Phân khúc khách hàng RFM model trong CRM | NextX
Bạn đang gửi cùng một tin nhắn khuyến mãi cho toàn bộ danh sách khách hàng — từ người mua mỗi tuần đến người đã "bặt vô âm tín" 6 tháng nay? Đó là lý do tại sao tỷ lệ phản hồi thấp, chi phí marketing cao mà doanh thu không tăng tương xứng.
Phân khúc khách hàng RFM là phương pháp giúp bạn nhìn rõ ai là khách hàng VIP, ai đang rời bỏ và ai cần được kéo trở lại — để từ đó có chiến lược chăm sóc khách hàng trúng đích hơn, tiết kiệm nguồn lực hơn.
Bài viết này hướng dẫn bạn từng bước xây dựng và ứng dụng RFM model trong hệ thống CRM thực tế.
RFM model là gì? Tại sao nó quan trọng với CSKH?

RFM là viết tắt của ba chỉ số:
- R – Recency (Gần đây nhất): Lần mua hàng gần nhất của khách hàng là khi nào?
- F – Frequency (Tần suất): Khách hàng đã mua bao nhiêu lần trong một khoảng thời gian nhất định?
- M – Monetary (Giá trị tiền tệ): Tổng số tiền khách hàng đã chi tiêu là bao nhiêu?
Khi kết hợp ba chỉ số này, bạn có một bức tranh toàn diện về hành vi mua hàng — không cần phỏng đoán, hoàn toàn dựa trên dữ liệu thực.
RFM model được ứng dụng rộng rãi trong nhiều ngành: bán lẻ, thương mại điện tử, dược phẩm, ô tô, dịch vụ tài chính. Lý do đơn giản: 80% doanh thu thường đến từ 20% khách hàng — và RFM chính là công cụ giúp bạn xác định chính xác nhóm 20% đó.
Nếu bạn đang tìm hiểu cách giữ chân khách hàng hiệu quả hơn, RFM là nền tảng phân tích không thể bỏ qua.
Cách tính điểm RFM từng bước

Dưới đây là quy trình 5 bước để xây dựng mô hình phân khúc khách hàng RFM từ dữ liệu thô.
Bước 1: Xác định khung thời gian phân tích
Chọn một khoảng thời gian phù hợp với chu kỳ mua hàng của ngành bạn. Ví dụ:
- Bán lẻ FMCG: 3–6 tháng gần nhất
- Ô tô, bất động sản: 12–24 tháng
- Dịch vụ spa, thẩm mỹ: 6 tháng
Khung thời gian sai sẽ làm lệch toàn bộ kết quả phân khúc.
Bước 2: Thu thập và chuẩn hóa dữ liệu giao dịch
Bạn cần ít nhất 3 trường dữ liệu cho mỗi giao dịch:
- Mã khách hàng (Customer ID)
- Ngày giao dịch
- Giá trị đơn hàng
Nếu dữ liệu nằm rải rác ở nhiều nguồn (POS, website, app), hãy tổng hợp vào một hệ thống duy nhất trước khi tính toán. Đây là lúc phần mềm chăm sóc khách hàng đóng vai trò quan trọng — giúp tập trung dữ liệu và tự động hóa việc tính điểm RFM.
Bước 3: Tính giá trị R, F, M cho từng khách hàng
Với mỗi khách hàng, tính:
- R: Số ngày kể từ lần mua gần nhất đến ngày phân tích (càng nhỏ càng tốt)
- F: Tổng số lần giao dịch trong khung thời gian đã chọn
- M: Tổng doanh thu tích lũy từ khách hàng đó
Bước 4: Chấm điểm theo thang 1–5
Phân chia mỗi chỉ số R, F, M thành 5 nhóm bằng nhau (quantile) và gán điểm từ 1 đến 5:
| Điểm | Recency | Frequency | Monetary |
|---|---|---|---|
| 5 | Mua trong 7–14 ngày qua | Mua rất thường xuyên | Chi tiêu rất cao |
| 4 | 15–30 ngày | Khá thường xuyên | Chi tiêu cao |
| 3 | 31–60 ngày | Trung bình | Trung bình |
| 2 | 61–90 ngày | Không thường xuyên | Thấp |
| 1 | Hơn 90 ngày | Rất hiếm | Rất thấp |
Lưu ý: Với Recency, điểm cao = mua gần đây = tốt. Với F và M, điểm cao = giá trị cao.
Bước 5: Kết hợp điểm để phân khúc
Ghép ba điểm lại thành một mã RFM, ví dụ: khách hàng có R=5, F=5, M=5 → mã 555 là khách hàng tốt nhất. Từ đây, nhóm khách hàng theo phân khúc chiến lược.
👉 Đặt lịch demo với chuyên gia NextX để xem cách NextX tự động hóa toàn bộ quy trình tính điểm RFM ngay trong hệ thống CRM.
8 phân khúc khách hàng RFM quan trọng nhất

Sau khi có điểm RFM, bạn không cần phân tích 125 tổ hợp điểm khác nhau. Thực tế, các doanh nghiệp thường gộp thành 8 nhóm hành động được như sau:
1. Champions (Điểm 555, 554, 545...)
Khách hàng mua gần đây, mua thường xuyên và chi tiêu nhiều nhất. Đây là nhóm VIP thực sự — cần được ưu tiên chương trình loyalty, ưu đãi độc quyền và trải nghiệm cá nhân hóa cao.
2. Loyal Customers (Điểm F và M cao)
Mua thường xuyên và chi tiêu tốt nhưng không nhất thiết phải là lần mua gần nhất. Nhóm này rất tiềm năng để nâng lên Champions — hãy dùng chương trình tích điểm và xây dựng loyalty program bài bản để giữ họ.
3. Potential Loyalists (Recency cao, F thấp)
Mới mua gần đây và có tiềm năng trở thành khách hàng trung thành. Đây là cơ hội vàng — chăm sóc đúng cách trong 30–60 ngày đầu sẽ quyết định họ có quay lại hay không.
4. New Customers (R=4-5, F=1)
Vừa mua lần đầu. Cần onboarding tốt, hướng dẫn sử dụng sản phẩm và theo dõi sát để kích hoạt lần mua thứ 2.
5. Promising (Recency trung bình, F thấp)
Đã mua một vài lần nhưng chưa hình thành thói quen. Cần kích thích thêm bằng ưu đãi, nội dung cá nhân hóa.
6. Need Attention (Điểm trung bình cả 3)
Từng là khách hàng tốt nhưng đang có dấu hiệu nguội lạnh. Cần chiến dịch re-engagement trước khi quá muộn.
7. At Risk (R thấp, F và M từng cao)
Khách hàng có giá trị nhưng đã lâu không mua. Đây là nhóm cần hành động khẩn cấp — gọi điện trực tiếp, gửi ưu đãi hấp dẫn, hỏi thăm trải nghiệm.
8. Lost Customers (Điểm thấp cả 3)
Đã rất lâu không mua, tần suất thấp và giá trị thấp. Chi phí để kéo lại nhóm này thường cao hơn giá trị thu được — trừ khi đây từng là Champions, hãy cân nhắc trước khi đầu tư nguồn lực.
Ứng dụng RFM vào chiến lược CSKH thực tế
Phân khúc chỉ có giá trị khi đi kèm với hành động cụ thể. Dưới đây là cách chuyển hóa kết quả RFM thành chiến lược chăm sóc khách hàng thực tế.
Cá nhân hóa nội dung theo nhóm
Thay vì một email chung cho tất cả, hãy tạo nội dung riêng:
- Champions: "Cảm ơn bạn đã đồng hành — đây là ưu đãi độc quyền chỉ dành cho khách VIP"
- At Risk: "Chúng tôi nhớ bạn — nhận ngay voucher 20% để quay lại"
- New Customers: "Bước tiếp theo sau lần mua đầu của bạn..."
Việc cá nhân hóa theo phân khúc RFM có thể giúp tăng tỷ lệ mở email lên 2–3 lần so với gửi đại trà.
Phân bổ nguồn lực đội ngũ CSKH hợp lý
Đội ngũ telesale và CSKH nên tập trung thời gian vào nhóm At Risk và Champions thay vì gọi đồng đều cho tất cả. Đây là cách tối ưu năng suất mà không cần tuyển thêm người.
Theo dõi quy trình chăm sóc sau bán hàng đúng cách giúp bạn tạo ra điểm chạm phù hợp cho từng nhóm RFM.
Thiết kế chương trình Loyalty phân tầng
RFM model là cơ sở lý tưởng để thiết kế chương trình loyalty phân tầng (Bronze → Silver → Gold → Platinum). Mỗi tầng tương ứng với một nhóm RFM, phần thưởng được điều chỉnh theo giá trị thực sự của khách hàng.
Các nền tảng loyalty app & booking app tích hợp sẵn logic phân tầng giúp bạn tự động hóa toàn bộ quy trình này — từ tích điểm đến gửi thông báo cá nhân hóa qua Zalo, SMS hay app.
Tự động hóa kịch bản chăm sóc qua Zalo
Sau khi phân nhóm, kết hợp với các kịch bản CSKH qua Zalo để gửi đúng thông điệp đến đúng nhóm khách hàng vào đúng thời điểm — hoàn toàn tự động, không cần nhân sự thực hiện thủ công.
Tích hợp RFM vào hệ thống CRM: Những điều cần lưu ý
RFM model phát huy tối đa sức mạnh khi được tích hợp trực tiếp vào hệ thống CRM, không phải tính toán thủ công trên Excel.
Những tính năng CRM cần có để triển khai RFM hiệu quả:
- Dashboard phân tích khách hàng theo RFM — cập nhật tự động theo thời gian thực
- Segmentation engine — tạo nhóm động dựa trên điều kiện R, F, M
- Automation workflow — kích hoạt hành động tự động khi khách hàng chuyển nhóm
- Tích hợp kênh truyền thông — Zalo, email, SMS gửi đúng nội dung theo segment
- Báo cáo retention — theo dõi tỷ lệ khách hàng di chuyển giữa các nhóm theo thời gian
Nếu hệ thống CRM của bạn chưa có những tính năng này, hãy xem lại tính năng CRM cần có trong 2025 để đánh giá liệu công cụ hiện tại có đủ đáp ứng không.
NextX cung cấp module phân tích khách hàng tích hợp sẵn, cho phép doanh nghiệp phân khúc theo RFM và kích hoạt chiến dịch chăm sóc tự động mà không cần kỹ năng lập trình.
👉 Liên hệ đội ngũ NextX để được tư vấn về cách triển khai RFM phù hợp với quy mô và ngành của doanh nghiệp bạn.
Sai lầm thường gặp khi triển khai phân khúc khách hàng RFM
1. Dùng dữ liệu không đầy đủ hoặc không sạch
Nếu dữ liệu giao dịch bị thiếu hoặc trùng lặp, kết quả phân khúc sẽ sai lệch hoàn toàn. Hãy dành thời gian làm sạch dữ liệu trước khi chạy mô hình.
2. Chọn khung thời gian không phù hợp với ngành
Một doanh nghiệp bán xe ô tô không thể dùng cùng khung thời gian 3 tháng như siêu thị bán lẻ. Chu kỳ mua hàng khác nhau đòi hỏi thông số khác nhau.
3. Phân khúc xong nhưng không hành động
RFM là công cụ hỗ trợ ra quyết định — nếu không có chiến lược CSKH cụ thể cho từng nhóm, toàn bộ công sức phân tích sẽ bị lãng phí.
4. Không cập nhật lại phân khúc định kỳ
Khách hàng thay đổi hành vi theo thời gian. Nếu chỉ phân khúc một lần và không cập nhật, dữ liệu sẽ lỗi thời sau 1–2 tháng.
5. Xử lý đồng đều tất cả các nhóm
Mỗi nhóm RFM cần chiến lược riêng biệt. Gửi cùng một nội dung cho Champions lẫn Lost Customers không chỉ kém hiệu quả mà còn có thể gây phản tác dụng.
Câu hỏi thường gặp
RFM model phù hợp với loại hình doanh nghiệp nào?
Cần bao nhiêu dữ liệu giao dịch để RFM cho kết quả chính xác?
Tôi có thể tự tính điểm RFM trên Excel không hay cần phần mềm?
Để tìm hiểu thêm về các giải pháp phần mềm, hãy truy cập NextX để được tư vấn miễn phí.
Try NextX free for 14 days
Get started →Was this article helpful?
