假设因为某种原因，你需要召回你的老客户。差异消费属性层级的老客户，需要差异的召回触动点，因此你大概需要对你的老客户举办分层处理惩罚。这个时候就引入了一个客户干系打点模子：RFM模子。本文重点分享基于RFM模子下的老客户的召回思路：如何将差异消费品级的老客户分象限以及针对差异象限的客户对症下药。

一、RFM模子概述

在浩瀚的客户干系打点(CRM)的阐明模式中，RFM模子是被遍及提到的。

RFM模子是权衡客户代价和客户创利本领的重要东西和手段。该机器模子通过一个客户的近期购置行为、购置的总体频率以及花了几多钱三项指标来描写该客户的代价状况。

按照美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个要素：R（Recency）、F（Frequency）、M（Monetary）。

1、最近一次消费R(Recency)

客户最近一次的购置时间是什么时候。最近一次消费时间越近的顾主是最有大概对提供的商品或是处事也最有回响的群体。

假如显示上一次购置很近的客户，(消费为1个月)人数如增加，则暗示该公司是个稳健生长的公司；反之则是迈向不健全之路的征兆。

要吸引一个几个月前才上门的顾主购置，比吸引一个一年多以前来过的顾主要容易得多。

2、消费频率(Frequency)

客户在限定的期间内所购置的次数。最常购置的顾主，也是满足度更高的顾主。

假如相信品牌及商店忠诚度的话，最常购置的消费者，忠诚度也就更高。增加顾主购置的次数意味着从竞争敌手处盗取市场占有率，由别人的手中赚取营业额。

3、消费金额(Monetary)：客户的购置金额（可分为累积购置及平均每次购置）

消费金额是所有数据库陈诉的支柱，也可以验证“帕雷托法例”(Pareto’s Law)——公司80%的收入来自20%的顾主。

“↑”暗示大于均值，“↓”暗示小于均值

因为有三个变量，所以要利用三维坐标系举办展示，X轴暗示Recency，Y 轴暗示Frequency，Z轴暗示Monetary，坐标系的8个象限别离暗示8类用户，按照上表中的分类，可以用如下图形举办描写：

以上就是关于RFM模子的一个大抵的框架先容。接下来我们谈谈如何运用这个模子对实际事情的老客户做一个分类。

二、RFM尺度阐明

在数云等雷同的CRM系统中，又把客户分成五平分，这个五平分阐明相当于是一个“忠诚度的路线”(loyalty ladder)，其诀窍在于让消费者一直顺着路线往上爬，把销售想象成是要将两次购置的顾主往上推成三次购置的顾主，把一次购置者酿成两次的。

为了利便下面讲解，把相应的象限用字母1-25暗示（如下图暗示）。

举个栗子：某个客户的F=1，30＜R≤90，则位于22象限。

操作这个模子召回老客户之前，需要先捋清楚每一个象限的意义：

越靠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，只要再购置一次，就直接酿成象限16的客户；位于6-10象限的客户，只要再购置一次，就直接酿成象限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（这种客户相同打 *** 最直接），重点存眷象限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，有一个更直观的感觉。

RFM尺度阐明又衍生出一个参数：客户数/占比。因此可以分为：按客户数/占比分别象限，按平均每次购置金额分别象限；按累计购置金额分别象限。

表2.1 按累计金额分别象限的RFM尺度阐明

表2.1说明，购置次数越多的客户比例越少，留意象限24（加棕色），此种范例数据暗示你的流失客户太多啦！该好好关爱一下新客户的营销事情了，把象限21-25的客户往象限16丢去。

表2.2 按平均每次购置金额分别象限的RFM尺度阐明

表2.2从M（消费金额）的角度来阐明，可以把重点放在象限2和象限3（加黄色），此类客户单此孝敬度高，可重点造访或接洽，以最有效的 *** 挽回更多的商机。

表2.3 按累计购置金额分别象限的RFM尺度阐明