RFM là cách chia khách hàng thành nhóm dựa trên ba con số: Recency (lần mua gần nhất cách đây bao lâu), Frequency (mua bao nhiêu lần) và Monetary (chi tổng bao nhiêu) trong một khoảng thời gian. SME không cần phần mềm riêng để làm RFM. Chỉ cần file xuất đơn hàng từ POS, website hoặc sàn TMĐT có ba cột mã khách, ngày mua, giá trị đơn, bạn có thể tính xong trong Excel hoặc Google Sheets trong một buổi. Kết quả là 6–7 nhóm khách, mỗi nhóm có một hành động riêng thay vì gửi cùng một tin khuyến mãi cho tất cả.
Tóm tắt: Làm sạch mã khách trước (số điện thoại chuẩn hoá, loại đơn huỷ). Dùng ngưỡng cố định cho F thay vì chia ngũ phân vị, vì phần lớn khách của SME chỉ mua một lần. Đặt tên nhóm bằng ngôn ngữ kinh doanh và gắn mỗi nhóm với một hành động cụ thể. Chạy lại hằng tháng để thấy khách di chuyển giữa các nhóm.
RFM đo cái gì và vì sao vẫn hợp với SME?#
Ba chỉ số của RFM trả lời ba câu hỏi đơn giản:
| Chỉ số | Câu hỏi | Cách tính | Điểm cao nghĩa là |
|---|---|---|---|
| Recency (R) | Khách còn "nóng" không? | Số ngày từ lần mua cuối đến ngày chốt số liệu | Mua gần đây |
| Frequency (F) | Khách có thói quen mua không? | Số đơn trong kỳ phân tích | Mua nhiều lần |
| Monetary (M) | Khách đáng giá bao nhiêu? | Tổng giá trị đơn trong kỳ | Chi nhiều |
RFM hợp với SME vì ba lý do. Thứ nhất, dữ liệu cần có rất ít, hệ thống bán hàng nào cũng xuất được. Thứ hai, kết quả dễ giải thích cho nhân viên bán hàng và chủ doanh nghiệp, không cần kiến thức thống kê. Thứ ba, mỗi nhóm dẫn thẳng đến hành động: gọi điện, tặng ưu đãi, hay để yên.
Hạn chế cũng cần biết: RFM chỉ nhìn hành vi mua trong quá khứ, không biết khách mua gì, vì sao mua, hay có hài lòng không. Nó là điểm khởi đầu tốt, không phải câu trả lời cuối cùng.
Chuẩn bị dữ liệu: 3 cột là đủ, nhưng phải sạch#
Xuất danh sách đơn hàng trong kỳ phân tích với tối thiểu các cột: mã khách, ngày đơn, giá trị đơn, trạng thái đơn. Sau đó làm sạch theo thứ tự:
- Chuẩn hoá mã khách. Với bán lẻ, mã khách thường là số điện thoại. Bỏ khoảng trắng, dấu chấm, đổi +84 thành 0. Một khách có hai cách ghi số sẽ bị tính thành hai người và F, M đều sai.
- Loại đơn không hợp lệ. Đơn huỷ, đơn hoàn trả toàn bộ, đơn nội bộ, đơn test.
- Loại đơn không có mã khách. Khách vãng lai không để lại số điện thoại thì không thể chấm RFM. Ghi lại tỷ lệ đơn bị loại; nếu quá cao, việc cần làm trước là cải thiện khâu thu thập thông tin khách.
- Chọn kỳ phân tích. Ngành mua thường xuyên (F&B, mỹ phẩm, thực phẩm) có thể dùng 12 tháng gần nhất. Ngành mua thưa hơn (đồ gia dụng, thời trang cao cấp) có thể cần 18–24 tháng.
- Chốt ngày tham chiếu, thường là ngày cuối kỳ. Mọi khoảng cách Recency tính đến ngày này.
Nếu dữ liệu nằm rải ở nhiều kênh (POS cửa hàng, website, sàn), cần gộp về một bảng với cùng định dạng mã khách trước khi tính.
Tính R, F, M trong Google Sheets từng bước#
Giả sử sheet Don có cột A là số điện thoại, B là ngày đơn, C là giá trị, D là trạng thái. Ô H1 ở sheet tính toán chứa ngày tham chiếu.
Bước 1, gom theo khách bằng QUERY:
=QUERY(Don!A:D, "select A, max(B), count(A), sum(C)
where D = 'Hoàn tất' group by A
label max(B) 'Lần cuối', count(A) 'Số đơn', sum(C) 'Tổng chi'", 1)
Kết quả ra bốn cột: số điện thoại, ngày mua cuối, số đơn, tổng chi. Trong Excel, dùng PivotTable với Max của ngày, Count và Sum của giá trị cho kết quả tương tự. Nếu bảng tính để định dạng vùng Việt Nam, dấu phân cách đối số là dấu chấm phẩy thay vì dấu phẩy.
Bước 2, tính số ngày Recency ở cột E: =$H$1 - B2.
Bước 3, chấm điểm 1–5 cho từng chỉ số. Ví dụ với ngưỡng cố định:
Điểm R: =IFS(E2<=30,5, E2<=60,4, E2<=120,3, E2<=240,2, TRUE,1)
Điểm F: =IFS(C2>=10,5, C2>=5,4, C2>=3,3, C2=2,2, TRUE,1)
Điểm M: =IFS(D2>=10000000,5, D2>=4000000,4, D2>=1500000,3, D2>=500000,2, TRUE,1)
Các ngưỡng trên chỉ để minh hoạ. Hãy đặt ngưỡng theo dữ liệu của bạn, xem phần tiếp theo.
Bước 4, gán nhóm bằng một công thức IFS xét lần lượt từ trên xuống, khách thuộc nhóm đầu tiên thoả điều kiện:
=IFS(AND(R>=4,F>=4,M>=4),"VIP",
AND(R>=4,F>=4),"Trung thành",
AND(R>=4,F>=2),"Tiềm năng",
R>=4,"Khách mới",
R=3,"Cần chăm sóc",
OR(F>=4,M>=4),"Sắp mất khách giá trị",
TRUE,"Ngủ đông")
Thay R, F, M bằng ô chứa điểm tương ứng.
Chia điểm: ngũ phân vị hay ngưỡng cố định?#
Tài liệu RFM phổ biến thường hướng dẫn chia mỗi chỉ số thành năm phần bằng nhau (ngũ phân vị). Cách này gặp vấn đề với SME:
| Cách chia | Ưu điểm | Vấn đề với SME | Nên dùng cho |
|---|---|---|---|
| Ngũ phân vị (PERCENTRANK) | Tự động, không cần chọn ngưỡng | Khi phần lớn khách chỉ mua một lần, rất nhiều khách có cùng F = 1, chia năm phần không còn ý nghĩa | R và M khi dữ liệu trải đều |
| Ngưỡng cố định | Dễ hiểu, ổn định giữa các tháng, so sánh được theo thời gian | Phải tự chọn ngưỡng, cần xem lại khi giá bán thay đổi | F gần như luôn nên dùng; R theo nhịp mua của ngành |
Cách chọn ngưỡng thực tế: xem phân bố số ngày giữa hai lần mua của những khách đã mua từ hai lần trở lên. Ngưỡng R cao nhất nên nằm quanh khoảng cách mua lại thông thường của ngành bạn. Với F, đếm xem bao nhiêu khách mua 1 lần, 2 lần, 3–4 lần, rồi đặt ngưỡng ở những điểm có ý nghĩa kinh doanh.
Ví dụ minh hoạ với 7 khách hàng#
Dữ liệu dưới đây là giả định để minh hoạ cách tính, không phải dữ liệu khách hàng thật. Ngày tham chiếu 30/09/2026, kỳ phân tích 12 tháng, dùng ngưỡng ở Bước 3.
| Khách | Lần mua cuối | Số ngày (R) | Số đơn (F) | Tổng chi (M) | Điểm R-F-M | Nhóm |
|---|---|---|---|---|---|---|
| KH01 | 25/09/2026 | 5 | 12 | 18,4 triệu | 5-5-5 | VIP |
| KH06 | 18/09/2026 | 12 | 5 | 3,2 triệu | 5-4-3 | Trung thành |
| KH03 | 10/08/2026 | 51 | 3 | 2,1 triệu | 4-3-3 | Tiềm năng |
| KH02 | 02/09/2026 | 28 | 1 | 350 nghìn | 5-1-1 | Khách mới |
| KH07 | 05/07/2026 | 87 | 4 | 2,8 triệu | 3-3-3 | Cần chăm sóc |
| KH04 | 15/04/2026 | 168 | 7 | 6,5 triệu | 2-4-4 | Sắp mất khách giá trị |
| KH05 | 20/11/2025 | 314 | 1 | 400 nghìn | 1-1-1 | Ngủ đông |
KH04 là trường hợp đáng chú ý nhất: từng mua 7 lần, chi tiêu cao, nhưng đã gần sáu tháng không quay lại. Nếu chỉ nhìn tổng doanh thu, khách này vẫn nằm trong top. RFM giúp nhận ra khách đang rời đi trước khi quá muộn.
Từ nhóm RFM đến hành động cụ thể#
| Nhóm | Ý nghĩa | Hành động gợi ý | Kênh phù hợp |
|---|---|---|---|
| VIP | Mua gần, mua nhiều, chi nhiều | Ưu tiên phục vụ, mời trải nghiệm sản phẩm mới trước, không cần giảm giá sâu | Gọi điện, Zalo cá nhân hoá |
| Trung thành | Mua đều nhưng giá trị vừa | Gợi ý sản phẩm bổ sung, combo | Zalo OA, email |
| Tiềm năng | Đã mua lại vài lần | Ưu đãi có điều kiện cho lần mua kế tiếp | Zalo OA, email |
| Khách mới | Mới mua một lần | Hướng dẫn sử dụng, hỏi trải nghiệm, khuyến khích lần mua thứ hai | Email chào mừng, Zalo OA |
| Cần chăm sóc | Bắt đầu thưa dần | Nhắc nhẹ, giới thiệu điều mới | Zalo OA, SMS |
| Sắp mất khách giá trị | Từng là khách tốt, đã lâu không quay lại | Liên hệ trực tiếp, hỏi lý do, ưu đãi riêng | Gọi điện |
| Ngủ đông | Mua ít, lâu không quay lại | Gửi rất hạn chế hoặc không gửi để tiết kiệm chi phí | Email định kỳ thưa |
Nhóm "Khách mới" là nơi chuỗi email tự động phát huy tốt nhất. Bạn có thể tham khảo cấu trúc trong bài chuỗi email tự động follow-up khách hàng. Với chuỗi F&B, cách dùng nhóm RFM kết hợp tích điểm được mô tả trong bài CRM cho chuỗi nhà hàng đa chi nhánh.
Cập nhật RFM hằng tháng mà không làm tay#
Giá trị lớn nhất của RFM nằm ở việc theo dõi khách di chuyển giữa các nhóm: bao nhiêu khách "Trung thành" tháng trước rơi xuống "Cần chăm sóc" tháng này. Muốn vậy cần chạy lại đều đặn:
- Mức thủ công có quy trình: cuối tháng xuất file đơn hàng, dán vào sheet
Don, các công thức tự tính lại. Lưu một bản sao kết quả mỗi tháng để so sánh. - Mức bán tự động: dùng Google Apps Script hoặc n8n gọi API của KiotViet, Sapo, Haravan để lấy đơn hằng tuần, ghi vào sheet. Kết quả nhóm có thể đẩy sang Zalo OA hoặc công cụ email để gửi tin theo nhóm.
- Khi đã vượt sức bảng tính: hàng chục nghìn khách, nhiều người cùng sửa, cần phân quyền. Lúc đó nên cân nhắc CRM, xem các dấu hiệu trong bài khi nào nên thay Excel bằng CRM.
Góc nhìn từ DsAI#
Qua các dự án DsAI đã làm về dữ liệu khách hàng, việc tính RFM thường xong nhanh, còn phần mất thời gian là làm sạch số điện thoại và gộp khách trùng giữa các kênh. Nhiều doanh nghiệp phát hiện ra số khách thật ít hơn đáng kể so với số dòng trong danh bạ.
Một quan sát khác: chủ doanh nghiệp hay muốn chia thật nhiều nhóm (11, thậm chí hàng chục nhóm theo tổ hợp điểm). Trên thực tế, đội ngũ nhỏ chỉ thực thi được 4–7 nhóm với hành động khác nhau. Nhóm nhiều hơn số kịch bản chăm sóc bạn làm được thì không có ích.
Lỗi thường gặp khi làm RFM#
- Không loại đơn huỷ và hoàn. Điểm F và M bị thổi phồng, khách hay đổi trả lại được xếp vào nhóm tốt.
- Dùng ngũ phân vị cho F khi đa số khách chỉ mua một lần. Các nhóm bị méo, khách mua hai lần có thể được chấm điểm quá cao.
- Kỳ phân tích quá ngắn. Ba tháng dữ liệu với ngành mua vài lần một năm sẽ xếp gần như mọi khách vào nhóm "Khách mới" hoặc "Ngủ đông".
- Tính một lần rồi để đó. RFM là ảnh chụp tại một thời điểm, giá trị nằm ở việc so sánh qua các tháng.
- Gửi ưu đãi giảm giá sâu cho nhóm VIP. Những khách này đã sẵn sàng mua, giảm giá sâu chỉ làm mất biên lợi nhuận. Họ cần được ưu tiên và ghi nhận hơn là khuyến mãi.
Khi nào KHÔNG nên dùng RFM?#
- Sản phẩm mua một lần trong nhiều năm: nội thất lớn, dịch vụ cưới, bất động sản. Frequency gần như luôn bằng 1, nên phân tích theo giai đoạn vòng đời khách hoặc theo nguồn giới thiệu sẽ hữu ích hơn.
- B2B theo hợp đồng năm. Đơn hàng phát sinh theo lịch hợp đồng, R và F không phản ánh mức độ gắn bó. Nên theo dõi sức khoẻ tài khoản: mức sử dụng, khiếu nại, người liên hệ.
- Mô hình thuê bao tự gia hạn. Khách gia hạn tự động có R và F đều đặn dù có thể sắp huỷ. Theo dõi mức sử dụng thực tế phù hợp hơn.
- Phần lớn đơn không gắn được với khách. Khi đa số giao dịch là khách vãng lai không để lại thông tin, kết quả RFM chỉ phản ánh một phần nhỏ khách hàng.
- Chỉ có vài trăm khách. Chủ doanh nghiệp có thể đọc trực tiếp danh sách khách sắp xếp theo ngày mua cuối, không cần chấm điểm.
Câu hỏi thường gặp#
RFM có cần phần mềm chuyên dụng không?#
Không. Excel hoặc Google Sheets là đủ cho vài nghìn đến vài chục nghìn khách, với PivotTable hoặc hàm QUERY và vài công thức IFS. Phần mềm CRM hoặc công cụ phân tích chỉ cần thiết khi muốn cập nhật tự động liên tục, nhiều người cùng sử dụng, hoặc kết nối trực tiếp với kênh gửi tin.
Nên tính RFM bao lâu một lần?#
Với bán lẻ và F&B, mỗi tháng một lần là nhịp hợp lý, đủ để thấy khách chuyển nhóm mà không tốn quá nhiều công. Ngành mua thưa có thể tính mỗi quý. Quan trọng là giữ nguyên ngưỡng chấm điểm giữa các lần tính để kết quả so sánh được với nhau.
Nên chia bao nhiêu nhóm khách?#
Bắt đầu với 5–7 nhóm, mỗi nhóm có một hành động khác nhau mà đội ngũ thực sự làm được. Nếu hai nhóm nhận cùng một kịch bản chăm sóc, hãy gộp lại. Chỉ tách thêm nhóm khi bạn có kịch bản riêng và người thực hiện cho nhóm đó.
Khách mua online và tại cửa hàng có tính chung không?#
Nên tính chung nếu có thể nhận diện cùng một khách qua số điện thoại ở cả hai kênh. Tách riêng sẽ làm một khách trung thành trông như hai khách bình thường. Trước khi gộp, cần chuẩn hoá định dạng số điện thoại và kiểm tra những số trùng bất thường giữa các kênh.
Bạn đã có dữ liệu đơn hàng nhưng chưa biết khách nào đang rời đi? DsAI có thể giúp làm sạch dữ liệu khách, dựng bảng RFM tự cập nhật và nối với kênh gửi tin. Liên hệ đội tư vấn DsAI để trao đổi về dữ liệu hiện có. Với ngành F&B, bạn có thể đọc thêm cách dùng CRM để tăng tỷ lệ khách quay lại.
