电商 RFM 会员分层模型：把用户分成 8 组、ROI 翻 3 倍的实战手册

做电商做到一定体量都会遇到同一个瓶颈：新客拉得越多、成本越高，老客留不住。这时候如果还在"给所有用户推一样的内容"，获客成本会一路爆炸。真正的出路是RFM 分层运营：把老客分成 8 组，对每组做不同的触达，让复购率翻倍。

本文给出 RFM 模型从计算到落地的完整手册。

第一节：RFM 是什么

RFM 3 个维度：

• R (Recency)：最近一次消费时间；
• F (Frequency)：一定周期内的消费频次；
• M (Monetary)：一定周期内的消费总额。

每个维度给"高/低"标签，3×2=8 组用户：

R	F	M	人群标签
高	高	高	重要价值客户
高	高	低	一般价值客户
高	低	高	重要发展客户
高	低	低	一般发展客户
低	高	高	重要挽留客户
低	高	低	一般挽留客户
低	低	高	重要流失客户
低	低	低	一般流失客户

第二节：R/F/M 阈值设定

以服装类目为例：

R 阈值

• 高：30 天内有消费；
• 低：30 天+无消费。

F 阈值

• 高：近 6 个月 ≥ 3 单；
• 低：近 6 个月 ≤ 2 单。

M 阈值

• 高：近 6 个月累计 ≥ 1500 元；
• 低：近 6 个月累计 < 1500 元。

其它品类参考

品类	R 阈值	F 阈值	M 阈值
食品	15 天	4 单/半年	¥800
美妆	60 天	2 单/半年	¥1000
3C	180 天	1 单/半年	¥2000
家居	90 天	2 单/半年	¥1500

第三节：8 组用户的运营动作

G1 重要价值客户（高 R/高 F/高 M）

特点：刚买、买得多、花得多——"VVIP"。

动作：

• 专属客服 1V1 服务；
• 新品优先试用邀请；
• 生日/节日 1 对 1 定制礼品；
• 会员专享通道（早 1 小时看爆款）。

禁忌：不要打扰！他们已经很忠诚，过度打扰反而让人反感。

G2 一般价值客户（高 R/高 F/低 M）

特点：常来，但消费额不高——"铁粉但钱包小"。

动作：

• 推荐"升级款/高阶款"；
• 套餐/组合装激励客单提升；
• 发"满 500 减 100"拉高单次消费；
• 偶尔邀请参与会员活动。

G3 重要发展客户（高 R/低 F/高 M）

特点：刚买、花钱多、但不常买——"大客偶尔来"。

动作：

• 提升复购频率："月卡订阅/次月再优惠"；
• 定期推送新品；
• 生日礼；
• 邀请加入 VIP 群。

G4 一般发展客户（高 R/低 F/低 M）

特点：刚买过，但频次和金额都不高——"新手期"。

动作：

• 二次购引导（"满 99 减 30"）；
• 入群送券；
• 晒单返现引导评价；
• 产品使用指南发送（增加粘性）。

G5 重要挽留客户（低 R/高 F/高 M）

特点：曾经是高价值客户，最近没来——"流失前兆"。

动作：

• 紧急召回！发 1V1 私信；
• 专属挽回券（8 折或 200 元）；
• 电话回访问原因；
• 新品内测邀请（利用荣誉感）。

G6 一般挽留客户（低 R/高 F/低 M）

特点：频次高但金额小、现在停了——"薅羊毛型"。

动作：

• 发"新老客专享"低客单品券；
• 邀请做任务（签到、分享）；
• 社群活跃策略。

G7 重要流失客户（低 R/低 F/高 M）

特点：曾经大单，现在不来了——"一次性大客"。

动作：

• 分析流失原因（可能是产品不满意）；
• 发新品内测邀请；
• 个性化推荐（基于历史购买）；
• 小额福利试探兴趣。

G8 一般流失客户（低 R/低 F/低 M）

特点：很久没买也没买多少——"半死粉"。

动作：

• 最后一次召回券（成本低）；
• 无反应 → 停止投入；
• 不浪费私域资源。

第四节：RFM 计算的 3 种方法

方法 1：Excel 手工（500-5000 人规模）

1. 从电商后台导出订单明细；
2. 用 VLOOKUP 汇总每个用户的 R/F/M；
3. 按阈值打 1/0 标签；
4. 用 IF 函数拼成 RFM 组号。

方法 2：SQL（5000-50000 人）

在数据库直接跑：

SELECT 
  user_id,
  DATEDIFF(NOW(), MAX(order_date)) AS R,
  COUNT(order_id) AS F,
  SUM(amount) AS M
FROM orders
WHERE order_date >= DATE_SUB(NOW(), INTERVAL 6 MONTH)
GROUP BY user_id;

方法 3：SCRM/BI 工具（50000+）

• 有赞、微盟、SAP CRM 自带 RFM 模块；
• DataWorks/帆软 BI 定制报表；
• 每周自动更新+打标签。

第五节：RFM 数据可视化

8 组用户占比饼图

理想分布：

• G1-G4（活跃期）：50-60%
• G5-G6（挽留期）：15-25%
• G7-G8（流失期）：15-25%

如果 G7-G8 超过 40%，说明店铺的"留存漏斗"有严重问题。

RFM 矩阵热力图

• 横轴：R 分；
• 纵轴：F×M 分；
• 颜色：用户数量。

一眼看出用户集中在哪几个象限，对应集中运营资源。

第六节：RFM 和其它模型的组合

RFM + 品类偏好

把每组再按"最近购买的品类"细分：

• G1 × 美妆偏好 → 推荐美妆新品；
• G1 × 母婴偏好 → 推荐母婴新品。

RFM + 渠道来源

• G5（挽留）的用户，从"千川来的"和"搜索来的"动作不同；
• 千川来的用"专属券+新品"；
• 搜索来的用"满减+品类引导"。

RFM + 生命周期

• 新客（< 90 天）用 G3/G4 动作；
• 成熟客（90-365 天）用 G1/G2/G5 动作；
• 沉睡客（> 365 天）用 G7/G8 动作。

第七节：RFM 运营效果

一个典型案例（月销 300 万服装店铺）：

• 实施前：老客月复购率 12%；
• 实施后 3 个月：月复购率 18%（+50%）；
• 实施后 6 个月：月复购率 22%（+83%）；
• 整体 GMV 月均提升 15-20%（纯存量贡献）。

第八节：RFM 工具推荐

规模	推荐工具	月成本
< 5000 人	Excel	¥0
5000-5w 人	有赞 SCRM/微盟	¥300-1000
> 5w 人	SCRM + DataWorks	¥3000+

第九节：常见误区

• "做 RFM 太复杂"：错。500 人规模的 Excel 版就能落地；
• "一次做完就不变"：错。RFM 需要每周更新；
• "每组都要发一样的券"：错。每组动作不同才有效；
• "只看 RFM 不看别的"：错。RFM 是骨架，品类/渠道/生命周期是肉。

第十节：推进 RFM 运营的 30 天路线图

• Week 1：定义 R/F/M 阈值 + 导出数据；
• Week 2：跑 8 组分层 + 设计每组动作；
• Week 3：落地执行（发券/私信/电话）；
• Week 4：复盘效果 + 优化阈值。

按这套 30 天流程做一轮 RFM，老客 ROI 能翻 3 倍、复购率提升 40-80%。这是电商从"拉新驱动"到"存量驱动"的分水岭。