Applying RFM Customer Segmentation to Your Business right now
RFM analysis is a handy method to find your best customers, understand their behavior, and then run targeted email/marketing campaigns to increase sales, satisfaction, and customer lifetime value.
Click here for English version

Pensate che una percentuale dei tuoi clienti esistenti è effettivamente inattiva e un'altra parte è andata persa. Sapete quanto è grande questa parte nel tuo database?

L'invio di un messaggio personalizzato per il gruppo di clienti genererà conversioni molto più elevate.

Non è così che dovrebbe essere?

Tutte le campagne di marketing dovrebbero prima analizzare il target e successivamente creare materiali promozionali che avranno importanza per quel pubblico.

L'analisi RFM è un metodo pratico per trovare i migliori clienti, capire il loro comportamento e poi lanciare campagne di email marketing mirate per aumentare le vendite, la soddisfazione  e il valore del cliente.

Customers / User segmentation isn’t something that is alien in the marketing world. The big brands have this down to a T, and the little guys are just waking up to the power behind having a laser-focused strategy – laser-focused on user segmentation.

– Neil Patel on how user segmentation works in content marketing

In che modo l'analisi RFM diventa utile?

Come avrete già capito, la matrice RFM serve proprio a identificare il potenziale nascosto nel nostro database clienti e a creare strategie di vendita online efficaci.

Photo by Henry & Co. on Unsplash
Quest'analisi considera la ricorrenza, la frequenza e i valori monetari per ogni cliente per poterli usare nelle campagne marketing ed è utilissima per capire la reattività dei clienti.

Quali sono le domande a cui risponde l'RFM?

  • Chi sono i miei migliori clienti?
  • Quali sono i clienti che sono sul punto di sfornare?
  • Chi ha il potenziale per essere convertito in clienti più redditizi?
  • Chi sono i clienti persi a cui non è necessario prestare molta attenzione?
  • Quali clienti dovete conservare?
  • Chi sono i tuoi clienti più fedeli?
  • Quale gruppo di clienti è più propenso a rispondere alla tua attuale campagna?

Rispondendo a queste domande, ed analizzando correttamente i dati, è possibile riuscire a sviluppare tecniche per aumentare le vendite online del proprio e-commerce, in modo pratico e misurabile.

RFM è un processo scientificamente provato

Quest'analisi è stata introdotta originariamente da Bult e Wansbeek nel 1995, ed è stata utilizzato in modo efficace dai marketer di cataloghi per ridurre al minimo i costi di stampa e spedizione, massimizzando al contempo i rendimenti.

Si basa sul principio di Pareto: l'80% dei risultati proviene dal 20% delle cause. Allo stesso modo, il 20% dei clienti contribuisce all'80% delle entrate totali.

Il principio di Pareto è al centro del modello RFM: le persone che hanno espresso una preferenza d'acquisto una volta, hanno maggiore probabilità di acquistare nuovamente, incremento le vendite online.

Concentrando gli sforzi su segmenti critici di clienti, è probabile che diano un ritorno sull'investimento molto più alto!

Colour Cluster!!!
Photo by Pierre Bamin / Unsplashc

Come calcolare i valori della RFM

Ti starai chiedendo come aumentare le vendite di prodotti sul tuo sito web, con l'utilizzo dei valori della RFM. È molto semplice se si raccolgono questi dati:

  • ID cliente / e-mail
  • Recenza (R) come giorni dall'ultimo acquisto: quanti giorni fa è stato il suo ultimo acquisto? Il valore è dato in giorni, dalla data di acquisto più recente, a partire da oggi.
  • Frequenza (F) come numero totale di transazioni: quante volte il cliente ha acquistato nel nostro negozio? Ad esempio, se qualcuno ha effettuato 5 ordini nel corso di un certo periodo, la loro frequenza è di 5.
  • Valore Monetario (M) come il totale dei soldi spesi: quanto ha speso un cliente? Basta effettuare una somma denaro di tutte le transazioni per ottenere il valore M.

La tabella seguente è un esempio di ciò che si dovrebbe ottenere dopo tutti i calcoli:

Customer ID Recency Frequency Monetary
CUS-123 5 5 1021
CUS-345 1 15 821
CUS-392 14 3 150
CUS-019 33 2 54
CUS-871 50 1 30

Il calcolo si basa su un intervallo di tempo, suggerisco un minimo di 3 mesi, ma può essere calcolato anche per un intervallo di tempo più lungo o per molti slot diversi.

Per esempio, è interessante calcolare la matrice RFM e confrontare i risultati dei 3 o 6 mesi precedenti.

Aumentare le vendite dai clienti acquisiti: Google Analytics ed Excel
Conoscere, poi, i segmenti di pubblico a cui stai vendendo o cercando di vendere il tuo prodotto, ti aiuta a parlare la loro lingua, a creare comunicazioni molto più efficaci, a comprendere i loro comportamenti e preferenze, agendo di conseguenza.
Esempio pratico e Template gratuito per calcolare i proprio segmenti di pubblico

Come calcolare gli score della RFM

Una volta che abbiamo i valori RFM, assegniamo un punteggio da uno a cinque a valori recenti, di frequenza e monetari individualmente per ogni cliente. Cinque è il valore più alto e uno è il valore più basso.

I valori RFM e i punteggi RFM sono diversi. Il valore è il valore effettivo di R/F/M per quel cliente, mentre il punteggio è un numero da 1 a 5 basato sul valore.

Per calcolare il punteggio, prima ordiniamo i valori in ordine decrescente (dal più alto al più basso) e impostiamo i punteggi. Gli acquisti più recenti sono considerati migliori e quindi viene assegnato un punteggio più alto.

Due metodi per calcolare i punteggi su una scala di 1-5 punti.

A seconda della tipologia del business di un'azienda, è possibile utilizzare diversi formule diverse per classificare i valori RFM su una scala da 1 a 5.

1 – Valori fissi

Esempio: Se qualcuno ha acquistato nelle ultime 24 ore, assegnategli 5. Negli ultimi 3 giorni, assegnategli 4. Assegnare 3 se ha acquistato entro il mese in corso, 2 per gli ultimi sei mesi e 1 per tutti gli altri.

La scala può essere adattata al singolo business, poiché sono loro a decidere quale gamma considerano ideale. Man mano che il business cresce, gli intervalli di punteggio possono richiedere frequenti aggiustamenti.

Se ci sono pagamenti ricorrenti ma con termini di pagamento diversi - mensili, annuali, ecc. – il calcolo potrebbe non essere corretto.

2 – Quantili

Consiste nel dividere in cinque parti uguali, in base ai valori disponibili, il numero totale dei clienti disponibili.

Se prendiamo, ad esempio, 100 clienti e dividiamo in cinque intervalli uguali, il punteggio di 18 cadrà nell'intervallo 0-20, che sarebbe il 1° quantile. Il valore percentile 51 cadrà nell'intervallo 50-75, e quindi il 4° quantile.

Rimane il metodo raccomandato per calcolare i punteggi perché risolve molti problemi nei metodi a range fisso e funziona con qualsiasi settore, poiché i range sono scelti in funzione dei dati stessi, distribuendo i clienti in modo uniforme.


Esempio di calcolo RFM basato su campi fissi

In questa tabella, come si può notare, ho calcolato il punteggio per la Recency, in funzione della tabella d'esempio mostrata poco sopra.

Customer ID Recency R-Score
CUS-345 1 5
CUS-123 5 4
CUS-392 14 3
CUS-019 33 2
CUS-871 50 1

In questa seconda tabella fissiamo il punteggio per la Frequenza.

Customer ID Frequency F-Score
CUS-345 15 5
CUS-123 5 4
CUS-392 4 3
CUS-019 2 2
CUS-871 1 1

Nell'ultima, stabiliamo i punteggi della Monetary.

Customer ID Monetary M-Score
CUS-123 1021 5
CUS-345 821 4
CUS-392 150 3
CUS-019 54 2
CUS-871 30 1

Ora, possiamo mettere tutti gli score insieme e raggruppare i punteggi identificando chi ha acquistato di recente. Il segmento 555, mostra i clienti che acquistano più di frequente e spendono molto di più rispetto agli altri - Recency(R) - 5, Frequenza(F) - 5, Monetaria(M) - 5.

Customer ID R-Score F-Score M-Score
CUS-345 5 5 4
CUS-123 4 4 5
CUS-392 3 3 3
CUS-019 2 2 2
CUS-871 1 1 1

La comprensione di 50 segmenti di clienti può essere difficile, ma possiamo riassumerli in 11 segmenti di clienti nella seguente tabella.

Customer SegmentRecency Score RangeFrequency & Monetary Combined Score Range
Champions4-54-5
Loyal Customers2-53-5
Potential Loyalist3-51-3
Recent Customers4-50-1
Promising3-40-1
Customers Needing Attention2-32-3
About To Sleep2-30-2
At Risk0-22-5
Can’t Lose Them0-14-5
Hibernating1-21-2
Lost0-20-2

– Article Series

Customer Segmentation for boosting E-commerce Sales

Ho scritto serie di articoli su come aumentare le vendite online iniziando con la segmetazione della propria customer base. Gli articoli sono molto semplici da leggere, descrittivi e pratici: sono presenti flussi di marketing autoamtion, funnels e altre tattiche applicabili subito.