从表1中，我们可以看出该网站的老客户中有50%的客人在33天内再次购买，有70%的客人在75天内再次购买，有90%的客人在180天内再次购买。从而可以判断该在线客服的客人生命周期基本在180天以内（客人非流失状态）。从表2的数据中，我们又可以看出该在线客服虽然仅有25%的老客户，但这群老客户为在线客服带来了一半的销售收入。因此，该网站可以围绕客户的生命周期开展新老客差异化营销，在客户较活跃的阶段（活跃期、沉默期）开展客户情感营销，在客户处于即将流失状态时（沉睡期、流失期）开展折扣营销刺激。

        RFM模型较好地帮助了我们分析客户的购买行为，但其在不同行业应用过程中也有其局限性，特别是那些客人有固定消费习惯的行业，如食品、日常消耗品等。举例来说，每位食品消费者有其特定的饮食习惯，日常食用量因人而异，因而其消费周期也不同。如有轻度饮酒者、中度饮酒者、重度饮酒者，这三类人群即会有不同的消费周期。而如果我们使用RFM模型对客人进行生命周期划分时就会出现问题。购买间隔超过90天的客人未必是一个即将流失的客户，其更可能是一位轻度饮酒者，而他对在线客服来说还是一位较活跃的客户。接下来我们进一步看下购买西湖龙井的消费者购物行为。

        我们对重复购买西湖龙井茶叶的老客户消费记录进行了统计分析（2年数据），按照客户购买周期划分了3类消费者，分别是购买间隔小于80天的高频次消费者、80～200天间隔的中频次消费者、200～400天间隔的低频次消费者（以p表示，单位：天），并且计算了第二、三、四次购买的时间间隔（以f表示，单位：天）。从表3的结果看，第2次购买间隔在80天内的客户，有一半以上的客户选择在80天内再次复购，有85%的客户选择在240（80×3）天内复购。另人惊奇的是，2次购买间隔在80～200天的客人，却有41%的比例（最高比例）选择在80～200天之间再次购买。2次购买间隔在200～400天的客人却显著缩短了购买间隔，选择在400天内再次购买的客人比例达到99.12%。同样在购买3次～4次的客人数据中，我们发现了相似的规律。

         由此我们得到2个结论：第一，客户有特定的消费规律，购买周期一般比较固定。第二，客户的生命周期因人而异，按不同的人群周期可长可短。

         那么怎样优化RFM模型才能匹配客户差异化的生命周期？其实我们可以将购买周期单独优化，按照行业特点分出几类不同消费频次的客户群体，然后统计分析各群体消费周期的特征，再进行生命周期重组。例如，高频次的消费者，如果购买周期是在80天内的，下次自然回购更有可能是在160天内。由于单次订单的购买数量可能翻倍，导致下次购买周期延长，这种因素并不影响客人的生命周期，其只是影响了下次自然回购的周期。而一旦高频次消费者在3个消费周期内都未回购，那该客人流失的倾向更大，在线客服就需要更多的折扣活动刺激来鼓励客人再次消费。

         在应用过程中，我们可以采用以下策略来规划CRM。首先区分新老客户，针对新客户依然按照80天、200天、400天这三个时间节点来判断客户活跃/流失状态，在前期多开展品牌宣传及情感沟通。而有2次购买或2次以上的客户，我们可以将客户划分出三类不同消费频次的群体，分别开展客户营销。对于高频次及中频次的消费者更多倾向于培养成忠诚会员。对于处于流失状态的客群，可根据网站的大型活动来安排客户营销刺激。


        比较动态客户生命周期划分方法与一般客户生命周期划分方法，在线客服在做营销活动时能够更准确地定位到客户群，同时也避免了过多的骚扰降低了营销成本。在争取老客资源的时代，高效利用客户资源就需要在线客服更关注客户特点的挖掘，如此才能更胜一筹。