在眾多的客戶關系管理的分析模式中，RFM模型有著重要作用，最近一次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)，是衡量客戶價值的重要指標，將RFM模型自然融入到來購系統的統計分析中，讓商戶不用再做更多的分析調研，讓商戶不用再做更多的分析調研，即可評估出用戶的價值情況、區分會員人群、衡量營銷活動效果一目了然。

會員分群

會員分群的優勢其一是將會員精準分類，管理員可清楚的了解企業會員的整體情況；其二是為打破以往會員都用同一套活動方案，導致活動效益低的困境。

01.六大會員人群，精準運營

來購商戶后臺默認為企業提供潛在會員、流失會員、即將流失會員、有消費意向分員、忠實會員、活躍會員分員人群分析。通過會員人群深度分析自己門店的會員情況，挖掘會員價值。

企業支持根據自己門店的情況自定義會員畫像維度創建會員人群。比如，當門店要做充值贈送活動時，可以通過自定義會員畫像維度把沒有會員余額或者低于多少余額的會員篩選出來進行會員營銷。

精準營銷

依托上述的會員分群功能可以分析出每個分群的會員活動需求是不同的，RFM會員功能支持根據不同的會員人群發送不同的會員優惠券、消息，以此提升活動效益。

01.不同人群做不同活動，實現精準營銷

門店做活動時可根據會員人群做不同的活動，如針對即獎流失會員群可以做一些低門檻的優惠券進行引流回購；針對高質量的會員發一些充值贈送的活動，保持粘性。

02.發送活動提醒，多場景觸達會員

發送禮券給會員后，來購后臺可以發送微信消息推送提醒會員，提高禮券核銷率。

RFM會員功能對門店會員數據進行深度分析，會員轉化率、會員復購率、會員哪個時間段逛商城多、會員喜歡的商品、品牌等，都將會清晰的分析出來。

會員總況主要分析會員概況（新增、加購、支付、訪問、下單、充值會員數等）、新老會員消費占比、會員人群消費占比、會員分類消費占比、會員標簽消費占比。

會員昨日數據主要分析線上商城的訪問人數、新用戶數、人均停留時長、訪問來源TOP5（任務欄、公眾號菜單、搜索、小程序歷史列表、卡包）等。

會員統計數據主要分析會員行為（打開次數、訪問深度分布、使用頻次分布等）、來源分析（分場景訪問趨勢、整體來源分析）、留存分析（留存數據、留存趨勢）、頁面分析等。

會員趨勢數據主要分析會員的新增趨勢（活躍人數）、會員分享的趨勢（裂變人數）、新注冊會員留存情況、LTV分析（做了活動是否有盈利）等。

消費偏好

消費偏好數據主要分析會員對商城的商品分類、SPU、品牌維度的訪問量、購買情況等。

會員轉化

會員轉化主要對購買轉化、轉化率趨勢、企業微信好友轉化、公眾號粉絲轉化等數據進行深度分析。

會員詳情里可以看到會員的來源，交易統計（線上線下的交易情況），消費信息（訂單、儲值、積分、優惠券等）情況。

來購RFM模型