在顧客關係管理（CRM）日益重要的現在，品牌常需要一些工具與指標，來分群分析顧客結構，並針對不同顧客價值與特性，進行差異化的行銷與溝通，進而完善資源分配、最大化 CRM 的效益。而其中，實務上最常被企業使用的即是 RFM 模型（RFM model）。
本文透過具體案例說明如何使用 RFM 分析（RFM analysis）模型，來協助品牌找出顧客痛點與機會。也會透過 6 個品牌實際案例，介紹完成分析後，應該如何擊破痛點、掌握機會，進而提升顧客終身價值（LTV），完善顧客關係管理的系統。
RFM 分析模型（RFM model）： 3 個關鍵維度，分出 8 種客群
行銷公司 Invesp 在舊客留存與新客獲取的研究分析中提到以下 3 個關鍵數據：
(1) 舊客比新客在新品上高出 50% 的嘗試意願，且在新品上願意多花 31% 的金額。
(2) 獲取新客的成本是維繫舊客的 5 倍以上。
(3) 每多留存 5% 的舊客，能提升整體 25%-95% 利潤。
由此可知，品牌將資源投注在既有客戶的分析與留存、深入且長期的關係經營上，會是比較好的資源分配模式。而著手顧客結構分析最好用的工具即是 RFM 分析模型。
RFM 分析模型由喬治‧卡利南（George Cullinan）於 1961 年提出，不過其應用並無過時，反而歷久不衰。1994 年美國數據庫行銷研究所亞瑟‧修斯（Arthur Hughes）指出顧客數據庫中有 3 個最重要的指標，可以用以分析顧客價值，至今仍為許多企業品牌所用，分別是：
Recency: 最近一次消費時間 Frequency: 消費頻率 Monetary: 單次消費金額
我們可以將顧客分別依據 R、F、M 的「高」與「低」分群。將這三個關鍵指標放到 X、Y、Z 軸上，就能視覺化地將客戶劃分出八個象限，形成以下這個最常見的 RFM 模型圖示：
以上便是套用 RFM 模型分類出的 8 種客戶。不難理解，3 個指標各有 2 種分類，便會形成 8 種組合。然而，這樣的分析雖然細緻，卻有點龐雜而不易理解，也不利於解決方案的規劃。本文建議在應用 RFM 分群（RFM segmentation）時，應該先回到 R、F、M 各自的本質，思考這 3 個指標對於提升顧客價值的意義。
RFM 與 LTV 的異曲同工之妙：提升顧客終身價值也該從這 3 個層面著手
我們在＜LTV 顧客終身價值算法與案例：拆解複雜公式跟上行銷趨勢！＞一文中分析過，若將 LTV 的計算公式拆解，便能發現只要提升顧客的「購買頻率」、「客單價」、「顧客壽命」這 3 個指標，換言之——只要顧客更常消費、每次消費花更多錢、並持續消費更長時間，LTV 自然就會提升。
而上述 LTV 公式中的「購買頻率」、「客單價」、「顧客壽命」，便與 RFM 有很高的契合度和相似度。「購買頻率」對應到 Frequency；「客單價」對應到 Monetary；而 Recency（最近一次消費時間）可以作為預測「顧客壽命」的其中一個重要指標。
RFM 分析如何協助精準分眾，發現行銷機會與痛點
認識到 RFM 與 LTV 密不可分的關係後，我們了解 RFM 之於顧客終身價值的重要性。換言之，企業若想提升顧客（終身）價值、打造良好的 CRM 成效，就必須使用 RFM 分眾（RFM segmentation）來指出企業當下的客群結構，並分析在各個客群上面臨了哪些痛點與機會，才能夠採取下一步行動。接下來，讓我們依序看看 R、F、M 這 3 個指標的高與低，分別代表哪些機會與痛點。
Recency⬇️ 沉睡客
Recency 低，代表最近一次消費已經距離現在很久以前了。用行銷和 CRM 的術語來說，Recency 低的消費者也被稱為「沉睡客」。沉睡客可能因為各種原因而很久沒有和品牌互動，對品牌而言相當可惜，因此品牌需要了解消費者各自沉睡的原因，以不會過度打擾又有誘因的方式，吸引沉睡客回購。
Recency⬆️ 活躍客
Recency 高，代表顧客上次消費是最近的事，也表示顧客近期對品牌較有好感，品牌有機會趁勢追擊。Recency 高的顧客也被稱為「活躍客」，品牌應盡量提升活躍客比例、降低沉睡客比例，才是較健康的顧客結構，也能維持較好的品牌形象。
Frequency⬇️ 稀客
Frequency 低，代表顧客不常消費。然而，不常消費不代表沒有潛力頻繁消費。若品牌稀客比例太高，常客比例太低，那可能缺乏穩定的營收來源，也是不健康的顧客結構。
Frequency⬆️ 常客
Frequency 高，代表是品牌的常客。品牌的常客更可能經常關注品牌的動態，如果 F 和 R 都高，也可以說是忠誠度很高的顧客。這些忠誠客也經常是品牌的主要會員，成為企業經營會員時的重點對象。
Monetary⬇️ 一般客
Monetary 低，代表顧客在品牌上每次消費願意花費的金額較低。M 和 F 都低的顧客群，提供品牌的顧客價值比較低，因此品牌應試著提升這群顧客的 M 和 F。如果無法提升，也不應耗費過多行銷資源在這群顧客身上。
Monetary⬆️ 黃金客
Monetary 高，代表顧客在品牌上願意一次花費比較多錢，也是品牌的黃金客。R、F、M 三者皆高的顧客，更能被視為品牌的 VIP，也是重要價值客戶。因為提供品牌最多的價值，因此品牌最應該努力拓展與挽留這類重要價值客戶。
最後，本文依據 R、F、M 三個指標代表的機會與痛點，來介紹一些知名品牌的具體做法。
6 個品牌 RFM 應用實例：如何針對機會與痛點，打造健全 CRM？
RFM 和 CRM 有密不可分的關係。最後，讓我們一起透過實例認識 RFM 應用的 4 個部分。分別是分析的前置作業，以及如何使用數位工具，針對 R、F、M 三個部分做有效的提升，來優化行銷與 CRM 的成效。
(1) 前置作業：自動化蒐集與整合 RFM 分析數據，進行標籤分眾
要做 RFM 分析之前，必須先有完整的數據，才能將顧客依據 Recency、Frequency 和 Monetary 的高低來分群。然而實務上，要將顧客的數據資料分類後，並對不同的客戶貼上標籤，本身已經是麻煩的事情，更麻煩的是要整合不同來源的數據，並且要頻繁地手動更新數據和標籤。
不過市面上有一些模組化的數據整合服務，例如行銷科技公司漸強實驗室提供的全方位行銷平台 MAAC，讓品牌可以將常見的會員平台資料、CRM、CDP 等迅速串接整合，還可以根據會員的消費行為自動貼標，將標籤分眾的流程自動化，精準分眾又節省效率。
以 Recency 的數據為例，MAAC 有內建「近 180 天內未消費會員」作為分眾標籤，並且會自動根據會員的消費行為貼標，來讓你一鍵篩選，分類出沉睡客和活躍客。當然，品牌也可以自行定義標籤，將 Recency 分類成更多不同程度，或是依據產業、品牌特性，以不同的標準來分類。
(2) Recency | 喚醒沉睡客，鞏固活躍客：AI 預測消費潛力
了解哪些顧客最近有消費、哪些最近沒有之後，下一步是針對不同 Recency 的客群，發送不同的溝通訊息。時尚品牌 VEMAR 平時就善用 LINE CRM 的功能，在用漸強實驗室的 MAAC 進行分眾推播時，會以「近 180 天未消費會員」推送對應的 LINE 行銷訊息，有效喚醒沉睡客。
漸強實驗室的 MAAC 也推薦品牌使用內建 AI 模型，更細緻地以「最近消費時間」維度，配合上其他指標，以機器學習預測顧客近期的潛在購買機率。例如，上次購買時間越接近，不代表購買機率就越高。透過分析大量數據與 MAAC 提供的預測模型，品牌反而可能發現三日內消費過的活躍客幾乎不可能再度消費，這時，品牌反倒不應該對這些顧客發送擾民訊息，以避免增加負面觀感。
(3) Frequency | 高效率、不擾民：精準溝通、智慧發送時間、自動化顧客旅程
不同的顧客，在品牌上喜歡的消費頻率也不同。
品牌首先可以嘗試更精準的溝通，提升顧客消費頻率，也避免引起顧客疲勞感、反感，甚至導致未來的溝通機會被忽略、封鎖。而精準溝通，意味著在對的時間發送對的訊息給對的人。
「發送對的訊息給對的人」
品牌可以嘗試蒐集與使用其他零方數據，做更細緻的分眾行銷，推播精準的個人化訊息。例如：日系內衣品牌 PEACH JOHN 透過 MAAC 的填 LINE 問卷領優惠的自動貼標功能，甚至連 LINE 新好友感興趣的商品是「無鋼圈內衣」、「機能型」或是「睡眠內衣」等等，都能在一加入時就建立好標籤了。
基於有效的數據與分眾，PEACH JOHN 推播的行銷訊息平均開封率達到五成以上，週年慶、購物節等大活動則通常有高達六七成的開封率。PEACH JOHN 也指出使用 LINE 與 MAAC 作為行銷工具後，發現「 LINE 的會員是真的叫得動，效率很高，活躍會員也提升了。」
「在對的時間發送訊息」
彩妝品牌 MAKE UP FOR EVER 則善用 MAAC 的智慧發送功能，可以自動抓出用戶的活躍時間，這些時間也很可能是用戶相對而言更願意點開訊息的時間。MAAC 可以協助品牌在對的時間發送給用戶，開封率比較高之外，也比較不會擾民。
自動旅程：自動在「對的時間發送對的訊息給對的人」
透過顧客旅程，品牌可以更了解顧客體驗、互動行為與接觸點，而在數位行銷的接觸點中，更可以藉由 MarTech 工具來依據顧客喜好的消費頻率、消費習慣設計自動化顧客旅程，充分運用數據實現行銷自動化，有效率分流用戶，打造順暢顧客體驗。
《zingala 銀角零卡》為了避免新好友拿完好禮就封鎖離開，特地在歡迎訊息給予期待感，強調「一週後再拿購物金」讓好友有留下來的動機。銀角零卡透過新好友禮的標籤觸發自動旅程，在七天後以「問答轉盤遊戲」創造第二波接觸體驗，獲得高達 92% 的自動旅程完成率！銀角零卡資深副總經理陳瑞興表示：「漸強實驗室全方位行銷平台 MAAC 提供的功能都很豐富和實用，尤其自動化行銷，像是自動回應、自動旅程，可以降低人力成本和人為失誤機率。」
(4) Monetary | 掌握 VIP 黃金客：深度會員經營
針對 Monetary 不同的受眾，當然也應投入不同資源，推播不一樣的內容，運用差異化的方式互動。
顧客單次願意消費的金額，對品牌而言是重要的分析維度。Recency 和 Frequency 這兩個指標更關乎恰當的互動時間點，而 Monetary 指標更關乎推播的商品取向與價格帶。
大型電商平台 GOMAJI 運用漸強實驗室 MAAC 的商品推薦訊息功能，用 AI 演算自動推播符合消費者偏好的主打商品圖卡。以 GOMAJI 歡慶 10 週年為例，GOMAJI 鎖定 30 天內頻繁互動的 LINE 好友，搭配機器學習模型分析好友的消費足跡，短短 3 天內讓點擊率衝破 81%，收穫超過 430 筆訂單！
此外，Monetary 高的交易，顧客考慮的周期也可能較長，需要經過層層互動、精準推播，才能完成最後的轉換。例如汽車品牌 NISSAN 販售的小客車一台動輒 60 萬，便特別重視會員經營與周到的服務。
為了滿足顧客在前期訂車、購入交車、到售後維修保養的消費旅程，都能獲得關鍵資訊、享受到快速便利的服務，NISSAN 開始經營 LINE 官方帳號，並配合漸強實驗室全方位行銷平台 MAAC，向全台超過 40 萬的活躍用戶分眾溝通其品牌價值。NISSAN 數位行銷科科長表示：「漸強的介面很好理解、也容易操作。也因為 LINE 會一直更新，漸強都有跟到，我們就能使用到最新的功能。」
即刻開始 RFM analysis，啟動成功 CRM！
RFM 分析能協助品牌指出顧客結構在 3 個關鍵維度上的表現，並將顧客依顧客價值劃分為 8 種。依照各群顧客比例，我們得以檢視顧客結構是否健康、以及哪些層面亟需改善。
一些行銷科技公司能協助企業完成 RFM 分析，並使用科技工具積極採取下一步。例如漸強實驗室提供的數據整合、數據洞察、分眾行銷、AI 模型、自動化行銷工具等等，協助超過 500 個不同產業的品牌，針對不同價值的客戶，在 R、F、M 等 3 個層面改善顧客結構，有效又迅速地提升 CRM 的成效。現在就透過下方按紐，了解漸強實驗室的服務如何協助品牌啟動 RFM 分析，也歡迎參考更多相關案例！
