RFM 模型是什么：怎么做客户分层

做客户运营时，最常见的误区是”对所有客户用同一套动作”——给沉睡客户发新品推荐、给高价值客户群发优惠券。要摆脱这种粗放打法，第一步往往是用一个经典又好上手的模型把客户分层，它就是 RFM。

RFM 模型是一种用三个交易行为维度——最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）——给客户分层的方法，通过对三个维度分别打分再组合，把客户划分成不同价值与活跃度的群体，从而针对性地设计运营动作。

RFM 的三个维度

RFM 的精髓在于：不用一个指标判断客户，而是用三个互补的维度交叉刻画。

维度	全称	含义	读法
R	Recency 最近一次消费	客户上一次消费距今的时间	越近一般越好，说明还活跃
F	Frequency 消费频率	统计周期内的消费次数	越高越好，说明粘性强
M	Monetary 消费金额	统计周期内的累计消费额	越高越好，说明贡献大

三个维度各有侧重：

• R 反映”还在不在”：一个客户哪怕过去买得多，但很久没来，也可能正在流失。
• F 反映”黏不黏”：频次高的客户往往对品牌有依赖，复购意愿强。
• M 反映”值不值”：累计金额高的客户贡献了大头收入，值得重点维护。

单看任何一个都会有盲区——只看 M 会忽视高价值客户正在沉睡，只看 R 会把偶尔光顾的小客户误判为重点。三者结合才立体。

怎么打分与分层

RFM 分层的常见流程是给每个维度打分，再把高低组合起来。

第一步：确定统计窗口 先定一个观察周期（比如过去一段时间），在这个窗口内统计每个客户的 R、F、M 原始值。

第二步：每个维度分档打分 对每个维度，按客户群体的实际数据分布分档。最简单的是分高低两档（高于或低于中位数），也可以分成更多档（如五分位）。分档阈值要按你自己的数据来定，没有通用标准。

第三步：组合成客户分层 若三个维度各分”高 / 低”两档，理论上可组合出 8 类客户：

R	F	M	客户类型	大致策略方向
高	高	高	重要价值客户	重点维护、专属服务
高	低	高	重要发展客户	提升消费频次
低	高	高	重要保持客户	警惕流失、主动触达
低	低	高	重要挽留客户	优先挽回
高	高	低	一般价值客户	培养、引导升级
高	低	低	一般发展客户	激活、提频
低	高	低	一般保持客户	唤醒、维系
低	低	低	一般挽留客户	低成本唤醒或舍弃

这八类只是经典划分框架，命名和策略可按业务调整。关键不是死记类型，而是理解”哪个维度高、哪个维度低”决定了该用什么动作。

关于阈值，多说一句常被忽略的坑。 很多人第一次做 RFM 会随手拍一个”绝对值”当门槛，比如”消费金额超过 1000 就算高 M”。这在多数场景里是错的。假如你的客单价普遍偏高，1000 元可能连中位数都不到，结果一大半客户都被划进”高 M”，分层就失去了区分力；反过来客单价低的业务，1000 元的门槛又会把几乎所有人打成低 M。更稳的做法是用相对位置：把全体客户在某个维度上从高到低排序，取中位数或分位点当界线。这样无论你的绝对金额是几十还是几千，分出来的高低两组人数都相对均衡，模型才有分辨力。

还有一个反直觉的点：R 维度是”越小越好”，打分方向和 F、M 相反。 R 存的是”距今天数”，天数越小说明客户越近才来过、越活跃。所以给 R 打分时，天数少的要给高分、天数多的给低分，别把方向搞反了——这是新手最容易写错的一处，一旦反了，你会把最活跃的一批客户误标成”最该挽回的沉睡客户”，后续动作全盘皆错。

一个可以照着算的打分例子

光讲流程不够直观，拿一份 8 人的小样本走一遍五分位（这里简化成三档）打分，你就明白 RFM 到底在算什么。假设统计窗口是过去 180 天，原始数据长这样：

客户	R（距今天数）	F（次数）	M（累计金额）
甲	5	12	3600
乙	8	9	2800
丙	20	6	1500
丁	45	5	1200
戊	60	3	800
己	90	2	600
庚	150	2	400
辛	170	1	200

先按每个维度把 8 人排序，大致分成高（3 分）、中（2 分）、低（1 分）三档。R 记得反向：天数最少的甲、乙给 3 分，中间的丙、丁、戊给 2 分，天数最多的己、庚、辛给 1 分。F 和 M 正向：次数/金额高的给 3 分，依次往下。这样甲的 R/F/M 分是 3/3/3，辛是 1/1/1，丙大概落在 2/2/2。

打完分你会得到一列像”333""211""122”这样的组合码。下一步不是死记八类名字，而是看这串码里哪几位是 3、哪几位是 1。 甲是 333，标准的重要价值客户，服务和权益都该往他身上压；辛是 111，投入产出比最低，用最省钱的方式碰一下、没反应就放手。真正要盯的是”某一维度突然掉下来”的人——如果有个客户是 133（R 低、F 高、M 高），意味着他过去买得又勤又多、但最近突然不来了，这类正是最值得优先抢救的重要挽留客户，比对着 111 的人费力唤醒划算得多。

规模一大，这套逻辑就交给表格公式或脚本批量跑，人只负责定分档规则和读结果。几十个客户手算能理解原理，几万个客户就必须自动化，否则光是每周重算一次都会拖垮运营。

分层结果怎么用于运营

分层结果怎么用于运营

分完层只是手段，落到运营动作上才有价值：

• 重要价值客户：投入最优质的服务与权益，重点防流失，他们贡献了收入大头。
• 重要挽留客户（曾经高频高额但最近不来）：这是最值得抢救的一群，要优先做有针对性的挽回触达，而不是泛泛群发。
• 高频低额客户：粘性好但客单价低，重点引导提升单次消费或交叉销售。
• 沉睡 / 低价值客户：用低成本的批量唤醒动作试探，反应差的就果断减少投入，把资源留给更有价值的群体。

RFM 的本质是让有限的运营资源向更有价值的客户倾斜。它和复购运营关系密切，提升 F 维度往往就是在提升复购，相关方法可参考复购率是什么：怎么算 + 怎么提升。把分层结果接入完整的留存运营体系，效果会更好，可查看客户留存与复购实战指南。

RFM 的局限

RFM 简单好用，但有边界，用之前要清楚：

• 只看交易、不看体验：它完全基于消费数据，不反映客户满意度、口碑等态度层面的信号。
• 依赖复购数据：对一次性大额、几乎无复购的业务区分力弱。
• 是回顾性指标：刻画的是客户”过去的样子”，对未来意向的预测需要结合其他信号。

因此 RFM 适合作为分层的起点，而非唯一依据，复杂场景下可与客户健康度等模型配合使用。

几个容易翻车的地方

带过几个团队做 RFM，踩过的坑基本重复出现，提前避开能省很多返工：

• 统计窗口拍脑袋定。 窗口太短，低频但高价值的客户（比如两三个月买一次大单的人）会被误判成沉睡；窗口太长，早就流失的人还挂在”活跃”里。合理做法是参考自己业务的自然购买周期：快消日用品可以取 3090 天，耐用品或低频服务可能要取 612 个月。定完窗口，全体客户用同一个窗口，别有的算 30 天有的算一年。
• 分完层就不再更新。 RFM 是个”快照”，今天的重要价值客户下个月可能就掉进沉睡。合理频率是按运营节奏定期重算——高频业务一周一次，低频业务一月一次。只跑一次、拿着半年前的分层发券，等于对着旧地图找路。
• 八类都想做，结果一类没做透。 分出八类不代表要为八类各设一套动作。人力有限时，先集中火力打两类：重要价值客户（防流失）和重要挽留客户（抢回来）。这两类的动作做扎实，收益往往比八类各做一点都强。
• 只按 M 排序发福利。 有人图省事，直接按累计金额从高到低发权益，这就退化成了单维度，白瞎了 R 和 F。一个 M 很高但 R 很低的客户，你继续给他发满减其实无感，他要的是被”想起来”的一次专属触达。
• 忽略退款和异常订单。 算 M 时如果把退款、刷单、员工内部下单都算进去，高价值客户名单里会混进一堆假数据。清洗一遍原始订单，比事后纠偏省事得多。

上手落地清单

想把 RFM 从概念变成能跑起来的动作，照这个顺序走一遍基本不会漏：

1. 确认能拿到每个客户的单笔消费明细（时间、金额、客户 ID），这是前提，拿不到就先补数据。
2. 结合购买周期定统计窗口，并约定重算频率。
3. 清洗订单，剔除退款与异常单，算出每人的 R、F、M 原始值。
4. 每个维度按相对分位打分（先两档跑通，再考虑五分位），注意 R 反向。
5. 组合出分层，但先只挑 2~3 类设计差异化动作，别贪多。
6. 动作上线后跟一段时间的转化，回头调分档阈值和话术，把 RFM 变成会迭代的循环，而不是一次性报告。

小结

RFM 模型的核心要点就三条：用最近一次消费、消费频率、消费金额三个维度刻画客户，对每个维度分档打分，再把高低组合成不同价值层级的客户群。分层不是目的，针对不同群体设计差异化的运营动作才是。记住分档阈值要按自己的数据来定，没有万能标准。

企客连连正在研发面向中小团队的客户分层与精细化运营工具，欢迎访问 /product/ 加入内测候补名单，提前体验自动 RFM 分层与分群触达。