忠诚不是 RFM 分数而是多维行为几何——Intent × Rhythm × Sensitivity 三维潜在空间建模

核心操作

传统 RFM 的问题：两个客户都买了 10 次 → 相同的 RFM 分。但一个是因为习惯+信任（真忠诚），一个是因为垄断+高转换成本（假忠诚）。RFM 无法区分——因为它把潜在的忠诚系统压缩为单一可见指标。

行为几何方法：忠诚是「影子」，行为是「投影」。用三个独立维度建模客户在 3D 空间中的位置、方向和演化轨迹：

维度	含义	测量的不是…而是…
意图 (Intent)	长期心理承诺	不是「买了多少次」→ 是「想不想和品牌建立长期关系」
行为节奏 (Rhythm)	购买心跳	不是「总次数」→ 是「频率、一致性、时间模式」
敏感性 (Sensitivity)	对外力变化的弹性	不是「是否促销敏感」→ 是「行为在多大程度上随外部压力改变」

3D 空间中的客户：每个客户是一个向量 (意图, 节奏, 敏感性)，有位置（当前忠诚状态）、方向（忠诚变化趋势）、轨迹（演化路径）、速度（变化速率）。

时间 t1: (低意图, 低节奏, 高敏感) → 新客户
时间 t2: (中意图, 中节奏, 中敏感) → 成长客户
时间 t3: (高意图, 高节奏, 低敏感) → 忠诚客户

实现路径

1. 从观测数据反推潜在位置——使用自动编码器、变分推断、因子分析或潜类别模型
2. 轨迹分析——计算向量在 3D 空间中的移动方向→预测流失（方向偏离原点）、识别干预时机（速度剧变）、个性化策略（不同象限不同策略）
3. 区别于 RFM 的分群——不再是「高价值/低价值」，而是「高意图低节奏」（忠诚但低频的客户，适合品类扩展）vs「高节奏低意图」（习惯性购买但随时可能流失）

💡 关键教训

RFM 测的是行为的表面结构，忠诚几何测的是行为背后的潜在心理学。 表面结构告诉你「客户买了什么」，潜在结构告诉你「客户为什么买」和「明天还会不会买」——而后者才是决策需要的。

防止假忠诚（高转换成本型）被误判为真忠诚的实用检查：如果去掉转换成本（竞争对手降半价），这个客户的 3D 向量会飘多远？敏感性维度 ≤ 低 → 真忠诚。敏感性维度 ≥ 高 → 被锁定的俘虏，不是忠诚。