营销管理人员经常会面临平衡公司预算与客户营销覆盖率的挑战。春节临近，正是商家的促销旺季，作为一家大型超市的市场经理，如果在既定的促销预算里，只能从60万交易会员中挑选20万人进行直邮目录营销，你会如何选择？
不少人往往会把客户在一定时间内的消费金额作为关键指标，对60万会员进行高低排序，并将排名靠前的20万名会员作为目录营销的主要对象。但是，这种方法所带来的最终客户响应率却并不理想。试想，有这样两位客户，一位在你的产品目录上一年消费10万元，而另一位却只消费1千元，有什么理由坚信消费10万元的客户一定比消费1千元的客户更有可能打开促销信件呢？事实可能恰恰相反，因为一个消费能力足够高的客户，常常会出现在多个商家的重要客户名单上，如果在短时间内，他收到多个商家的促销产品册，你的资料被随手扔进垃圾筒的概率要高得多；而消费能力低的客户受到竞争商家的影响反而小，信件的拆阅率反倒更高。虽然信件一旦被拆开，消费能力高的客户的购买金额将远远超过消费能力低的客户，但是决定你的促销最终的总收益金额将来自两类客户在信件拆阅率与支付能力的中和结果。所以，如果单一按消费金额进行客户选择，不是获得最高收入的最佳方式。
如果能在考虑客户消费金额的同时，结合最近购买情况和购买频率，就可以回避简单使用消费金额作为主要筛选指标而产生的问题。这三个指标，通常按重要性排序，分别是R（Recency，客户最近一次的购买情况）、F（Frequency，客户购买频率）和M（Monetary，客户消费金额），结合起来就是RFM分析法。只要你已经对交易客户建立了客户数据库，就可以开始使用这种功能强大的分析方法，来挖掘客户价值的金矿。
客户最近购买情况（R）与客户购买频率（F）会对客户的响应率有更大影响，这与消费心理学有很大关系。绝大多数人在新购车、购房或购物后，会在一段时间内持续一种有激动和冲动，这是人类情感的共性。如果你第一次在某商场购物后，很快就收到来自那个商场的信件，你肯定会马上拆阅这封信，因为你认为里面可能会有与你紧密相关的信息。而在三年后，你仍旧在收到这个商场寄给你的促销产品目录册，你也许不再会拆阅它，因为你认为既使不看你也大概了解相关的信息。而消费频率（F）是客户在一段时间内购买的次数，经常购买的客户，在满意度、品牌信任度和忠诚度等方面都会更高。所以，客户最近购买情况（R）与客户购买频率（F）对客户响应率有至关重要的影响。
相对于使用客户年龄、收入、家庭财产和有无孩子等人口统计信息进行客户分析的客户特征分析法而言，RFM分析侧重对客户行为的分析，客户在做些什么、他们的这些行为会对将来的购买产生什么影响、能否通过客户过去的行为预测他们将来的购买，指导企业有针对性地开展营销，这是RFM分析超越人口统计资料分析的最大不同。与传统的静态人口分析维度相比，这三个值都是动态的，是一种更为高明的分析维度。当然，RFM只适合对已交易客户进行分析，因为潜在客户没有相关记录。无论是B2C行业还是B2B行业的客户管理与营销，RFM都能有效指导企业与客户开展更为精准、个性化和高响应率的沟通，帮助企业提高收入和利润。
要将RFM分析应用到企业的营销实践，并不挑战营销管理人员的统计或模型知识。只要企业已经建立的客户数据库中，有较为完整的交易记录，就可以马上着手尝试。应用RFM分析法掌握“三五”原则即可，即三个关键指标五个等分值。正如上文所说，这三个关键指标就是R（Recency，客户最近一次的购买情况）、F（Frequency，客户购买频率）和M（Monetary，客户消费金额），将所有客户记录依次按三个关键指标进行排序后，分为五个相等数量的群体，并把每一个五等分的代号放入每一个数据库记录里，标上从5到1的相应数字，就完成了对客户数据的RFM编号。举例来说，某一个客户在按购买时间排序后，属于五等分客户群里最近最新的日期，则此客户的R编码为5；继续将此客户在按购买频率排序后，发现它属于五等分客户群里第二类客户，则此客户F编码为2，再接着把这个客户按消费金额排序，发现它在第三类客户里，则它的M编码为3，将三个编码合并起来，此客户的RFM编码就是523，这个简单的三位数代码，分别代表着此客户的最近购买情况、购买频率和消费金额。
借助计算机，RFM编码工作可以很快完成，每3个数字将形成一个RFM单元，按“三五”原则，总计会得到5*5*5=125个RFM单元代码，每个单元都有相同数量的客户，可以非常方便地对不同单元的客户进行RFM的特征比较，并选择合适的客户来做营销推广。
B2C行业常常会有几十万、几百万甚至近千万级别的交易客户，直接套用“三五”原则即可。然而，B2B行业的交易客户数量往往要小得多，很多企业的交易客户数量最多也仅为万级，如果这时仍旧使用125个RFM单元，每个单元里的客户数量太少以至失去细分的意义。一般B2B行业每个RFM单元的客户数量不应少于1000家，这时可将RFM单元总量下调。下调的方法主要是减少购买频率（F）和消费金额(M)的等分数量，例如5个R（最近购买情况）*2个购买频率*2个消费金额=20个RFM单元。对一家销售高端产品的B2B企业来讲，消费金额在销售中非常重要，RFM划分也可以调整为4个R（最近购买情况）*2个购买频率*3个消费金额=24个RFM单元。
在B2B行业，联邦快递公司通过使用RFM分析，对企业客户进行有效细分，已经取得了相当高的利润。它用RFM三个指标将所有客户分为七个细分群体，每个细分群体再依收入贡献额细分为十等分。这七个客户细分群体是：贡献额最高的10%稳定客户群、高贡献额的成长客户群、过去六个月流失的中贡献额客户群、季节性低贡献额客户群、中贡献额的稳定客户群、低贡献额且在过去六个月内的流失客户群、低贡献额但刚恢复交易的客户群。
联邦快递会持续观察，在过去的两年内，客户如何在七个细分群体中变动，每个细分群体内客户如何在十等分内上下移动，针对阶段性分析的结果，联邦快递将针对每一个细分群体制定一套有针对性的客户策略。针对贡献额最高的10%稳定客户群，联邦快递会想尽办法留住他们，为他们提供最好的服务，避免客户的流失。针对高贡献额的成长客户群，这些客户的消费金额（M）成长超过15倍，联邦快递会投入营销预算去寻找促使他们高速成长的原因，以帮助其它的客户提高贡献额。针对过去六个月流失的中贡献额客户群，即在过去六个月贡献额降低90%的客户，这些客户让联邦快递损失很多的利润，只有及时找出什么地方出了错才能留住客户。联邦快递的做法是通过电话与客户沟通，调查他们减少合作的原因，以留住客户。针对季节性低贡献额客户群，因为他们只在一年的某些季节交易，联邦快递会在非交易期减少相关的营销预算，以降低浪费。
在B2C领域，零售行业的吉之岛广州店在应用RFM分析开展客户一对一营销后，年度业绩增长了20%，会员数从10万多增加到20多万，会员销售贡献度同比增长10%，占总营业额的30%，使此店在中国的四家店的总利润中占比近50%。
广州吉之岛从2008年开始推广会员卡，并根据客户的消费金额把卡分成了金卡（年消费24000元以上）、银卡（年消费12000-24000元）和普卡（年消费1.2万以下）三类会员。第一年，会员数量发展到了10万人。商场的高层管理人员希望在会员数据的基础上，用RFM分析模型开展客户关系管理。
虽然面对会员客户，吉之岛只用了消费金额（M）作为级别划分的主要依据，但在吉之岛的RFM分析模型里，根据消费金额（M）指标划分的客户却有5级，M5是消费金额最高的金卡会员，吉之岛为金卡和银卡会员提供比普通会员更高的积分倍率。吉之岛根据消费频率（F）也将客户划分了5个级别，F5是最忠实的会员，对F值较高的会员，吉之岛会结合会员的住址信息和所购商品信息，预测他们是否为附近居民，以便在促销期间加强对此部分会员的联系。但在最近消费时间（R）上，吉之岛采用了把消费频率（F）和最近消费时间（R）相结合的方法进行评估，如果客户的最近一次消费时间与到店频率偏差很大，吉之岛会在客户关系管理系统里产生客户流失预警标识。
而将RFM三个指标结合，则使吉之岛有了更具针对性的会员营销策略。对三个值都很低的会员，营销部门会把他们定义为“边缘会员”并减少相关的营销预算。对到店频率（F）值低但消费金额（M）值高的会员，结合他们的购买时间（R），会被定位为“团购会员”，这些会员虽然购物次数不多但每次到店都会有很高的采购金额，吉之岛在春节、端午、中秋等重要节日前，都会特别强化与这部分会员的联系。而母亲节前，吉之岛又会先根据会员的人口特征信息把相关年龄层次会员筛选出来，再根据消费金额（M）和到店频率（F），把最有购买倾向的客户挖掘出来。结合客户所购商品的特点，吉之岛还会基于RFM模型选择精准的目标会员，推出例如“文具节”或“泰国食品节”等各种主题促销。
在每一次促销活动结束后，吉之岛会通过CRM系统里所收集到的会员消费数据，进行促销活动效果评估。如果定位的目标客户在促销期内并没有消费足够数量的预期商品，则说明促销主题对会员没有吸引力，营销部门要根据评估效果调整下一步的营销策略。
RFM指标结合客户的商品购买信息，可以让吉之岛观察了解会员到店购买的都是什么商品，本月与上月的变化在哪里，最有价值的客户是哪些，他们买的商品口味是什么，这些信息可以用来指导吉之岛调整商品的采购。
RFM信息的获得，依赖于会员刷卡频率的提升。吉之岛在这方面也想了很多办法，他们把每个月的20号和30号定为会员日，顾客在这两天的消费可能得到两倍的积分奖励；在店庆和主题促销期间，吉之岛会临时指定会员日并为会员提供会员价。每位会员生日当天，吉之岛会发出生日祝贺短信，并可凭会员卡去服务台领取生日礼物。每次顾客购物如果没有购买购物袋，吉之岛会奖励给会员环保积分。年底前，吉之岛会提前一个月通过网站广告、户外广告、手机短信和广播等多种方式提示会员年度有效积分换购和清零，这对带动年底的会员消费也有很大作用。
无论B2B还是B2C领域，RFM分析法都大有可为。自50多年前这种分析方法诞生以来，它已经被广泛应用于各个行业，包括制造业、电信服务业、保险业、银行业和目录营销业等。RFM帮助企业透过动态的客户行为信息，更深入地洞察客户行为，将客户根据不同的行为特征细分为不同的客户群体。企业可以针对不同的客户细分群体，制定更有针对性也更为精准的营销沟通策略，获得更高的客户响应，提高客户忠诚，减少营销预算浪费，降低客户流失，是企业用来挖掘客户价值金矿的最佳利器。
本文作者：新华信国际信息咨询（北京）有限公司营销信息服务总经理 刘艳
