返回技能市场
企业经营 安全

客户价值分层

@bailian/customer-value-stratification

Segment your customer base using Recency, Frequency, and Monetary value scoring to identify Champions, Loyal Customers, At-Risk buyers, and Churned segments — then generate targeted retention and reactivation campaigns for each group.

阿里云百炼 热度 498v1.0

RFM Segmenter

大多数电商店铺对所有客户一视同仁：一次群发邮件、一个折扣、一条消息。RFM 细分将您的客户群划分为行为上不同的群体，以便您在正确的时间向正确的人发送正确的消息。该技能接收原始订单数据，按 Recency（他们最近一次购买的时间有多近）、Frequency（他们购买的频率有多高）和 Monetary value（他们花费的金额有多少）为每个客户评分，将其分配到命名细分群体，并为每个群体推荐具体的营销行动。

快速参考

| 决策 | 强 | 可接受 | 弱 | |----------|--------|------------|------| | 数据窗口 | 滚动 12–24 个月 | 固定最近 12 个月 | 全量历史数据（偏向老客户） | | 评分方法 | 五分位法（每个维度 1–5） | 四分位法（1–4） | 二元高/低 | | 细分命名 | 命名行为细分（冠军客户等） | 编号聚类 | 仅 R/F/M 分数 | | 金额指标 | 净收入（退款后） | 总收入 | 仅订单数量 | | 最近购买基线 | 按品类购买周期调整 | 固定 30/60/90/180 天 | 无调整 | | 行动具体性 | 针对细分的营销活动与优惠 | 通用留存 vs. 唤醒 | 群发邮件给所有客户 |

解决的问题

  1. 无差别折扣 — 向本来就会购买的冠军客户提供 20% 优惠券会损害利润率。RFM 可让您将折扣留给风险客户和已流失客户等真正需要的细分群体。
  2. 流失盲区 — 如果没有最近购买评分，您要到客户离开后才知道他们正在流失。RFM 会在客户流失之前发出预警。
  3. 错配的留存支出 — 将营销预算花给已经流失的客户（休眠细分）上几乎没有 ROI。应将这部分支出转向有潜力和需要关注的细分群体。
  4. 对高参与度客户过度发送邮件 — 每周向冠军客户发送 5 封邮件可能让他们从忠诚转为反感。RFM 帮助您按细分群体校准频率。
  5. 唤醒凭猜测 — 唤醒活动采用个性化切入点时效果最好。RFM 会告诉您哪些已流失客户曾经高价值且值得投入支出。
  6. LTV 预测 — 冠军客户和忠诚客户是您的 LTV 锚点。了解他们的规模有助于您设定现实的增长目标。
  7. 忠诚度计划设计 — RFM 能揭示哪些行为（频率 vs. 支出）能实际预测您所在品类的长期客户价值。

工作流

步骤 1 — 导出并清理订单数据

拉取一份客户级订单导出，包含：Customer ID（或 email）、Order Date 和 Order Value（扣除退款后的净额）。设置您的分析窗口（建议：稳定品类使用滚动 24 个月，时尚/季节性品类使用 12 个月）。移除测试订单、内部订单和批发账户。

步骤 2 — 计算 R、F、M 原始值

对每个客户：

  • Recency (R)：距离其最近一次订单的天数（相对于今天或您的快照日期）
  • Frequency (F)：分析窗口内的订单总数
  • Monetary (M)：分析窗口内订单的总净收入

步骤 3 — 分配 R、F、M 分数（1–5）

将您的客户群按每个维度划分为五分位。分数 5 = 最佳，1 = 最差。

  • R 分数：最近购买的客户得 5；最近一次购买日期最旧的得 1
  • F 分数：订单数量最高的得 5；单次购买得 1（或最低频率）
  • M 分数：花费最高的客户得 5；花费最低的客户得 1

*如果您的客户数少于 500，请使用四分位（1–4），以避免五分位桶过小。*

步骤 4 — 合并分数并分配细分群体

使用以下细分映射（可按业务调整）：

| 细分群体 | R Score | F Score | M Score | 描述 | |---------|---------|---------|---------|-------------| | 冠军客户 | 4–5 | 4–5 | 4–5 | 最近购买、经常购买、消费最多 | | 忠诚客户 | 3–5 | 3–5 | 3–5 | 消费高于平均水平的常规买家 | | 潜在忠诚客户 | 4–5 | 2–3 | 2–3 | 最近买家，经过培育可成为忠诚客户 | | 新客户 | 4–5 | 1 | 任意 | 刚完成第一次或第二次购买 | | 有潜力 | 3–4 | 1–2 | 1–2 | 最近买家，频率和消费较低 | | 需要关注 | 2–3 | 2–3 | 2–3 | 整体高于平均水平，但最近购买正在下降 | | 即将沉睡 | 2–3 | 1–2 | 1–2 | 最近购买下降，参与度低于平均水平 | | 风险客户 | 1–2 | 3–5 | 3–5 | 曾是冠军或忠诚客户，但尚未回归 | | 不能失去 | 1 | 4–5 | 4–5 | 很长时间未购买，曾高价值 | | 休眠 | 1–2 | 1–2 | 1–2 | 所有维度都低，参与度最低 | | 已流失 | 1 | 1–2 | 1–2 | 最长时间未购买，价值低 |

步骤 5 — 验证细分群体规模

成熟电商店铺的健康细分分布：

  • 冠军客户：5–15%
  • 忠诚客户：10–20%
  • 风险客户 + 不能失去：10–20%（您最需要紧急关注的群体）
  • 新客户 + 潜在忠诚客户：15–25%（您的增长管道）
  • 休眠 + 已流失：20–40%（正常；重点是防止其他客户进入这里）

如果冠军客户超过 30%，您的评分窗口过窄。如果已流失超过 60%，客户获取速度正在超过留存速度。

步骤 6 — 构建细分专属营销计划

将每个细分群体映射到具体的消息、优惠、渠道和节奏。完整营销矩阵请参见输出模板。

步骤 7 — 设置审查频率

每 30–90 天重新运行 RFM 分析（对于消耗品等高频品类应更短，对于家具或家电应更长）。跟踪细分迁移：客户从需要关注转向风险客户是预警信号；客户从有潜力转向忠诚客户是成功信号。

示例

示例 1 — 时尚服饰品牌（2,400 个活跃客户）

输入数据摘要：

  • Analysis window：12 个月
  • Average order frequency：每年 2.3 个订单
  • Average order value：$87
  • Average customer LTV (12-month)：$201

RFM 分数分布：

Champions (R4-5, F4-5, M4-5): 187 customers (7.8%)
Loyal Customers (R3-5, F3-5, M3-5): 312 customers (13.0%)
At Risk (R1-2, F3-5, M3-5): 203 customers (8.5%)
Can't Lose Them (R1, F4-5, M4-5): 89 customers (3.7%)
New Customers (R4-5, F1): 445 customers (18.5%)
Potential Loyalists (R4-5, F2-3, M2-3): 276 customers (11.5%)
Needs Attention (R2-3, F2-3, M2-3): 334 customers (13.9%)
About to Sleep (R2-3, F1-2, M1-2): 201 customers (8.4%)
Hibernating (R1-2, F1-2, M1-2): 298 customers (12.4%)
Lost (R1, F1-2, M1-2): 55 customers (2.3%)

关键行动：

  • 冠军客户 (187)：新品系列抢先购买 + 私人造型师优惠。无折扣。目标：提高 AOV。
  • 风险客户 (203)：唤醒邮件序列 — “我们想念您” → 10% 优惠 → 最后机会。目标：唤醒 25%。
  • 不能失去 (89)：电话/SMS 触达。VIP 唤醒优惠（20% + 免费配送）。他们曾是高消费客户。
  • 新客户 (445)：聚焦第二次购买的入门序列（时尚 LTV 中最具影响力的时刻）。

预计收入影响：

  • 风险客户唤醒（203 的 25% × $87 AOV）：约 $4,400 恢复收入
  • 冠军升级活动（187 的 40% 提高 $30 AOV）：约 $2,244 额外收入
  • 新客户二次购买（445 的 15% 转化 × $87）：约 $5,808 额外收入

---

示例 2 — 消耗品品牌（咖啡订阅 + 一次性买家）

挑战： 高购买频率意味着标准 RFM 窗口会错过订阅用户与偶尔买家之间的细微差别。

解决方案： 将订阅用户（recency = 距离上次订阅续订的天数）与非订阅用户（标准 RFM）分开分析，然后使用调整后的评分合并细分群体。

针对咖啡调整后的最近购买区间（平均重新订购周期 = 28 天）：

  • R5：21 天内购买
  • R4：22–42 天
  • R3：43–70 天
  • R2：71–120 天
  • R1：120+ 天

发现： 340 位 R1 客户具有 F4-5（已经流失的频繁买家）= 客户基础的 14%。这个“风险高价值买家”子细分存在于大多数消耗品品牌中，但会被标准季度 RFM 窗口遗漏。

行动： 针对这 340 人开展个性化唤醒活动：“您的常购订单已逾期” + 15% 一次性唤醒折扣。预期唤醒率：35–45%。

---

常见错误

  1. 使用全量历史数据而不是滚动窗口。 一位在 2019 年购买 50 次但自 2022 年以来没有购买任何商品的客户，在全量历史数据中看起来像冠军客户，但在任何有意义的当前意义上已流失。始终使用滚动窗口。
  1. 未针对购买周期进行调整。 90 天最近购买截止值对一般零售商没问题，但对每日补充剂品牌毫无意义，因为 45 天后流失已经是预警信号。
  1. 将 Monetary 视为总收入。 高退货客户可能有很高的总收入，但净收入为负。M 评分应使用退款后净收入。
  1. 在只有 200 位客户时构建 11 个细分群体。 对于小数据集，应合并为 5–6 个命名细分群体。只有 3 位客户的微细分无法采取行动。
  1. 忘记排除批发和 B2B 账户。 单个批发账户可能主导您的 F 和 M 五分位，并使整个评分模型偏斜。
  1. 运行一次 RFM 且从不更新。 客户行为会随时间变化。细分分数应至少每季度刷新一次；对于快速变化品类，每月更好。
  1. 对所有非冠军细分群体应用相同的折扣。 风险客户和不能失去需要折扣；新客户需要教育和社交证明；有潜力客户需要精选推荐。一个优惠不适合所有群体。
  1. 忽视细分迁移趋势。 如果上一季度 20% 的忠诚客户现在处于需要关注，那么您存在系统性留存问题，这不是单次活动能解决的。
  1. 未按细分群体跟踪 RFM 营销活动表现。 您无法改进未测量的内容。始终为营销活动标记其目标 RFM 细分群体，并按细分群体报告转化。
  1. 将 RFM 作为唯一细分层。 RFM 告诉您客户做了什么，而不是为什么。将其与产品品类数据或调查结果结合，以构建更完整的人物画像。

资源

  • [输出模板](references/output-template.md) — RFM 细分报告与营销矩阵
  • [细分行动手册](references/segment-action-playbook.md) — 每个细分群体的营销策略
  • [评分方法论指南](references/scoring-methodology.md) — 五分位计算与边界情况
  • [质量检查清单](assets/checklist.md) — 部署前准确性检查清单
qianwen skills install @bailian/customer-value-stratification