需要的自定義細分發送有針對性的消息來完成的。

客戶/用戶細分在營銷界並不是陌生的東西。 大品牌將這一點降到了 T，而小傢伙們剛剛意識到擁有以激光為重點的戰略背後的力量——以激光為重點的用戶細分。

尼爾帕特爾關於用戶細分如何在內容營銷中發揮作用

RFM 細分以實現更好的電子郵件營銷

通過 RFM 分析在您的電子郵件營銷軟件（MailChimp、Campaign Monitor 等）中創建分段列表。 然後在每個細分市場上運行自動滴灌活動。 如果可能的話， 自動在分段列表之間移動人員，因為他們從一個 RFM 段移動到另一個.

您可以根據打開率和點擊率以及購買的產品進一步細分。 這為您提供了激光聚焦、高度相關的細分市場。 這種策略極大地改善了結果。

RFM 提高客戶生命週期價值

客戶一生中與您一起花費的金額取決於多種因素。 RFM 可以在許多方面提供幫助——減少客戶流失、向更有可能響應的細分市場提供追加銷售和交叉銷售、提高忠誠度和推薦度、銷售高價商品等等。

不過要注意一點。 不要過火. 如果您繼續向一部分客戶發送營銷活動，他們可能會感到惱火併停止購買。

新產品發布的 RFM 細分

向忠實客戶推廣新產品是獲得初步吸引力和反饋的好方法。 你可以聯繫您的擁護者和忠實客戶甚至在構建產品之前。 他們可以為您提供關於構建什麼以及如何推廣它的深刻見解。 這群人也會很樂意將您的產品推薦給他們的影響圈。

RFM 提高忠誠度和用戶參與度

如果您運行忠誠度計劃，潛在忠誠者是您可能定位的第一個細分市場。 您想確保他們對您的產品和服務的初步體驗是愉快和難忘的。 跟進一些及時的促銷活動，他們很有可能再次購買。 向這些客戶發送教育內容也將增加他們對您品牌的參與度。

RFM 減少客戶流失

處於風險和休眠狀態是您需要特別注意的兩個部分。 發送個性化電子郵件或致電以重新與這些客戶建立聯繫。 您甚至可以以折扣價提供重複購買或進行調查以解決他們的擔憂，然後再將它們輸給競爭對手/替代品。

RFM 最大限度地降低營銷成本並提高投資回報率

無針對性的營銷活動可能會很昂貴。 專注於一小部分客戶將顯著降低成本， 允許您進行更多實驗，並根據數據做出決策。

事實上，RFM的根源在於直銷。 他們通過僅針對更有可能響應這些活動的客戶來降低打印和運輸目錄的成本。 因此，無論您是從事數字營銷、印刷還是媒體，細分都會降低您的成本並提高投資回報率。

RFM 用於再營銷/重新定位廣告系列

再營銷是一種智能技術，您可以在其中向至少訪問過您網站一次但現在在其他網站上的人展示您的廣告/促銷活動。 他們會在他們訪問的其他網站上看到您的廣告——這會提高點擊率和整體效果。

使用 RFM 進行再營銷的一種簡單方法是將您的一部分客戶（尤其是最近的客戶或有前途的客戶）導出到 Facebook Audiences 或您正在使用的其他活動管理解決方案。 然後向那群人展示促銷活動。

RFM 更好地了解您的業務

大多數小企業並不完全了解他們的客戶。 他們可能不知道他們的客戶人口統計數據或公司統計數據。 收集和理解這些信息也可能既費時又費錢。

RFM 分析成為一種快速的方法了解客戶的行為. 而且由於它基於實際的交易歷史，所以它很多。 查看不同的 RFM 細分可以揭示有關您自己業務的見解。 詢問有關您的細分市場如何相互比較的問題可以開闢巨大的增長機會.

如何使用 RFM 分析 - 實用策略

既然您知道如何執行 RFM 分析，那麼您一定在考慮如何使用 RFM 段，對吧？ 嗯，有很多方法可以做到這一點。 看看您可以為 11 個 RFM 細分市場中的每一個實施哪些策略——

RFM 細分/RFM 分析的常見問題解答

什麼是 RFM 分割？

RFM 細分是一種根據客戶的購買行為對客戶進行細分的方法。 在分析 RFM 細分時，根據三個因素對客戶進行評分——新近度、頻率和貨幣價值。 它根據客戶的購買歷史對他們進行分組——他們購買的時間、頻率和貨幣價值。

為什麼公司會使用 RFM 分析？

公司可以使用 RFM 分析來細分客戶、發送有針對性的電子郵件、改善客戶關係、提高投資回報率、改善營銷、降低營銷成本、更好地重新定位、減少客戶流失等等。 在這裡深入探索這些實際應用。

RFM 細分總結 – 優點、缺點、建議

RFM 技術是一種行之有效的營銷模式，可幫助零售商和電子商務企業最大化其營銷投資的回報。

RFM分析和RFM分割的優勢

• RFM 適用於不同類型的企業——在線、零售、直接營銷、訂閱、非營利組織……
• 您了解不同的客戶群，並可以識別您的最佳客戶
• RFM 幫助制定高度針對性的營銷活動
• 它有助於客戶關係營銷和客戶忠誠度
• 將其與其他工具相結合，以獲得詳細的客戶分析和客戶洞察
• RFM 通過優化定位降低營銷成本
• 由於受控目標，它減少了客戶的負面反應

RFM 的一些限制：

• 當大多數客戶只是一次性購買者時，它可能沒有用
• 當您只銷售一種產品並且只銷售一次時，RFM 可能不適合
• RFM 是一種歷史分析。 它不適合潛在客戶。
• 如果沒有軟件/工具，計算 RFM 分數和細分可能會很複雜
• 向一個特定的細分市場發送過多的活動可能會讓客戶感到不安

使用 Putler 在幾秒鐘內運行 RFM 分析和細分客戶

RFM 在紙面上看起來很棒，但如果您需要從頭開始實現它，它就會變得複雜。 因此，您要么需要通過構建算法來 DIY，要么諮詢營銷機構為您完成。 在這兩種情況下，您都會損失大量時間和金錢。 這就是企業失去興趣並放棄 RFM 細分的地方。

這是普特勒介入的地方

我們的分析工具 Putler 有一個即用型 RFM 圖表。 將電子商務平台、支付網關連接到 Putler 後，它會自動處理所有客戶數據，並根據新近度、頻率和貨幣參數將它們分成 11 個部分。

有趣的事實：在 Putler 中計算 RFM 只需要 3 個步驟。
在 Putler 中運行 RFM 分析的步驟

1. 將您的數據源連接到 Putler
2. 轉到客戶儀表板
3. 單擊任何 RFM 段。 完畢！

這是 Putler 中的 RFM 圖表的外觀 -

與競爭對手相比，使用 Putler 的 RFM 分析的優勢

節省時間
時間就是生命。 我們明白，作為企業主，您的時間非常寶貴。 我們重視它。 在 Putler，RFM 分析是 100% 自動化的。 您不需要對 RFM 分數進行任何手動計算，也不需要涉足 Excel 表格或其他任何東西。 Putler 將分析您的客戶數據庫，並根據他們的購物行為將客戶分為 11 個部分。 您只需單擊要處理的 RFM 細分，Putler 就會向您顯示屬於該細分的所有客戶。

無需編碼知識
並非每個企業都得到內部技術團隊的支持，我們理解這一點。 所以我們讓 Putler 的 RFM 分割變得超級簡單。 你不需要任何編碼技能來使用，理解它。 Putler 完成所有繁重的工作，並在幾秒鐘內為您提供準備好使用的片段。

非常實惠
如果您必須從頭開始創建 RFM 工具或求助於第三方營銷機構來細分您的客戶，您最終將花費數千美元。 正確的？ 還要考慮，RFM 不是結束步驟。 這只是開始，一旦您對客戶進行細分，您需要分配預算來執行營銷活動，例如重新定位、發送有針對性的電子郵件、改進營銷等。這意味著一旦您掌握了 RFM 細分，您就需要花更多的錢。 考慮到這一切，Putler 讓每個人都能負擔得起 RFM。 您只需要選擇中間計劃（增長 - 79 美元/月），您就可以將您的客戶細分到 80 美元以下。 偷？

方便使用的
RFM 分析有多種用途。 它需要營銷人員、顧問、支持人員、高層管理人員等訪問。因此，為了迎合所有這些群體，Putler 使 RFM 界面超級易於使用和易於理解。

實時 RFM 分析
Putler 的 RFM 分析基於實時數據。 這意味著，當客戶從您的商店購買商品時，Putler 將對客戶運行 RFM 分析，並根據計算的 RFM 分數將他/她添加到適當的細分市場。 實時 RFM 分析可確保在任何時間點對所有客戶進行細分。

能夠過濾 RFM 段
Putler 的 RFM 分析根據新近度、頻率和貨幣將客戶分為 11 個部分。 但事實並非如此。 您可以根據訂單狀態、購買的產品、客戶自、地理位置、定價等各種參數進一步深入研究這些細分。 這種進一步過濾屬於特定參數的客戶的能力有助於您縮小目標範圍並進一步改善營銷。

免費試用 Putler

這完全是你的選擇——如果你有一個在線業務並且你想對你的客戶群進行 RFM 分析並將它們分成不同的部分，那麼 Putler 是一個很好的開始方式。 Putler 有 14 天的免費試用期。 您可以訪問所有功能（包括 RFM 分段）。

注意：該試驗只會提取最近 3 個月的數據。 因此，您可以在試用版中細分過去 3 個月內向您購買的客戶。 一旦您嘗試試用並確信該產品，選擇增長計劃，Putler 將提取更多歷史數據。 然後，您也可以對老客戶運行 RFM 細分。

回复您的意見或問題。 並且不要忘記與其他營銷人員分享這篇文章。