用 RFM 模型给用户行为打标签

做 CRM 相关功能时，有一道我曾经绕了很久的弯路：后台有用户的历史消费数据，产品想在用户详情页展示「这个用户是什么类型的客户」，一开始我的第一反应是——写一段 if/else，按消费金额高低分个 VIP、普通、沉睡三档，完事。

结果一线用的反馈是：「VIP 里面有人两年没来了，普通里面有人上周刚买了三次，这个标签没什么用。」

问题出在哪里？单维度排序忽略了时间维度和频次维度。一个历史高消费用户如果已经一年没来，给他贴「重要客户」标签只会误导跟进动作。

RFM：三条维度，各自说话

RFM 是一个经典的用户分层框架，核心思路是用三个维度独立打分，再组合出用户类型：

• R（Recency）：距上次消费多久？越近分越高
• F（Frequency）：近一年买了几次？越多分越高
• M（Monetary）：近一年花了多少？越多分越高

每个维度独立打 1-5 分，≥3 算「高」，<3 算「低」，三个维度的高低组合出 2³ = 8 种用户类型。

8 种类型的核心价值：每种类型对应一个行动

分出 8 种类型的意义不是「贴标签」，而是让每个标签直接对应一个具体的跟进建议：

| 类型 | R | F | M | 行动方向 | |------|---|---|---|---------| | 重要价值客户 | 高 | 高 | 高 | 保持关怀，给专属体验 | | 重要发展客户 | 高 | 低 | 高 | 提升到店频次 | | 重要保持客户 | 低 | 高 | 高 | 尽快召回，时间窗口短 | | 重要挽留客户 | 低 | 低 | 高 | 发送专属挽回优惠 | | 一般价值客户 | 高 | 高 | 低 | 推荐高客单价产品 | | 一般发展客户 | 高 | 低 | 低 | 新客培养期，耐心跟进 | | 一般保持客户 | 低 | 高 | 低 | 适当问候，维持存在感 | | 一般挽留客户 | 低 | 低 | 低 | 低优先级，节日触达即可 |

每一行的「行动方向」才是真正交付给一线员工的东西。数字本身没有意义，意义在于它能驱动什么行为。

阈值不是一成不变的

评分阈值需要根据行业特性校准。同样是零售场景，高频快消品和低频奢侈品的 F 轴、M 轴阈值可以相差几倍：

中端零售（客单价 200-800）：
  M: 5000+ → 5分，2000+ → 4分，500+ → 3分

奢侈品（客单价 3000+）：
  M 阈值整体上调 3-5 倍

高频快消（月均购买 5+ 次）：
  F 阈值整体上调 2-3 倍

校准方式是看实际分布：如果超过 50% 的用户落在同一个类型，说明阈值需要调整。建议每季度检查一次分布情况，防止大多数用户都聚集在「一般挽留」里，导致分层失去意义。

数据兜底策略

在实际落地时，有一个细节值得注意：统计 API 的数据（近一年频次、金额）通常是异步加载的，而用户基本信息（最近消费时间、累计消费金额）是同步可用的。

合理的策略是：

1. 页面初始化时用基本信息中的累计数据做一次初步评分，先渲染出类型标签
2. 统计 API 返回后，用近一年数据重新计算，更新评分和类型

这样既保证了首屏不空白，又保证了最终展示的是更准确的近期行为数据。两次计算的结果可能不同，但这是预期内的——数据精度在提升。

一句话心法

分层的价值不在于告诉系统「这是谁」，而在于告诉一线员工「现在该怎么做」——类型和行动建议要成对设计，否则分层就只是漂亮的标签游戏。