基于RFM模型下的老客户召回思路：针对不同象限的老客户该如何对症下药？

“↑”表示大于均值，“↓”表示小于均值

因为有三个变量，所以要使用三维坐标系进行展示，X轴表示Recency，Y 轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户，根据上表中的分类，可以用如下图形进行描述：

以上就是关于RFM模型的一个大致的框架介绍。接下来我们谈谈如何运用这个模型对实际工作的老客户做一个分类。

二、RFM标准分析

在数云等类似的CRM系统中，又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。

为了方便下面解说，把相应的象限用字母1-25表示（如下图表示）。

举个栗子：某个客户的F=1，30＜R≤90，则位于22象限。

利用这个模型召回老客户之前，需要先捋清楚每一个象限的意义：

越接近右上角象限的客户越优质，复购越强，对品牌忠诚度越高；

位于21-25象限的客户，只要再购买一次，就直接变成象限16的客户；位于6-10象限的客户，只要再购买一次，就直接变成象限1的客户。

象限25属于流失客户，象限1属于绝对忠实老客户（这种客户沟通打电话最直接），重点关注象限5和10的客户（为什么你的忠实老客户流失了？）……

下面直接看这个表格，有一个更直观的感受。

RFM标准分析又衍生出一个参数：客户数/占比。因此可以分为：按客户数/占比划分象限，按平均每次购买金额划分象限；按累计购买金额划分象限。

表2.1 按累计金额划分象限的RFM标准分析

表2.1说明，购买次数越多的客户比例越少，注意象限24（加棕色），此种类型数据表示你的流失客户太多啦！该好好关爱一下新客户的营销工作了，把象限21-25的客户往象限16丢去。

表2.2 按平均每次购买金额划分象限的RFM标准分析

表2.2从M（消费金额）的角度来分析，可以把重点放在象限2和象限3（加黄色），此类客户单此贡献度高，可重点拜访或联系，以最有效的方式挽回更多的商机。

表2.3 按累计购买金额划分象限的RFM标准分析

表2.3 还是从M（消费金额）的角度来分析，可以发现人民币的主要贡献值都在于流失客户身上，也就是说，你从老客户身上压榨的油水太少啦！你的CRM维护工作做的不行噢~新客的二次召回是下一阶段重点要关注的问题点。

三、基于RFM模型的老客户召回逻辑

再举这么一个假设：

你有10000个客户，需要发短信或邮件最大程度（人数或者消费金额）召回他们，但是你的预算不多，最多只能选取2000-3000个顾客，那么你会如何找到最优化的客户样本？

理解了这个RFM的逻辑，ROI从1:6跳跃到1:30都是可能的，营销所节省下来的成本会很可观 。

根据不同象限周期性变化，可以推测出客户消费的异动状况，根据客户流失的可能性，列出客户。

不知道怎么取样，就干脆地毯式轰炸一遍所有象限的客户吧，统计出不同象限的投入产出比ROI是多少。下次活动心里就有谱了~

有了概念还得不断地尝试→总结→调整，达到一个最理想的状态。

下次就可以挺胸问老板：

“这次老客户召回ROI，你想要达到多少？”

参考来源

1、《电子商务网站RFM分析客户关系》 站长之家

2、百度百科：“FRM模型”