eCommerce Data Science Concepten één onderwerp per keer eenvoudig maken.

traditioneel creëerden marketeers segmentatie op basis van Demografie👨 👩 🐈 👶. Echter, de meeste e-commerce merken vandaag de voorkeur aan het toepassen van data science om gedragssegmentatie op basis van aankoop gedrag te ontwikkelen. Bijvoorbeeld, welke producten zijn ze bekijken/kopen 🛒? Welk pad (en) hebben ze genomen om naar uw website 📍? (bewustzijn vs. Intentie). Bovendien, Wat is hun niveau van betrokkenheid 🖱 ️ (gebruik / opent/klikt/weergaven)?

Wat is het voordeel van segmentatie? Hoewel er veel zijn, zal ik mijn top drie hier opnoemen:

1. gerichte & gepersonaliseerde marketing
2. lagere marketingkosten
3. betere productontwikkeling

het groeperen van klanten op basis van gedrag maakt contextualiseerde marketing in plaats van e-mail blasts mogelijk, wat op zijn beurt de marketingkosten verlaagt. Door zich te richten op een gerichte subset van klanten (een segment!) met soortgelijke attributen krijgt u waarschijnlijk betere open rates, hogere conversies en return-on-ad-spend (ROAS). Het beste van alles kunt u toekomstige producten tegemoet te komen aan de smaak van uw klanten.

RFM is een datamodelleringsmethode die wordt gebruikt om de waarde van de klant te analyseren. Het staat voor recentheid, frequentie, en monetaire, die slechts drie statistieken die beschrijven wat uw klanten deden. Recentheid meet de tijd (meestal in dagen) tussen wanneer uw klant voor het laatst besteld tot vandaag. Frequentie meet hoeveel totale bestellingen de klanten hadden, en monetair is het gemiddelde bedrag dat ze besteed van deze bestellingen.

RFM begon in de dagen van direct marketing en blijft een van de eenvoudigste en meest effectieve hulpprogramma ‘ s in retail en e-commerce vandaag. Om RFM te maken, moet u uw gegevens transformeren en een score toewijzen van hoog naar laag. Hier is een eenvoudig voorbeeld met drie niveaus (hoog, gemiddeld, laag) – Sorteer de bestellingen van uw klanten in een kolom, en wijs een score van 3 toe voor klanten met nul bestellingen, een waarde van 2 voor klanten met één bestelling, en 1 voor klanten met 2 of meer bestellingen, of herhaal klanten. Dit geeft u uw frequentie metrische. Dan herhaal je dit proces voor recentheid en geld. Op het einde, je zal eindigen met drie waarden, een voor elke pijler van RFM die beschrijft hoe waardevol elke klant is, met een die de beste.

Waarom is RFM belangrijk? Wat kan mij dat schelen?

RFM is essentieel omdat u hiermee uw klanten snel kunt sorteren en rangschikken van het beste naar het slechtste, en het is zeer effectief in het beschrijven van klantgedrag. Met RFM-scores kunt u tal van nuttige klantsegmenten creëren. We beginnen met MVP ‘ s die uw beste klanten zijn met top scores op alle drie de dimensies. Hoge uitgaven nieuwe klanten die hoog scoren op recentheid en geld, maar laag op de frequentie, omdat ze hebben gekocht pas onlangs. Op het tegenovergestelde spectrum, heb je high-value churn klanten die niet hebben gekocht in een tijdje. Ze zullen hoog scoren op recentheid en geld, maar laag op recentheid. Tot slot, low-value klanten die lage scores krijgen op alle drie de dimensies,en zijn waarschijnlijk niets waard. U kunt geld besparen op marketing door het onderdrukken van deze gebruikers en het verbeteren van open en klik tarieven.

Waarom zou je? We hebben gezien dat de top 5% van de klanten gemiddeld 10x besteden dan iedereen, en vertegenwoordigen een derde van uw totale omzet. Top klanten hebben de neiging om een hogere gemiddelde orderwaarde, en meer kans om trouwe fans van uw merk te worden. Trouwe fans hebben de neiging om mond tot mond en verwijzingen te genereren, op termijn waardoor ze meer waarde.

kortom, U moet meer tijd besteden aan het gelukkig maken van uw topklanten, en RFM kan u helpen erachter te komen waar u zich moet concentreren en wat u moet doen.

Waarom kan RFM voor mij doen?

Als u dat nog niet hebt gedaan, start dan met RFM om klantsegmentatie te creëren voor uw marketingcampagnes en start met optimaliseren. U kunt:

• De rode loper uitrollen voor uw VIPs.
• ontwerp campagnes voor klanten die het meest waarschijnlijk kopen.
• maak gepersonaliseerde aanbiedingen en herinneringen voor klanten die op het punt staan om te charneren.
• Re-target gekarnde hoogwaardige klanten om hen terug te winnen.

er zijn veel meer use cases voor RFM. Je zult in staat zijn om meer relevante, contextualiseerde campagnes die verschillende klanten anders richten creëren. Segmentatie werkt te verbeteren opent en klikken, evenals brengen in meer marketing dollars. Als je het nog niet doet, moet je dat zeker zijn. Een van onze klanten vond tijdens haar jaarlijkse planning dankzij RFM 20% meer hoogwaardige klanten om zich op te richten.

samengevat staat RFM voor recentheid, frequentie en monetair, waarbij recentheid het belangrijkst is. Waarom? Dat komt omdat online winkelen is een niet-contractuele commerciële act, met mensen vrij om te komen en gaan wanneer ze willen. U kunt alleen aannemen dat een klant is “levend” en geïnteresseerd in u wanneer ze u hebben verteld dus met een recente aankoop.

Zoek uw RFM. Begin met het sorteren van uw klanten van beste tot slechtste en bouw die segmenten in uw marketingactiviteiten!

vergeet niet, data is macht, en we willen e-commerce data bevoegdheden terug te geven aan de mensen. Word lid van ons en begin vandaag nog met uw gegevens.

Made by Segments

Vind ons op LinkedIn of Facebook.

oorspronkelijk gepubliceerd op tresl.co

Peter S. Fader Bruce G. S. Hardie Ka Lok Lee, RFM and CLV: Using Iso-value Curves for Customer Base Analysis (2004)