Articles

Ecom dataserie: Vad är RFM-segmentering?

gör ecommerce Data Science begrepp enkla ett ämne i taget.

enkel, effektiv marknadsföring segmentering som förbättrar öppnar, klick och omvandlingar

Ecom Data Talk Episode 2: Vad är RFM segmentering?

traditionellt har marknadsförare skapat segmentering baserat på demografi. Men de flesta e-handelsvarumärken föredrar idag att tillämpa datavetenskap för att utveckla beteendesegmentering baserat på köpbeteenden. Till exempel, vilka produkter tittar de på / köper bisexuell? Vilken väg (er) tog de för att komma till din webbplats bisexuell? (medvetenhet vs. avsikt). Dessutom, vad är deras nivå av engagemang bisexuell (användning/öppnar/klick/visningar)?

vad är fördelen med segmentering? Medan det finns många, jag listar mina tre bästa här:

  1. fokuserad& personlig marknadsföring
  2. lägre marknadsföringskostnader
  3. bättre produktutveckling

gruppering av kunder baserat på beteende möjliggör kontextualiserad marknadsföring istället för e-postblaster, vilket i sin tur sänker marknadsföringskostnaderna. Genom att rikta in en fokuserad delmängd av kunder (ett segment!) med liknande attribut kommer du sannolikt att få bättre öppna priser, högre omvandlingar och avkastning på ad-spendera (ROAS). Bäst av allt kan du tillgodose framtida produkter till dina kunders smak.

RFM är en datamodelleringsmetod som används för att analysera kundvärde. Det står för recency, frequency och monetary, som bara är tre mätvärden som beskriver vad dina kunder gjorde. Recency mäter tiden (vanligtvis i dagar) mellan när din kund senast beställde till idag. Frekvens mäter hur många totala order kunderna hade, och monetär är det genomsnittliga beloppet de spenderade från dessa order.

foto av hoster on Unsplash

RFM startade i dagarna med direktmarknadsföring och är fortfarande ett av de enklaste och mest effektiva verktygen inom detaljhandel och e-handel idag. För att skapa RFM måste du omvandla dina data och tilldela en poäng från hög till låg. Här är ett enkelt exempel med tre nivåer (hög, medium, låg) — sortera dina kunders beställningar i en kolumn och tilldela en poäng på 3 för kunder med nollorder, ett värde på 2 för kunder med en order och 1 för kunder med 2 eller fler beställningar, eller upprepa kunder. Detta ger dig din frekvensmått. Sedan upprepar du denna process för senaste och monetära. I slutändan kommer du att sluta med tre värden, en för varje pelare i RFM som beskriver hur värdefull varje kund är, med en som är bäst.

Varför spelar RFM Roll? Varför ska jag bry mig?

RFM är viktigt eftersom det gör att du kan sortera och ordna dina kunder från bästa till värsta snabbt, och det är mycket effektivt för att beskriva kundbeteende. Med RFM-poäng kan du skapa många användbara kundsegment. Vi börjar med MVP som är dina bästa kunder med toppbetyg på alla tre dimensioner. Höga utgifter nya kunder som poäng högt på recency och monetära, men låg frekvens eftersom de har köpt bara nyligen. På motsatt spektrum har du högt värde churn kunder som inte har köpt på ett tag. De kommer att göra höga poäng på recency och monetär, men låg på recency. Slutligen, lågt värde kunder som får låga poäng på alla tre dimensioner, och är osannolikt att vara värt någonting. Du kan spara pengar på marknadsföring genom att undertrycka dessa användare och förbättra öppna och klicka priser.

foto av Austin Distel on Unsplash

varför ska du bry dig? Vi har sett att de 5% av kunderna i genomsnitt spenderar 10x än alla andra och representerar en tredjedel av dina totala intäkter. Toppkunder tenderar att ha högre genomsnittligt ordervärde och mer benägna att bli lojala fans av ditt varumärke. Lojala fans tenderar att generera muntliga ord och hänvisningar, vilket gör dem mer värdefulla.

kort sagt, Du bör spendera mer tid på att göra dina bästa kunder nöjda, och RFM kan hjälpa dig att räkna ut var du ska fokusera och vad du ska göra.

Varför kan RFM göra för mig?

om du inte redan har gjort det, börja använda RFM för att skapa kundsegmentering för dina marknadsföringskampanjer och börja optimera. Du kan:

  • rulla ut den röda mattan för dina VIP.
  • design vårdande kampanjer för kunder som mest sannolikt att köpa.
  • skapa personliga erbjudanden och påminnelser för kunder som håller på att churn.
  • re-target churned högt värde kunder att vinna dem tillbaka.

foto av Alvaro Reyes på Unsplash

det finns många fler användningsfall för RFM. Du kommer att kunna skapa mer relevanta, kontextualiserade kampanjer som riktar sig till olika kunder på olika sätt. Segmentering fungerar för att förbättra öppnar och klick, samt ta in mer marknadsföring dollar. Om du inte gör det ännu, borde du absolut vara det. En av våra kunder hittade 20% fler värdefulla kunder att rikta under sin årliga planering tack vare RFM.

Sammanfattningsvis står RFM för recency, frequency och monetary, med recency som den viktigaste. Varför? Det beror på att online shopping är en icke-avtalsmässig kommersiell handling, med människor fria att komma och gå som de vill. Du kan bara anta att en kund är ”levande” och intresserad av dig när de har sagt det till dig med ett nytt köp.

hitta din RFM. Börja sortera dina kunder från bästa till värsta och bygga dessa segment i dina marknadsföringsaktiviteter!

glöm inte, data är makt, och vi vill ge e-handel data befogenheter tillbaka till folket. Gå med och börja växa med dina data idag.

Tillverkad av segment

hitta oss på LinkedIn eller Facebook.

ursprungligen publicerad på tresl.co

Peter S. Fader Bruce G. S. Hardie Ka Lok Lee, RFM och CLV: använda ISO-Värdekurvor för Kundbasanalys (2004)

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *