RFM 细分：从 12 个月订单数据生成 20 个命名分群（Klaviyo + ChatGPT）
目录
上季度一家咖啡供应链客户找到我，坚信自己有 18,000 个"活跃"客户。这里的"活跃"指的是 18,000 个订阅过、且至少下过一单的人。我们拉了 12 个月的 Klaviyo 订单数据，跑了一遍 RFM（Recency/Frequency/Monetary，即最近一次购买时间、购买频次、消费金额）打分，真实画面就出来了：1,240 个 Champion（冠军客户）、1,850 个 Loyal（忠诚客户），剩下 14,900 个客户的最后一单都在 365 天以前。邮件订阅列表里有 60% 处于 Hibernating（沉睡）状态。他们把"我们想你了，85 折"的邮件同时发给 Champion 和那些三个购买周期前就心理脱粉的人，18 个月内打开率从 38% 滑到 14%。团队一直以为是主题行的问题，主题行没问题，是分群出了问题。
RFM 是直邮营销里最老的玩法，到今天依然是最干净的一种。每个客户三个数字、一个命名分群、一封匹配角度的邮件。瓶颈从来不是算分——把 R/F/M 三个数字变成"这位客户是 Champion"或"这位客户是 Hibernating"才是框架真正能用的地方，而这一步恰好是 ChatGPT 极其擅长的。
下面是我在那个咖啡客户身上跑过的完整流程，浓缩成一个 90 分钟就能跑完的练习。
第一步——导出 12 个月的 Klaviyo 订单
在 Klaviyo 里：Analytics → Metrics → Placed Order → Export to CSV。拉满 12 个月。你需要的列：Email、Order ID、Order Total、Order Date。如果你在多个渠道卖，每个渠道分别导一次再拼起来——CSV 是通用语言，Shopify、Recharge、Amazon 的订单导出列名改一下都能对得上。
为什么是 12 个月：90 天会低估高客单季节性买家（黑五、节日送礼）；24 个月会让 Recency 严重稀释，70% 的列表都掉进最低 R 桶。12 个月是大部分 DTC（direct-to-consumer，直接面向消费者）品牌的甜点——长到能覆盖完整季节周期，短到"11 个月没下单"这句话还成立。
第二步——给每个客户在 R、F、M 上打 1–3 分
在 Google Sheets 或你常用的 Notebook 里打开导出的文件。对每个独立邮箱算：
- R = 距最近一单的天数（越小越好）
- F = 时间窗内的订单数
- M = 时间窗内的累计消费
然后在每个维度上打 1–3 分。不要用五分位（5 个桶）——Klaviyo 的 RFM 逻辑用 1–3 是有原因的，1–3 才是后面能产出 20 个命名分群的基础。分位点要按你自家业务校准，不要套行业默认：
- R=3：最近 90 天内下过单
- R=2：91–270 天前下过单
- R=1：271+ 天前下过单
- F=3：时间窗内 4 单及以上
- F=2：2–3 单
- F=1：1 单
- M=3：消费额前 33%
- M=2：中间 33%
- M=1：后 33%
拼成一个 RFM 单元格（比如 3-2-3）。理论上有 27 种组合，但其中只有大约 20 种在营销上有实际意义——而这一步正是交给 ChatGPT 的部分。
第三步——给所有 20 个分群命名的提示词
把这段提示词存下来。把 RFM 单元格、该单元格里的客户数、你的客单价一起贴进去。
你是一名电商留存策略师。我手上是一份来自 Klaviyo 的 12 个月 RFM 分析，品牌类目是 [类目]，活跃客户数 [X]，客单价 $[Y]。R=3 表示最近 90 天内下过单，R=2 表示 91–270 天，R=1 表示 271+ 天。F=3 表示 4 单及以上，F=2 表示 2–3 单，F=1 表示 1 单。M=3 表示消费额前 33%，M=2 表示中间 33%，M=1 表示后 33%。
请生成恰好 20 个命名 RFM 分群。每个分群给出：(1) 一个好记的人性化名字，(2) 它覆盖的 RFM 单元格，(3) 这个分群在列表中通常占比多少，(4) ONE 个会真正打中这个分群的营销角度——不是泛泛的折扣，是一个具体的信息。跳过那些在电商里没有统计意义的 RFM 单元格。
你会得到一张类似下方的表格。命名会随模型版本略有不同，但分群和角度是稳的。
这 20 个 RFM 分群
| # | 分群名 | RFM 单元格 | 通常占比 | 营销角度 |
|---|---|---|---|---|
| 1 | Champions（冠军） | 3-3-3, 3-3-2, 3-2-3 | 5–8% | 早鸟新品 + 创始人手写感谢信。永远不要折扣。 |
| 2 | Loyal High-rollers（高消费忠诚） | 3-3-3（M=3 部分） | 2–4% | 幕后内容、邀请推荐、忠诚等级升级。 |
| 3 | Loyal Regulars（稳定复购） | 3-3-2, 3-2-2 | 5–7% | 引导订阅或"你可能也喜欢"的关联推荐。 |
| 4 | Newest Buyers（最新买家） | 3-1-3, 3-1-2, 3-1-1 | 6–10% | 下单后 0–14 天教育序列。先别推第二件 SKU。 |
| 5 | Potential Loyalists（潜在忠诚） | 3-2-2, 3-2-1 | 5–8% | 交叉销售自然的第二件商品。包邮门槛叠加。 |
| 6 | Promising（潜力客户） | 3-1-2, 2-3-2 | 3–5% | 故事化品牌邮件 + 邀请对已购商品写评价。 |
| 7 | About to Wake（即将激活） | 2-3-3, 2-3-2 | 2–3% | 限时新品预览。 |
| 8 | Need Attention（需要关注） | 2-2-2, 2-2-3 | 5–7% | 私人风格的"好久不见"。不要折扣。 |
| 9 | Slipping Regulars（下滑常客） | 2-3-1, 2-2-1 | 4–6% | 轻量唤回：商品推荐，先不制造紧迫感。 |
| 10 | Cool High-Spenders（安静的高客单） | 2-1-3 | 2–3% | "我们为你做了这件"——高客单新品发布。 |
| 11 | Discount-Dependents（折扣敏感） | 3-1-1, 2-1-1 | 4–6% | 首次购买后跟一封一次性优惠。 |
| 12 | At Risk（流失风险） | 1-3-3, 1-3-2, 1-2-3 | 3–5% | 强紧迫感的"我们想你"，给一个真正回来的理由。 |
| 13 | Cannot Lose（绝不能丢） | 1-3-3（M=3） | 1–2% | 真人一对一外联。Email + SMS，不要自动化。 |
| 14 | High-Spend Lapsed（高客单流失） | 1-2-3, 1-1-3 | 1–2% | 礼宾式唤回。免邮 + 手工挑选的推荐。 |
| 15 | Recent Lapsed（新近流失） | 1-2-2, 1-2-1 | 3–5% | 21 天再激活流程，4 封邮件，优惠力度递进。 |
| 16 | Cold Prospects（冷流量） | 1-1-2 | 2–3% | 30–40% 折扣的再激活。只发一次，然后抑制。 |
| 17 | Hibernating Most（深度沉睡） | 1-1-1, 1-1-2（长尾） | 30–45% | 一封"你还有兴趣吗"。默认之后抑制。 |
| 18 | One-and-Done Buyers（一次性买家） | 1-1-1（历史 F=1） | 15–25% | 调研问句："是什么让你没回来？" |
| 19 | Gift-Only Buyers（纯送礼买家） | 1-1-2（Q4 集中） | 3–5% | 10 月发下一年的送礼指南。节令外不要触达。 |
| 20 | Testers / Wheel-Spinners（试水党/抽奖党） | 1-1-1（低 M） | 2–4% | 一封 5 折"分手邮件"。不上钩就永久抑制。 |
有几个比表格本身更重要的点。第一，17 和 18 在绝对数量上永远是最大的两个分群——这才是真正的故事。列表里 60% 的沉睡客和一次性买家不是营销的失败，是客户群体本来的样子。错的是把它们当成还在场内。
第二，营销角度刻意只写一句话。20 个分群、每行写一大段指导，根本没人会用。一个角度、一封邮件、发出去。第二个月再 A/B 测试角度；第一个月的目标是把"不同的人发不同的内容"这件事跑起来。
第三，每季度重新跑一次这张表。RFM 是快照不是状态——3 月还是 Champion 的客户，7 月可能就 At Risk 了。上面这段提示词是幂等的（在最新数据上重跑会得到同样的命名规则），变的是每个分群里的人数，不是分群名字本身。
四个最易踩的坑
不要把分群导进 Klaviyo 当静态列表。 Klaviyo 可以用 profile property 算 RFM 并每天更新，但如果你用一次性 CSV 导出的快照冻结了一个分群，三周之内你就在给错的人发错的邮件。把 RFM 复合值做成自定义属性，在它之上搭动态分群，让 Klaviyo 自己刷新。
"Loyal High-rollers" 这个分群决定了你留存赚不赚钱。 给他们发和 Cold Prospects 一样的 85 折券，等于训练最好的客户等到打折再买。这个分群的角度是 Access，不是价格。
AOV（客单价）会扭曲 M。 如果你消费额前 33% 被几个批发买家包了，那整列 M=3 都变成那个批发客户群，你的"Champions"分群看起来像一份 B2B（business-to-business，企业对企业）账户清单。算 M 之前先把批发和 B2B 订单剔掉。
RFM 不反映渠道偏好。 一个只点 SMS 的 Champion 和一个只点邮件的 Champion，触达渠道应该不同，文案可以一样。在 RFM 之上再叠一层渠道偏好——分群决定"发什么"，渠道决定"怎么发"。
咖啡客户用这张 20 分群表，两周内重排了整月的群发日历。Champions 分群的打开率第一个月就从原来的 31%（混发均值）涨到 58%，因为这个分群不再和沉睡分群抢收件箱注意力。At Risk 分群的每发收益从 $0.11 涨到 $0.84，因为信息终于匹配状态。整个季度邮件营收增长 22%——不是主题行更聪明了，而是承认了列表不是他们以为的那个样子。
列表几乎从来不是。