Análisis de RFM: Obtenga más información sobre sus clientes y la segmentación de RFM

En este artículo, analizaremos el análisis RFM (actualidad, frecuencia, valor monetario), que se basa en el comportamiento de los grupos (o segmentos ) de clientes. Este método de análisis permite estudiar el comportamiento de los usuarios y cómo realizan los pagos. Como resultado, recibirá información valiosa para el marketing directo.

El análisis RFM le permite segmentar a los clientes por la frecuencia y el valor de las compras e identificar aquellos clientes que gastan más dinero.

• Actualidad: cuánto tiempo ha pasado desde que un cliente te compró algo
• Frecuencia: con qué frecuencia un cliente le compra
• Valor monetario: el valor total de las compras que ha realizado un cliente

De acuerdo con estas métricas, es posible dividir a sus clientes en grupos para comprender qué clientes compran muchas cosas con frecuencia, cuáles compran pocas cosas pero con frecuencia y cuáles no han comprado nada durante mucho tiempo.

Como regla general, solo un pequeño porcentaje de clientes responde a las ofertas promocionales generales. RFM es un excelente método de segmentación para predecir las respuestas de los clientes, mejorar las interacciones y aumentar las ganancias. RFM utiliza datos de comportamiento del cliente para determinar cómo trabajar con cada grupo de clientes.

La esencia del análisis RFM es dividir a los clientes en grupos según la última vez que realizaron su última compra, la frecuencia con la que compran cosas y el valor promedio de sus pedidos. Para cada una de estas métricas, asignamos clientes a uno de tres grupos, a los que se les asigna un número del 1 al 3.

Frescura:

• 1 – clientes de larga data.
• 2 – clientes relativamente recientes.
• 3 – clientes recientes.

Frecuencia:

• 1 – compras rara vez (pedidos individuales).
• 2 – compras con poca frecuencia.
• 3 – compras a menudo.

Valor monetario

• 1 – bajo valor de las compras.
• 2 – valor medio de las compras.
• 3- alto valor de las compras.

A los clientes se les asignan valores de RFM concatenando sus números para Actualidad, Frecuencia y Valor monetario. Por ejemplo, el cliente 111 hizo un pedido con un valor monetario bajo hace mucho tiempo. El cliente 333, por otro lado, a menudo realiza pedidos de gran valor y realizó una compra recientemente. Los clientes con 3 en cada categoría son sus mejores clientes.

Hay dos formas convenientes de realizar el análisis RFM: usando OWOX BI y usando Excel (o Google Sheets).

A diferencia de Excel, OWOX BI le permite calcular RFM automáticamente .

La fuente de datos para este análisis es una tabla o vista en Google BigQuery con datos sobre cada pedido con los siguientes campos:

• ID de usuario: la identificación de usuario del cliente en la base de datos del sitio web/ERP.
• ingresos: ingresos del pedido.
• creado: fecha de creación del pedido.

Paso 1 Recomendamos utilizar datos sobre pedidos confirmados de su ERP. Puede exportar fácilmente estos datos a BigQuery mediante OWOX BI Pipeline.

Paso 2 OWOX BI también le brinda la oportunidad de personalizar la importación de resultados de análisis de RFM a Google Analytics. Esto le permitirá:

• Cree nuevos informes y segmentos personalizados en Google Analytics para un análisis de audiencia más profundo utilizando información adicional sobre los usuarios.
• Use el análisis RFM para crear audiencias de remarketing para Google Ads, boletines por correo electrónico y programas de fidelización.

Paso 3 La configuración de la importación de datos de análisis de RFM en Google Analytics desde Google BigQuery consta de dos pasos:

1. Configuración de un recurso web de Google Analytics.
2. Creación de una secuencia en OWOX BI Pipeline.

Echemos un vistazo más de cerca a los dos últimos puntos.

1. Cree dimensiones personalizadas a nivel de usuario para almacenar los resultados del análisis RFM (Definiciones personalizadas → Dimensiones personalizadas → + Nueva dimensión personalizada ):

2. Cree un conjunto de datos para importar datos en Google Analytics (Importación de datos → Nuevo conjunto de datos) :
   

• Especifique el comportamiento de importación como Tiempo de consulta. Esto le permitirá combinar datos importados con datos históricos; de lo contrario, los datos se fusionarán solo con los resultados recopilados en Google Analytics después de descargar los resultados del análisis RFM. Tenga en cuenta que la importación de tiempo de consulta está disponible solo para usuarios de Google

• A continuación, asigne un nombre al conjunto de datos y determine la lista de vistas en las que estarán disponibles los datos importados:​
  

• Finalmente, defina un esquema de datos y guarde el conjunto de datos:​

Eso es todo. Ya ha configurado la propiedad web de Google Analytics para importar datos. Ahora puede proceder a importar.

1. Prepare una consulta SQL que devolverá los datos en la estructura correcta .

2. Cree una secuencia en OWOX BI Pipeline como se indica aquí .

Espere hasta que los datos aparezcan en Google Analytics:

Todo está listo. OWOX BI realizará automáticamente el análisis RFM sin requerir mucha participación de su parte.

1. Para calcular RFM en Excel, comience descargando datos de transacciones de su CRM: nombre del cliente, fecha de compra y monto de la compra:​
   

2. Para determinar la fecha de la última compra de cada cliente, cuántas veces el cliente te ha comprado en total y el valor monetario total de todos esos pedidos, usa una tabla dinámica.
   

3. Dado que es posible que algunos clientes en CRM nunca hayan comprado algo, debemos combinar todas sus transacciones en una sola línea. Para hacer esto, agregamos el valor Cliente en las Filas .
   

4. Ahora necesitamos contar cuántos pedidos ha realizado cada cliente. Para hacer esto, agregue la fecha de compra a los valores (simplemente no olvide indicar COUNTA en la columna Resumen).

5. A continuación, calcule el valor total de todos los pedidos de cada cliente. Para hacer esto, agregue Importe de compra en Valores, y en la columna Resumir por , indique SUMA .
   

6. Ahora tenemos que calcular la fecha de la última compra de cada cliente. Para hacer esto, agregue la Fecha de compra a los Valores y especifique MAX en el gráfico que ya conocemos.

Eso es todo para la preparación del análisis. Ahora necesitamos transferir estos datos a una nueva página para calcular los valores de RFM.

7. Primero, cambie el nombre de las columnas como Cliente , Última fecha de compra , Frecuencia de pedido , Número de pedidos y Monto de compra . Ahora pasamos a la parte principal del análisis. Usando la fórmula = HOY () - calculamos hace cuántos días un cliente realizó su última compra. Estos serán los datos para nuestro valor R (reciente):

8. En este punto, tenemos todos los datos sobre Actualidad, Frecuencia (número de pedidos) y Valor monetario (cantidad). Ahora asignaremos valores del 1 al 3 (de acuerdo con los criterios mencionados anteriormente) en función de estos datos.

Comencemos con los valores de Recency. Lo primero que tenemos que hacer es calcular cuánto tiempo nos han comprado el 33% y el 66% de nuestros clientes. Esto se hace fácilmente usando la fórmula = PERCENTIL.INC (C2: C12; 0.33) y = PERCENTIL.INC (C2: C12; 0.66) . Ahora sabemos que el 33% de los clientes compraron nuestros productos hace menos de 61 días y el 66% compraron hace más de 93 días.

9. En consecuencia asignamos a aquellos clientes que compraron hace menos de 61 días el mayor valor de 3. A los que hicieron un pedido de 61 a 93 días se les asigna un valor de 2. Al resto, que compraron hace más de 93 días, les asignamos un valor de 1. Todo esto se puede calcular automáticamente con la fórmula = IF (C2 <61; 3; IF (C2 <93; 2; 1)).

10. Usando el mismo principio, calculamos los valores para F (Frecuencia) y M (Valor monetario): primero, calculamos cuántas veces el 33% y el 66% de los clientes realizaron una compra y, en base a los resultados, asignamos valores de 1 a 3.​

11. Para mayor claridad, calculamos el valor RFM concatenando los tres valores para cada cliente. Podemos hacerlo usando la fórmula = D2 * 100 + F2 * 10 + H2 .
    

Eso es todo. Hemos realizado todos los cálculos necesarios para el análisis RFM en Google Sheets (o Excel). Tenga en cuenta que aunque estas fórmulas ayudan a automatizar algunos errores de cálculo, aún debe dedicar mucho tiempo a calcular RFM.

Pero si valora su tiempo y el de sus empleados, o si tiene una gran base de datos, le recomendamos realizar análisis RFM utilizando OWOX BI. Si aún no es usuario de OWOX BI, puede probar todas las funciones de forma gratuita.

Cuando todos los cálculos estén listos y hayas segmentado a tus clientes, es hora de pasar a la parte de marketing.

Al agrupar a los clientes por valores de RFM, puede obtener de inmediato una imagen completa de lo que sucede con su base de clientes. Veamos ejemplos de algunos grupos de clientes.

Grupo 3R-3F-3M : el más activo, compre a menudo

Estos son tus clientes ideales. Es posible ampliar su compromiso con ellos lanzando un programa de fidelización, invitándolos a eventos especiales o preguntándoles cómo les gustaría que se desarrollara la empresa. Es importante mostrarles a estos clientes que son usuarios respetados y bienvenidos.

Grupo 1R-1F-1M : el menos activo, comprado una vez/nunca, gastado poco

Si bien estos clientes parecen ser los menos prometedores, no debe descartarlos por completo: mostraron interés en sus productos al menos una vez. Muy a menudo, los especialistas en marketing preparan mensajes provocativos especiales para dividir a estos clientes en "definitivamente desinteresados ​​en el producto" y "prometedores". Los clientes prometedores pueden transferirse a la siguiente categoría.

1 en una de las categorías

Algunos de sus clientes pueden tener un valor de 122 (Lame Recency). Se le debe dar un poco de tiempo a este segmento para que decida regresar con usted. Trate de ofrecerles productos que se compran habitualmente junto con los que compraron anteriormente para despertar un renovado interés en su empresa.

3 en una de las categorías

Estos usuarios son un segmento prometedor para su investigación. Son lo suficientemente consistentes como para que experimentes y encuentres una forma adecuada de aumentar sus otros indicadores.

La metodología RFM está lejos de ser absoluta, pero es una herramienta extremadamente útil para analizar su base de clientes. Con solo un poco de trabajo, verá cómo adoptar un enfoque individual para sus clientes.

Al mismo tiempo, tenga en cuenta que los datos están influenciados por temporadas, promociones y días festivos. Si un cliente con un extenso historial de compras para el mes actual no compra nada el próximo mes, esto no significa que debas transferirlo inmediatamente a otro segmento. Tal vez esto sea solo el efecto de la estacionalidad y, después de un tiempo, reanudarán las compras.

Si todavía tiene preguntas, pregúntenos en los comentarios a continuación :)

Y si quieres saber más sobre Google Analytics y otras herramientas de análisis, suscríbete a nuestra newsletter. Todos los meses obtendrá consejos útiles para los especialistas en marketing y analistas modernos.