Engage

最近一次消费、消费频率、消费金额:场馆 RFM 模型指南

RFM(最近消费、频次、金额)详解:对访客进行评分,解读“核心客户”和“流失风险”等细分客群,并开展精准的场馆营销活动以吸引客户再次光临。

Recency frequency monetary: RFM model guide for venues

根据 西北大学梅迪尔施皮格尔研究中心(Medill Spiegel Research Center) 基于 2025 年 11 月 Prosper Insights & Analytics 调查得出的数据,美国成年人在 2025 年平均每月在餐饮上支出 236.45 美元。但这一支出数字无法让场所运营者了解哪些顾客会再次光顾、谁正在流失,抑或谁的光顾能带来利润。新近度、频次与消费金额分析(通常简称为 RFM)提供了一个切合实际的切入点,通过将顾客的交易历史转化为可采取行动的受众细分。

目录

最近一次消费(Recency)、消费频率(Frequency)和消费金额(Monetary Value)的含义

RFM 是一种行为评分模型,根据宾客最近的消费时间、消费频次以及消费金额对其进行排名。它描述的是观察到的行为,而非宾客的个人价值或其有保证的未来价值。

假设一家咖啡馆的经理想要区分常客与路过的旅行者。两人可能购买了相同的午餐,但其消费历史却截然不同。

  • 最近消费时间 (Recency)衡量自最近一次符合条件的访问、订单或住宿以来的时间间隔。间隔越短,得分越高。
  • 消费频次 (Frequency)统计特定观察周期内符合条件的访问或交易次数。它能将反复互动与单次孤立购买区分开来。
  • 消费金额 (Monetary value)衡量该周期内的总消费或平均消费。在消费定义保持一致的前提下,它能有效评估经济贡献度。

信息图将原始行为与分配给它的评分区分开来。

解释 RFM 模型的信息图,详细说明用于客户行为分析的最近一次消费(Recency)、消费频次(Frequency)和消费金额(Monetary value)评分。

查看访客画像

在此处使用的示例评分方案中,每个维度的分值为 1 到 5,分值越高代表观察到的行为越显著。假设的 5-4-5 表现形式代表近期有消费、频率相对较高且消费金额较大。1-5-4 的表现形式则代表某位顾客有着可观的购买历史记录,但目前处于沉寂状态。

这些数字是独立的标签,并非货币金额或概率。请勿将组合代码视为普通数字,数值较大并不自动意味着是更优质的客户。

POS 收据和已完成的预订可以提供交易日期与金额。WiFi 登录可提供到访凭据,但登录并不等同于消费,且除非将其与交易关联,否则无法反映消费金额。

实用准则:即使记录在同一宾客档案中,也应清晰区分监测到的到店、已完成的购买以及预订记录。

评分是相对于您所选择的受众、时间范围和阈值而言的。社区咖啡馆的高分与度假酒店的高分并不一定代表相同的行为特征。

RFM 细分群体及其对应的行动

当营销人员能据此做出决策时,宾客代码才具有实用价值。细分群组将行为模式转化为联系理由、适宜的优惠方案以及合理的资源投入。

以下为示范性操作方案,而非通用的评分标准。文中所列区间均为建议的配置选项。其中若干项存在重叠,因此在实施时需要明确的优先级规则,而不是分配所有匹配的标签。

RFM 细分群体、评分模式以及各自对应的行动

细分群体 R 评分 F 评分 M 评分 含义 建议操作
核心客户 (Champions) 4-5 4-5 4-5 近期活跃、高频到访且消费金额高 通过 VIP 专属权益进行奖励与维护,而非提供常规折扣
忠诚客户 (Loyal customers) 3-5 3-5 3-5 各项维度均表现稳定的常客 开展向上销售、交叉销售并邀请参加专属活动
潜在忠诚客户 (Potential loyalists) 4-5 2-3 2-3 近期有到访但尚未养成固定习惯的宾客 通过相关邀约鼓励再次到访
新客户 (New customers) 4-5 1 1-2 近期有互动但历史记录较少 开展新客迎新旅程并核实实际购买频次
潜力客户 (Promising) 3-4 1-2 1-2 近期有互动但参与度适中 通过实用内容和轻度优惠进行培育
需重点关注 (Need attention) 2-3 2-4 3-4 正在逐渐流失的高价值消费客户 发送基于特定时机或场景的限时邀约
即将沉睡 (About to sleep) 2-3 1-2 1-2 近期互动意愿正在减弱 围绕相关时机或场景重新激活客户
流失风险 (At risk) 1-2 2-5 2-5 以往活跃但目前互动减少的宾客 测试个性化挽回激励机制
重要挽回 (Can't lose them) 1-2 4-5 4-5 历史上价值高但目前未再到访的客户 优先进行一对一个性化跟进
休眠客户 (Hibernating) 1-2 1-2 1-2 长期未到访且历史记录价值有限 测试低成本季节性唤醒或停止推广投入
流失客户 (Lost) 1 1 1 各项维度记录的活跃度均最低 从常规促销中排除,并执行触达终止策略

在优化标签前先确定行动方案

通过几个大致的模式来解读该表格。各个维度表现强劲意味着需要维护好该关系。历史频次和消费金额较高但近期活跃度偏弱,表明存在挽回机会。近期活跃度较高但频次有限,则表明需要帮助顾客建立再次光顾的理由。

不要让表面的标签掩盖底层记录。较低的频次(Frequency)评分并不一定代表仅有单次购买,且初次光顾的客人的消费额可能足以超出建议的“新客户”区间。请将购买次数和初次到店状态作为附加条件。

对于重叠的客群画像,请先评估针对性最强的规则。“核心客户”(Champions)应优先于“忠诚客户”(Loyal customers);“不容流失”(Can't lose them)应优先于“流失风险”(At risk)。应将“流失”(Lost)视为一项明确的运营决策,而不是自动删除记录的指令。

这是 行为细分 的实际应用:根据顾客的既往行为进行分组,然后选择适当的响应策略。如果相邻分群接收到完全相同的信息和优惠,请直接将它们合并,而无需维持没有人会用到的细分界限。

如何逐步计算 RFM 评分

基于干净的事件表构建模型,而不是从现有的邮件列表中提取。您需要一个稳定的顾客标识符、一个符合条件的事件日期、一个事件标识符,以及统一定义的金额数值。

Springer 探讨 RFM 与客户生命周期价值的论文 指出,频次和金额指标与未来价值呈正相关,而当最近消费时间表示为流逝时长时,则呈反向关联。这支持将 RFM 用作一种行为特征集,而非对客户关系的完整价值评估。

构建可重现的计算

  1. 选择观察窗口和评分日期。选择包含场所常规购买周期的滚动周期,并记录计算评分的日期。在场所和品牌的购买模式存在重大差异时,应分别进行对比。

  2. 提取并清洗合格事件。根据您选择的行为单元导出已完成的交易、到访、预订或住宿记录。匹配宾客身份,去除跨系统重复记录,排除测试及无效购买,并妥善处理退款,避免将其视为新的购买活动。

  3. 计算原始指标。最近一次消费(Recency)等于评分日期减去最近一次合格事件日期;频次(Frequency)等于窗口期内的合格事件计数;金额(Monetary)等于同一窗口期内的总净支出或平均净支出。保留宾客最近一次已知的购买日期(即使该日期落在观察期之外),以确保长期未到访的宾客不会丢失。

  4. 将原始数值转化为分段。针对每项指标分别对宾客进行排序,并分配细分规则中使用的说明性分级,在能产生有意义区分的地方采用分位数分段。对于最近一次消费指标需反转方向,并将相同的原始数值归为同一组,而不是强行划分为规模相等的组。

  5. 合并各组件评分。在合并代码的同时,分别存储独立的 R、F、M 字段。加权汇总有助于确定优先级,但不应掩盖宾客的具体短板是未活跃、低频次还是有限的消费。

  6. 发布可刷新的受众。按照记录的标准顺序应用细分规则,然后将生成的受众发送到营销活动平台。保留评分日期和规则版本,以便同事能够说明某位宾客符合条件的原因。

可视化工作流简明地呈现了计算过程提示。

分步信息图,展示用于宾客营销分析的 RFM 评分六步计算流程。

核实输入数据,确保输出可靠

了解 POS 数据包含的内容 有助于您区分小票、订单明细行和退款。如果将小票中的每行明细算作单独的购买,可能会导致多人就餐被误判为短时间内爆发的多次复购。

总消费额和平均消费额解答的是不同的问题。总消费额反映的是整个统计周期内的贡献;平均消费额反映的是单笔交易规模。请审慎选择,切勿在不同站点之间随意更改定义却不标明差异。

对于规模较小或存在大量并列分数的受众群体,应使用易于解读的固定区间,而不是强行采用分位数。当客户构成或交易模式发生变化时,请重新审核阈值。您最终生成的电子表格或平台视图应允许营销人员查看每个代码背后的原始行为。

咖啡馆、酒吧和酒店中的 RFM 实践

流失阈值应反映预期的回访周期,而不仅仅是设定一个便利的日期筛选条件。东京大学国际现代日本经济研究中心 (CIRJE) 发布的一份讨论文件将 RFM 指标与潜在购买行为联系起来,并指出预测关联会因场景而异;对于每天光顾的咖啡馆顾客而言,45 天未光顾可能意味着严重流失,但对于每年入住的酒店客人来说却很正常。

打破常规习惯的咖啡馆常客

假设一位顾客通常会在上班途中购买早餐。与他们既定的间隔相比,当前未到店的时间明显过长,但其历史消费频次和消费金额依然可观。

友好地邀请尝试新早餐品项是一种合理的测试。但请先排查咖啡馆是否更改了营业时间、因维护而歇业,或停止采集该顾客常用的支付识别码。数据缺失并不代表顾客选择了竞争对手。

有效的流失标记意味着该客人在该场所的表现异常未到访,而不仅仅是与其他所有人一样未到访相同的时间。

按特定场合到访的酒吧宾客

社区酒吧的宾客往往因体育赛事、庆祝活动或本地事件而聚集,而非遵循固定的每周惯例。12 月狂欢过后较为冷清的 1 月,并不必然需要采取激进的挽回优惠。

将顾客当前的间隔时间与其历史间隔以及当地营业日历进行比对。如果其历史记录较少,请参考相关的场所群组,而不是盲目假设您了解其个人消费节奏。

以特定时机为导向制定信息。宣布赛事日程或日历中熟悉的常规活动回归,往往比千篇一律的折扣能提供更充分的到店理由。

计划进行不同类型旅行的酒店客人

酒店住宿可能受年度假期、商务差旅或家庭聚会等因素影响。利用预订提前期、以往入住季节和出行模式来判断何时发出邀约最为合适。

目的地场景同样至关重要。对于规划文化遗产旅游内容的营销人员,Count Kálnoky's Estates 的 罗马尼亚乡村文化遗产住宿指南 为构思顾客体验提供了一个参考资源。但它并不足以作为普适酒店回访周期的证据。

在扣除实际渠道成本后比较预订贡献,而不是假定具有相同客房收入的每次住宿都具有同等价值。

在这些场景中,一位光顾频繁、消费价值高且周期稳定的宾客,比起单次大额消费的宾客,能为赢回定向提供更坚实的基础。对于不熟悉的宾客,需承认其行为的不确定性,并采用更温和的邀约方式。

将 RFM 细分转化为场所营销活动

为每个受众群体提供一个接收您消息的具体理由。分群名称并不等同于营销活动简报。简报应明确顾客行为、建议的回访理由、符合条件的渠道、商业限额以及终止该流程的条件。

下方的营销活动路径图区分了关系建立与客户挽回。

解释如何针对不同 RFM 客户群创建场所营销活动的营销漏斗图。

保护活跃客户关系

对于核心拥趸 (Champions),应提供切实可感的专属礼遇。例如提供品鉴套餐的提前预订、活动的优先入场资格,或是受邀预览季节限定菜单。在承诺这些权益之前,请务必与场地经理确认接待能力。

对于忠诚客户 (Loyal customers),建议推荐与其现有偏好紧密相关的项目。例如邀请餐厅常客参加酒吧品鉴会,或向再次入住的酒店宾客推荐店内餐饮体验。交叉销售应保持高相关性,而不是盲目推销每一个营业网点。

活动邀请还需要搭配一个真正值得参与的活动。对于校园或企业受众,The Matcha Bike 的 面向校园及企业聚会的抹茶餐饮服务 提供了一个策划者可以考虑的具体体验范例。应根据宾客偏好和运营可行性来决定营销活动中是否包含该方案。

对于新客户和潜在忠诚客户,消除其再次光顾的顾虑。说明预订流程,突出适合的场景,并推荐与初次到访相关的项目。不要假定每个人都需要价格激励。

挽回流失客人,避免过度打扰

需要关注的受众可能会对与近期特定活动相关的邀约做出积极响应。请确保截止日期真实有效,并确保员工能够兑现该优惠。

对于有流失风险和不可错失的客户,在选择激励措施之前请先查看其历史记录。服务投诉需要深思熟虑的妥善回复,而不是一张忽略未解决问题的自动化优惠券。此外,个性化触达应让人感到贴心有用,而不是透露出令人不安的过度追踪痕迹。

对于休眠和流失客户,避免耗费高昂成本反复试图挽回弱关系。在适当时机进行有限且具相关性的重新激活测试,随后将无响应的联系人从常规推广支出中排除。

随附的视频提供了另一种考量场所营销执行的形式。

在发送前应用资格条件

  • 检查渠道许可。仅在宾客已授予相应许可且具备渠道触达资格时,才使用电子邮件、短信或 WhatsApp。
  • 跨旅程限制触达频次。高商业价值评分并不意味着来自不同场所或站点的无限制消息推送是合理的。
  • 行为变化时及时终止。当宾客完成符合条件的再次到访或预订而使消息失效时,应将其从客户挽回旅程中移除。
  • 严格遵守运营限制。在上线前应用优惠预算、可用性检查及审批规则。

记录符合条件的人员以及实际触达的人员。如果不做区分,您将无法可靠地把目标定位决策与送达问题分离开来,也无法准确评估营销活动的效果。

RFM 的误区及纠正方法

当实用的速记指标变成不容置疑的权威时,RFM 就会带来风险。保持评分的可解释性,保留底层行为数据,并为推翻既有标签的证据留出空间。

RFM 预测未来

RFM 描述的是购买历史。它可以支持受众定位,但不能证明特定消息就能改变某人的行为。

在发送前,随机保留一组符合条件的对照组。对比相同观察期内的回访率,报告差异的不确定性,并评估扣除营销活动成本后的边际贡献。打开率、点击率和核销率可用于诊断执行情况,但无法证明增量到访。

效果不佳同样需要进行归因分析。在断定顾客不感兴趣之前,请先检查身份匹配和送达情况,且切勿将含有噪声的估算呈现为可靠的收益。

单一临界值适用于所有访客

单一的未活跃规则可能会将季节性行为与客户流失混淆。Mailrelay 的 RFM 术语表 阐释了 RFM 评分的相对性,以及考量所选受众、阈值和季节性背景的必要性。

在拥有充足历史记录时,采用个人消费节奏;在数据不足时,参考相关客群(cohort);在二者皆无法成立时,明确设为未知状态。如果尚未掌握某位客户的正常复访模式,切勿为其贴上看似精确的流失标签。

决策核验:思考什么样的证据会让您推翻当前的客群归类。如果答案是“没有任何证据”,那么该模型就已经演变成了一种武断的定论。

货币价值等同于盈利能力

营业额可能会掩盖大幅折扣、退款、渠道费用以及高昂的服务成本。区分全价购买与促销购买,并在具备可靠成本输入时参考边际贡献。

保持基本接待服务独立于商业排名。员工不应因为客人的记录消费额较低而提供较差的服务标准。

更多客群细分意味着更精准的定向

仅保留团队能够实际利用的细分差异。如果不同受众接收的信息、推送时间、优惠和衡量方案完全相同,额外的标签只会增加管理成本,而无法带来更好的决策。

审查线下消费、拼单/共享预订或不完整的身份匹配是否系统性地将部分宾客归入了低价值群体。将信息缺失视为数据质量问题,而非低价值的证据。

隐私保护同样属于此类审查的范畴:根据 CleverTap 的 RFM 分析指南,87% 的消费者期望零售商能够负责任且安全地处理个人数据。请将处理规则记录在册,合理限制访问权限,并确保导入或分群刷新操作绝不覆盖退出请求(opt-out)。

从单一细分群体切入并衡量回报

RFM 将交易历史转换为可解释的代码;客群细分将该代码转化为目标受众。建议先从流失的常客入手,而不是盲目开启所有可能的旅程。

使用精简的首期营销活动核对清单:

  • 定义合格行为。挑选具有明确重复到访记录、且当前未到访时长对该场所而言反常的宾客。
  • 撰写明确的邀请。为他们提供重返的合理理由,并附带场所可盈利落地的优惠。
  • 预留随机对照组。在发送前扣留部分符合条件的宾客,并在衡量期间保持对其处理方式的一致性。
  • 衡量业务成效。对比增量回流和利润贡献,而非仅衡量互动率。

顾客反馈可以解释成效,但不能取代对照组对比。在团体住宿方面,Hen Hideaways 关于如何 衡量单身派对顾客满意度 的指南提供了一个有价值的补充视角。请将这些调研结果与 营销投资回报率 (ROI) 结合起来,而不是仅仅将满意度作为营销活动回报的证明。

Purple Engage将顾客动态整合到共享记录中,并支持更新受众群体以及开展有针对性的保留组 (Holdout) 衡量。我们的自动检查规则包括在 90 天内访问 3 次或以上WiFi,且在过去 30 天内无访问;这是一项运营层面的初始规则,而非流失的普适定义。我们建议首先采用针对餐厅的 14 天归因窗口,然后根据该场所的自然访问频次进行调整。

本周,导出您近期的交易历史记录,核查底层数据,并选择流失常客群体进行对照赢回测试。只有当您能够明确初次营销活动带来了哪些改变后,再拓展到二次回访旅程。


Purple Engage 可将 WiFi、POS、预订和入住活动整合到统一的客户历史记录中,以便您构建到访与消费受众,并衡量增量回报。请访问 Purple Engage,了解刷新的受众分群、同意授权控制以及留存对照组衡量如何助力您的首个 RFM 营销活动。

More ways to bring guests back