การวิเคราะห์ RFM ความหมายและวิธีแบ่งกลุ่มลูกค้า (2027)

การวิเคราะห์ RFM คือการจัดกลุ่มลูกค้าตามความใหม่ของการซื้อ (recency) ความถี่ในการซื้อ (frequency) รวมถึงมูลค่าการใช้จ่าย (monetary value) โดยติดตามว่าลูกค้าซื้อครั้งล่าสุดเมื่อไร ซื้อบ่อยแค่ไหน และใช้จ่ายรวมไปทั้งหมดเท่าไร ตัววัดทั้ง 3 นี้ช่วยให้ตัดสินใจได้ว่าควรติดต่อใครและควรเสนออะไร

คะแนน RFM บอกได้ว่าลูกค้ารายไหนควรได้รับรางวัล รายไหนควรดึงกลับมา และรายไหนควรประคับประคองหลังสั่งซื้อครั้งแรก

คู่มือนี้อธิบายว่าการวิเคราะห์ RFM ทำงานอย่างไร คำนวณคะแนนลูกค้าอย่างไร รวมถึงวิธีนำคะแนนเหล่านั้นมาใช้วางแผนแคมเปญสำหรับลูกค้าแต่ละกลุ่ม

การวิเคราะห์ RFM คืออะไร

การวิเคราะห์ RFM เป็นเทคนิคการแบ่งกลุ่มลูกค้าที่ใช้ประวัติการซื้อมาจัดกลุ่มลูกค้า ถือเป็นโมเดลให้คะแนนลูกค้าประเภทหนึ่ง ซึ่งเป็นกรอบในการจัดอันดับลูกค้าตามเกณฑ์ด้านพฤติกรรมหรือมูลค่าที่เลือกไว้ โมเดล RFM วัดพฤติกรรมการซื้อใน 3 ด้าน ดังนี้

การวิเคราะห์ RFM มีลักษณะอย่างไร

การวิเคราะห์ RFM จะกำหนดคะแนนให้กับตัววัดแต่ละด้าน แล้วจัดกลุ่มลูกค้าที่มีคะแนนใกล้เคียงกันเข้าด้วยกัน คะแนนสะท้อนถึงตำแหน่งของลูกค้าแต่ละรายภายในฐานลูกค้าทั้งหมด คะแนนที่สูงหมายถึงการซื้อที่ใหม่กว่า มีคำสั่งซื้อมากกว่า หรือใช้จ่ายรวมมากกว่า

ความถี่และมูลค่าการใช้จ่ายต้องมีการกำหนดกรอบเวลาในการวิเคราะห์ ให้กำหนดกรอบเวลาตามรอบการซื้อโดยทั่วไปของธุรกิจ ตัวอย่างเช่น ร้านจำหน่ายเฟอร์นิเจอร์ต้องใช้มุมมองที่ยาวกว่าแบรนด์สกินแคร์ที่ขายผลิตภัณฑ์เติมแบบรายเดือน และควรใช้ช่วงเวลาเดียวกันเสมอเมื่อเปรียบเทียบลูกค้า

ทำไมธุรกิจอีคอมเมิร์ซจึงใช้การวิเคราะห์ RFM

RFM เป็นวิธีการแบ่งกลุ่มลูกค้าตามพฤติกรรม โดยจัดกลุ่มลูกค้าตามกิจกรรมการซื้อ

การแบ่งกลุ่มตามข้อมูลประชากรจะอธิบายลักษณะต่างๆ เช่น อายุหรือสถานที่ ส่วน RFM จะแยกลูกค้าที่ซื้อบ่อยออกจากลูกค้าที่ซื้อครั้งเดียว แม้ว่าจะมีลักษณะร่วมกันก็ตาม ทำให้วางแผนแคมเปญติดตามผลที่แตกต่างกันให้แต่ละกลุ่มได้

พัฒนาแคมเปญการตลาดที่ได้ผลยิ่งขึ้น

การแบ่งกลุ่มด้วย RFM ให้หลักฐานด้านการซื้อเพื่อใช้กำหนดข้อเสนอ ซึ่งอาจทำได้ดังนี้

• เชิญลูกค้าที่มีมูลค่าสูงเข้าร่วมการขายแบบส่วนตัว
• เสนอการสมัครสมาชิกให้กับลูกค้าที่ซื้อสินค้าแบบเติมซ้ำรายการเดิมอยู่เป็นประจำ
• แนะนำอุปกรณ์เสริมที่เข้ากันได้หลังจากการซื้อครั้งล่าสุด

ใช้ประวัติการสั่งซื้อของลูกค้าแต่ละรายในการเลือกสินค้าสำหรับข้อเสนอ แล้วทดสอบว่าข้อความแบบไหนนำไปสู่การซื้อซ้ำ

จากผลสำรวจเดือนกุมภาพันธ์ 2026 ที่จัดทำโดย Attentive พบว่า 93% ของลูกค้าออนไลน์ในออสเตรเลีย สหราชอาณาจักร รวมถึงสหรัฐอเมริกา ระบุว่ามีแนวโน้มจะช้อปกับแบรนด์ที่มอบประสบการณ์แบบเฉพาะบุคคลต่อไป และ 53% ระบุว่าคำแนะนำสินค้าที่ตรงใจเป็นเหตุผลที่ทำให้ยังคงอยู่กับแบรนด์ โดยผู้ตอบแบบสอบถามเป็นผู้ที่สมัครรับการตลาดทางอีเมลหรือ SMS อยู่แล้ว

ระบุลูกค้าที่มีความเสี่ยงจะเลิกซื้อ 

คะแนน RFM ที่ลดลงอาจเป็นสัญญาณเตือนว่าลูกค้ารายนั้นเสี่ยงที่จะเลิกเป็นลูกค้า โดยเฉพาะเมื่อลูกค้าประจำหยุดสั่งซื้อ อย่าลืมตรวจสอบประวัติการซื้อก่อนเข้าไปดำเนินการ เพราะอันดับอาจลดลงได้เมื่อลูกค้ารายอื่นซื้อมากขึ้น และจำนวนการซื้อที่น้อยก็ไม่ได้เป็นสัญญาณการเลิกซื้อเสมอไป ในการพูดคุยกับ Shopify Masters นั้น Debbie Wei Mullin ผู้ก่อตั้ง Copper Cow Coffee ได้ถามแฟนๆ ว่าทำไมถึงซื้อกาแฟตัวโปรดเพียง 2 ครั้งในหนึ่งปี

“บางคนบอกว่าเก็บไว้ดื่มในโอกาสพิเศษ ส่วนบางคนก็ซื้อเป็นของขวัญ” เธอเล่าถึงคำตอบที่ได้รับจากลูกค้า

Shopify Messaging ช่วยให้ร้านค้าส่งแคมเปญอีเมลและ SMS ได้โดยตรงจากหน้าแอดมิน Shopify หากต้องการเลือกกลุ่มลูกค้าที่จะส่งแคมเปญ ให้เข้าไปที่ Analytics > Reports เปิดรายงานการวิเคราะห์ลูกค้าแบบ RFM จากนั้นเลือกกลุ่มลูกค้าที่ต้องการ แล้วคลิก Preview segment

ปรับวิธีติดตามผลหากพบว่า

• ความใหม่ของการซื้อลดลง หากลูกค้าที่ซื้อทุกเดือนไม่ได้สั่งซื้อมา 3 เดือนแล้ว ให้ส่งข้อความเตือนให้ซื้อสินค้าเติม ระบบอัตโนมัติดึงลูกค้ากลับของ Shopify Messaging จะส่งอีเมลหลังจากผ่านไปตามระยะเวลาที่กำหนดนับจากคำสั่งซื้อครั้งล่าสุด
• ความถี่ลดลง หากจากที่เคยสั่งซื้อทุกเดือนลดลงเหลือทุกไตรมาส ให้ส่งข้อความแจ้งสินค้ามาใหม่ให้ผู้สมัครรับข่าวสาร ใน Messaging ให้เลือก Create campaign > SMS แล้วเลือกกลุ่มลูกค้าที่เกี่ยวข้อง
• การใช้จ่ายลดลง หากการใช้จ่ายรวมลดลงจาก 30,000 บาทเหลือ 6,000 บาท ในช่วงเวลาที่เทียบกันได้ ให้สอบถามว่าเกิดอะไรขึ้น ส่งแบบสำรวจความพึงพอใจสั้นๆ ให้กลุ่มนั้นผ่านแคมเปญอีเมลของ Shopify Messaging

จากรายงานเดือนมกราคม 2026 ของ SimpleTexting พบว่า 47% ของผู้บริโภคที่สำรวจระบุว่าอีคอมเมิร์ซและค้าปลีกเป็นหนึ่งในอุตสาหกรรมที่มีแนวโน้มจะสมัครรับข้อความมากที่สุด

ปฏิบัติตามกฎหมายและกฎของแพลตฟอร์มที่เกี่ยวข้องเมื่อส่งอีเมลและข้อความ SMS เชิงพาณิชย์ สำหรับอีเมลเชิงพาณิชย์ในสหรัฐอเมริกา ให้ปฏิบัติตามแนวทาง CAN-SPAM ของ FTC ซึ่งรวมถึงการระบุรายละเอียดผู้ส่งที่ถูกต้อง ที่อยู่ทางไปรษณีย์ รวมถึงตัวเลือกยกเลิกการรับข้อมูล ส่วน SMS นั้นต้องได้รับความยินยอมตามที่กำหนด รวมถึงปฏิบัติตามกฎช่วงเวลาส่งและการยกเลิกรับข้อความในแต่ละพื้นที่

กำหนดทิศทางงบฯ การตลาดและการขายได้ดีขึ้น

ใช้กลุ่มที่แบ่งด้วย RFM เพื่อตัดสินใจว่าจะทดสอบแคมเปญที่มีค่าใช้จ่ายสูงที่ไหน ตัวอย่างเช่น อาจส่งข้อเสนอทางไปรษณีย์ให้ลูกค้าภักดีในอดีต 2,000 ราย ก่อนที่จะลงทุนกับรายชื่อทั้งหมด 10,000 ราย

ตามราคาของ USPS โปสการ์ด First-Class Mail ภายในประเทศที่เข้าเกณฑ์มีราคา 65 เซนต์ตามอัตราค้าปลีก ด้วยอัตรานี้ ค่าไปรษณีย์สำหรับโปสการ์ด 2,000 ใบ รวมเป็น $1,300 เทียบกับ $6,500 สำหรับ 10,000 ใบ โดยตัวเลขเหล่านี้ยังไม่รวมค่าออกแบบ ค่าพิมพ์ รวมถึงค่าบริการส่งไปรษณีย์

การส่งจำนวนน้อยลงไม่ได้รับประกันว่าต้นทุนต่อชิ้นจะต่ำลง ค่าพิมพ์และค่าตั้งค่าจะถูกเฉลี่ยไปยังผู้รับที่น้อยลง และปริมาณที่ลดลงอาจเปลี่ยนสิทธิ์ในการได้รับส่วนลดค่าไปรษณีย์ ให้ขอใบเสนอราคาสำหรับทั้งสองปริมาณก่อนกำหนดงบประมาณ

RFM ไม่ได้วัดความสามารถในการทำกำไรจากลูกค้าหรืออธิบายว่าทำไมการซื้อถึงหยุดลง อย่าลืมตรวจสอบอัตรากำไร รวมถึงเปรียบเทียบผลลัพธ์ของแคมเปญกับกลุ่มที่สุ่มเลือกมาซึ่งไม่ได้รับการส่งข้อเสนอ และเปรียบเทียบกำไรจากแคมเปญรักษาลูกค้ากับต้นทุนในการได้มาซึ่งลูกค้าก่อนที่จะย้ายงบประมาณไปยังกลยุทธ์ใดกลยุทธ์หนึ่งมากขึ้น

วิธีคำนวณคะแนน RFM

คะแนน RFM สรุปความใหม่ของการซื้อ ความถี่ รวมถึงยอดใช้จ่ายทั้งหมดของลูกค้า โดยรวมคะแนนย่อย 3 ส่วนเข้าด้วยกัน เพื่อให้เปรียบเทียบลูกค้าและจัดเข้ากลุ่มการตลาดได้

สำหรับการคำนวณด้วยตนเอง มีขั้นตอนดังนี้

1. กำหนดช่วงเวลาในการวิเคราะห์ เลือกกรอบเวลาที่ครอบคลุมการซื้อซ้ำ เช่น 12 เดือนที่ผ่านมา และบันทึกวันที่จะใช้เป็นจุดเริ่มวัดความใหม่ของการซื้อ
2. คำนวณค่าของลูกค้าแต่ละราย นับจำนวนวันนับตั้งแต่การซื้อครั้งล่าสุดสำหรับ R คำสั่งซื้อภายในกรอบเวลาสำหรับ F รวมถึงยอดใช้จ่ายทั้งหมดในกรอบเวลานั้นสำหรับ M โดยใช้กฎที่สอดคล้องกันในการจัดการกับการคืนเงินและคำสั่งซื้อที่ถูกยกเลิก
3. กำหนดคะแนน จัดอันดับลูกค้าแยกตามตัววัดแต่ละด้าน วิธีหนึ่งคือแบ่งฐานลูกค้าออกเป็น 5 กลุ่มที่มีขนาดใกล้เคียงกัน ให้คะแนน 1 ถึง 5 โดยจัดค่าที่เท่ากันไว้ด้วยกัน
4. สร้างรหัส RFM เขียนคะแนนในลำดับ R–F–M คะแนน 4, 3 และ 5 จะได้เป็น 435 โดยตัวเลขแต่ละหลักอธิบายพฤติกรรมที่แยกจากกัน ไม่ใช่เลขสี่ร้อยสามสิบห้า
5. จัดกลุ่มและอัปเดตใหม่ จัดกลุ่มรูปแบบที่คล้ายกันเข้าด้วยกัน แล้วคำนวณใหม่ตามรอบเวลาที่สอดคล้องกับรอบการซื้อ อย่าลืมเปรียบเทียบค่าพื้นฐานก่อนที่จะดำเนินการตามการเปลี่ยนแปลงของคะแนน

มาตราส่วนขึ้นอยู่กับเครื่องมือที่ใช้ ตัวอย่างเช่น Shopify ใช้ 1 ถึง 5 สำหรับตัววัดแต่ละด้าน ส่วน Klaviyo ใช้ 1 ถึง 3 ให้ตรวจสอบเกณฑ์และช่วงเวลาของแพลตฟอร์มก่อนเปรียบเทียบผลลัพธ์

ร้านค้าสมมติด้านล่างใช้ช่วงคะแนนตัวอย่างเหล่านี้สำหรับการวิเคราะห์ 12 เดือน

ลองดูว่าลูกค้า 4 รายจะได้คะแนนอย่างไร ชื่อกลุ่มเป็นไปตามกฎการจัดกลุ่มของ Shopify แต่ข้อมูลลูกค้าและช่วงคะแนนเป็นเพียงตัวอย่างประกอบ

ในโมเดลที่สร้างขึ้นเอง อาจสรุป 435 เป็นผลรวม 12 หรือค่าเฉลี่ย 4 ก็ได้ โดยคำนวณจาก (4 + 3 + 5) ÷ 3 แต่ให้เก็บคะแนนแยกไว้ เพราะผลรวมที่เท่ากันอาจอธิบายรูปแบบการซื้อที่ต่างกัน

ใช้รูปแบบคะแนนแต่ละแบบในการวางแผนการติดตามผล

การวิเคราะห์ลูกค้าแบบ RFM ของ Shopify จะกำหนดกลุ่มที่มีชื่อ 11 กลุ่ม ได้แก่ Prospects, New, Active, Promising, Needs attention, Loyal, Champions, Almost lost, At risk, Previously loyal รวมถึง Dormant

โดยจะรวม R เข้ากับค่าเฉลี่ยของ F และ M แล้วปัดลง สำหรับ 435 นั้นได้ R = 4 และ FM = 4 ซึ่งจัดลูกค้ารายนี้ไว้ในกลุ่ม Loyal ส่วน Prospects คือลูกค้าที่ยังไม่มีคำสั่งซื้อ

วิธีใช้ RFM เพื่อแบ่งกลุ่มลูกค้า

การแบ่งกลุ่มด้วย RFM ใช้ข้อมูลการซื้อ 3 ส่วนของลูกค้าแต่ละราย ดังนี้

• วันที่สั่งซื้อครั้งล่าสุด วันที่ใช้คำนวณว่าผ่านไปนานแค่ไหนตั้งแต่การซื้อครั้งล่าสุด
• จำนวนคำสั่งซื้อทั้งหมด จำนวนการซื้อภายในกรอบเวลาการวิเคราะห์
• ยอดใช้จ่ายทั้งหมด การใช้จ่ายรวมภายในกรอบเวลาเดียวกันนั้น

จับคู่ข้อมูลเหล่านี้กับรหัสลูกค้าที่สอดคล้องกัน และเผื่อให้มีประวัติการซื้อมากพอที่จะเห็นรูปแบบการซื้อซ้ำ หากเกือบทุกคนสั่งซื้อเพียงครั้งเดียว คะแนนความถี่ก็แทบจะแยกความแตกต่างระหว่างลูกค้าไม่ได้

1. เลือกเครื่องมือวิเคราะห์ RFM

สำหรับเจ้าของร้าน Shopify นั้น รายงานการวิเคราะห์ลูกค้าแบบ RFM ที่มีมาในตัวคือตัวเลือกหลัก ซึ่งจะให้คะแนนลูกค้าโดยอัตโนมัติโดยใช้ข้อมูลการซื้อของร้าน

เลือกเครื่องมือให้ตรงกับขนาดรายชื่อและความต้องการ

สำหรับการติดตามผลแบบอัตโนมัติ Shopify Flow สามารถทริกเกอร์เวิร์กโฟลว์เมื่อมีคนเข้าร่วมกลุ่มได้ ตัวอย่างเช่น เพิ่มแท็ก VIP เมื่อลูกค้าเข้าสู่กลุ่ม Champions

2. ตั้งค่ารายการกลุ่มลูกค้า

คะแนน 3 ด้านบนมาตราส่วน 1 ถึง 5 สร้างชุดคะแนนที่เป็นไปได้ 125 แบบ คือ 5 x 5 x 5 เครื่องมือจะรวมชุดคะแนนเหล่านี้เข้าเป็นกลุ่มที่มีชื่อซึ่งนำไปใช้กับแคมเปญได้

Shopify ใช้กลุ่ม RFM 11 กลุ่ม ซึ่งรวมถึง Prospects สำหรับลูกค้าที่ยังไม่ได้สั่งซื้อ ตัวอย่างด้านล่างแสดงให้เห็นบางส่วนของกลุ่มเหล่านั้น

ใช้ฟีเจอร์แบ่งกลุ่มลูกค้าของ Shopify เพื่อปรับแต่งกลุ่มเป้าหมายเหล่านี้ ที่ Customers > Segments ให้สร้างกลุ่มแล้วรวมกลุ่ม RFM เข้ากับตัวกรองเพิ่มเติม ตัวอย่างเช่น จำกัดกลุ่ม Champions ให้เหลือเฉพาะลูกค้าที่สมัครรับอีเมลการตลาด

จากนั้นจึงส่งแคมเปญอีเมลหรือ SMS แบบเจาะจงผ่าน Shopify Messaging ได้ ขึ้นอยู่กับสิทธิ์การใช้ช่องทางและความยินยอม นอกจากนี้ยังสร้างส่วนลดสำหรับกลุ่มใดกลุ่มหนึ่งได้อีกด้วย

3. ติดตามเมตริกประสิทธิภาพของกลุ่ม

ติดตามการซื้อซ้ำ มูลค่าเฉลี่ยต่อคำสั่งซื้อ รวมถึงมูลค่าตลอดช่วงชีวิตของลูกค้าในแต่ละกลุ่ม ฟิลด์การวิเคราะห์ของ Shopify รวมกลุ่ม RFM เป็นมิติในการรายงานไว้ด้วย ซึ่งนำไปใช้ในรายงานที่รองรับเพื่อเปรียบเทียบกลุ่มลูกค้าได้

RFM และการวิเคราะห์การรักษาลูกค้าแบบ cohort ตอบคำถามที่ต่างกัน RFM จัดประเภทลูกค้าโดยใช้ประวัติการซื้อ ส่วนการวิเคราะห์แบบ cohort ติดตามว่าลูกค้าที่ได้มาในช่วงเวลาเดียวกันยังคงซื้อต่อเนื่องไปตามเวลาหรือไม่

เปรียบเทียบแคมเปญเวอร์ชันต่างๆ ภายในกลุ่มเดียวกัน พรีวิวสำหรับ VIP และส่วนลดดึงกลับจะเข้าถึงลูกค้าที่มีประวัติการซื้อต่างกัน ดังนั้นผลลัพธ์เพียงอย่างเดียวจะบอกไม่ได้ว่าข้อเสนอไหนได้ผลดีกว่า และอย่าลืมคำนึงถึงส่วนลดและค่าใช้จ่ายของแคมเปญเมื่อประเมินผลตอบแทน

ไม่มีรอบเวลาตายตัวในการทบทวนกลุ่ม RFM การทบทวนรายเดือนอาจเหมาะกับรอบการซื้อแบบรายเดือน ขณะที่รอบการซื้อที่ช้ากว่าอาจเหมาะกับการทบทวนรายไตรมาส ควรตรวจสอบบ่อยขึ้นในช่วงโปรโมชันใหญ่ Shopify จะอัปเดตข้อมูล RFM พื้นฐานโดยอัตโนมัติเมื่อข้อมูลร้านซิงค์กัน แม้ว่ากิจกรรมล่าสุดอาจต้องใช้เวลาก่อนจะปรากฏก็ตาม

เพิ่มระดับการใช้จ่ายที่คาดการณ์ของ Shopify เพื่อเปรียบเทียบพฤติกรรมในอดีตกับการใช้จ่ายที่คาดว่าจะเกิดขึ้นในอนาคต ฟีเจอร์นี้จะจัดลูกค้าที่ซื้อสินค้าออกเป็นกลุ่มระดับสูง กลาง หรือต่ำ โดยใช้งานได้หลังจากร้านมียอดขายเกิน 100 รายการ ใช้ฟีเจอร์นี้เพื่อระบุลูกค้ากลุ่ม Active ที่มีศักยภาพในการใช้จ่ายสูงสำหรับแคมเปญสะสมคะแนน