假设因为某种原因，你需要召回你的老客户。不同消费属性层级的老客户，开奖，需要不同的召回触动点，因此你可能需要对你的老客户进行分层处理。

　　这个时候就引入了一个客户关系管理模型：RFM模型，本文重点分享基于RFM模型下的老客户的召回思路：如何将不同消费等级的老客户分象限以及针对不同象限的客户对症下药。

　　RFM模型概述

　　在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。

　　RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。

　　根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个要素：

　　R（Recency）、F（Frequency）、M（Monetary）。

　　（一）最近一次消费R(Recency)：

　　客户最近一次的购买时间是什么时候。最近一次消费时间越近的顾客是最有可能对提供的商品或是服务也最有反应的群体。

　　如果显示上一次购买很近的客户，(消费为1个月)人数如增加，则表示该公司是个稳健成长的公司；反之则是迈向不健全之路的征兆。

　　要吸引一个几个月前才上门的顾客购买，直播，比吸引一个一年多以前来过的顾客要容易得多。

　　（二）消费频率(Frequency)：

　　客户在限定的期间内所购买的次数。最常购买的顾客，也是满意度最高的顾客。

　　如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。

　　（三）消费金额(Monetary)：客户的购买金额（可分为累积购买及平均每次购买）

　　消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。

　　——“↑”表示大于均值，“↓”表示小于均值

　　因为有三个变量，所以要使用三维坐标系进行展示，X轴表示Recency，Y 轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户，根据上表中的分类，可以用如下图形进行描述：

　　以上就是关于RFM模型的一个大致的框架介绍。接下来我们谈谈如何运用这个模型对实际工作的老客户做一个分类。

　　RFM标准分析