E-Commerce-Personalisierungs-Blog

Die RFM-Analyse steigert den E-Commerce-Umsatz. Heute untersuchen wir, wie wir Aktualität, Häufigkeit und monetäre Daten unserer Kunden zum Entsperren nutzen können   personalisiertes Marketing und Steigerung des Engagements. Noch besser, wir werden sehen, wie die RFM-Analyse eine der besten Möglichkeiten ist, die Kohortenanalyse zu maximieren, um die Bindung zu erhöhen .

Um zu den RFM-Segmentierungsbeispielen zu springen, klicken Sie hier.

Die RFM-Analyse ist eine datengesteuerte Technik zur Segmentierung des Kundenverhaltens .

RFM steht für Recency, Frequency und Monetary Value.

Die Idee ist, Kunden danach zu segmentieren , wann ihr letzter Einkauf war, wie oft sie in der Vergangenheit eingekauft haben und wie viel sie insgesamt ausgegeben haben. Alle drei Maßnahmen haben sich als effektive Prädiktoren für die Bereitschaft eines Kunden erwiesen, sich auf Marketingbotschaften und -angebote einzulassen.

Während die RFM-Analyse in der Direktwerbung geboren wurde, ist sie heute ein leistungsstarkes Tool für E-Commerce-Shops.

Oben sehen Sie ein großartiges Beispiel dafür, wie die Kundensegmentierung Unternehmen in die Lage versetzt, mit kundenspezifischen Werten zu sprechen. Bildquelle: Gegensprechanlage

Die ersten bekannten Anwendungen der RFM-Analyse fanden sich in der Katalogindustrie. Zu den Pionieren gehören Land's End, JC Penny's und andere. Seit seiner Gründung wurden viele Varianten von RFM entwickelt, darunter

Die Durchführung einer RFM-Analyse Ihres Kundenstamms und das Versenden personalisierter Kampagnen an hochwertige Ziele hat enorme Vorteile für Ihren E-Commerce-Shop.

Wie sollten Sie die Aktualität berechnen? Oder Score-Häufigkeit? Was ist eine gute Monetarisierungsschwelle?

Das Definieren von Schwellenwerten ist der erste Schritt bei der Segmentierung. Im Folgenden diskutieren wir allgemeine Kennzahlen, die E-Commerce-Unternehmen für Aktualität, Häufigkeit und Monetarisierung verwenden können.

Neuheit misst die Zeit seit dem letzten Kauf.

Es gibt zwei Herausforderungen für E-Commerce-Shops bei der Berechnung der Aktualität.

Erstens kann es in einer Omnichannel-Welt schwierig sein, Kaufdaten aus jedem Kanal miteinander zu verknüpfen.

Zweitens hat jedes Unternehmen unterschiedliche Interpretationen dessen, was ein guter Aktualitäts-Score ist. Beispielsweise erfordern Verbrauchsmaterialien häufige Bestellungen, wodurch die erforderliche Zeit seit dem letzten Kauf kürzer wird, um sich für eine höhere Punktzahl zu qualifizieren.

Oben werden die Produkte von Starbucks in der Regel innerhalb eines Tages verbraucht. Ihr Produktmix erfordert eine andere Interpretation von Aktualitätsdaten im Vergleich zu langsameren Produkten mit viel längeren Produktlebenszyklen.

Die gleichen Bedenken in Bezug auf die Aktualität zeigen sich auch in der Häufigkeitsanalyse.

Nochmals zum Produktlebenszyklus

Die Berechnung von Neuheits-, Häufigkeits- und Monetarisierungswerten stellt ähnliche Herausforderungen dar. Die Realität ist, dass jedes Unternehmen einzigartig ist. Es ist unglaublich schwierig, genaue Benchmarks zu erstellen.

Glücklicherweise gibt es einige gängige Ansätze, um RFM-Metriken richtig zuzuweisen.

Die Quartilanalyse ist vielleicht der einfachste Weg, um RFM-Scores zu erstellen, und ermöglicht es Ihnen, schnell und fair Scores basierend auf der relativen Leistung zuzuweisen.

Jedes Quartil gibt eine Punktzahl von 1 bis 4 an. Die endgültige RFM-Segmentierung verwendet diese Punktzahlen zusammen.

Hier ist eine großartige, einfache Übersicht über die Verwendung von Quartilen zur Definition Ihrer RFM-Segmente mit Python.

Bildnachweis

RFM-Segmentierung muss nicht kompliziert sein.

Im Folgenden zeigen wir, wie Sie ein RFM-Modell in Excel erstellen können. Wir gehen Schritt für Schritt vor und fügen Screenshots hinzu, damit Sie das Modell einfach replizieren können.

Denken Sie daran, dass Ihre E-Commerce-Marke einzigartig ist.

Dies wird nicht der beste Weg für Ihr spezielles Unternehmen sein, aber es wird eine großartige Vorlage für Sie sein, die Sie wiederholen können.

Lass uns anfangen.

Bevor Sie beginnen können, müssen Sie für jeden Segmentierungsvektor den einen KPI definieren, der für Ihr Unternehmen am wichtigsten ist: Aktualität, Häufigkeit und Monetarisierung.

Dazu müssen Sie Ihre Kaufhistorie mit jedem Kunden verbinden und einen Zeitrahmen auswählen, mit dem Sie arbeiten möchten.

Für unser Beispiel verwenden wir die folgenden KPIs und Zeitrahmen.

Aktualität: Datum des letzten Kaufs
Häufigkeit: Gesamtzahl der Bestellungen
Monetarisierung: Durchschnittlicher Bestellwert
Zeitrahmen: 2 Jahre

Wie Sie sehen werden, ist die RFM-Analyse ein unkomplizierter Prozess. Ziel ist es, jeden Kunden systematisch nach Aktualität, Häufigkeit und Monetarisierung zu bewerten. Dazu ordnen wir zuerst alle Kunden nach unserer gewählten Metrik und bewerten sie dann danach, wie gut sie im Vergleich zu den anderen Kunden in Ihrer Datenbank abschneiden.

Es gibt eine Reihe von KPIs, die Sie für die Aktualität verwenden können. Beispielhafte KPIs umfassen

Für diese exemplarische Vorgehensweise verwenden wir die Tage seit dem letzten Kauf als primäre Metrik.

Sie sollten intuitiv wissen, welche Metrik für Ihr Unternehmen am sinnvollsten ist. Wenn Sie ein traditioneller E-Commerce-Shop sind, ist das Datum des letzten Kaufs wahrscheinlich auch die Metrik Ihrer Wahl.

Zuerst möchten wir Ihre Kundeninformationen mit Ihren angegebenen KPIs herunterladen. Hier haben wir diese Informationen einfach direkt von Barilliance heruntergeladen und in ein Google Sheet hochgeladen.

Als nächstes wollen wir das Blatt ein wenig aufräumen.

Ich lösche einige unerwünschte Spalten, die ich vergessen habe zu schließen: Sitzungen, zuletzt gesehen, zuerst gesehen, zuerst bestellt und AOV.

Als Nächstes fügen Sie drei Spalten für Ihre RFM-Bewertungen hinzu. Betiteln Sie sie oben mit „Aktualität“, „Häufigkeit“ und „Monetarisierung“.

Schließlich wende ich einen Filter auf die Daten an, um das Sortieren sehr einfach zu machen. Wenn Sie nicht wissen, wie man einen Filter anwendet, ist der Prozess einfach. Wählen Sie alle Ihre Daten einschließlich Ihrer Überschriften aus (Sie können dies schnell tun, indem Sie Umschalt+Befehl+Pfeile gedrückt halten).

Sobald alle Ihre Daten ausgewählt sind, klicken Sie auf Daten->Filter.

Nachdem Sie fertig sind, sollte Ihr Blatt ungefähr so ​​​​aussehen.

Navigieren Sie zu Ihrem Aktualitäts-KPI und sortieren Sie die Liste in der entsprechenden Reihenfolge. In unserem Fall gehen wir auf „Tage seit letztem Einkauf“ und sortieren absteigend.

Bewerten Sie schließlich jeden Kunden entsprechend seiner Position.

Es gibt zwar einige Methoden, um dies zu tun, aber ich habe festgestellt, dass die einfachste und hilfreichste mit Quartilen ist.

Nehmen Sie Ihre Gesamtzahl an Kunden geteilt durch vier. Geben Sie als Nächstes jedem Quartil eine Punktzahl, die die Position widerspiegelt.

Erstes Quartil: 1

Zweites Quartil: 2

Drittes Quartil: 3

Viertes Quartil: 4

Machen Sie sich nicht zu viele Gedanken darüber, dass alles „perfekt“ wird. Hier haben wir zum Beispiel zwei Kunden, die beide in den letzten drei Tagen bestellt haben. Ich habe beiden einfach einen Aktualitäts-Score von 1 zugewiesen, obwohl das 5 Kunden mit einem Score von 1 und drei mit einem Score von 2 bringt.

An diesem Punkt sollte Ihr Blatt ähnlich wie das unten stehende aussehen.

Der Prozess ist sowohl für die Häufigkeit als auch für die Monetarisierung sehr ähnlich.

Während wir die Gesamtzahl der Bestellungen in den letzten zwei Jahren als unseren Häufigkeits-KPI verwenden, gibt es eine Reihe konkurrierender Metriken, die Sie auswählen können. Einige von ihnen beinhalten:

Wie bereits erwähnt, verwenden wir die Anzahl der Bestellungen als Häufigkeits-KPI. Wiederholen Sie die Schritte 2.b und 2.c und verwenden Sie Ihren Häufigkeits-KPI als Leitmetrik. Nach dem Scoring sollte Ihr Blatt ähnlich wie das untenstehende aussehen.

Schließlich sind Sie bereit, die Monetarisierungspunktzahlen zu knacken.

Zu den Monetarisierungs-KPIs gehören:

Wiederholen Sie wie zuvor die Schritte 2.b und 2.c und verwenden Sie Ihren Monetarisierungs-KPI als Leitmetrik. Nach dem Scoring sollte Ihr Blatt ähnlich wie das untenstehende aussehen.

Fantastisch!

An diesem Punkt haben Sie die Analyse durchgeführt. Als nächstes kommt der unterhaltsame Teil – die Nutzung dieser neu gewonnenen Erkenntnisse, um profitable Segmente zu identifizieren.

Es gibt viele Möglichkeiten, wie Marketer diese Segmentierung genutzt haben, um ihr Marketing zu steuern. Hier sind ein paar Ideen zur Rosinenpickerei.

RFM-Punktzahl: 111

Wer sie sind: Hochinteressierte Kunden, die am häufigsten gekauft und den meisten Umsatz erzielt haben.

Marketingstrategien: Konzentrieren Sie sich auf Treueprogramme und neue Produkteinführungen. Diese Kunden haben nachweislich eine höhere Zahlungsbereitschaft, verwenden Sie also keine Rabattpreise, um zusätzliche Umsätze zu generieren. Konzentrieren Sie sich stattdessen auf Mehrwertangebote durch Produktempfehlungen basierend auf früheren Einkäufen.

Oben zielt Uber auf sein „Kern“-RFM-Kundensegment ab und stellt sein neues Uber Eats-Angebot vor.

RFM-Score: X1X

Wer sie sind: Kunden, die am häufigsten in Ihrem Geschäft einkaufen.

Marketingstrategien: Treueprogramme sind für diese wiederkehrenden Besucher effektiv. Advocacy-Programme und Reviews sind ebenfalls gängige X1X-Strategien. Ziehen Sie schließlich in Betracht, diese Kunden mit kostenlosem Versand oder ähnlichen Vorteilen zu belohnen.

Hier ergänzt Costco sein Mitgliedschafts-Geschäftsmodell mit einer benutzerdefinierten Kreditkarte, um die Wiederholungskaufraten weiter zu erhöhen und den Anteil an der Brieftasche zu erhöhen.

RFM-Bewertung: XX1

Wer sie sind: Kunden, die den meisten Umsatz für Ihr Geschäft generiert haben.

Marketingstrategien: Diese Kunden haben eine hohe Zahlungsbereitschaft gezeigt. Erwägen Sie Premium-Angebote, Abonnementstufen, Luxusprodukte oder Cross-/Up-Selling mit Mehrwert, um den AOV zu erhöhen . Verschwenden Sie keine Marge für Rabatte.

RFM-Score: X13, X14

Wer sie sind: Kunden, die oft zurückkehren, aber nicht viel ausgeben.

Marketingstrategien: Es ist Ihnen bereits gelungen, Loyalität zu schaffen. Konzentrieren Sie sich auf die Steigerung der Monetarisierung durch Produktempfehlungen auf der Grundlage früherer Käufe und Anreize, die an Ausgabenschwellen gebunden sind (an den AOV Ihres Geschäfts gebunden).

Oben sehen Sie ein Beispiel für Target, das Lifecycle-Marketing für bestimmte RFM-Segmente verwendet. Beachten Sie, wie sie finanzielle Rabatte mit Ausgabenschwellen kombinieren, um Wiederholungskäufe zu fördern und die Rentabilität der Kunden zu steigern.

Ein weiteres Beispiel kommt von AirBnb. Hier senden sie ausgelöste Nachrichten basierend auf der Anzeigeaktivität des Kunden, um eine Buchung zu veranlassen.

RFM-Score: 14X

Wer sie sind: Erstkäufer auf Ihrer Website.

Marketingstrategien: Die meisten Kunden werden nie loyal. Klare Strategien für Erstkäufer wie ausgelöste Willkommens-E-Mails werden sich auszahlen.

Starbucks ist hervorragend darin, Kunden zwischen RFM-Segmenten zu bewegen. Oben verwenden sie E-Mail, um Kunden in ihr Treueprämienprogramm zu bringen. Sie können unsere vollständige Fallstudie zu Starbucks hier einsehen.

RFM-Score: 44X

Wer sie sind: Großartige frühere Kunden, die eine Weile nicht gekauft haben.

Marketingstrategien: Kunden verlassen das Unternehmen aus verschiedenen Gründen. Abhängig von Ihrer Situation Preisangebote, neue Produkteinführungen oder andere Bindungsstrategien .

Mit Barilliance können Sie nicht nur personalisierte Erfahrungen für jedes RFM-Segment erstellen. Es gibt Ihnen auch die Möglichkeit, multivariate Ab-Tests zu erstellen.

Sie können schnell erkennen, welche Angebote in einem bestimmten Segment am besten ankommen, herausfinden, welche Inhalte zu Verkäufen führen und vieles mehr.

Eine der größten Herausforderungen bei der RFM-Analyse (und der Segmentierung im Allgemeinen) besteht darin, eine vollständige 360-Grad-Sicht auf einen Kunden zu erstellen. Der Omnichannel -Käufer von heute unterscheidet sich kaum von der Welt der Direktmailings, aus der RFM hervorgegangen ist. RFM ist immer noch ein unglaublich leistungsfähiges Modell.

Aber seine Effektivität wird durch die Qualität der Ihnen vorliegenden Daten bestimmt.

Hier glänzt Barilliance. Es schafft eine ganzheitliche Kundenansicht über Geräte, Einkaufssitzungen und Kanäle hinweg. Sie können sehen, mit welchen Seiten Kunden interagieren, die Zeit seit dem letzten Kauf, das Bestellvolumen, das Markenengagement und mehr.

Mit anderen Worten, Sie haben die Möglichkeit, über eine einfache Benutzeroberfläche sehr detaillierte Segmente zu erstellen, einschließlich aller, über die wir oben gesprochen haben.

Handeln Sie.

RFM ist ein etablierter, übersichtlicher Weg, um mehr aus Ihrer Kundenliste herauszuholen.

Aber...

Wenn Sie RFM auf die nächste Stufe bringen möchten, müssen Sie Barilliance's Retention in Betracht ziehen. Es verbessert die herkömmliche RFM-Analyse auf zwei grundlegende Arten.

Erstens verbindet es Ihre Online- und Offline-Käufe, Ihr Webverhalten und Ihre demografischen Daten an einem Ort, sodass Sie genauere Segmentierungen vornehmen können.

Zweitens können Sie Kampagnen für definierte Segmente automatisieren. Es verbindet sich mit Webpersonalisierung und individuellen E-Mail-Produktempfehlungen , um jede Interaktion nicht auf Segmentebene, sondern auf individueller Ebene anzupassen.

Fordern Sie hier eine Demo für Retention an .