第二章 文獻探討
第五節 RFM 模型
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五節 RFM 模型
一、 RFM 模型之定義
近年來隨著資料庫行銷 (database marketing)的成熟發展，企業得以透過顧客 資料來分析顧客可能的回應與行為，並以此來制定針對目標客群的行銷策略。而 RFM 模型即為一種在行銷界被廣泛運用，可以用來衡量顧客價值的模型。
Kahan (1998) 提到 RFM 模型為最為廣泛應用的行為分析技術，它能夠簡單、
快速的應用顧客的資料以進行分析，且相較於其他認知的分析更有效。企業利用 RFM 模型將資料庫中的顧客資料、交易紀錄加以分類，即可將顧客進行區隔，
接著針對不同區隔之顧客群提供不同行銷策略。利用RFM 模型企業將可以獲得 三種效益：增加回應率、降低每回訂購的成本、獲取更高利潤。Wei et al. (2010) 指出RFM 模型可用來分析顧客的行為並運用資料庫中的顧客資料進行未來行為 的預測 (Hughes, 1996)。除此之外，RFM 模型的三個變數，即「最近購買日」
(recency)、「購買頻率」 (frequency)及「購買金額」 (monetary)，皆屬於行為變 數，因此可以作為觀察顧客對產品、品牌、利益、忠誠度及再購率的態度之區隔 變數。
Hughes (1994) 將 RFM 模型分為三項衡量的指標：
(1) 最近購買日 (Recency)
最近購買日是指顧客最近一次購買距離分析時點的天數。一般而言，當顧客最近 一次購買的時間距離現在越近，即最近購買日較小時，代表企業認為顧客會再度 購買的機會較高，因此其最近購買日的指標分數會較高，這些顧客對企業來說是 相對重要的。然而，以最近購買日分數的高低來決定顧客的重要程度時，應要考 慮到企業產品的特性 （例如耐久財相較於消耗財的產品生命週期更長），不能僅
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
單憑最近購買日分數的高低就決定顧客的重要性。(2) 購買頻率 (Frequency)
購買頻率是指顧客在一段期間內購買該企業產品的次數。一般而言，當顧客的購 買次數越多，則購買頻率越高，代表企業認為顧客的忠誠度與顧客價值較高。然 而，利用購買頻率衡量顧客價值時，可能為因為時間單位的定義不同（例如日、
週、月、年），而有不同的計算方式。
(3) 購買金額 (Monetary)
購買金額是指顧客在一段期間內購買該企業產品的總金額。一般而言，當顧客的 購買金額越高時，代表企業認為顧客的顧客價值較高。然而，購買金額的計算受 到產品特性與產品單價影響，例如消耗財的的單價通常較低，而耐久財的單價通 常較高。若只是以一段時間內購買的總金額來衡量顧客價值，可能會產生顧客價 值被低估或高估的情形。此外，新顧客可能因購買次數過少、購買金額過低而被 低估其顧客價值。由於以上兩項考量，因此通常在計算購買金額時會以平均購買 金額來衡量。
二、 RFM 模型之應用
針對RFM 模型的建構與應用，最常被使用的方法為 Hughes (1994) 及 Stone (1995) 所提出的方式。兩個建構方法最主要的差異點在於：Hughes 認為 RFM 模型在衡量顧客的重要性程度上是一致的，因此並沒有給予三個指標不同 之權重；而 Stone 則由於是採用信用卡資料的實證研究，因此在產業特性的因 素下，給予購買頻率最高之權重，其次為最近購買日，給予購買金額最低之權重。
Hughes (1994) 認為 RFM 模型的三個指標在衡量顧客的重要性程度上是一 致的，因此並沒有給予三個指標不同之權重。在此原則下Hughes 提出顧客五等
‧
資料來源：Stone, B. (1995). Successful Direct Marketing Methods. Lincolnwood, IL：
NTC Business Books.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Marcus (1998) 提出了顧客價值矩陣 (customer value matrix, CVM)，CVM 不 只能協助企業找到最重要的顧客區隔，它還強調能夠立刻找出適合且能隨時溝通、
快速執行的行銷策略。再針對中小型零售業以及服務業的研究當中，Marcus 發 現使用RFM 模型可能更為複雜且難以執行。原因是雖然 RFM 模型透過三個簡 單的指標即可從資料庫中分析顧客價值，但若給予每項指標3 個分數值，就會得 到27 個不同的顧客區隔組合，而 Hughes (1994) 所提出的 RFM 模型更多達 125 個組合，企業必須再針對這些不同區隔組合進行分析與整合，才能找出適合的行 銷策略。Marcus 的 CVM 是利用 RFM 模型中的購買頻率 (frequency)及購買金額 (monetary)建構一個實務上更簡單的方法。CVM 的區隔過程首先要計算所有顧客 的平均購買次數與平均購買金額做為比較基準，並以X 軸為購買次數，Y 軸為 購買金額，建構出一個二維座標，再利用計算出的平均購買次數與平均購買金額 區隔出二維座標中的四個象限。接著再將每位顧客依照購買次數與購買金額分類 到四個象限中，分成最佳型 (Best)、揮霍型 (Spender)、頻率型 (Frequent)及不 確定型 (Uncertain)四種類型，形成最終的顧客價值矩陣。最佳型的顧客的購買 次數與購買金額皆高於平均值，代表對於企業的貢獻度最高，企業應該深入了解 這些顧客的偏好，建立定期的聯繫以及提供高品質的服務來保留著這些顧客。揮 霍型的顧客有高於平均的購買金額，但低於平均的購買次數。企業可以設法加強 這些顧客與企業間的聯繫，增加企業在這些顧客的曝光率，例如經常性地提供產 品資訊給這類型的顧客，來增加他們的購買次數。頻率型的顧客的購買次數高於 平均值，但購買金額則低於平均值，顯示顧客有重複購買的傾向。企業可以利用 一些促銷手法，例如搭售 (bundling)、交叉銷售 (cross-selling)及向上銷售 (up-selling)等來提升這些顧客的購買金額。不確定型的顧客的購買次數與購買金
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
額皆低於平均值，通常這類型的顧客佔企業顧客比例最高，大多屬於一次性購買 且購買金額偏低的顧客。企業針對這類型的顧客應審慎制定行銷策略。
圖2.2 Marcus (1998) 顧客價值矩陣 CVM
資料來源：Marcus, C. (1998). A Practical Yet Meaningful Approach to Customer Segmentation. Journal of Consumer Marketing, Vol.15 (5)，本研究整理