AIM AI SOFTWARE LAB問客人到底怎麼想 ・第 3 步，共 4 步 ・← 上一步：顧客問卷題目產生器 ・下一步：電子報成效判讀 →
RFM 顧客評分器
一位顧客的三個數字丟進來，告訴你是鐵粉、主力、該喚醒還是該放生。
範例結果
RFM 評分：R3・F3・M3（總分 9/9） 這位顧客是【鐵粉】 打法：新品首發、會員專屬先給他們。
使用前先知道
- 僅供參考，非精準預測。不同產業的消費週期差異很大，請依自身行業微調分數門檻。
- 若顧客資料不足（如只買一次或金額極低），評分容易失真，建議至少累積兩筆交易再使用。
常見問題
RFM 三個數值怎麼設定分數？
實務上建議將所有顧客的每個維度（天數、次數、金額）從低到高排序，均分為五等份（1-5分）。例如最近一次購買天數最短的前20%給5分，最長的後20%給1分。次數與金額同理，最後把三分加總就是總分，越高代表顧客越有價值。
分數很高但已經很久沒買，該怎麼解讀？
這是 R 偏低但 F、M 偏高的狀況，代表該顧客過去貢獻大但近期流失。建議先確認最近一次購買是否超過平均週期兩倍，若是，優先列入喚醒名單，用優惠或新品通知嘗試互動，不要直接放生。
工具說「該放生」的顧客，真的可以忽略嗎？
放生不代表封鎖，而是停止主動行銷資源。這類顧客通常 R 很長、F 很低、M 很少，投入回本率極低。建議保留在靜態名單中，只在年度大促時發一封提醒信；若無回應，即可長期擱置，將預算留給主力與鐵粉。
接下來可以用
這個工具每天都會自動測試一次——已經連續 50 天通過；如果壞掉，測試紀錄會寫出來。 我們不會為了拿你的 Email 而擋住結果。
想先看懂怎麼算？RFM 顧客評分器 完整拆解
你的行業會怎麼用
同一個工具，不同品類的數字差很多——美妝的毛利率在 3C 是幻想， 生鮮的運費結構跟服飾完全不同。下面四個是各品類的實際情況。
美妝保養
1. 服飾配件 這位客人最近一次購買是 12 天前、一年買了 5 次、累計消費 8,000 元。三個維度都不錯，屬於要好好留住的那一群。服飾的 RFM 有個特點：F 值受季節影響很大，一年買五次可能是每季換季各買一次加一次促銷，這是很健康的節奏。但如果 R 值突然拉長到 90 天以上，通常意味著他在別家找到了替代，這時候的挽回動作要快。實務上服飾最有效的挽回不是折扣，是「你上次買的那件，我們出了新色」——因為他已經知道尺寸合不合。把過去買過的品項記下來，這個訊息才寫得出來。分群之後，優先處理 R 值變長但 M 值高的那一群，他們流失的損失最大。
3C 配件
2. 食品生鮮 最近購買 8 天前、一年 18 次、累計 21,000 元。食品的 F 值天生高，因為消耗品週期短，所以判讀標準要跟其他品類分開——服飾一年五次算好，食品一年五次就是流失邊緣。R 值同樣要用不同尺度：食品超過 45 天沒回購，通常就是換了品牌。所以食品的 RFM 監控要更頻繁，最好每兩週跑一次，而不是每季。實務上最有價值的動作是針對「F 高但 R 突然變長」的人——他本來是常客，突然不來了，那一定發生了什麼，可能是一次不好的出貨經驗。主動問一句，挽回率比發折價券高得多。
食品生鮮
3. 3C 週邊 最近購買 45 天前、一年 2 次、累計 6,500 元。3C 的 F 值天生低，一年兩次已經算常客了，所以不能用服飾或食品的標準看。3C 的 RFM 重點在 M 值——客單價高的人值得特別經營，因為他們通常是玩家或專業使用者，會持續換設備、買配件，而且會影響朋友的購買決定。R 值超過半年不用緊張，那是正常的購買週期。真正該警覺的是 M 值下降：本來買一千多的客人開始只買三百的耗材，通常表示主力設備換到別家去了。這時候要問的不是「要不要發券」，是「他為什麼不在我們這裡升級」。
服飾配件
4. 手作文創 最近購買 30 天前、一年 4 次、累計 3,200 元。手作的客戶數少，所以 RFM 的價值不在分群自動化，而在讓你認得出人。四次購買、三千多的累計，這在手作是很紮實的支持者——值得你手寫一張卡片，而不是發一封群發信。手作的優勢就在這裡：客戶少到你可以真的認識他們。實務上的做法是把 RFM 前 20% 的名單印出來，記住名字和他們買過什麼，下次他再下單時在包裹裡寫一句具體的話。這件事沒辦法規模化，但手作本來就不是靠規模贏的。名單每季更新一次就夠，手作的變化沒那麼快，更新太頻繁反而失去累積的意義。
放到你的網站（免費，不用問我們）
<iframe src="https://www.ecbase.tw/embed/rfm-score" width="100%" height="560" style="border:1px solid #E3DED4;border-radius:12px" loading="lazy" title="RFM 顧客評分器"></iframe>