假設因為某種原因，你需要召回你的老客戶。不同消費屬性層級的老客戶，需要不同的召回觸動點，因此你可能需要對你的老客戶進行分層處理。這個時候就引入了一個客戶關系管理模型：RFM模型。本文重點分享基于RFM模型下的老客戶的召回思路：如何将不同消費等級的老客戶分象限以及針對不同象限的客戶對症下藥。

在衆多的客戶關系管理(CRM)的分析模式中，RFM模型是被廣泛提到的。RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指标來描述該客戶的價值狀況。

根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個要素：

R（Recency）、F（Frequency）、M（Monetary）。

客戶最近一次的購買時間是什麼時候。最近一次消費時間越近的顧客是最有可能對提供的商品或是服務也最有反應的群體。

如果顯示上一次購買很近的客戶，(消費為1個月)人數如增加，則表示該公司是個穩健成長的公司；反之則是邁向不健全之路的征兆。

要吸引一個幾個月前才上門的顧客購買，比吸引一個一年多以前來過的顧客要容易得多。

客戶在限定的期間内所購買的次數。最常購買的顧客，也是滿意度最高的顧客。

如果相信品牌及商店忠誠度的話，最常購買的消費者，忠誠度也就最高。增加顧客購買的次數意味着從競争對手處偷取市場占有率，由别人的手中賺取營業額。

消費金額是所有數據庫報告的支柱，也可以驗證“帕雷托法則”(Pareto’s Law)——公司80%的收入來自20%的顧客。

“↑”表示大于均值，“↓”表示小于均值

因為有三個變量，所以要使用三維坐标系進行展示，X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐标系的8個象限分别表示8類用戶，根據上表中的分類，可以用如下圖形進行描述：

以上就是關于RFM模型的一個大緻的框架介紹。接下來我們談談如何運用這個模型對實際工作的老客戶做一個分類。

在數雲等類似的CRM系統中，又把客戶分成五等分，這個五等分分析相當于是一個“忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費者一直順着階梯往上爬，把銷售想象成是要将兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

為了方便下面解說，把相應的象限用字母1-25表示（如下圖表示）。

舉個栗子：某個客戶的F=1，30＜R≤90，則位于22象限。

利用這個模型召回老客戶之前，需要先捋清楚每一個象限的意義：

1. 越接近右上角象限的客戶越優質，複購越強，對品牌忠誠度越高；

2. 位于21-25象限的客戶，隻要再購買一次，就直接變成象限16的客戶；位于6-10象限的客戶，隻要再購買一次，就直接變成象限1的客戶。

3. 象限25屬于流失客戶，象限1屬于絕對忠實老客戶（這種客戶溝通打電話最直接），重點關注象限5和10的客戶（為什麼你的忠實老客戶流失了？）……

下面直接看這個表格，有一個更直觀的感受。

RFM标準分析又衍生出一個參數：客戶數/占比。因此可以分為：按客戶數/占比劃分象限，按平均每次購買金額劃分象限；按累計購買金額劃分象限。

表2.1 按累計金額劃分象限的RFM标準分析

表2.1說明，購買次數越多的客戶比例越少，注意象限24（加棕色），此種類型數據表示你的流失客戶太多啦！該好好關愛一下新客戶的營銷工作了，把象限21-25的客戶往象限16丢去。

表2.2 按平均每次購買金額劃分象限的RFM标準分析

表2.2從M（消費金額）的角度來分析，可以把重點放在象限2和象限3（加黃色），此類客戶單此貢獻度高，可重點拜訪或聯系，以最有效的方式挽回更多的商機。

表2.3 按累計購買金額劃分象限的RFM标準分析

表2.3 還是從M（消費金額）的角度來分析，可以發現人民币的主要貢獻值都在于流失客戶身上，也就是說，你從老客戶身上壓榨的油水太少啦！你的CRM維護工作做的不行噢~新客的二次召回是下一階段重點要關注的問題點。

再舉這麼一個假設：

你有10000個客戶，需要發短信或郵件最大程度（人數或者消費金額）召回他們，但是你的預算不多，最多隻能選取2000-3000個顧客，那麼你會如何找到最優化的客戶樣本？

理解了這個RFM的邏輯，ROI從1:6跳躍到1:30都是可能的，營銷所節省下來的成本會很可觀 。根據不同象限周期性變化，可以推測出客戶消費的異動狀況，根據客戶流失的可能性，列出客戶。

不知道怎麼取樣，就幹脆地毯式轟炸一遍所有象限的客戶吧，統計出不同象限的投入産出比ROI是多少。下次活動心裡就有譜了~

有了概念還得不斷地嘗試→總結→調整，達到一個最理想的狀态。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!