Engage

近因、頻率與金額:場地專用的 RFM 模型指南

解析近因、頻率與金額 (RFM) 模型:為訪客評分、解讀「冠軍客群」與「流失風險客群」等區隔,並精準投放場地行銷活動以吸引顧客回流。

Recency frequency monetary: RFM model guide for venues

根據 西北大學麥迪爾明鏡研究中心(Medill Spiegel Research Center) 採用 Prosper Insights & Analytics 於 2025 年 11 月進行的調查顯示,美國成年人於 2025 年在餐廳的平均每月消費金額為 236.45 美元。但這項消費數據並無法讓場域管理者得知哪些顧客會再次光顧、誰正在逐漸流失,或是哪些顧客的造訪能帶來利潤。最近一次消費、消費頻率與消費金額分析(Recency frequency monetary analysis),通常簡稱為 RFM,能將顧客的交易歷史紀錄轉化為可採取行動的目標受眾,提供實用的切入點。

目錄

近因(Recency)、頻率(Frequency)與金額(Monetary value)的意義

RFM 是一種行為評分模型,根據顧客最近一次消費時間、消費頻率以及消費金額來進行排名。它描述的是觀察到的行為,而非個人的價值或保證的未來價值。

假設咖啡廳經理想要區分熟客與路過的旅客。兩者可能購買了相同的午餐,但他們的購買歷史卻訴說著不同的故事。

  • 近程(Recency)衡量自最近一次符合條件的造訪、訂單或住宿以來所經過的時間。間隔越短,分數越高。
  • 頻率(Frequency)計算在指定觀察期內符合條件的造訪或交易次數。它能區分重複互動與單次購買。
  • 金額(Monetary value)衡量該期間內的總支出或平均支出。只要您對支出的定義維持一致,它就能估算出經濟貢獻。

該資訊圖表將原始行為與分配給它的分數區分開來。

說明 RFM 模型的資訊圖表,詳細介紹用於顧客行為分析的最近消費 (Recency)、消費頻率 (Frequency) 及消費金額 (Monetary value) 計分。

解讀賓客資料

在此處使用的說明性評分機制中,每個維度的分數範圍為 1 到 5 分,分數越高代表觀察到的行為越活躍。假設為 5-4-5 的輪廓,表示近期曾造訪、造訪頻率相對較高且消費額較高。而 1-5-4 的輪廓則代表過去有大量購買記錄,但目前已沉寂的顧客。

這些數字是各自獨立的標籤,並非貨幣金額或機率。切勿將組合代碼視為一般數字,誤以為總和較大就自動代表是更好的顧客。

POS 收據和已完成的預訂可提供交易日期和金額。WiFi 登入可以提供到訪依據,但登入並不等於消費,且除非能與交易進行比對,否則無法得知消費金額。

實用規則:即使顯示在同一位顧客的紀錄中,也應將觀察到的造訪、已完成的消費以及預約清楚區分開來。

分數是相對於您所選擇的受眾、時間範圍與門檻。鄰近社區咖啡廳的高分,並不代表其行為與渡假型飯店的高分相同。

RFM 客群及所需的相應行動

唯有當行銷人員能據以制定決策時,顧客代碼才有價值。受眾分群能將行為模式轉化為聯繫對象的理由、合適的優惠方案,以及合理的投入力度。

以下是範例操作方案,而非通用的計分標準。其中的區間皆為建議的設定選項。由於部分區間存在重疊,因此在執行時需要明確的優先規則,而非指派每一個符合的標籤。

RFM 客群、評分模式以及各客群所需的行動

客群 R 分數 F 分數 M 分數 代表意義 建議行動
核心顧客 4-5 4-5 4-5 近期光顧、頻率高且消費金額高 透過 VIP 專屬權益獎勵並維繫,而非提供常規折扣
忠誠顧客 3-5 3-5 3-5 在各維度均表現穩定的常客 進行向上銷售、交叉銷售並邀請參加活動
潛在忠誠顧客 4-5 2-3 2-3 近期有造訪但尚未養成消費習慣的顧客 透過切合需求的邀請鼓勵再次光臨
新顧客 4-5 1 1-2 近期有互動但歷史記錄較少 執行迎新旅程並確認實際購買次數
潛力顧客 3-4 1-2 1-2 近期造訪但互動程度普通 運用實用內容與溫和優惠進行培育
需關注顧客 2-3 2-4 3-4 高價值消費顧客逐漸流失中 發送針對特定場合的限時邀請
即將沉睡顧客 2-3 1-2 1-2 近期互動程度正在減弱 圍繞相關場合進行重新喚醒
流失風險顧客 1-2 2-5 2-5 過去活躍但近期沉寂的顧客 測試個人化挽回誘因
絕對不能流失顧客 1-2 4-5 4-5 過去貢獻度高但現已未再光臨的顧客 優先進行專人主動接觸
冬眠顧客 1-2 1-2 1-2 長期未造訪且記錄價值有限 測試低成本季節性喚醒方案或縮減推廣支出
流失顧客 1 1 1 各維度記錄到的活躍度皆最低 排除在常規促銷活動外,並實施聯絡退場機制

在細分標籤之前先選定相應的行動

透過幾種廣泛的模式來解讀此表。各維度表現強勁代表需要維護好顧客關係。過去的頻率與消費表現強勁,但近期度低落,代表有挽回的機會。近期度高但頻率有限,則建議協助顧客建立再次光顧的理由。

請勿讓看似整齊的標籤掩蓋了底層的真實紀錄。頻率得分偏低不一定代表只消費過一次,而初次到訪的顧客也可能消費夠高而超出建議的「新顧客」區間。請將購買次數與初次造訪狀態作為額外條件。

對於有重疊特徵的輪廓,請優先評估最明確的規則。「核心顧客 (Champions)」應優先於「忠實顧客 (Loyal customers)」;「挽留顧客 (Can't lose them)」應優先於「流失風險顧客 (At risk)」。請將「流失顧客 (Lost)」視為一項明確的營運決策,而非自動刪除紀錄的指令。

這是 行為區隔 的實際應用:根據顧客過往的行為進行分群,然後選擇適當的應對策略。如果相鄰的區隔收到完全相同的訊息和優惠,請將它們合併,而不是保留沒有人會使用的細分。

如何逐步計算 RFM 分數

請從乾淨的事件資料表建立模型,而非從現有的郵寄清單建立。您需要穩定的顧客 ID、符合資格的事件日期、事件識別碼,以及定義一致的金額價值。

這篇 探討 RFM 與顧客終身價值的 Springer 論文 將頻率與金額指標與未來價值正向關聯,而當近程以經過時間表示時,則呈現反向關聯。這支持將 RFM 作為行為特徵集,而非對客戶關係的全面估值。

建立可重現的計算流程

  1. 選擇觀察期與評分日期。選取涵蓋該場地常態購買週期的滾動區間,並記錄計算分數的日期。若不同場地與品牌的購買模式存在實質差異,請將其分開比較。

  2. 擷取並清理符合資格的事件。根據您選擇的行為單位匯出已完成的交易、造訪、預訂或住宿紀錄。比對顧客身分、移除跨系統的重複紀錄、排除測試與無效購買,並妥善處理退款,避免將其視為新的購買活動。

  3. 計算原始指標。近因(Recency)等於評分日期減去最近一次符合資格的事件日期;頻率(Frequency)等於觀察期內符合資格的事件次數;金額(Monetary)等於同一觀察期內的總淨消費額或平均淨消費額。即使顧客最近一次的購買日期落在觀察期之外,也請予以保留,以確保久未造訪的顧客不會消失。

  4. 將原始數值轉換為分級。針對各個指標分別為顧客進行排名,並套用客群規則中所使用的評級量規,在能產生實質區隔之處運用分位數分級。近因的評分方向應反向處理,且相同的原始數值應歸入同組,而非強制劃分大小相等的組別。

  5. 組合各項指標分數。將個別的 R、F、M 欄位與組合代碼一併儲存。加權總分雖有助於排定優先順序,但不應掩蓋顧客的弱項究竟是未活躍、造訪頻率低還是消費金額有限。

  6. 發佈可重新整理的受眾群體。依照記錄的順序套用客群規則,接著將產生的受眾群體傳送至行銷活動平台。請保留評分日期與規則版本,以便同仁說明顧客符合資格的原因。

視覺化工作流程提供了計算方式的精簡提示。

步驟式資訊圖表,說明計算顧客行銷分析 RFM 分數的六個步驟流程。

在信任產出結果之前,先檢查輸入的資料

了解 POS 資料包含哪些內容,有助於區分收據、明細項目及退款。若將收據中的項目列誤計為個別購買,可能會將一次團體用餐誤判為短時間內多次重複造訪。

總消費金額與平均消費金額回答的是不同的問題。總消費金額反映了在該區間內的整體貢獻;平均消費金額則反映了單筆交易規模。請審慎選擇,切勿在各站點之間更換定義卻未標註差異。

對於規模較小或分數大量並列的受眾,請使用易於解讀的固定區間,而不是強行套用分位數。當顧客組成或交易模式發生變化時,請重新檢視門檻。您最終的試算表或平台檢視畫面,應能讓行銷人員檢視每個代碼背後的原始行為。

RFM 在咖啡廳、酒吧和飯店的實際應用

流失門檻應反映預期的回訪週期,而非僅僅是圖方便設定的日期篩選條件。由 東京大學 CIRJE 主辦的討論論文將 RFM 指標與潛在購買行為連結,並指出預測關聯可能因情境而異;45 天的間隔對於每日光顧的咖啡館顧客來說可能意味著嚴重流失,但對於每年入住的飯店房客而言卻屬正常現象。

打破固定光顧習慣的咖啡廳常客

假設一位顧客通常在上班途中購買早餐。相較於他們既有的間隔習慣,其目前未到訪的時間顯得特別長,但他們過去的頻率與消費金額依然很高。

發出誠摯的邀請來試用新的早餐品項是一項合理的測試。但請先確認咖啡廳是否變更了營業時間、因維護而暫停營業,或是停止擷取該顧客常用的付款識別資料。缺少觀察資料並不代表顧客選擇了競爭對手。

有用的流失標記是指此顧客對該場地而言異常未出現,而非僅僅是和其他所有人一樣間隔了相同長度的時間。

造訪配合特定場合的酒吧顧客

社區酒吧的顧客可能是在體育賽事、慶祝活動或當地活動時光顧,而非固定每週造訪。在 12 月慶祝活動過後較為冷清的 1 月,並不代表就需要立即祭出積極的挽回優惠。

將顧客目前的間隔時間與其先前的間隔及當地營業行事曆進行比較。如果他們的歷史紀錄很少,請使用相關的場域群組,而不要假裝了解他們的個人習慣頻率。

請以活動為主導傳達訊息。重要賽事公告或行事曆上熟悉的活動回歸,比千篇一律的折扣更能成為吸引到訪的充分理由。

正在規劃不同類型行程的飯店顧客

飯店住宿可能取決於年度假期、商務差旅或家庭聚會。請利用預訂提前期、先前的住宿季節與行程模式,來決定何時發送邀請最為有效。

目的地的情境也很重要。對於規劃文化資產旅遊內容的行銷人員而言,Count Kálnoky's Estates 的 羅馬尼亞鄉村文化遺產住宿指南 是一項有助於思考旅客可能規劃之體驗的資源。但這並非適用於所有飯店回訪間隔的通用依據。

請比較扣除實際通路成本後的訂房貢獻度,而非假設每筆具有相同客房營收的住宿都具有相同的價值。

在這些情境中,造訪頻繁、具備經濟價值且消費週期穩定的顧客,比起單次大額消費的顧客,更能為您提供更穩固的挽回目標定位基礎。對於不熟悉的顧客,請理解其不確定性,並採取較為溫和的邀請方式。

將 RFM 客群轉化為場地行銷活動

為每個受眾群體提供具體的聯繫理由。區隔名稱並非行銷活動企劃書(brief)。企劃書應具體指明顧客行為、建議再次造訪的理由、符合資格的管道、商業上限,以及結束該歷程的條件。

下方的行銷活動圖將關係建立與流失挽回加以區分。

行銷漏斗圖,說明如何為不同的 RFM 客群建立場域行銷活動。

維護活躍的客戶關係

針對冠軍(Champions)客戶,請提供具體的禮遇。例如提供品嚐菜單的提前預約、活動的優先入場資格,或品嚐季節性限定菜單的預覽邀請。在承諾提供這些福利之前,請先與場地經理確認可容納人數。

針對忠誠顧客,可推薦與其既有偏好相關的項目。例如邀請餐廳常客參加酒吧品酒活動,或向再次入住的飯店貴賓推薦館內餐飲體驗。交叉銷售應切合需求,而非推銷所有營業據點。

活動邀請也必須搭配真正值得參加的實體活動。針對校園或企業受眾,The Matcha Bike 的 校園與企業聚會抹茶外燴服務 便提供了一個策劃人員可考慮的具體體驗範例。此構想是否適合納入行銷活動,應取決於顧客偏好與營運可行性。

針對新顧客和潛在忠誠顧客,請消除他們再次光臨的疑慮。說明如何預訂、強調適合的造訪時機,並推薦與初次造訪相關的內容。切勿預設每個人都需要價格誘因。

挽回逐漸流失的顧客,同時避免過度聯繫

需要關注的受眾可能會因與即將到來的活動相關的邀請而受益。請確保任何截止期限都是真實的,並確認工作人員能夠兌現該優惠。

對於流失風險(At risk)與無法承受流失(Can't lose them)的顧客,在選擇促銷誘因之前,請先檢視顧客歷程記錄。若有服務申訴,需要的是貼心周到的回應,而不是忽略未解決問題的自動發送優惠券。個人的主動關懷也應讓人感到實質幫助,而非透露出令人不適的過度追蹤痕跡。

針對沉睡與流失顧客,應避免花費高昂成本重複嘗試挽回薄弱的關係。在適當情況下進行有限度、具關聯性的重新啟用測試,接著將無回應的聯絡人從例行促銷支出中排除。

附帶的影片提供了另一種形式,供您思考場地行銷的執行方式。

傳送前套用資格篩選

  • 檢查管道權限。僅在顧客具備相應權限且符合管道資格時,才使用電子郵件、簡訊或 WhatsApp。
  • 限制跨旅程接觸頻率。商業評分高並不代表可自不同營業地點無限制地發送訊息。
  • 因應行為改變即時終止。當符合條件的再次造訪或預訂讓挽回訊息不再適用時,應將顧客從挽回旅程中移除。
  • 遵循營運限制。在活動上線前設定優惠預算、可用性檢查及審批規則。

記錄符合資格的人選以及實際聯絡的人選。如果沒有這項區隔,您就無法可靠地區分受眾鎖定決策與發送問題,也無法評估行銷活動的成效。

RFM 容易誤導之處及修正方法

當實用的簡化指標演變成不容質疑的權威時,RFM 就會變得危險。請保持評分的可解釋性,保留底層行為數據,並為反駁該標籤的證據保留空間。

RFM 能預測未來

RFM 描述的是購買歷史。它可以輔助目標鎖定,但無法證明特定訊息必然會改變某人的行為。

在發送前,請隨機保留符合資格的控制組(holdout group)。比較相同觀察期內的再訪率、回報差異的不確定性,並在扣除行銷活動成本後評估實質貢獻。開啟率、點擊率和兌換率可以診斷執行成效,但無法證實增量造訪。

成效不佳的結果也需要解讀。在斷定顧客不感興趣之前,請先檢查身分比對與發送狀況,切勿將充滿雜訊的估算視為可靠的成效提升。

單一分界點適用於每位賓客

單一的非活躍規則可能會將季節性行為誤判為流失。Mailrelay 的 RFM 術語表 說明了 RFM 計分的相對性,以及綜合考量所選受眾、門檻和季節背景的必要性。

在歷史紀錄充足的情況下請採用個人週期,紀錄不足時請參考相關群組,若兩者皆無法提供充分依據,則應明確標記為未知狀態。切勿對尚未觀察到正常回訪模式的顧客,貼上看似精準的流失標籤。

決策檢核:捫心自問,什麼樣的證據會讓您推翻目前的客群劃分?如果答案是「沒有任何證據」,那麼該模型就已經變成了無法動搖的定論。

消費金額等同於獲利能力

營業額可能會掩蓋大幅折扣、退款、通路費用以及昂貴的服務成本。請區分全價與促銷消費,並在有可靠成本數據的情況下運用邊際貢獻。

讓基本的待客之道獨立於商業排名之外。員工不應因顧客記錄的消費金額較低而提供次等的服務水準。

更細緻的客群代表更精準的目標鎖定

僅保留您團隊能加以運用的區隔。如果不同受眾採用相同的訊息、時機、優惠及成效衡量計畫,額外的標籤只會增加管理負擔,而無法帶來更好的決策。

審查實體店消費、共用預訂或不完整的身分識別比對,是否在系統層面上將某些顧客歸入價值較低的客群。請將缺漏資訊視為資料品質問題,而非顧客價值低落的依據。

隱私權也是該審查中不可或缺的一環:根據 CleverTap 的 RFM 分析指南,87% 的消費者期望零售商能負責任且安全地處理個人資料。請記錄資料處理規則、妥善限制存取權限,並確保匯入或區隔重新整理時絕不會覆寫退出訂閱(opt-out)設定。

從單一客群著手並衡量投資報酬率

RFM 能將交易歷史轉化為可解讀的代碼;分群則將該代碼轉化為目標受眾。建議從流失的熟客開始著手,而不是盲目啟動所有可能的歷程。

使用精準聚焦的首次活動檢查清單:

  • 定義符合資格的行為。選取已有固定重複消費紀錄、但目前未造訪情況對該場地而言並不尋常的顧客。
  • 撰寫明確的邀請內容。提供顧客再次光臨的切題理由,並搭配場地能獲利的優惠方案。
  • 保留隨機對照組。在發送前留存部分符合資格的顧客,並在評估期間對其維持一致的處置方式。
  • 評估商業成效。比較增量回訪次數與邊際貢獻,而非僅衡量互動率。

顧客回饋可以解釋成果,但無法取代對照組比較。針對團體住宿,Hen Hideaways 關於如何 衡量單身派對賓客滿意度 的指南提供了一個有用的補充視角。請將這些發現與 行銷投資報酬率 (ROI) 連結,而非僅將滿意度視為行銷活動成效回報的證明。

Purple Engage 將顧客活動整合至共用記錄中,並支援即時更新的受眾名單與審慎的保留對照組測量。我們的自動檢查包括90 天內造訪三次以上WiFi且最近 30 天內未曾造訪;這是一項營運上的起始規則,而非一體適用的流失定義。我們建議餐廳先採用 14 天歸因期,再根據該場地的自然造訪頻率進行調整。

本週請匯出您最近的交易記錄,檢視基礎資料,並選取流失常客受眾進行受控的挽回測試。唯有在您能解釋最初行銷活動帶來了哪些改變後,再擴展至首次回訪歷程。


Purple Engage 將 WiFi、POS、預訂及住宿活動整合至共用的顧客歷程記錄中,讓您能夠建立造訪與消費受眾,並衡量增量回報。請造訪 Purple Engage,探索即時更新的區隔、同意聲明控制項和對照組衡量機制如何為您的第一個 RFM 行銷活動提供支援。

More ways to bring guests back