Skip to main content

تحلیل RFM (Recency, Frequency, Monetary Value)

نام "واژه" را وارد کنید.
Term شرح
تحلیل RFM (Recency, Frequency, Monetary Value)

تحلیل RFM یک روش قدرتمند در بازاریابی و مدیریت مشتریان است که به کسب‌وکارها کمک می‌کند مشتریان خود را بر اساس رفتار خرید دسته‌بندی کنند.

تحلیل RFM (Recency, Frequency, Monetary Value) چیست؟

RFM مخفف سه عامل کلیدی است:

  • Recency (تازگی خرید): آخرین زمان خرید مشتری
  • Frequency (تکرار خرید): تعداد دفعات خرید
  • Monetary Value (ارزش مالی): میزان پولی که مشتری خرج کرده

به زبان ساده:
👉 این مدل کمک می‌کند بفهمید کدام مشتریان مهم‌تر، وفادارتر و سودآورتر هستند.


RFM چگونه کار می‌کند؟

در تحلیل RFM، هر مشتری بر اساس سه شاخص امتیازدهی می‌شود:

  • معمولاً امتیاز از 1 تا 5 در هر بخش داده می‌شود
  • عدد 1 = ضعیف‌ترین
  • عدد 5 = بهترین عملکرد

✅ سپس مشتریان بر اساس مجموع این امتیازها رتبه‌بندی و دسته‌بندی می‌شوند.


توضیح هر جزء با مثال

1. Recency (تازگی)

  • مشتری چه زمانی آخرین خریدش را انجام داده؟

✅ مثال:

  • خرید در 2 روز پیش ➜ امتیاز بالا (5)
  • خرید در 6 ماه پیش ➜ امتیاز پایین (1)

2. Frequency (تکرار)

  • مشتری چند بار خرید کرده است؟

✅ مثال:

  • خرید 15 بار در سال ➜ امتیاز بالا
  • خرید 1 یا 2 بار ➜ امتیاز پایین

3. Monetary Value (ارزش مالی)

  • مشتری چقدر پول خرج کرده؟

✅ مثال:

  • مجموع خرید بالا ➜ امتیاز بالا
  • خریدهای کوچک ➜ امتیاز پایین

مثال کامل برای درک بهتر

فرض کنید سه مشتری دارید:

مشتری Recency Frequency Monetary نتیجه
مشتری A 5 5 5 مشتری طلایی
مشتری B 3 2 3 متوسط
مشتری C 1 1 2 کم‌ارزش

✅ نتیجه:

  • مشتری A باید حفظ و تقویت شود
  • مشتری C نیاز به بازاریابی مجدد دارد

کاربردهای تحلیل RFM

  • شناسایی مشتریان وفادار و سودآور
  • طراحی کمپین‌های هدفمند بازاریابی
  • افزایش فروش و retention
  • جذب مشتریان غیرفعال
  • شخصی‌سازی پیشنهادها (Offers)

ارتباط RFM با قانون ۸۰/۲۰

تحلیل RFM از اصل معروف Pareto (80/20 Rule) پشتیبانی می‌کند:

  • ۸۰٪ درآمد از ۲۰٪ مشتریان می‌آید

✅ RFM کمک می‌کند این ۲۰٪ مشتری باارزش را شناسایی کنید.


مزایای RFM

  • ساده و قابل اجرا
  • کم‌هزینه و سریع
  • قابل استفاده در انواع کسب‌وکار
  • بهبود استراتژی بازاریابی

محدودیت‌ها

  • فقط بر داده‌های گذشته تمرکز دارد
  • رفتار آینده را با قطعیت پیش‌بینی نمی‌کند
  • نیاز به داده‌های دقیق مشتری دارد

کاربرد RFM در کسب‌وکارهای مختلف

  • فروشگاه‌های آنلاین: پیشنهادهای شخصی‌سازی‌شده
  • بانک‌ها: تحلیل مشتریان باارزش
  • استارتاپ‌ها: افزایش retention
  • NGO ها: شناسایی اهداکنندگان وفادار

نکات کلیدی (Key Takeaways)

  • RFM مشتریان را بر اساس تازگی، تکرار و ارزش خرید تحلیل می‌کند
  • هر مشتری امتیازبندی شده و دسته‌بندی می‌شود
  • به شناسایی مشتریان مهم و سودآور کمک می‌کند
  • ابزار قدرتمند برای افزایش فروش و وفاداری مشتری است
  • با قانون 80/20 ارتباط مستقیم دارد
کلیک ها - 9
Synonyms: تحلیل RFM,Recency Frequency Monetary Value,RFM