RFM 一段話講完
RFM 係 1995 年嘅客戶分層模型。三個維度：
- Recency — 客戶距離上次購買 / 預約 / 到訪幾耐
- Frequency — 喺一段時間入面買咗幾多次
- Monetary — 呢段時間總消費
每個客戶喺三個維度俾 1–5 分，concat 成 3 位數 code（5-5-5 = 最好，1-1-1 = 最差），就有 125 個 segment。大部分團隊摺成 8–12 個命名 cohort，對每個跑唔同 campaign。
30 年歷史，至今仲好過大部分 ML 方法去做服務業留客。下面解釋點解 + 點做。
點解 RFM 對服務業贏 ML
三個原因。
1. Signal density。 服務業商戶通常 100–10,000 客戶。ML model 要 50,000+ row 先贏 rule-based。RFM 100 個都 work。
2. 解釋性。 「Target 60 日冇 book、以前每週都嚟嘅客戶」係商戶聽得明嘅句子。「Model 俾佢 churn probability 0.73」係黑盒，會被忽略。
3. Action linkage。 RFM segment 1:1 map 去 campaign type：高 R 流失 = win-back、低 R 高 F = tier upsell、高 M = retention。ML score 要多一層翻譯。
食譜
Step 1：揀 window
服務業通常用 6 個月或 12 個月做 RFM。年度更穩定但慢；半年捕捉季節性快啲。
FavCRM 商戶默認：高頻（gym、髮廊）12 個月；低頻（診所、專業服務）24 個月。
Step 2：俾分
Quintile-based — 按 metric sort 所有客戶，分 5 個等大 bucket：
| 分數 | Recency | Frequency | Monetary |
|---|---|---|---|
| 5 | 最近 20% | 最頻繁 20% | 消費最高 20% |
| 4 | 第 2 個 20% | 第 2 個 20% | 第 2 個 20% |
| 3 | 中間 20% | 中間 20% | 中間 20% |
| 2 | 第 4 個 20% | 第 4 個 20% | 第 4 個 20% |
| 1 | 最遠 20% | 最少 20% | 最低 20% |
點解用 quintile 唔用 fixed threshold：threshold 跨商戶會 drift。「60 日冇 book」對婚禮攝影師係 VIP，對日常 café 係流失客戶。Quintile 自己 calibrate。
Step 3：125 個 code 摺成命名 segment
服務業標準 collapse：
| Segment 名 | RFM pattern | 需要 |
|---|---|---|
| Champions | 5-5-5、5-5-4、5-4-5 | 獎勵、refer-a-friend、exclusive access |
| Loyal | 5-4-4、4-4-4、4-5-4 | Cross-sell、tier upgrade |
| Potential loyalists | 5-3-3、4-4-3、4-3-4 | 推上下一個 tier |
| New customers | 5-1-1、5-1-2、4-1-1 | Onboarding、第二單 incentive |
| Need attention | 3-3-3、3-2-3、3-3-2 | 低門檻 win-back |
| About to sleep | 3-2-2、2-2-2、2-3-3 | 「掛念你」+ 細 offer |
| At risk | 2-2-5、2-2-4、2-3-4 | 個人 outreach（高 M、開始流失） |
| Can't lose them | 1-5-5、1-4-4、1-5-4 | 高接觸 save：打電話、唔係 WhatsApp |
| Hibernating | 2-1-2、2-1-1、1-2-2 | 最後機會 offer 或 archive |
| Lost | 1-1-1、1-1-2 | 停止花錢、archive |
大部分商戶6 個 segment 已經夠：Champions、Loyal、New customers、At risk、About to sleep、Lost。唔好過度分層。
Step 4：Match campaign 同 segment
呢度先係真正槓桿——大部分經 WhatsApp 跑。一個實用嘅起手 matrix：
| Segment | 建議 campaign | Channel | 頻率 |
|---|---|---|---|
| Champions | Refer-a-friend、新 service early access | WhatsApp（owner 1:1） | 每季 |
| Loyal | Tier upgrade nudge、package upsell | WhatsApp template | 每月 |
| Recent / Promising | Welcome series、第二單 voucher | WhatsApp + email | 觸發（day 1, 7, 30） |
| At risk（高 M lapsing） | Owner 個人 outreach | 電話或 WhatsApp 1:1 | Score 跨界觸發 |
| About to sleep | 「掛念你」+ 八折 | WhatsApp template | 60 日冇 book 觸發 |
| Lost | 年度 revival，然後停 | WhatsApp template | 每年 |
最高 ROI 嘅 move 係 At risk outreach — 高 M、以前忠誠、而家流失嘅客戶。Owner 親自（唔係 template）5 分鐘個人 WhatsApp，救番嘅遠多過任何 generic discount email。呢批客值得逐個手動救。
Agentic 捷徑
傳統做法：CRM export CSV、spreadsheet 算分、手動 create segment、schedule campaign。每次 refresh 半日。
Agentic 做法用 FavCRM：
Agent › 跑過去 12 個月 RFM。show 我 Champions + At-risk。
[calls] build-segment criteria: last_booking < 30d AND
lifetime_spend > P80 AND visit_count > P80
→ Champions（47 人）
[calls] build-segment criteria: 60d < last_booking < 180d
AND lifetime_spend > P60
→ At-risk（23 人）
Agent › Champions 47 人。要發 refer-a-friend template 嗎？
At-risk 23 人。要我草擬個人 WhatsApp（一人一條，
建議開場白）嗎？
You › 兩樣都要。
[calls] send_whatsapp_message loop 發 refer-a-friend
[calls] draft drafts 俾 At-risk（你手動 send）
整個 cycle — 計分、分層、campaign — 由半日 spreadsheet 變成 chat 入面 5 分鐘。
量度咩
啟用 RFM 推動 campaign 後 90 日，track：
- Segment migration：At-risk 客戶有冇 cross 番去 Loyal？（救回率）
- Champion lift：Refer-a-friend campaign 帶來嘅新客戶可歸因到 program 嗎？（推薦數）
- Lost segment 修剪：Lost 客戶有冇被 archive 而唔係繼續 spam？（成本減少）
最大嘅進步，來自將 At-risk outreach 做成觸發式 playbook（客戶分數一過界就即刻跑），而唔係等每季 campaign。
兩個失敗模式要避
過度分層。 125 segment 聽落嚴謹；實際無法管理。大部分商戶 6 segment、6 campaign。冇 CRM 團隊就唔好過 12。
靜態 threshold。 Quintile 自動 calibrate 商戶分佈；fixed cutoff（例如「lapsed = 30 日」）對低頻商戶（診所）錯、對高頻（café）忽略明顯信號。用 percentile-based。
由邊度開始
如果你係 FavCRM 商戶：/find-top-customers 同 /build-segment 係入口。配 /send-campaign 做 dispatch。
如果未喺 FavCRM：免費註冊 — 免費 tier 支援 100 客戶、200 預約 / 月，足夠喺真實 cohort 上 validate RFM。或者俾 agent 經 MCP register_organisation_request 流程幫你 sign up。
