Model RFM – jak skutecznie segmentować bazę danych

Fakt: masowe emaile nie działają. Przygotowujesz newsletter, wrzucasz kilka promocji, kilka artykułów, namiary na BOK i klikasz: wyślij do całej bazy. Po paru dniach sprawdzasz statystyki, z nadzieją na 40-procentowy OR, a tu klops: OR=5%, CtR=0,8%. To nawet nie jest kwestia tego, że klienci są obecnie bardziej wybredni. Owszem, mamy grupę świadomych prosumentów, którym za żadne skarby świata nie wciśniesz najnowszego modelu smartfona X, jeśli oni uprą się na model Y, ale nie stanowią oni aż tak dużego odsetka ogólnej liczby klientów. Tak na prawdę chodzi o dostosowanie treści i intensywności przekazu marketingowego do poziomu zaangażowania klienta, zasobności jego portfela, czy stylu życia jaki prezentuje. Dobra wiadomość jest taka, że nie trzeba być Nostradamusem, aby przewidzieć zachowania i potrzeby użytkowników. Wiele platform do automatyzacji marketingu pozwala na tworzenie dokładnych profili behawioralnych, a analiza ich zachowań (przeszłych i obecnych) umożliwia wdrożenie marketingu predyktywnego. Twórcy software mają w rękawie jeszcze jednego asa. Są to modele RFM, które w znacznym stopniu ułatwiają kompleksową analizę bazy (bądź jej części) klientów, a co za tym idzie jej szczegółową segmentację i personalizowanie przekazu marketingowego.

Zerowy moment prawdy: jak go wykorzystać w Twoim biznesie? Dowiedz się z darmowego ebooka

Co znaczy “RFM”?

Skrót RFM można rozwinąć jako Recency – Frequency – Monetary Value. To właśnie te wartości składają się na poszczególne etapy analizy profilu klienta w modelu RFM. Przyjrzyjmy się im bliżej:

• Recency – to czas od ostatniego zakupu dokonanego przez daną osobę. Dzięki tej wartości sklasyfikujesz leady na tych, którzy dokonali zakupu niedawno, tych, którzy kupowali ostatnio w średnio odległym przedziale czasowym i tych, u których czas od ostatniego zakupu jest najdłuższy. To oczywiste, że wszystkie leady są ważne, ale doświadczenie podpowiada, że ci, którzy robili zakupy w niedalekiej przeszłości będą bardziej skłonni dokonać kolejnych.
• Frequency – to częstotliwość dokonywania zakupów. Pozwala na podział klientów na częstych, regularnych i okazjonalnych. Można przy jej użyciu śledzić ilość i wartość transakcji w poszczególnych sektorach, a co za tym idzie, umożliwia to dodatkową personalizację przekazu marketingowego. Rzadsze i bardziej ekskluzywne oferty możesz wysyłać do okazjonalnych klientów, którzy zostawiają w sklepie dużo pieniędzy, i częstsze wysyłki cotygodniowych okazji do klientów, którzy robią regularnie mniejsze zakupy.
• Monetary Value – to mówiąc wprost ilość pieniędzy zostawiana przez klienta w sklepie. Tę samą grupę klientów, którą podzieliłeś już uwzględniając czas od ostatnich zakupów i ich częstotliwość, możesz jeszcze przeanalizować przyjmując za zmienną ilość wydanych pieniędzy. Otrzymasz znowu trzy grupy – klientów oszczędnych, przeciętnych i premium. W praktyce pozwoli ci to na lepszą kontrolę nad ich zachowaniami. Wiedząc, że klienci oszczędni robią zakupy częściej, choć za mniejsze kwoty, a klienci przeciętni wydają prawie tyle samo co klienci premium, możesz dobrać odpowiednio treść wysyłanych do nich mailingów, czy wyświetlanych na stronie bannerów.

Odmiany modelu RFM

Opisywany model analizy zachowań klientów może być zmodyfikowany na potrzeby firm o różnych profilach biznesowych.

Model RFD – Recency, Frequency, Duration zamiast wartości zakupu bada długość wizyty na stronie. Świetnie sprawdza się, jeżeli trzeba sprawdzić jak długo użytkownik czytał artykuły w serwisie.

Model RFE – Recency, Frequency, Engagement to poszerzona wersja modelu RFD. Ostatnią zmienną jest zaangażowanie użytkowników.

Model RFM-I – Recency, Frequency, Monetary Value – Interactions Dodaje do podstawowej wersji zmienną “interakcje” i może być wykorzystany na przykład do mierzenia skuteczności kampanii reklamowych.

Co jeszcze potrafi moduł RFM i dlaczego warto go używać?

Moduł RFM to nie tylko gołe dane  i dzielenie leadów na poszczególne grupy. Dobry software zapewnia możliwość dalszej obróbki wstępnie przygotowanych danych. Prostym i eleganckim rozwiązaniem jest zestawianie par zmiennych w macierze i nakładanie na siebie poszczególnych sektorów. Idąc dalej tym tropem, można, w zależności od potrzeb, przygotowywać bardzo szczegółowo dobrane grupy odbiorców, na przykład klientów premium, którzy kupują u Ciebie ze średnią częstotliwością, ale ostatnio dokonali większego zakupu, czy powiedzmy nowych klientów, którzy bardzo ostrożnie i na próbę kupili coś małego. Tym pierwszym możesz spokojnie wysłać ofertę produktów lub usług komplementarnych w wersji deluxe, natomiast dla tych drugich uruchom edukacyjny cykl lead nurturing, tak aby zmienić ich w lojalnych klientów, z którymi stworzysz długoterminową relację.

Kto jeszcze korzysta z RFM?

Poza oczywistymi adresatami tej metody, jak właściciele ecommerce, czy ci, którzy działają w B2B, do stosowania modelu RFM przekonały się również redakcje publikujące online (dzięki stosowaniu jednej z odmian modelu monitorują zachowanie czytelników, w tym także poziom ich zaangażowania w serwisie), ale tez organizacje non profit. Dzięki zastosowaniu analizy RFM, wyłapują one potencjalnych darczyńców na podstawie zachowań różnych osób podczas poprzednich zbiórek.

Jakie jest Twoje doświadczenie z tą metoda analityczną? Korzystasz z niej? Podziel się swoim doświadczeniem w komentarzu!