# RFM Analysis คืออะไร? คู่มือแบ่งกลุ่มลูกค้าเพิ่มยอดขาย SME ไทย 2026
ในยุคที่ค่าโฆษณา Facebook และ Google แพงขึ้นทุกปี SME ไทยที่ยังคง "ส่งโปรโมชั่นเดียวกันให้ลูกค้าทุกคน" กำลังเสียเงินไปกับ Audience ที่ไม่สนใจสินค้าแล้ว ในขณะที่ลูกค้า VIP กลุ่มเล็กๆ ที่ทำเงินให้ธุรกิจถึง 80% กลับไม่ได้รับการดูแลพิเศษ คำตอบของปัญหานี้ไม่ใช่ AI ราคาแพงหรือ Predictive Model ที่ซับซ้อน แต่เป็น RFM Analysis เทคนิคแบ่งกลุ่มลูกค้าที่ใช้แค่ Excel และข้อมูลการขาย 3 ตัว
RFM ถูกคิดค้นโดย Jan Roelf Bult และ Tom Wansbeek ในปี 1995 และยังคงเป็นเครื่องมือที่ Marketer มืออาชีพใช้กันแพร่หลายในปี 2026 เพราะมันให้ "ภาพลูกค้า" ที่ชัดเจน อ่านง่าย และ Action ได้ทันที บทความนี้จะอธิบายแบบ Step-by-step ว่า RFM คืออะไร คำนวณยังไง และแบ่งลูกค้าเป็น 10 Segment เพื่อส่ง Campaign ที่แม่นยำได้อย่างไร
RFM ย่อมาจากอะไร และทำไมถึงทรงพลัง
RFM ประกอบด้วย 3 มิติของพฤติกรรมการซื้อที่บอกได้เกือบทุกอย่างเกี่ยวกับลูกค้า ได้แก่ Recency (R) - ลูกค้าซื้อครั้งล่าสุดเมื่อไร, Frequency (F) - ลูกค้าซื้อบ่อยแค่ไหนในช่วงเวลาที่กำหนด, และ Monetary (M) - ลูกค้าใช้จ่ายรวมเท่าไร เหตุผลที่ 3 ตัวนี้ทรงพลังเพราะมันเป็น "การซื้อจริง" ไม่ใช่ "ความตั้งใจ" หรือ "Intent" ที่หลายเครื่องมือพยายามวัด
ลูกค้าที่ซื้อล่าสุดเมื่อ 7 วันก่อน มีแนวโน้มซื้อต่อในเดือนหน้ามากกว่าลูกค้าที่ไม่ได้ซื้อมา 6 เดือนถึง 3-5 เท่า ลูกค้าที่ซื้อเดือนละครั้งเป็นเวลา 2 ปีคือ Loyal Customer ที่ควรได้รับการดูแลพิเศษ ลูกค้าที่จ่ายต่อบิลสูงคือกลุ่ม Premium ที่ตอบสนอง Up-sell ได้ดี ทั้งหมดนี้ Marketer ทุกคนรู้ดี แต่ RFM ทำให้คุณ "วัด" และ "เห็นภาพ" ได้จริง
วิธีคำนวณ RFM Score แบบ 5x5x5
หลักการคือให้คะแนน 1-5 กับลูกค้าแต่ละคนในแต่ละมิติ โดยใช้ Quintile (แบ่งเป็น 5 ส่วนเท่าๆ กัน) ดังนี้
| Score | Recency | Frequency | Monetary |
|---|---|---|---|
| 5 | ซื้อล่าสุด (20% บนสุด) | ซื้อบ่อยที่สุด | จ่ายรวมสูงที่สุด |
| 4 | ซื้อค่อนข้างล่าสุด | ซื้อบ่อย | จ่ายค่อนข้างสูง |
| 3 | ซื้อปานกลาง | ปานกลาง | ปานกลาง |
| 2 | ซื้อนานแล้ว | ซื้อไม่บ่อย | จ่ายน้อย |
| 1 | ซื้อนานมาก (20% ล่างสุด) | ซื้อน้อยที่สุด | จ่ายน้อยที่สุด |
ผลลัพธ์คือลูกค้าทุกคนจะมี RFM Score เช่น 555 (Best) หรือ 111 (Lost) รวมทั้งหมด 125 Combination แต่ในทางปฏิบัติจะรวมเป็น 10-11 Segment เพื่อให้บริหารจัดการง่าย
10 RFM Segment ที่ SME ไทยต้องรู้จัก
แต่ละ Segment ต้องการ Marketing Strategy ที่แตกต่างกันอย่างสิ้นเชิง การเข้าใจกลุ่มเหล่านี้คือกุญแจสู่การเพิ่ม ROI
1. Champions (R: 4-5, F: 4-5, M: 4-5) ลูกค้าที่ดีที่สุด ซื้อล่าสุด ซื้อบ่อย จ่ายเยอะ ควรส่ง Loyalty Reward, Early Access, ขอ Review/Referral
2. Loyal Customers (R: 2-5, F: 3-5, M: 3-5) ซื้อเป็นประจำ จ่ายดี แม้ไม่ได้ซื้อล่าสุด ส่ง Cross-sell, Membership Upgrade
3. Potential Loyalists (R: 4-5, F: 1-3, M: 1-3) ลูกค้าใหม่ที่เริ่มซื้อบ่อย ส่ง Welcome Series, แนะนำสินค้าเสริม
4. New Customers (R: 4-5, F: 1, M: 1) เพิ่งซื้อครั้งแรก ส่ง Onboarding, ขอ Feedback, สร้าง Habit Loop
5. Promising (R: 3-4, F: 1, M: 1) ซื้อไม่นาน แต่ยังไม่ติด ส่งเนื้อหาให้ความรู้และ Soft-sell
6. Need Attention (R: 2-3, F: 2-3, M: 2-3) ค่าเฉลี่ยทุกด้าน เริ่มห่างหาย ส่ง Reactivation Offer
7. About to Sleep (R: 2-3, F: 1-2, M: 1-2) เริ่มหายไป ค่าใช้จ่ายต่ำ ส่ง Win-back ขนาดเล็กเช่น Free Shipping
8. At Risk (R: 1-2, F: 2-5, M: 2-5) เคยซื้อบ่อย จ่ายเยอะ แต่หายไปนาน ส่ง Personalized Win-back, ขอ Survey ว่าทำไมหาย
9. Cannot Lose Them (R: 1-2, F: 4-5, M: 4-5) เคยเป็น Champion แต่หายไป สำคัญมาก ต้อง Personal Outreach โดยเซลส์โดยตรง
10. Hibernating / Lost (R: 1, F: 1-2, M: 1-2) ลูกค้าหายแล้ว Re-engagement สุดท้าย ก่อน Suppress ออกจาก List
Step-by-Step คำนวณ RFM ใน Excel/Google Sheets
ขั้นตอนต่อไปนี้ใช้ได้กับร้านค้าที่มี Order History 100-100,000 รายการ และไม่ต้องเขียนโค้ดเลยแม้แต่บรรทัดเดียว
Step 1: Export ข้อมูลออเดอร์จากระบบขายของคุณ ต้องมี 4 คอลัมน์ขั้นต่ำ ได้แก่ CustomerID, OrderDate, OrderAmount และ OrderID
Step 2: สร้าง Pivot Table แล้วคำนวณค่าต่อไปนี้สำหรับลูกค้าแต่ละคน Recency = วันนี้ - วันที่ซื้อล่าสุด (ค่าน้อยดี), Frequency = นับจำนวนออเดอร์ทั้งหมด, Monetary = ผลรวม OrderAmount
Step 3: ใช้สูตร PERCENTRANK หรือ QUARTILE ใน Excel เพื่อให้คะแนน 1-5 กับแต่ละมิติ
Step 4: รวม R, F, M Score เป็น String 3 หลัก เช่น 545 และใช้ตาราง Mapping เพื่อจัด Segment ตามที่อธิบายข้างต้น
Step 5: Export กลับเข้า Email Marketing Tool หรือ CRM (เช่น Mailchimp, HubSpot, Klaviyo) แล้วสร้าง Segment เพื่อส่ง Campaign แยกตามกลุ่ม
หากมีออเดอร์เกิน 50,000 รายการแนะนำให้ใช้ Python Script (มี library `lifetimes` ที่คำนวณให้อัตโนมัติ) หรือ BI Tool อย่าง Metabase, Power BI ที่รองรับการคำนวณ RFM แบบ Real-time
เปรียบเทียบ RFM กับวิธี Segmentation อื่น
| วิธี | ข้อดี | ข้อเสีย | เหมาะกับ |
|---|---|---|---|
| RFM Analysis | ใช้ข้อมูลน้อย, อ่านง่าย, Action ได้ทันที | ดูแค่อดีต ไม่ Predict อนาคต | E-commerce, Retail, B2C |
| Demographic | เข้าใจง่าย แบ่งตามเพศ/อายุ | พฤติกรรมจริงอาจไม่ตรง Demo | Brand Awareness Campaign |
| Behavioral | เห็นพฤติกรรมเชิงลึก | ต้องใช้ Tracking Tool ราคาแพง | Enterprise, App-based business |
| Predictive (ML) | Predict CLV และ Churn ได้ | ต้องมี Data Scientist | บริษัทขนาดใหญ่ |
สำหรับ SME ไทยที่เพิ่งเริ่มต้น RFM คือ Best ROI เพราะใช้เวลา 1-2 วันก็เริ่มได้ผล ขณะที่ Predictive Model ต้องใช้เวลา 3-6 เดือนพร้อมงบประมาณ
วัดผลและ Iterate ทุกเดือน
RFM ไม่ใช่เครื่องมือที่ทำครั้งเดียวแล้วจบ พฤติกรรมลูกค้าเปลี่ยนตลอดเวลา ลูกค้าที่เป็น Champion เดือนนี้อาจกลายเป็น At Risk ในอีก 3 เดือนหากคุณไม่ดูแล แนะนำให้ Refresh RFM Score ทุก 30 วัน และวัดผล Campaign แต่ละ Segment ด้วย KPI ที่ต่างกัน เช่น Champion ดู Repeat Purchase Rate, Lost Customer ดู Reactivation Rate
ตัวอย่างผลลัพธ์ที่ลูกค้า ADS FIT เคยทำได้หลังใช้ RFM 3 เดือน Email Open Rate เพิ่มจาก 12% เป็น 38%, ROI ของ Win-back Campaign เพิ่ม 4.2 เท่าเมื่อเทียบกับ Mass Email และ Customer Lifetime Value เพิ่มขึ้นเฉลี่ย 27%
สรุปและขั้นตอนถัดไป
RFM Analysis คือเครื่องมือ Marketing พื้นฐานที่ทรงพลังที่สุดสำหรับ SME ไทยในปี 2026 เพราะใช้แค่ข้อมูลการขาย 3 ตัว (Recency, Frequency, Monetary) ก็สามารถแบ่งลูกค้าเป็น 10 กลุ่มและส่ง Campaign ที่ตรงใจได้ทันที โดยไม่ต้องลงทุน AI หรือ Data Science ราคาแพง
Key Takeaways:
หากคุณต้องการสร้างระบบ RFM อัตโนมัติพร้อมเชื่อมต่อ Email/SMS Marketing แบบ End-to-End ทีม ADS FIT มีบริการพัฒนาระบบ CRM และ Marketing Automation บน Laravel/Next.js ที่ Customize ได้เต็มที่ ติดต่อเราที่ [adsfit.co.th](https://www.adsfit.co.th) หรืออ่านบทความ Marketing เพิ่มเติมในหมวด Digital Marketing ของเรา