行銷，一半是創意，一半是數據。想要做好行銷，除了要有想法、有執行力之外，更重要的是，行銷人的創意都應該建立在數據觀察之上，才能避免天馬行空，做出精準的決策。想要幫助企業深化與顧客的關係，首先要瞭解「顧客價值（Customer Value）」，即顧客能為企業帶來的持續性價值，也可以理解為顧客在一段時間內的購買行為。分析顧客的購買行為後，企業不但能針對不同消費習慣的群體做分眾行銷，還可以針對價值較低的顧客加強促銷。
該如何衡量顧客價值？－RFM模型
依據數據做出分析與行銷決策，不但幫助企業更精準舉辦促銷活動，也因為分群而節省大量行銷成本。其中一個最被廣泛使用的工具即為RFM模型，以下將以簡易數據分析介紹RFM。
RFM分別代表顧客價值的三個構面：
R－是顧客的最近購買日（Recency）
F－是購買頻率（Frequency）
M－是購買金額（Monetary）
將顧客的消費數據輸入資料庫中，整理出以上三個構面數據，接著按照比例分別給予RFM分數。當顧客的最近購買日越近、購買頻率越高、購買金額越大，代表該位顧客對品牌的忠誠度越高，也因此分數會較高。
RFM分數加總後可得總分，即顧客價值的量化數據，代表每位顧客整體來說對企業的價值高低。依據總分排名後，可以瞭解哪些客戶的整體價值較低，圖一用最簡化的顧客資料來解釋RFM模型，將各項數據匯入計算後，可得出ID003的顧客排名最末，代表著品牌應該投入更多方法與資源來促進他的購買行為。
（圖一：RFM模型）
RFM模型的優化版本
圖一的例子中，RFM三者分數佔總分的比重相同。然而，有些產業可能更重視顧客價值的某個構面，以信用卡公司為例，顧客的刷卡頻率（F）最能代表顧客對信用卡公司的忠誠度，反而刷卡金額（M）並非信用卡公司實際所得金流，因此重要性應該位居最末。顯然，信用卡公司的F和M應該調整比重，學者Bob Stone提出更能適應產業特性的計算方式，也就是加權比例計算。
（圖二：RFM模型）
各產業依照自身特性設計出計算方式，如圖二所示，該產業更為重視購買次數，因此加權比例深深影響著RFM總分，和圖一的結果有所差異，ID002成為分數最低的顧客。以信用卡公司為例，公司應該針對002提出更多日常刷卡優惠方案，刺激該名顧客的刷卡頻率，提升002的顧客價值。
RFM模型告訴我們的事
顧客價值絕對不是一種感知或印象，而是根據顧客購買行為產生的量化數據。顧客價值也絕對不能只看單一指標，僅從顧客購買頻率或購買金額來判斷，容易產生偏差。RFM模型是最初步、最易上手的顧客價值衡量工具，它所包含的三個構面，暗示著顧客價值即「客戶在一段期間內能貢獻企業的金額大小」。RFM僅是一個切入工具而已，最重要的仍是企業的數據分析思維。企業若能善用這些工具來分析顧客，將能更輕鬆管理客戶關係，也能制定出更精準的行銷策略。
除了RFM，還有哪些客戶關係指標？
其他和客戶經營相關的指標，例如：顧客終身價值（Customer Lifetime Value）、舊客留存率（Retention Rate），都有助於數據化顧客行為，進而輔助分析。企業甚至可以藉由口碑行銷工具，和顧客建立口碑與連結。若能善用這些工具來分析顧客，將能更輕鬆管理客戶關係，也能制定出更精準的行銷策略。