تحلیل مشتریان با RFM چیست
تحلیل RFM در بخش بندی مشتریان چیست؟
سه شنبه, ۸ تیر , ۱۴۰۰

مدیران خردمند اهمیت شناخت مشتری را درک می‌کنند و بر حفظ، وفاداری و ایجاد روابط با مشتری تلاش می‌کنند. متدولوژی RFM شیوه ای برای تجزیه و تحلیل بازاریابی است که برای شناسایی بهترین مشتریان یک شرکت یا یک سازمان استفاده می‌شود. به جای تجزیه و تحلیل کل مشتریان، بهتر است آنها را به گروه‌های مختلف تقسیم کنید ، صفات مشترک بین اعضای هر گروه را پیدا کنید و برای هدفگیری هر کدام کمپین تبلیغاتی مجزا طراحی کنید نه اینکه آن‌ها را صرفا بر اساس معیارهایی مثل سن، جنسیت یا موقعیت جغرافیای دسته بندی کنید. یکی از محبوب ترین، آسان ترین و موثرترین روش‌های تقسیم بندی مشتریان برای بازاریابان تحلیل RFM است. این متدولوژی بر اساس کشف عادات خرید مشتریان کار می‌کند. RFM سرواژه ای برای کلمات Recency, Frequency and Monetary است و بر اساس سه معیار کمی ساخته شده است:

شاخص های متد RFM
  • زمان آخرین خرید (Recency): آخرین باری که مشتری خرید کرده است کی بوده؟
  • تکرار خرید (Frequency): یک مشتری هر چند وقت یک بار خرید می‌کند؟
  • ارزش پولی خرید (Monetary): هر مشتری چه مقدار پول در هر خرید خرج می‌کند؟

 

مدل تجزیه و تحلیل RFM به هر مشتری در هر یک از این دسته بندی‌ها عددی بین ۱ تا ۵ اختصاص می‌دهد که نمره بالاتر ارزش بیشتری دارد. تجزیه و تحلیل RFM به شرکت‌ها کمک می‌کند تا پیش بینی کنند که چه مشتریانی احتمالاً در آینده دوباره خرید می‌کنند، چه میزان درآمد از طریق مشتریان جدید خواهد بود و آن را با میزان درآمد از مشتریان ثابت مقایسه کنند و دریابند که چگونه خریداران موردی را به مشتریان دائمی تبدیل کنند.

 

 

مثالی از تحلیل RFM

 

فرض کنید که ما با استفاده از مدل  RFMمی‌خواهیم ۱۵ مشتری موجود در جدول زیر را دسته بندی کنیم.

ابتدا با دسته بندی آن‌ها در حوزه زمان آخرین خرید (Recency) شروع می‌کنیم.

همانطور که در جدول زیر مشاهده می‌کنید، مشتریان را بر اساس کوتاه ترین فاصله زمانی از آخرین خرید طبقه بندی کرده ایم و جدیدترین خریداران در بالای صفحه قرار دارند. از آنجایی که به مشتریان بین ۱ تا ۵ امتیاز اختصاص داده می‌شود، ۲۰٪ مشتریان برتر (مشتری ۱۲ ، ۱۱ ، ۱) امتیاز ۵، ۲۰٪ بعدی (۳ مشتری بعدی ۱۵ ، ۲ ، ۷) امتیاز ۴ کسب می‌کنند و به همین صورت جلو می‌رویم.

به همین ترتیب، می‌توانیم مشتریان را براساس تکرار خرید از بیشترین تا کمترین مقدار مرتب سازی کنیم و به ۲۰ درصد بالای جدول امتیاز۵، به ۲۰ درصد دوم امتیاز ۴ و … اختصاص دهیم. برای ارزش پولی خرید ، به ۲۰٪ مشتریان بالای جدول، امتیاز ۵ و به ۲۰% آخر جدول امتیاز ۱ اختصاص می‌یابد. امتیازات Frequency  و Monetary به صورت زیر خلاصه می‌شود:

در آخر مشتریان با میانگین گیری بدون وزن از امتیازات کسب شده رتبه بندی می‌شوند تا به یک امتیاز RFM کلی برسند. این امتیاز در جدول زیر نمایش داده شده‌اند:

این روش ساده برای مقیاس گذاری مشتری، حداکثر منجر به ۱۲۵ امتیاز مختلف (۵x5x5) می‌شود که از ۱۱۱ (کمترین  امتیاز) تا ۵۵۵ (بیشترین امتیاز) را در بر می‌گیرد.

 

 

سوال بعدی که مطرح می‌شود این است: آیا منصفانه است که برای هر مشتری میانگین نمرات RFM را بدست آوریم و آنها را دسته بندی کنیم؟

 

بسته به ماهیت کسب و کار خود، ممکن است وزن هر متغیر RFM را بسته به میزان اهمیتش برای رسیدن به امتیاز نهایی کم یا زیاد کنید. مثلا:

  • در یک کسب و کار که فروشنده کالاهایی است که مدت زمان طولانی مورد استفاده قرار می‌گیرند، ارزش پولی هر خرید به طور معمول زیاد است اما امتیاز تکرار خرید و زمان آخرین خرید کم است. به عنوان مثال، شما نمی‌توانید انتظار داشته باشید که مشتری به طور ماهانه یخچال یا کولر خریداری کند. در این حالت، می‌توانید بیشتر از جنبه تکرار خرید و زمان آخرین خرید، به ارزش پولی خرید وزن بیشتری دهید.
  • در مشاغل خرده فروشی لباس و لوازم آرایشی و یا فروشگاه‌های اینترنتی، مشتری ای که هر ماه محصولات جدید را سرچ و خریداری می‌کند، امتیاز بالاتری در تکرار خرید و زمان آخرین خرید در مقایسه با ارزش پولی خرید کسب می‌کند. بر این اساس، امتیاز RFM می‌تواند با دادن وزن بیشتر به نمرات R و F نسبت به M محاسبه شود.

 

 

تجزیه و تحلیل دسته بندی های RFM

 

بیایید نگاهی به چند بخش بندی رایج مشتریان که در نتیجه استفاده از تحلیل RFM ایجاد می‌شود نگاهی بیاندازیم.

  1. قهرمانان: افراد این دسته بهترین مشتریان شما هستند که به تازگی خرید کرده‌اند، دفعات زیادی خرید می‌کنند و هر دفعه هم مبلغ زیادی خرج می‌کنند. به این مشتریان پاداش دهید. آنها می‌توانند اولین دریافت کننده محصولات جدید باشند و به شناخته شدن برند شمت کمک کنند.
  2. وفاداران بالقوه: افراد این دسته مشتری‌های اخیر شما با تکرار دفعات خرید به میزان متوسط هستند و مقدار خوبی هزینه کرده‌اند. برنامه‌های عضویت در باشگاه مشتریان یا افزایش وفاداری را برای این گروه در نظر بگیرید یا محصولات مرتبط به آن‌ها پیشنهاد دهید تا آن‌ها را به مشتریان وفادار یا قرمان تبدیل کنید.
  3. مشتریان جدید: این افراد مشتریان جدید هستند که امتیاز کلی RFM بالایی دارند اما تعداد دفعات خریدشان کم است. با ارائه پیشنهادهای ویژه برای افزایش بازدید آنها از فروشگاه، با این مشتریان ارتباط برقرار کنید.
  4. مشتریان در معرض خطر: مشتریانی هستند که قبلا به دفعات مکرر از شما خرید می‌کردند و در هر خرید مبالغ زیادی خرج می‌کردند، اما اخیراً خریدی نکرده‌اند. برای بازگردانی آنها کمپین‌های فعال سازی مجدد برایشان ارسال کنید و محصولات جدید و محصولاتی که قبلا سفارش می‌دادند را با شرایط ویژه به صورت شخصی سازی شده برای تشویقشان به ثبت سفارش ارسال کنید.
  5. مشتریانی که نباید از دست بروند: مشتریانی هستند که قبلاً اغلب بازدید و خرید می‌کردند، اما اخیراً هیچ بازدید و خریدی نکرده‌اند. آنها را با تبلیغات مربوطه بازگردانید و از آن‌ها نظرسنجی کنید تا متوجه شوید چه اشتباهی رخ داده است و جلوی جذب شدن آن‌ها به رقیبان را بگیرید.

 

 

تحلیل RFM به چه سوالاتی پاسخ می دهد؟

 

تجزیه و تحلیل RFM به بازاریابان کمک می‌کند تا پاسخ به سوالات زیر را پیدا کنند:

  • بهترین مشتریان شما چه کسانی هستند؟
  • کدام یک از مشتریان شما پتانسل رویگردانی دارند؟
  • چه کسی پتانسیل تبدیل شدن به مشتری با ارزش را دارد؟
  • کدام یک از مشتریان از دست رفته شما را می‌توان برگرداند؟
  • کدام یک از مشتریان شما به احتمال زیاد به کمپین‌های تبلیغاتی پاسخ می‌دهند؟

 

 

نتیجه گیری

 

تحلیل RFM یک روش داده محور برای تقسیم بندی مشتریان است که به بازاریابان امکان تصمیم گیری تاکتیکی را می‌دهد. RFM بازاریابان را قادر می‌سازد تا به سرعت کاربران را در گروه‌های همگن شناسایی و تقسیم بندی کرده و آنها را با استراتژی‌های بازاریابی متمایز و شخصی سازی شده هدف قرار دهند. این به نوبه خود باعث بهبود تعامل و حفظ مشتری می‌شود.

 

 

 

منبع

نام نویسنده:
به اشتراک بگذارید:
نمودار
مرجع رسمی هوش تجاری و علم داده | نمودار اولین مرجع تخصصی Power BI
مقالات مرتبط
پیش پردازش داده - data preprocessing
پیش پردازش داده ها در داده کاوی
پیش پردازش داده (Data Preprocessing) به مراحلی گفته میشود که در آن داده ها برای داده کاوی آماده میشود. لازم به ذکر است که این مراحل جز مهم ترین گام ها در داده کاوی هستند. پس باید با دقت با مفهوم آن آشنا شد. در این مطلب قصد داریم شما را با روش‌های مختلفی که [...]
نقشه راه دانشمند داده
نقشه راه دانشمند داده

طبق گزارشات منابع معتبر، دانشمند داده یکی از محبوب ترین مشاغل در سال‌های اخبر است. قبلا در این مقاله در مورد علم داده صحبت کردیم. حال در این یادداشت قصد داریم در مورد فرایند دانشمند داده شدن، صحبت کنیم. فرآیند دانشمند داده شدن ساده نیست و مستلزم زمان و تلاش فراوان می‌باشد و اگر واقعا […]

نظرات