Analiza RFM: Dowiedz się więcej o swoich klientach i segmentacji RFM

W tym artykule przyjrzymy się analizie RFM (aktualności, częstotliwości, wartości pieniężnej), która opiera się na zachowaniu grup (lub segmentów ) klientów. Ta metoda analizy pozwala na badanie zachowań użytkowników i sposobu dokonywania przez nich płatności. W rezultacie otrzymasz cenne informacje dotyczące marketingu bezpośredniego.

Analiza RFM pozwala na segmentację klientów według częstotliwości i wartości zakupów oraz identyfikację tych klientów, którzy wydają najwięcej pieniędzy.

• Od niedawna – ile czasu minęło, odkąd klient coś od Ciebie kupił
• Częstotliwość – jak często klient kupuje od Ciebie
• Wartość pieniężna – całkowita wartość zakupów dokonanych przez klienta

Zgodnie z tymi wskaźnikami można podzielić klientów na grupy, aby zrozumieć, którzy klienci często kupują dużo rzeczy, którzy kupują niewiele, ale często i którzy nie kupowali niczego od dłuższego czasu.

Z reguły tylko niewielki procent klientów odpowiada na ogólne oferty promocyjne. RFM to doskonała metoda segmentacji umożliwiająca przewidywanie reakcji klientów, ulepszanie interakcji i zwiększanie zysków. RFM wykorzystuje dane o zachowaniach klientów w celu określenia sposobu pracy z każdą grupą klientów.

Istotą analizy RFM jest podział klientów na grupy w oparciu o to, jak ostatnio dokonali ostatniego zakupu, jak często kupują, a także średnią wartość ich zamówień. Dla każdego z tych wskaźników przypisujemy klientów do jednej z trzech grup, którym przypisujemy liczbę od 1 do 3.

Niedawność:

• 1 – długoletni klienci.
• 2 – stosunkowo niedawni klienci.
• 3 – niedawni klienci.

Częstotliwość:

• 1 – kupuje rzadko (pojedyncze zamówienia).
• 2 – zakupy rzadko.
• 3 – często kupuje.

Wartość pieniężna

• 1 – niska wartość zakupów.
• 2 – średnia wartość zakupów.
• 3 – wysoka wartość zakupów.

Klientom przypisuje się wartości RFM, łącząc ich liczby dla wartości od poprzedniej wizyty, częstotliwości i wartości pieniężnej. Na przykład klient 111 dawno temu złożył jedno zamówienie o niskiej wartości pieniężnej. Z drugiej strony klient 333 często składa zamówienia o dużej wartości i niedawno dokonał zakupu. Klienci z trójkami w każdej kategorii to Twoi najlepsi klienci.

Istnieją dwa wygodne sposoby przeprowadzenia analizy RFM: za pomocą OWOX BI i za pomocą Excela (lub Arkuszy Google).

W przeciwieństwie do Excela, OWOX BI umożliwia automatyczne obliczanie RFM.

Źródłem danych dla tej analizy jest tabela lub widok w Google BigQuery z danymi o każdym zamówieniu z następującymi polami:

• userId – identyfikator klienta w bazie danych serwisu / ERP.
• przychód – przychód z zamówienia.
• created – data utworzenia zamówienia.

Krok 1 . Zalecamy korzystanie z danych o potwierdzonych zamówieniach z Twojego ERP. Możesz łatwo wyeksportować te dane do BigQuery za pomocą OWOX BI Pipeline.

Krok 2 . OWOX BI daje również możliwość dostosowania importu wyników analizy RFM do Google Analytics. Umożliwi to:

• Twórz nowe niestandardowe raporty i segmenty w Google Analytics, aby uzyskać bardziej dogłębną analizę odbiorców, korzystając z dodatkowych informacji o użytkownikach
• Użyj analizy RFM, aby utworzyć odbiorców remarketingu dla Google Ads, biuletynów e-mail i programów lojalnościowych

Krok 3 . Konfiguracja importowania danych analizy RFM do Google Analytics z Google BigQuery składa się z dwóch kroków:

1. Konfigurowanie zasobu internetowego Google Analytics.
2. Tworzenie strumienia w OWOX BI Pipeline.

Przyjrzyjmy się bliżej dwóm ostatnim punktom.

1. Utwórz niestandardowe wymiary na poziomie użytkownika, aby przechowywać wyniki analizy RFM (Niestandardowe definicje → Niestandardowe wymiary → +Nowy niestandardowy wymiar ):

2. Utwórz zbiór danych, aby zaimportować dane do Google Analytics (Import danych → Nowy zbiór danych) :
   

• Określ zachowanie importu jako Czas zapytania. Umożliwi to połączenie zaimportowanych danych z danymi historycznymi; w przeciwnym razie dane zostaną scalone tylko z trafieniami zebranymi w Google Analytics po pobraniu wyników analizy RFM. Pamiętaj, że importowanie w czasie zapytań jest dostępne tylko dla użytkowników Google ​

• Następnie nazwij zbiór danych i określ listę widoków, w których importowane dane będą dostępne:​
  

• Na koniec zdefiniuj schemat danych i zapisz zestaw danych:​

Otóż ​​to. Masz już skonfigurowane ustawienia usługi internetowej Google Analytics do importowania danych. Teraz możesz przejść do importu.

1. Przygotuj zapytanie SQL , które zwróci dane w prawidłowej strukturze .

2. Utwórz strumień w OWOX BI Pipeline zgodnie z instrukcją tutaj .

Poczekaj, aż dane pojawią się w Google Analytics:

Wszystko jest gotowe. OWOX BI automatycznie wykona analizę RFM bez większego zaangażowania z Twojej strony.

1. Aby obliczyć RFM w Excelu, zacznij od pobrania danych transakcji z CRM: nazwa klienta, data zakupu i kwota zakupu:​
   

2. Aby określić datę ostatniego zakupu dla każdego klienta, ile razy klient kupił od Ciebie łącznie oraz łączną wartość pieniężną wszystkich tych zamówień, użyj tabeli przestawnej.
   

3. Ponieważ niektórzy klienci w CRM nigdy czegoś nie kupili, musimy połączyć wszystkie ich transakcje w jedną linię. Aby to zrobić, dodajemy wartość Client do wierszy .
   

4. Teraz musimy policzyć, ile zamówień złożył każdy klient. Aby to zrobić, dodaj datę zakupu do wartości (po prostu nie zapomnij wskazać COUNTA w kolumnie Podsumowanie).

5. Następnie oblicz łączną wartość wszystkich zamówień dla każdego klienta. Aby to zrobić, dodaj Kwotę zakupu do wartości, a w kolumnie Podsumuj według wskaż SUMA .
   

6. Teraz musimy obliczyć datę ostatniego zakupu dla każdego klienta. Aby to zrobić, dodaj datę zakupu do wartości i podaj MAX na znanym nam wykresie.

To tyle do przygotowania analizy. Teraz musimy przenieść te dane na nową stronę, aby obliczyć wartości RFM.

7. Najpierw zmień nazwy kolumn na Customer , Last purchase date , Order frequency , Number of orders , and Purchase Amount .​Teraz przechodzimy do głównej części analizy. Korzystając ze wzoru = DZIŚ () – obliczamy ile dni temu klient dokonał ostatniego zakupu. To będą dane dla naszej wartości R (ostatnia):

8. W tym momencie mamy wszystkie dane dotyczące aktualności, częstotliwości (liczba zamówień) i wartości pieniężnej (kwota). Teraz przypiszemy wartości od 1 do 3 (zgodnie z powyższymi kryteriami) na podstawie tych danych.

Zacznijmy od wartości dla Recency. Pierwszą rzeczą, którą musimy zrobić, to obliczyć, jak długo 33% i 66% naszych klientów kupowało u nas. Można to łatwo zrobić za pomocą wzoru = PERCENTYL.PRZEDZ.OTW. (C2: C12; 0,33) i = PERCENTYL.PRZEDZ.CYL. (C2: C12; 0,66) . Teraz wiemy, że 33% klientów kupiło nasze produkty mniej niż 61 dni temu, a 66% kupiło ponad 93 dni temu.​

9. W związku z tym przypisujemy klientom, którzy kupili mniej niż 61 dni temu najwyższą wartość 3. Tym, którzy złożyli zamówienie od 61 do 93 dni temu, przypisujemy wartość 2. Pozostałym, którzy kupili więcej niż 93 dni temu, przypisujemy wartość 1. Wszystko to można automatycznie obliczyć ze wzoru = JEŻELI (C2 <61; 3; JEŻELI (C2 <93; 2; 1)).

10. Na tej samej zasadzie obliczamy wartości dla F (Częstotliwość) i M (Wartość pieniężna): najpierw obliczamy, ile razy 33% i 66% klientów dokonało zakupu i na podstawie wyników przypisujemy wartości od 1 do 3.​

11. Dla większej przejrzystości obliczamy wartość RFM, łącząc wszystkie trzy wartości dla każdego klienta. Możemy to zrobić za pomocą wzoru = D2 * 100 + F2 * 10 + H2 .
    

Otóż ​​to. Wszystkie niezbędne obliczenia do analizy RFM wykonaliśmy w Arkuszach Google (lub Excel). Pamiętaj, że chociaż te formuły pomagają zautomatyzować niektóre błędne obliczenia, nadal musisz poświęcić dużo czasu na obliczanie RFM.

Jeśli jednak cenisz swój czas i czas swoich pracowników lub masz dużą bazę danych, polecamy wykonanie analizy RFM za pomocą OWOX BI. Jeśli nie jesteś jeszcze użytkownikiem OWOX BI, możesz wypróbować wszystkie funkcje za darmo.

Kiedy wszystkie obliczenia są gotowe i dokonałeś segmentacji klientów, czas przejść do części marketingowej.

Grupując klientów według wartości RFM, możesz natychmiast uzyskać pełny obraz tego, co dzieje się z Twoją bazą klientów. Spójrzmy na przykłady niektórych grup klientów.

Grupa 3R-3F-3M – najaktywniejsi, kupuj często

To są Twoi idealni klienci. Możesz zwiększyć swoje zaangażowanie, uruchamiając program lojalnościowy, zapraszając na specjalne wydarzenia, czy pytając o to, jak chcieliby, aby firma się rozwijała. Ważne jest, aby pokazać tym klientom, że są szanowanymi i mile widzianymi użytkownikami.

Grupa 1R-1F-1M – najmniej aktywna, kupiona raz/nigdy, mało wydana

Chociaż ci klienci wydają się najmniej obiecujący, nie powinieneś ich całkowicie skreślać: przynajmniej raz wykazali zainteresowanie Twoimi produktami. Najczęściej marketerzy przygotowują specjalne prowokacyjne komunikaty, aby podzielić tych klientów na „zdecydowanie niezainteresowanych produktem” i „obiecujących”. Obiecujący klienci mogą zostać przeniesieni do następnej kategorii.

1 w jednej z kategorii

Niektórzy z Twoich klientów mogą mieć wartość 122 (słaba aktualność). Ten segment powinien mieć trochę czasu na podjęcie decyzji o powrocie do Ciebie. Staraj się oferować im produkty, które są zwykle kupowane razem z tymi, które kupili wcześniej, aby wzbudzić ponowne zainteresowanie Twoją firmą.

3 w jednej z kategorii

Ci użytkownicy stanowią obiecujący segment dla Twoich badań. Są na tyle konsekwentne, że możesz eksperymentować i znaleźć odpowiedni sposób na podniesienie innych wskaźników.

Metodologia RFM nie jest absolutna, ale jest niezwykle przydatnym narzędziem do analizy bazy klientów. Przy odrobinie pracy zobaczysz, jak indywidualnie podejść do swoich klientów.

Jednocześnie pamiętaj, że na dane mają wpływ pory roku, promocje i święta. Jeśli klient z bogatą historią zakupów w bieżącym miesiącu nie kupi niczego w następnym miesiącu, nie oznacza to, że powinieneś od razu przenieść go do innego segmentu. Być może to tylko efekt sezonowości i po jakimś czasie wrócą do zakupów.

Jeśli nadal masz pytania, zadaj nam je w komentarzach poniżej :)

A jeśli chcesz dowiedzieć się więcej o Google Analytics i innych narzędziach analitycznych, zapisz się do naszego newslettera. Co miesiąc otrzymasz przydatne wskazówki dla nowoczesnych marketerów i analityków.