RFM 顧客分析完整指南

RFM 三維度

• R（Recency）最近購買時間（越近越好）
• F（Frequency）購買頻率（越多越好）
• M（Monetary）累積金額（越大越好）

每維度分 1-5 分，125 種組合，實務歸納為 8-11 群。

8 種主要顧客群

• 冠軍顧客（R5F5M5）：VIP 寵
• 忠誠顧客（R4F5）：穩定回購
• 潛力顧客（R5F3）：剛來常買
• 新客（R5F1）：剛買第一次
• 即將流失（R3F4）：警訊
• 流失預警（R2F4）：需挽回
• 已流失（R1F4）：難救
• 沉睡（R1F1M1）：放棄

計算方法（五等分法）

用百分位排序：

• 1000 顧客中，最近 200 人 R=5
• 201-400 人 R=4
• 401-600 人 R=3
• 601-800 人 R=2
• 801-1000 人 R=1

F 與 M 同理。SQL 用 NTILE(5) 函數一行搞定。

各群行銷策略

• 冠軍：VIP 專屬權益、新品優先、生日大禮
• 忠誠：會員等級提升、感謝信、推薦獎勵
• 潛力：個性化推薦、培養成忠誠
• 新客：首購後序列（感謝→心得→第 2 次優惠）
• 即將流失：主動關懷、特別優惠
• 流失預警：5 階段喚醒序列
• 已流失：放最後一次努力 + 移除
• 沉睡：清理名單保護寄信聲譽

執行頻率

• 每週跑一次（更新即時）
• 每月做大型分析（策略調整）
• 季度看趨勢（群組遷移）

記錄「從哪群移到哪群」是金礦——冠軍變沉睡是警訊、新客變忠誠是成功。

SQL 實作範例

標準 PostgreSQL 查詢：

SELECT user_id,
  NTILE(5) OVER (ORDER BY last_order_date DESC) AS R,
  NTILE(5) OVER (ORDER BY order_count DESC) AS F,
  NTILE(5) OVER (ORDER BY total_amount DESC) AS M
FROM customer_summary;

一次得到所有顧客的 RFM 分數。

進階五維度模型

• R/F/M 基本
• 退貨率（高退貨者可能是奧客）
• 品類偏好（推薦更準）
• NPS 分數（滿意度）
• 互動行為（開信、點擊）

起步只用 RFM 就夠用，10 萬會員+ 再投資多維度。

儀表板呈現

必看視覺：1. 5×5 矩陣熱圖（看每群人數）；2. 群組遷移桑基圖（看流向）；3. 每群人數趨勢線；4. 每群貢獻營收佔比；5. 每群行銷活動 ROI。Looker Studio 可免費搞定。

常見問題解答