Análise RFM: Saiba mais sobre seus clientes e segmentação RFM

Neste artigo, vamos dar uma olhada na análise RFM (recência, frequência, valor monetário), que é baseada no comportamento de grupos de clientes (ou segmentos ). Este método de análise permite estudar o comportamento dos usuários e como eles fazem pagamentos. Como resultado, você receberá informações valiosas para marketing direto.

A análise RFM permite segmentar os clientes pela frequência e valor das compras e identificar os clientes que gastam mais dinheiro.

• Recência – quanto tempo faz desde que um cliente comprou algo de você
• Frequência – com que frequência um cliente compra de você
• Valor monetário – o valor total das compras que um cliente fez

De acordo com essas métricas, é possível dividir seus clientes em grupos para entender quais clientes compram muitas coisas com frequência, quais compram poucas coisas, mas com frequência e quais não compram há muito tempo.

Como regra, apenas uma pequena porcentagem de clientes responde a ofertas promocionais gerais. O RFM é um excelente método de segmentação para prever as respostas dos clientes, melhorar as interações e aumentar os lucros. O RFM usa dados de comportamento do cliente para determinar como trabalhar com cada grupo de clientes.

A essência da análise de RFM é dividir os clientes em grupos com base em quão recentemente eles fizeram sua última compra, com que frequência eles compram coisas e o valor médio de seus pedidos. Para cada uma dessas métricas, atribuímos clientes a um dos três grupos, que recebem um número de 1 a 3.

Recência:

• 1 – clientes de longa data.
• 2 – clientes relativamente recentes.
• 3 – clientes recentes.

Frequência:

• 1 – raramente compra (pedidos únicos).
• 2 – compras com pouca frequência.
• 3 – compras com frequência.

Valor monetário

• 1 – baixo valor das compras.
• 2 – valor médio das compras.
• 3 – alto valor das compras.

Os clientes recebem valores RFM concatenando seus números para Recência, Frequência e Valor monetário. Por exemplo, o cliente 111 fez um pedido com um valor monetário baixo há muito tempo. O cliente 333, por outro lado, geralmente faz pedidos de grande valor e fez uma compra recentemente. Clientes com 3 em cada categoria são seus melhores clientes.

Existem duas maneiras convenientes de realizar a análise RFM: usando o OWOX BI e usando o Excel (ou Google Sheets).

Ao contrário do Excel, o OWOX BI permite calcular automaticamente o RFM.

A fonte de dados para esta análise é uma tabela ou visualização no Google BigQuery com dados sobre cada pedido com os seguintes campos:

• userId – o ID de usuário do cliente no banco de dados do site / ERP.
• receita – receita do pedido.
• criado – data de criação do pedido.

Etapa 1 . Recomendamos o uso de dados de pedidos confirmados do seu ERP. Você pode exportar facilmente esses dados para o BigQuery usando o OWOX BI Pipeline.

Etapa 2 . OWOX BI também oferece a oportunidade de personalizar a importação dos resultados da análise RFM para o Google Analytics. Isso permitirá que você:

• Crie novos relatórios e segmentos personalizados no Google Analytics para uma análise mais aprofundada do público-alvo usando informações adicionais sobre os usuários
• Use a análise de RFM para criar públicos de remarketing para o Google Ads, boletins informativos por e-mail e programas de fidelidade

Etapa 3 . A configuração da importação de dados de análise RFM para o Google Analytics do Google BigQuery consiste em duas etapas:

1. Configurando um recurso da web do Google Analytics.
2. Criando um fluxo no OWOX BI Pipeline.

Vamos dar uma olhada nos dois últimos pontos.

1. Crie Dimensões Personalizadas no nível do usuário para armazenar os resultados da análise RFM (Definições Personalizadas → Dimensões Personalizadas → +Nova Dimensão Personalizada ):

2. Crie um conjunto de dados para importar dados para o Google Analytics (Importação de dados → Novo conjunto de dados) :
   

• Especifique o comportamento de importação como tempo de consulta. Isso permitirá que você combine dados importados com dados históricos; caso contrário, os dados serão mesclados apenas com os hits coletados no Google Analytics após o download dos resultados da análise RFM. Observe que a importação de tempo de consulta está disponível apenas para usuários do Google​

• Em seguida, nomeie o conjunto de dados e determine a lista de visualizações nas quais os dados importados estarão disponíveis:​
  

• Por fim, defina um esquema de dados e salve o conjunto de dados:​

É isso. Agora você configurou as configurações de propriedade da web do Google Analytics para importar dados. Agora você pode prosseguir com a importação.

1. Prepare uma consulta SQL que retornará os dados na estrutura correta .

2. Crie um fluxo no OWOX BI Pipeline conforme instruído aqui .

Aguarde até que os dados apareçam no Google Analytics:

Tudo está pronto. OWOX BI realizará automaticamente a análise RFM sem exigir muito envolvimento de você.

1. Para calcular o RFM no Excel, comece baixando os dados da transação do seu CRM: nome do cliente, data da compra e valor da compra:​
   

2. Para determinar a data da última compra de cada cliente, quantas vezes o cliente comprou de você no total e o valor monetário total de todos esses pedidos, use uma tabela dinâmica.
   

3. Como alguns clientes no CRM podem nunca ter comprado algo, precisamos combinar todas as suas transações em uma única linha. Para fazer isso, adicionamos o valor Cliente nas Linhas .
   

4. Agora precisamos contar quantos pedidos cada cliente fez. Para fazer isso, adicione Data de Compra aos Valores (só não esqueça de indicar COUNTA na coluna Resumir).

5. Em seguida, calcule o valor total de todos os pedidos para cada cliente. Para fazer isso, adicione Valor da compra em Valores e, na coluna Resumir por , indique SOMA .
   

6. Agora temos que calcular a data da última compra para cada cliente. Para fazer isso, adicione Data de Compra aos Valores e especifique MAX no gráfico já conhecido por nós.

Isso é tudo para a preparação da análise. Agora precisamos transferir esses dados para uma nova página para calcular os valores RFM.

7. Primeiro, renomeie as colunas como Cliente , Data da última compra , Frequência do pedido , Número de pedidos e Valor da compra . Agora vamos para a parte principal da análise. Usando a fórmula = HOJE () - calculamos há quantos dias um cliente fez sua última compra. Estes serão os dados para o nosso valor R (recência):

8. Neste ponto, temos todos os dados sobre Recência, Frequência (número de pedidos) e Valor monetário (quantidade). Agora vamos atribuir valores de 1 a 3 (de acordo com os critérios mencionados acima) com base nesses dados.

Vamos começar com os valores para Recência. A primeira coisa que precisamos fazer é calcular quanto tempo 33% e 66% de nossos clientes compraram de nós. Isso é feito facilmente usando a fórmula = PERCENTILE.INC (C2: C12; 0,33) e = PERCENTILE.INC (C2: C12; 0,66) . Agora sabemos que 33% dos clientes compraram nossos produtos há menos de 61 dias e 66% compraram há mais de 93 dias.​

9. Assim, atribuímos aos clientes que compraram há menos de 61 dias o valor mais alto de 3. Aos que fizeram uma encomenda de 61 a 93 dias atrás é atribuído o valor de 2. Aos restantes, que compraram há mais de 93 dias, atribuímos um valor de 1. Tudo isso pode ser calculado automaticamente com a fórmula = SE (C2 <61; 3; SE (C2 <93; 2; 1)).

10. Usando o mesmo princípio, calculamos os valores de F (Frequência) e M (Valor monetário): primeiro, calculamos quantas vezes 33% e 66% dos clientes fizeram uma compra e, com base nos resultados, atribuímos valores de 1 a 3.

11. Para maior clareza, calculamos o valor RFM concatenando todos os três valores para cada cliente. Podemos fazer isso usando a fórmula = D2 * 100 + F2 * 10 + H2 .
    

É isso. Fizemos todos os cálculos necessários para análise de RFM no Google Sheets (ou Excel). Tenha em mente que, embora essas fórmulas ajudem a automatizar alguns erros de cálculo, você ainda precisa gastar muito tempo calculando o RFM.

Mas se você valoriza seu tempo e o tempo de seus funcionários, ou se você tem um grande banco de dados, recomendamos realizar a análise de RFM usando OWOX BI. Se você ainda não é usuário do OWOX BI, pode experimentar todas as funcionalidades gratuitamente.

Quando todos os cálculos estiverem prontos e você segmentar seus clientes, é hora de passar para a parte de marketing.

Ao agrupar os clientes por valores de RFM, você pode obter imediatamente uma visão completa do que está acontecendo com sua base de clientes. Vejamos exemplos de alguns grupos de clientes.

Grupo 3R-3F-3M – o mais ativo, compre com frequência

Esses são seus clientes ideais. É possível expandir seu envolvimento com eles lançando um programa de fidelidade, convidando-os para eventos especiais ou perguntando como eles gostariam que a empresa se desenvolvesse. É importante mostrar a esses clientes que eles são respeitados e dar boas-vindas aos usuários.

Grupo 1R-1F-1M – o menos ativo, comprou uma vez/nunca, gastou pouco

Embora esses clientes pareçam ser os menos promissores, você não deve descartá-los completamente: eles demonstraram interesse em seus produtos pelo menos uma vez. Na maioria das vezes, os profissionais de marketing preparam mensagens provocativas especiais para dividir esses clientes em “definitivamente desinteressados ​​pelo produto” e “promissores”. Clientes promissores podem ser transferidos para a próxima categoria.

1 em uma das categorias

Alguns de seus clientes podem ter um valor de 122 (lame Recency). Este segmento deve ter um pouco de tempo para decidir sobre o retorno para você. Tente oferecer a eles produtos que geralmente são comprados junto com aqueles que eles compraram anteriormente para despertar um interesse renovado em sua empresa.

3 em uma das categorias

Esses usuários são um segmento promissor para sua pesquisa. Eles são consistentes o suficiente para você experimentar e encontrar uma maneira adequada de aumentar seus outros indicadores.

A metodologia RFM está longe de ser absoluta, mas é uma ferramenta extremamente útil para analisar sua base de clientes. Com apenas um pouco de trabalho, você verá como ter uma abordagem individual para seus clientes.

Ao mesmo tempo, lembre-se de que os dados são influenciados por temporadas, promoções e feriados. Se um cliente com um extenso histórico de compras para o mês atual não comprar nada no mês seguinte, isso não significa que você deva transferi-lo imediatamente para outro segmento. Talvez isso seja apenas o efeito da sazonalidade e, depois de um tempo, eles voltem a comprar.

Se você ainda tiver dúvidas, pergunte-nos nos comentários abaixo :)

E se você quiser saber mais sobre o Google Analytics e outras ferramentas de análise, assine nossa newsletter. Todos os meses, você receberá dicas úteis para profissionais de marketing e analistas modernos.