RFM Analysis คืออะไร? คู่มือแบ่งกลุ่มลูกค้า SME 2026

# RFM Analysis คืออะไร? คู่มือแบ่งกลุ่มลูกค้าด้วย Recency, Frequency, Monetary สำหรับ SME ไทย 2026

ธุรกิจ SME ไทยในปี 2026 ต้องเจอกับต้นทุนโฆษณาที่สูงขึ้น คู่แข่งที่เยอะขึ้น และพฤติกรรมลูกค้าที่เปลี่ยนแปลงตลอดเวลา การทุ่มงบไปหาลูกค้าใหม่โดยไม่ดูแลฐานลูกค้าเก่าให้ดี คือกับดักที่ทำให้กำไรลดลงอย่างเงียบ ๆ และนี่คือจุดที่ RFM Analysis กลายเป็นเครื่องมือชิ้นสำคัญ

RFM Analysis คือเทคนิคแบ่งกลุ่มลูกค้า (Customer Segmentation) ด้วยข้อมูลจริง 3 มิติ ได้แก่ ความถี่ล่าสุดของการซื้อ (Recency) จำนวนครั้งที่ซื้อ (Frequency) และมูลค่าที่ใช้จ่ายรวม (Monetary) ทำให้เราเห็นภาพชัดว่า "ใครคือลูกค้าที่มีค่ามากที่สุด" และ "ใครกำลังจะหายไป"

ในคู่มือนี้ คุณจะได้เรียนรู้ตั้งแต่แนวคิดพื้นฐาน วิธีคำนวณคะแนน RFM ทีละขั้นตอน การตีความกลุ่มลูกค้า 10 ประเภทหลัก กรณีศึกษา SME ไทย รวมถึงเครื่องมือที่ใช้ได้ทันทีโดยไม่ต้องเป็น Data Scientist

RFM Analysis คืออะไร และทำไมถึงสำคัญ

RFM ย่อมาจาก 3 ตัวชี้วัดหลัก:

**Recency (R)** ลูกค้าคนนี้ซื้อครั้งล่าสุดเมื่อไหร่ ยิ่งใกล้ปัจจุบันยิ่งดี

**Frequency (F)** ลูกค้าคนนี้ซื้อบ่อยแค่ไหนในช่วงเวลาที่กำหนด

**Monetary (M)** ลูกค้าคนนี้ใช้จ่ายรวมทั้งหมดเท่าไหร่

แนวคิดนี้มีพื้นฐานจากหลัก Pareto 80/20 ที่ว่า ลูกค้าเพียง 20% มักสร้างรายได้ถึง 80% ของธุรกิจ หน้าที่ของเราคือ "ค้นหา 20% นั้นให้เจอ" และทุ่มทรัพยากรไปที่กลุ่มนี้ให้มากที่สุด

ประโยชน์ของ RFM สำหรับ SME ไทย

ลดงบ Ad ที่เสียไปกับลูกค้าผิดกลุ่ม

เพิ่ม Customer Lifetime Value (CLV) โดยไม่ต้องเร่งหาลูกค้าใหม่

ทำ Personalization ได้แม่นยำแม้ทีมเล็ก

ลด Churn Rate และช่วยคาดการณ์ยอดขายล่วงหน้า

วิธีคำนวณคะแนน RFM ทีละขั้นตอน

ขั้นที่ 1: เตรียมข้อมูล

สิ่งที่ต้องมีคือไฟล์ CSV หรือตาราง Excel ที่ประกอบด้วย:

CustomerID

OrderDate (วันที่สั่งซื้อ)

OrderValue (ยอดเงินต่อออเดอร์)

แหล่งข้อมูลที่ SME ไทยนิยมใช้ ได้แก่ Shopify, WooCommerce, LINE Shopping, Shopee Seller Center, Lazada Seller Center หรือแม้แต่ไฟล์จาก POS ร้านค้า

ขั้นที่ 2: คำนวณค่า R, F, M ต่อลูกค้า 1 คน

R = จำนวนวันจาก "วันนี้" ถึง "วันที่ซื้อครั้งล่าสุด"

F = นับจำนวนออเดอร์ที่สำเร็จภายใน 12 เดือนที่ผ่านมา

M = ผลรวมของ OrderValue ใน 12 เดือน

ขั้นที่ 3: ให้คะแนน 1-5 ด้วย Quintile

แบ่งลูกค้าทั้งหมดเป็น 5 กลุ่มเท่า ๆ กัน (Quintile) แล้วให้คะแนน 1-5

| ตัวชี้วัด | คะแนน 5 (ดีที่สุด) | คะแนน 1 (แย่ที่สุด) |

|-----------|-----------------|------------------|

| Recency | ซื้อไม่นานที่สุด | ซื้อนานที่สุด |

| Frequency | ซื้อบ่อยที่สุด | ซื้อน้อยที่สุด |

| Monetary | ใช้จ่ายสูงที่สุด | ใช้จ่ายต่ำสุด |

ผลลัพธ์คือรหัส 3 หลัก เช่น 555 = ลูกค้าชั้นยอด, 111 = ลูกค้ากำลังจะหายไป

10 กลุ่มลูกค้า RFM ที่ SME ควรรู้จัก

**Champions (555, 554, 544)** ซื้อบ่อย ใช้จ่ายสูง ซื้อล่าสุด ควรตั้งเป็น VIP

**Loyal Customers (543, 444, 435)** ซื้อสม่ำเสมอ ควรให้รางวัลและ Cross-sell

**Potential Loyalists (553, 551, 552, 541)** เพิ่งซื้อ ใช้จ่ายดี ควรกระตุ้นด้วยโปรซื้อซ้ำ

**New Customers (512, 511)** เพิ่งมาใหม่ ต้องสร้าง First Experience ให้ประทับใจ

**Promising (525, 524, 523, 522)** มีแนวโน้มดี ใช้ Onboarding Flow

**Need Attention (535, 534, 443, 434, 343, 334)** เริ่มถอยห่าง ควรกระตุ้นก่อนหาย

**About to Sleep (331, 321, 312, 221, 213)** ใกล้จะหายไป ส่งคูปอง/Reminder ด่วน

**At Risk (155, 254, 245, 244)** เคยใช้จ่ายสูง แต่หายนาน ต้อง Win-back

**Cannot Lose Them (155, 255)** ลูกค้ามีค่ามากแต่หายไป ต้องติดต่อส่วนตัว

**Hibernating / Lost (111-211)** แทบไม่กลับมา ใช้แคมเปญ Reactivation ขั้นสุดท้าย

เปรียบเทียบ RFM กับวิธีแบ่งกลุ่มลูกค้าแบบอื่น

|------|-----------|-----------|--------|

ข้อดีของ RFM คือ ใช้ข้อมูลที่ธุรกิจมีอยู่แล้ว ไม่ต้องลงทุนเทคโนโลยีใหม่ และตีความผลได้ง่าย

เครื่องมือที่ SME ไทยใช้ทำ RFM ได้จริง

**Excel / Google Sheets** เหมาะกับฐานลูกค้า < 5,000 ราย ใช้สูตร PERCENTILE และ IF

**Looker Studio / Power BI** Dashboard ฟรี เชื่อม CSV หรือฐานข้อมูลได้

**Python + Pandas** กรณีมีข้อมูลใหญ่ใช้ Jupyter Notebook เขียน 20-30 บรรทัดก็ได้

**HubSpot, Klaviyo, Mailchimp** มี Smart List แบบ RFM ในตัว ใช้กับ Email Automation

**Shopify Segments, RFM Dashboard by Shopify Flow** สำหรับร้านค้าออนไลน์

กรณีศึกษา SME ไทย

ร้านเครื่องสำอางออนไลน์แห่งหนึ่งในกรุงเทพฯ เริ่มทำ RFM กับลูกค้า 8,000 คน หลังพบว่ากลุ่ม Champions 6% สร้างรายได้ 42% ทีมการตลาดจึงหันมาเน้นแคมเปญ VIP-only ส่ง SMS, LINE OA และ Email เฉพาะกลุ่มนี้ ผลคือ ROAS เพิ่ม 3.1 เท่าใน 90 วัน ขณะที่งบโฆษณาลดลง 18%

อีกเคสคือร้านอาหารเดลิเวอรีที่ใช้ RFM ระบุ "At Risk" 1,200 คน แล้วส่งคูปองส่วนลดทาง LINE OA ทำให้ลูกค้ากลับมาซื้อ 28% ภายใน 2 สัปดาห์

สรุป + สิ่งที่ควรลงมือทำต่อไป

RFM Analysis ไม่ใช่เทคนิคใหม่ แต่เป็นเครื่องมือที่ SME ไทยส่วนใหญ่ยังใช้ไม่เต็มประสิทธิภาพ ประเด็นที่ควรจำ:

เริ่มจากข้อมูลธุรกรรมที่มีอยู่ ไม่ต้องรอระบบสมบูรณ์

โฟกัสที่ 20% ของลูกค้าที่สร้างรายได้ 80% ก่อน

สร้างสคริปต์การตลาด 10 กลุ่มให้ทีมสามารถรันได้ซ้ำทุกเดือน

วัดผลด้วย ROAS, Repeat Rate และ CLV แทนที่จะดู Reach/Impression

พร้อมยกระดับการตลาดด้วยข้อมูลจริงหรือยัง? ทีม ADS FIT ช่วยออกแบบ Dashboard RFM, ตั้งค่า Marketing Automation และวัดผลให้ SME ไทยโตแบบยั่งยืน ติดต่อเราเพื่อเริ่มต้นหรืออ่านบทความด้าน Digital Marketing เพิ่มเติม

สนใจโซลูชันนี้?

ปรึกษาทีม ADS FIT ฟรี เราพร้อมออกแบบระบบที่ฟิตกับธุรกิจของคุณ

ติดต่อเรา →

RFM Analysis คืออะไร? คู่มือแบ่งกลุ่มลูกค้าด้วย Recency Frequency Monetary สำหรับ SME ไทย 2026