RFM Analyse

RFM Analyse

Een database vol informatie over contacten, maar wat doen we er nu écht mee? Het zou heel erg helpen om contacten op te delen in groepen, zodat we per groep kunnen bepalen hoe we ermee omgaan. Er zijn uiteraard meerdere manieren om te segmenteren, maar voor ons staat de RFM-analyse bovenaan. Een RFM-analyse is in staat om klanten in segmenten in te delen op basis van de waarde die zij vertegenwoordigen.

RFM staat voor Recency, Frequency en Monetary Value. RFM kent waardes toe op basis van hoe recent een klant een aankoop heeft gedaan, hoe vaak er een aankoop is gedaan en hoeveel geld hiermee gemoeid was.

Recency: Aantal dagen sinds de laatste transactie.
Frequency: Aantal transacties in de afgelopen periode.
Monetary value: Totale waarde van de transacties.

Voordelen van RFM-analyse

√ Personalisatie: relevante en gepersonaliseerde content aanbieden
√ Sluit naadloos aan op jouw dataset
√ Vestig je aandacht op de juiste contactpersonen

Hoe bereken je RFM?

In een RFM-analyse scoort iedere contactpersoon op Recency, Frequency en Monetary Value. We hanteren hierbij 1 als minimum en 5 als maximum. Hierbij mag je ervan uitgaan dat een klant met 1-1-1 het minst waardevol is en 5-5-5 het meest waardevol. Voordat je begint kies je een periode die voor jouw organisatie relevant is. Komen klanten regelmatig terug? Dan kun je kiezen voor één jaar. Duurt het twee tot vijf jaar voordat klanten terugkomen? Neem dan een interval van vijf jaar.

Recency:
Je sorteert klanten op basis van de laatste aankoop. De eerste 20% (met de oudste aankoop) krijgen een 1, de volgende 20% een 2 en dit tot en met 5. De klanten die recent een aankoop hebben gedaan scoren hierbij dus een 5.

Frequency:
Bedenk eerst welke periode relevant is. We gaan in dit voorbeeld uit van één jaar, wat betekent dat we alle transacties tot één jaar terug sorteren. De oudste 20% krijgt een 1, enzovoort, tot een 5.

Monetary:
Bij Monetary sorteren we de klanten net zoals we hebben gedaan bij Recency en Frequency.

Wat hebben we nu?

RFM-segmentatie geeft antwoord op deze vragen voor jouw bedrijf...

• Wie zijn mijn beste klanten?
• Welke klanten staan op het punt om te karnen?
• Wie heeft het potentieel om te worden omgezet in meer winstgevende klanten?
• Wie zijn verloren klanten waar je niet veel aandacht aan hoeft te besteden?
• Welke klanten moet je behouden?
• Wie zijn je trouwe klanten?
• Welke groep klanten zal waarschijnlijk het meest reageren op jouw huidige campagne?

Wat kunnen we ermee?

• Email marketing verbeteren
• De Customer Lifetime Value te verbeteren
• Loyaliteit en engagement verbeteren
• Klantverloop beperken
• Minimaliseren van marketinguitgaven
• Beter begrip van de business

We hebben ook segmenten!

We hebben nu een score berekend per contactpersoon. Deze score verteld op zichzelf al heel veel. Hoge cijfers zijn waardevolle klanten! En lage cijfers zijn klanten die voor jouw organisatie een lage waarde hebben. Op basis van deze cijfers kunnen we ze ook indelen in een segment. Klanten met een hoge score zoals 5-5-5 zijn in het onderstaande overzicht kampioenen en een lage score zoals 1-1-1 betekent dat een klant is verloren. Ieder segment heeft eigen kenmerken én eigen acties die je het beste kunt uitvoeren. Een klant met een lage score kun je triggeren met een actie of korting, terwijl je loyale klanten kunt vragen om reviews.

Waarom automatiseren een must is

De RFM-analyse geeft een indruk per klant hoe waardevol deze klant is. Zeker bij een webshop of omgeving waarbij er veel transacties plaatsvinden is het echt noodzaak om dit proces te automatiseren. Een klant die bijvoorbeeld zes maanden geleden voor het laatst een aankoop heeft gedaan, scoort bijvoorbeeld een 2 op Recency. Als diezelfde klant vandaag ook een aankoop doet, moet de score omhoog worden bijgesteld naar 5. Indien we de analyse niet heel regelmatig doen, kunnen we ervan uitgaan dat klanten niet in het juiste segment zijn ingedeeld. Het is daarom een must om dit proces te automatiseren.

Toepassing

Ok, je weet nu hoe het werkt, maar hoe pas je het toe? Zoals toegelicht werkt RFM door over een bepaalde periode alle klanten te analyseren, bijvoorbeeld de afgelopen twaalf maanden. Maar bedenk hierbij wel dat de informatie continue veranderd. Bij iedere bestelling berekenen we alles opnieuw, omdat diegene sowieso een 5 verdiend voor Recency (dagen tot laatste aankoop). En daarbij wil je de informatie niet telkens in Excel berekenen, om het daarna weer in HubSpot of ActiveCampaign te moeten importeren. Dat is foutgevoelig en tijdrovend. Hiermee kan BlueTree jou helpen! We kunnen een koppeling opzetten die continu informatie transacties ontvangt en per contactpersoon de RFM-waarden berekend. En vervolgens deze informatie in bijvoorbeeld HubSpot beschikbaar maakt. Je kunt zelfs nog groepen in HubSpot aanmaken met daaraan gekoppeld een advertentiecampagne, maar dat is uiteraard niet voor beginners ;)