回头客RFM（recency, frequency, monetary）统计功能基于数学统计模型而开发的数据营销技术，它是回头客会员管理系统的一项重要功能，它通过检查会员最后一次购买的时间（recency）长短、一段时间内购买的频率（frequency）高低、以及一段时间内购买的金额（monetary）大小，来筛选查看哪些客户是最优质的客户。回头客RFM分析是基于一条数据营销售的公理，即80%的生意来源于20%的客户，并且如何努力来提高这20%的客户群体，让之变的更大，最终目标就是如何提高会员忠诚度。
其总体原理就是：回头客会员管理系统的储值、积分、销售以及电子优惠券等功能不断的记录了会员的消费行为，日积月累，就为商户提供了大量的消费记录，RFM统计功能将这些数据按照RFM统计模型的公理进行分析，把会员划分为不同的忠诚度等级，然后按照会员忠度等级的不同，有的放矢的去给这些会员更好的服务及优惠政策，让忠诚度较高的会员得到更好的服务，让忠诚度一般的会员得到更多的优惠或积分政策，从而提高他们的忠诚度，进而形成良性循环，在整体上实现会员忠诚度的提高。
但可惜的是一直以来，除回头客会员管理系统以外，国内多数会员管理系统目前都不具备该功能，让企业数据营销无据可寻，会员营销就象没头的苍蝇一样，没有方向。不停地批量发送邮件或短信，甚至会导致客户厌烦。
下面我们就来看看回头客会员管理系统是怎么样利用RFM模型原理进行会员数据营销。
最后一次消费时间(recency)
如下图所示，回头客会员管理系统的会员列表里都有会员最后一次消费的时间，市场人员营销人员可以根据会员的最后消费时间进行排序，来查看会员的活跃状态。
最后一次消费时间列表
市场营销负责人在发送电子优惠券、手机短信促销或电子邮件时，可以进行定义式筛选，举例来说，理发店店长认为40天没来再次光临的会员头发已经长长了，所以需要对大于40天没来的会员进行促销，在群发手机短信时，他可以按照会员最后使用的时间范围进行筛选，如图所示。
按照最后使用时间范围进行筛选营销
优秀的营销人员会定期查看最近一次消费分析，以掌握趋势。月报告如果显示上一次购买很近的客户，(最近一次消费为1个月)人数如增加，则表示该公司 是个稳健成长的公司；反之，如上一次消费为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。
回头客会员管理系统同时也支持按照最后一次使用时间间隔范围进行模型定义，比如最后一次使用时间范围在如下间隔内：小于10天、10-20天、20-30天、30-40天，大于40天，然后依此模型来反映会员的忠诚度，如下图所示。
最近一次消费报告是衡量会员忠诚度的一个重要指标。最近才买你的商品、服务或是光顾你商店的消费者，是最有可能再向你购买东西的会员。再则，要吸引一个几个月前才上门的会员购买，比吸引一个一年多以前来过的会员要容易得多。营销人员如接受这种强有力的营销哲学——与会员建立长期的关系而不仅是卖东西，会让会员持续保持往来，并赢得他们的忠诚度。
消费频率(frequency)
消费频率是会员在限定的期间内所消费的次数。我们可以说最常消费的会员，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。 回头客会员管理系统后台可以查看到会员的消费频率，如30天内消费1次的，2次的，3次的，各占的百分比，如下图所示。
消费金额(Monetary)
会员的消费金额代直接决定了商户利润大小，用平均消费金额（M）乘以平均消费频率（F），即为商户的总体销售额（F x M）。 消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80％的收入来自20％的顾客。它显示出排名前10％的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40％以上。如看累计百分比的那一栏，我们会发现有40％的顾客贡献公司总营业额的80％；而有60％的客户占营业额的90％以上。最右的一栏显示每一等分顾客的平均消费，表现最好的 10％的顾客平均花费1195美元，而最差的10％仅有18美元 。 回头客会员管理系统的后台可以根据会员定义会员的消费金额范围，比如消费金额在100元以下，100-200元，200-300元，大于300元的客户各占的比率，依此来查看会员消费层次的构成，进而发现商户利润来源。