📊 RFM会员价值分析器
R(最近消费)+F(频次)+M(金额)三维评分，识别高价值会员
这个工具解决什么问题？
需要准备什么数据
| 输入 | 每位会员的最近消费日期、统计周期内消费次数、累计消费金额 |
|---|---|
| 输出 | R/F/M 三维评分、会员所属价值分层、对应运营策略建议 |
常见误区
必须基于自己的数据分布用分位数来切，不能照搬别人的天数和金额标准。餐饮的"最近消费 30 天"算沉睡，家居建材可能 180 天都还算活跃，行业复购周期差异巨大。
建议按业务的复购周期来定，通常一个月一次。跑得太频繁，分层会剧烈波动无法指导运营；跑得太少，会错过流失干预的窗口期。
相关实战问答与对比指南
同类型工具
← 返回工具箱首页（全部 83 个工具） · 实战问答 · 对比指南
常见问题
R（Recency）= 最近一次消费距今天数，F（Frequency）= 一段时间内消费次数，M（Monetary）= 一段时间内消费金额。三个维度各分 5 档打分（1~5），R 越近分越高、F 越高分越高、M 越高分越高，把三个分数拼成类似 555 / 241 / 132 的代码，用来描述会员层级。
常见分法是 8 层：重要价值客户（高分三连）、重要发展客户（M 高但 F 低）、重要保持客户（F 高但 R 偏低）、重要挽留客户（R 低但 M/F 高）、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。落到动作上，重要价值要持续维护，重要发展要推频次，重要保持要唤醒回流，重要挽留要专项挽回。
用代理指标。R 可用「最近一次到店/最近一次小程序访问」、F 可用「过去 90 天到店次数 / 私域互动频次」、M 可用「客单价 / 累计消费金额」。线下场景里，用会员卡刷卡记录替代交易记录就能跑；新店开业数据不足时，可先用 30/90 天滚动窗口跑一版，后续补全。
先看重要价值客户占比是否健康。根据我们服务过的 47 家零售与餐饮客户的实操经验，重要价值客户（RFM 三高分）占比 18%~25% 是相对健康的区间。低于 15% 说明会员粘性不足，要做留存；高于 30% 说明新客获取乏力，需要加大获客投入，同时警惕「老会员撑场、新会员不来」的假繁荣。