RFM分析
RFM analysis
用最近购买、购买频率和购买金额对客户分群。
有可复核的客户交易记录，需要根据最近购买、购买频次和购买金额描述历史行为时使用。先在表格或分析工具中计算，再填写分群。
截至日、观察窗口、客户与订单定义、退款处理、币种，以及可复算的 R/F/M 数值和阈值。
历史行为分群、口径说明和待测试的运营行动。
先理解，再动手
使用步骤
先固定客户范围、截至日、交易窗口、有效订单、退款和币种口径。R 是距最近购买的天数，F 是窗口内有效订单数而非商品行数，M 是同口径金额。填写已核算的客户汇总，按本业务分布设置阈值；分群行动通过试验验证。
- 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
先用交易记录核算 R/F/M，再填写分群。RFM 不直接证明流失、利润或客户终身价值；阈值是业务选择，三行示例不能推出整批客户的分群数量。
看清框架结构
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 什么时候用：有可复核的客户交易记录，需要根据最近购买、购买频次和购买金额描述历史行为时使用。先在表格或分析工具中计算，再填写分群。 需要准备：截至日、观察窗口、客户与订单定义、退款处理、币种，以及可复算的 R/F/M 数值和阈值。 预期产出：历史行为分群、口径说明和待测试的运营行动。 使用边界：先用交易记录核算 R/F/M，再填写分群。RFM 不直接证明流失、利润或客户终身价值；阈值是业务选择，三行示例不能推出整批客户的分群数量。 工作问题： 期望结果： 已有证据与假设： 未知项与下一项核查： 填写说明：客户范围、截止日期、统计窗口、订单去重、退款处理和币种。 1. 数据范围与口径： 填写说明：说明R/F/M阈值、评分方向和选择依据；未制定时明确写待确认。 2. 分组依据： 填写说明：每行：客户 | R天数 | F订单数 | M金额 | 分组与行动。填已核算的非负数，F为整数；不要粘贴原始交易明细。 3. 客户RFM汇总： 填写说明：如何验证分组动作，观察什么结果，何时复查？ 4. 验证与跟进： 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。 考虑下一个框架 帕雷托分析: 已有同币种、同窗口的客户金额汇总，想检查收入是否集中时，用帕累托分析得到金额集中度及调查候选。 https://bizthinkframe.com/zh/frameworks/pareto-analysis BizThinkFrame · https://bizthinkframe.com/zh/frameworks/rfm-analysis
跟着案例走一遍
虚构教学案例给会员分组而非一律发券
组织、人物、数据和结果均为虚构，仅用于说明框架用法。
背景与问题
青禾有 600 名会员，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。
- 把久未购买且历史消费较高的会员与窗口内只买过一次的会员分开；不由此断言流失或新客。
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。
图形只展示三位客户的虚构分群，不据此推断 600 位会员的分群人数。阈值和跟进行动尚需结合交易口径与实际试验检验。
三种情况下先不要给客户分群
当购买历史可以帮助提出一个客户问题时，再用RFM。先统一人群和定义，再命名分组。原始指标描述合格历史，分数或组别是按约定规则作的解释，既不能说明顾客想要什么，也不能提供联系许可。
三种情况暂停：汇总使用不同参考日、窗口、退款规则或币种；把未知填零，混淆“没有合格购买”与“历史不可得”；没有相关历史，就把长间隔者叫流失、单次购买者叫新客。先处理证据，再讨论文案。
试阈值时保留完整合格名单，包括未分类者。否则整齐的分群表会隐藏规则没覆盖的人。本整理单展示已算好的汇总，不清洗交易、不从订单计算R/F/M，也不自动判断分组是否有用。
购买行为之外的问题，需要另一种材料
RFM适合购买历史问题。理解体验、选择市场和定义指标，需要分别准备相应材料，不能用一个数字标签替代调查。
| 方法 | 需要什么 | 得到什么 |
|---|---|---|
| RFM | 同口径客户汇总 | 拟行为分组及验证计划 |
| 用户旅程图 | 人物任务与触点记录 | 体验与信息缺口 |
| STP | 有限市场及细分研究 | 目标人群与定位假设 |
| KPI树 | 兼容的数量、金额与分母 | 可复算指标拆解 |
完整案例：八位客户一位也不省略
这是独立虚构小批次，不是上方600名会员的子样本或规模估计。D01–D08就是全部8人。参考日为2026-09-30零时，时区Asia/Shanghai；交易窗口2026-07-02含当日到2026-09-30不含当日。R按该时区的日历日期差计天。F计不同合格付费订单，取消单和发生任何全额或部分退款的订单均排除；M为剩余合格订单金额，币种人民币。这是给定教学汇总，不是已审计的交易计算。
两条试用规则分别是：近期重复购买R≤7、F≥5且M≥500；长间隔且历史较高R≥60，F/M条件相同。两组不重叠。R越小表示越近期；表中是天、单、金额，不是三位评分。
| 客户 | R天 | F单 | M元 | 初始组别 |
|---|---|---|---|---|
| D01 | 4 | 7 | 840 | 近期重复购买 |
| D02 | 7 | 5 | 500 | 近期重复购买 |
| D03 | 8 | 5 | 500 | 未分类 |
| D04 | 60 | 6 | 660 | 长间隔、历史较高 |
| D05 | 59 | 6 | 660 | 未分类 |
| D06 | 3 | 1 | 90 | 未分类 |
| D07 | 70 | 2 | 240 | 未分类 |
| D08 | 12 | 3 | 270 | 未分类 |
改规则，不换人群
初始为近期组2人、长间隔组1人、未分类5人。固定F/M和全部8条记录，每次只改一个近期边界。近期放宽到10天，D03进入；长间隔改为55天，D05进入。变的是规则，不是这两位的购买历史。
分组变宽不自动更好，可能改变信息相关性、工作量或优惠覆盖。两个情景都没有测量流失或响应。每行合计仍是8人，不能靠删除不方便的记录，让覆盖看起来提高。
| 近期边界 / 长间隔边界 | 近期组 | 长间隔组 | 未分类 |
|---|---|---|---|
| R≤7 / R≥60 | 2 | 1 | 5 |
| R≤10 / R≥60 | 3 | 1 | 4 |
| R≤7 / R≥55 | 2 | 2 | 4 |
| R≤10 / R≥55 | 3 | 2 | 3 |
结论写成可检验的问题，复查等窗口完整
现在能说的是：两条边界记录会因相邻阈值改变组别。要问哪种解释适合当前问题、什么证据能区分方案。8位教学客户不能估算600名会员的组别规模，也不能支持上文每组30人的拟试点。先取得有权使用的全量资料，核对人数，再约定真实试验。
触达若获批准，发送前定义资格、联系许可、消息、比较方式与结果。反馈、实际购买和观察窗口分开；若约定28天，就等完整28天。未回复与结果不可得保留，不把所有缺失都算零。复查保留旧定义和阈值，追加真实结果，再决定继续、调整或停止。分入某组本身不证明任何后续结果。
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。
框架参考
参考资料说明框架定义与适用范围，不验证虚构案例的结果。