Analisi RFM: scopri di più sui tuoi clienti e sulla segmentazione RFM

In questo articolo, daremo un'occhiata all'analisi RFM (recency, frequency, currency value), che si basa sul comportamento dei gruppi (o segmenti ) di clienti. Questo metodo di analisi permette di studiare il comportamento degli utenti e come effettuano i pagamenti. Di conseguenza, riceverai preziose informazioni per il marketing diretto.

L'analisi RFM consente di segmentare i clienti in base alla frequenza e al valore degli acquisti e identificare i clienti che spendono di più.

• Recency: quanto tempo è passato da quando un cliente ha acquistato qualcosa da te
• Frequenza: la frequenza con cui un cliente acquista da te
• Valore monetario: il valore totale degli acquisti effettuati da un cliente

Secondo queste metriche, è possibile dividere i tuoi clienti in gruppi per capire quali clienti acquistano molte cose frequentemente, quali acquistano poche cose ma frequentemente e quali non acquistano nulla da molto tempo.

Di norma, solo una piccola percentuale di clienti risponde alle offerte promozionali generali. RFM è un metodo di segmentazione eccellente per prevedere le risposte dei clienti, migliorare le interazioni e aumentare i profitti. RFM utilizza i dati sul comportamento dei clienti per determinare come lavorare con ciascun gruppo di clienti.

L'essenza dell'analisi RFM è dividere i clienti in gruppi in base a quanto recentemente hanno effettuato l'ultimo acquisto, quanto spesso acquistano le cose e il valore medio dei loro ordini. Per ciascuna di queste metriche, assegniamo i clienti a uno dei tre gruppi, a cui viene assegnato un numero da 1 a 3.

Recente:

• 1 – clienti di lunga data.
• 2 – clienti relativamente recenti.
• 3 – clienti recenti.

Frequenza:

• 1 – acquisti rari (ordini singoli).
• 2 – acquisti di rado.
• 3 – acquista spesso.

Valore monetario

• 1 – basso valore degli acquisti.
• 2 – valore medio degli acquisti.
• 3 – alto valore degli acquisti.

Ai clienti vengono assegnati valori RFM concatenando i loro numeri per Recency, Frequenza e Valore monetario. Ad esempio, il cliente 111 ha effettuato un ordine con un valore monetario basso molto tempo fa. Il cliente 333, d'altra parte, effettua spesso ordini di grande valore e ha effettuato un acquisto di recente. I clienti con 3 in ogni categoria sono i tuoi migliori clienti.

Esistono due modi convenienti per eseguire l'analisi RFM: utilizzando OWOX BI e utilizzando Excel (o Fogli Google).

A differenza di Excel, OWOX BI consente di calcolare automaticamente RFM.

L'origine dati per questa analisi è una tabella o una vista in Google BigQuery con i dati su ciascun ordine con i seguenti campi:

• userId: l'ID utente del cliente nel database del sito Web / ERP.
• entrate - entrate dall'ordine.
• creato – data di creazione dell'ordine.

Passaggio 1 . Ti consigliamo di utilizzare i dati sugli ordini confermati dal tuo ERP. Puoi facilmente esportare questi dati in BigQuery utilizzando OWOX BI Pipeline.

Passaggio 2 . OWOX BI ti dà anche l'opportunità di personalizzare l'importazione dei risultati dell'analisi RFM in Google Analytics. Questo ti permetterà di:

• Crea nuovi rapporti e segmenti personalizzati in Google Analytics per un'analisi più approfondita del pubblico utilizzando informazioni aggiuntive sugli utenti
• Utilizza l'analisi RFM per creare segmenti di pubblico per il remarketing per Google Ads, newsletter via email e programmi fedeltà

Passaggio 3 . La configurazione dell'importazione dei dati dell'analisi RFM in Google Analytics da Google BigQuery consiste in due passaggi:

1. Configurazione di una risorsa web di Google Analytics.
2. Creazione di un flusso in OWOX BI Pipeline.

Diamo un'occhiata più da vicino agli ultimi due punti.

1. Crea dimensioni personalizzate a livello di utente per memorizzare i risultati dell'analisi RFM (Definizioni personalizzate → Dimensioni personalizzate → +Nuova dimensione personalizzata ):

2. Crea un set di dati per importare i dati in Google Analytics (Importazione dati → Nuovo set di dati) :
   

• Specificare il comportamento di importazione come Ora della query. Ciò ti consentirà di combinare i dati importati con i dati storici; in caso contrario, i dati verranno uniti solo agli hit raccolti in Google Analytics dopo aver scaricato i risultati dell'analisi RFM. Tieni presente che l'importazione del tempo di query è disponibile solo per gli utenti di Google ​

• Quindi, dai un nome al set di dati e determina l'elenco di viste in cui saranno disponibili i dati importati:​
  

• Infine, definisci uno schema di dati e salva il set di dati:​

Questo è tutto. Ora hai configurato le impostazioni della proprietà web di Google Analytics per l'importazione dei dati. Ora puoi procedere con l'importazione.

1. Preparare una query SQL che restituirà i dati nella struttura corretta .

2. Creare un flusso in OWOX BI Pipeline come indicato qui .

Attendi fino a quando i dati non vengono visualizzati in Google Analytics:

È tutto pronto. OWOX BI eseguirà automaticamente l'analisi RFM senza richiedere molto coinvolgimento da parte tua.

1. Per calcolare RFM in Excel, inizia scaricando i dati delle transazioni dal tuo CRM: nome del cliente, data di acquisto e importo dell'acquisto:​
   

2. Per determinare la data dell'ultimo acquisto per ciascun cliente, quante volte il cliente ha acquistato da te in totale e il valore monetario totale di tutti quegli ordini, utilizza una tabella pivot.
   

3. Poiché alcuni clienti nel CRM potrebbero non aver mai acquistato qualcosa, dobbiamo combinare tutte le loro transazioni in un'unica riga. Per fare ciò, aggiungiamo il valore Cliente nelle Righe .
   

4. Ora dobbiamo contare quanti ordini ha effettuato ogni cliente. Per fare ciò, aggiungi la Data di acquisto ai Valori (non dimenticare di indicare COUNTA nella colonna Riepiloga).

5. Quindi, calcola il valore totale di tutti gli ordini per ciascun cliente. Per fare ciò, aggiungi Importo acquisto in Valori e nella colonna Riepiloga per , indica SOMMA .
   

6. Ora dobbiamo calcolare la data dell'ultimo acquisto per ogni cliente. Per fare ciò, aggiungi Data di acquisto ai Valori e specifica MAX nel grafico a noi già noto.

Questo è tutto per la preparazione dell'analisi. Ora dobbiamo trasferire questi dati in una nuova pagina per calcolare i valori RFM.

7. Innanzitutto, rinomina le colonne come Cliente , Data ultima acquisto , Frequenza ordine , Numero di ordini e Importo acquisto . Procediamo ora alla parte principale dell'analisi. Usando la formula = OGGI () - calcoliamo quanti giorni fa un cliente ha effettuato l'ultimo acquisto. Questi saranno i dati per il nostro valore R (recency):

8. A questo punto, abbiamo tutti i dati su Recency, Frequency (numero di ordini) e Valore monetario (importo). Ora assegneremo valori da 1 a 3 (secondo i criteri sopra menzionati) in base a questi dati.

Cominciamo con i valori per Recency. La prima cosa che dobbiamo fare è calcolare per quanto tempo il 33% e il 66% dei nostri clienti hanno acquistato da noi. Questo può essere fatto facilmente usando la formula = INC.PERCENTILE (C2: C12; 0.33) e = INC.PERCENTILE (C2: C12; 0.66) . Ora sappiamo che il 33% dei clienti ha acquistato i nostri prodotti meno di 61 giorni fa e il 66% ha acquistato più di 93 giorni fa.​

9. Di conseguenza assegniamo a quei clienti che hanno acquistato meno di 61 giorni fa il valore più alto di 3. A coloro che hanno effettuato un ordine da 61 a 93 giorni fa viene assegnato un valore di 2. Al resto, che ha acquistato più di 93 giorni fa, assegniamo un valore di 1. Tutto questo può essere calcolato automaticamente con la formula = IF (C2 <61; 3; IF (C2 <93; 2; 1)).

10. Con lo stesso principio calcoliamo i valori di F (Frequenza) e M (Valore monetario): per prima cosa calcoliamo quante volte il 33% e il 66% dei clienti ha effettuato un acquisto e, in base ai risultati, assegniamo valori da 1 a 3.​

11. Per maggiore chiarezza, calcoliamo il valore RFM concatenando tutti e tre i valori per ciascun cliente. Possiamo farlo usando la formula = D2 * 100 + F2 * 10 + H2 .
    

Questo è tutto. Abbiamo eseguito tutti i calcoli necessari per l'analisi RFM in Fogli Google (o Excel). Tieni presente che, sebbene queste formule aiutino ad automatizzare alcuni errori di calcolo, devi comunque dedicare molto tempo al calcolo dell'RFM.

Ma se apprezzi il tuo tempo e il tempo dei tuoi dipendenti, o se hai un database di grandi dimensioni, ti consigliamo di eseguire l'analisi RFM utilizzando OWOX BI. Se non sei ancora un utente OWOX BI, puoi provare tutte le funzionalità gratuitamente.

Quando tutti i calcoli sono pronti e hai segmentato i tuoi clienti, è il momento di passare alla parte di marketing.

Raggruppando i clienti in base ai valori RFM, puoi ottenere immediatamente un quadro completo di ciò che sta accadendo alla tua base di clienti. Diamo un'occhiata agli esempi di alcuni gruppi di clienti.

Gruppo 3R-3F-3M : il più attivo, acquista spesso

Questi sono i tuoi clienti ideali. È possibile espandere il tuo coinvolgimento con loro lanciando un programma fedeltà, invitandoli a eventi speciali o chiedendo loro come vorrebbero che l'azienda si sviluppasse. È importante mostrare a questi clienti che sono rispettati e accolgono gli utenti.

Gruppo 1R-1F-1M – il meno attivo, comprato una volta/mai, ha speso poco

Sebbene questi clienti sembrino essere i meno promettenti, non dovresti cancellarli completamente: hanno mostrato interesse per i tuoi prodotti almeno una volta. Molto spesso, gli esperti di marketing preparano speciali messaggi provocatori per dividere questi clienti in "decisamente disinteressati al prodotto" e "promettenti". I clienti promettenti possono essere trasferiti alla categoria successiva.

1 in una delle categorie

Alcuni dei tuoi clienti potrebbero avere un valore di 122 (recentemente zoppo). Questo segmento dovrebbe avere un po' di tempo per decidere se tornare da te. Cerca di offrire loro prodotti che di solito vengono acquistati insieme a quelli che hanno acquistato in precedenza per suscitare un rinnovato interesse nella tua azienda.

3 in una delle categorie

Questi utenti sono un segmento promettente per la tua ricerca. Sono abbastanza coerenti da permetterti di sperimentare e trovare un modo adatto per aumentare i loro altri indicatori.

La metodologia RFM è tutt'altro che assoluta, ma è uno strumento estremamente utile per analizzare la tua base di clienti. Con solo un po' di lavoro, vedrai come adottare un approccio individuale ai tuoi clienti.

Allo stesso tempo, tieni presente che i dati sono influenzati da stagioni, promozioni e festività. Se un cliente con un'ampia cronologia degli acquisti per il mese corrente non acquista nulla il mese successivo, ciò non significa che dovresti trasferirlo immediatamente a un altro segmento. Forse questo è solo l'effetto della stagionalità, e dopo un po' riprenderanno ad acquistare.

Se hai ancora domande, chiedici nei commenti qui sotto :)

E se vuoi saperne di più su Google Analytics e altri strumenti di analisi, iscriviti alla nostra newsletter. Ogni mese riceverai suggerimenti utili per esperti di marketing e analisti moderni.