RFM 客戶分群

老闆走過來問：「誰是我們的 VIP？誰快流失了？」你翻了翻 Excel 裡的客戶名單，但 5 萬筆資料根本看不出頭緒。這時候你需要的是 RFM 分析 — 用三個數字就能把客戶分成明確的群體。

• R（Recency） = 最近一次消費距今幾天？數字越小越好
• F（Frequency） = 一段時間內消費了幾次？數字越大越好
• M（Monetary） = 一段時間內總共花了多少錢？數字越大越好

第一步：算出每個客戶的 R、F、M

先從 orders 表算出每個客戶的三個原始指標：

重點：

• MAX(order_date) 取最近一次消費日期
• julianday 轉成天數方便相減（這是 SQLite 語法，MySQL 用 DATEDIFF）
• 只算已完成的訂單

第二步：用 NTILE 打分數

拿到原始數字後，要把每個指標分成 1~5 分。SQL 的 NTILE(5) 剛好能把資料平均分成 5 等份：

注意排序方向：

• R 分數：天數越小越好，所以 ASC（最近的排前面，拿到 1 分 = 最佳）
• F、M 分數：數字越大越好，所以 DESC（最多的排前面，拿到 1 分 = 最佳）

第三步：組合分數，定義客群

把三個分數加總或分類，就能貼標籤：

分群邏輯：

• VIP：最近有買、常買、花很多（R、F、M 都在前 2 等分）
• 忠實客戶：最近有買、買的頻率不錯
• 流失風險：很久沒買、也不常買
• 沉睡客戶：很久沒買（但以前可能常買）
• 一般客戶：其他

第四步：統計各客群人數

最後看看每個群有多少人，確認分布是否合理：

AI 協作：學了這個，跟 AI 怎麼配合？

RFM 分析的 SQL 很長，但邏輯是固定的模式。AI 可以幫你快速產出，但你要會判斷。

你的人類優勢：

• 你知道公司的 VIP 定義是什麼（不是每家公司都一樣）
• 你能決定 NTILE 要分幾等、分群門檻怎麼設
• 你能看出分群結果是否合理（例如 VIP 佔 80% 一定有問題）

可以這樣跟 AI 說：

幫我用 orders 表做 RFM 分析，基準日期用今天，用 NTILE(5) 打分，然後幫我分成 VIP、忠實、一般、沉睡、流失五群。先給我每群的人數統計。

練習題