L’analisi RFM è un sistema di valutazione storica focalizzato sul comportamento degli acquirenti dell’azienda.
Nata 27 anni fa con formule per identificare il rapporto domanda-offerta nella pubblicità per corrispondenza, oggi permette di potenziare le performance degli store on-line e fisici.
Si parla di un’analisi di tipo transazionale, un metodo semplice che rivela insights importanti.
Per condurla è necessario estrarre le singole transazioni dei clienti, e disporle in colonne che riportano:
- Identificativo del cliente che ha acquistato
- Data dell’ordine
- Importo dell’ordine
Ed avere dati disponibili per almeno un anno di storicità.
Il significato di RFM
RFM significa Recency-Frequency-Monetary Value.
Per ciascuna di queste tre dimensioni, a ciascun cliente viene assegnato un punteggio da 0 a 9 calcolato in base al decile, dove 9 rappresenta il top 10%, e 0 il bottom 10%. In base a questi valori, sarà possibile creare i cluster da analizzare.
Recency
Quanto recentemente il cliente ha interagito con il sito web o con la app.
Dipendentemente dalla natura del business, un punteggio di recency elevato potrebbe rappresentare un giorno come un mese.
Ad esempio, per un e-commerce di prodotti beauty ci si può aspettare una frequenza d’interazione d’acquisto annuale, mentre per un food delivery una frequenza bi o tri-settimanale.
Frequency
Con che frequenza ha interagito.
La frequency individua la loyalty, e si calcola contando il numero di acquisti nell’unità di tempo analizzata.
Monetary Value
Quanto ha speso durante il periodo di analisi.
Determina il valore dei clienti, permettendone la segmentazione in fasce di spesa.
Creare cluster per segmentare la clientela
Una volta attribuiti i punteggi sulle tre variabili è possibile definire chi sono i top customer del negozio, andando a individuare i clienti con punteggio di Recency, Frequency e Monetary Value pari a 9.
Allo stesso modo è possibile individuare clienti con ottimi punteggi ma che potrebbero aver perso interesse nell’azienda, selezionando i clienti con Frequency e Monetary molto elevati (8 e 9 ad esempio) ma bassi valori di Recency.
Su ciascun cluster potremo quindi intervenire con strategie di marketing personalizzate.
L’applicazione dell’analisi RFM in un E-commerce
In un e-commerce del settore fashion vogliamo verificare come ridurre il churn ed aumentare la fedeltà della clientela esistente.
A seguito dell’analisi RFM si identificano le caratteristiche del top buyer medio:
- Spending medio di 500 euro
- Frequency di tre ordini all’anno
- Recency di un mese rispetto alla data attuale
Dopo aver identificato le caratteristiche dei nostri migliori clienti possiamo passare a identificare i top client (per Monetary e Frequency) che l’organizzazione ha perso (valori di Recency molto bassi) o che sta perdendo (valori di Recency medi).
La strategia che ne consegue, potrebbe quindi iniziare con operazioni di contatto diretto con il cliente a rischio di churn per verificarne il grado di soddisfazione, e con i clienti già persi per comprenderne le motivazioni e sondare possibilità di recupero.
Basandosi sulle informazioni raccolte, si possono così costruire strategie dedicate alle caratteristiche dei clienti che hanno portato più valore all’azienda.
L’impatto sul business e sull’organizzazione dell’E-commerce
L’analisi RFM scavalca la ricerca di mercato tradizionale, appoggiandosi ai dati e numeri storici d’acquisto per costruire una strategia e clusterizzare i clienti.
Infatti, segmentare la clientela rispetto a questi 3 valori permette di istituire una relazione ad-hoc, oltre che di identificare i livelli su cui possono essere necessari interventi di miglioramento.
Inoltre, diminuisce il margine di errore strategico, poiché permette di focalizzare energie sui soli clienti che hanno portato valore al business (a prescindere dalle caratteristiche demografiche), e identificare strategie di automazione per la gestione di quelli che non appartengono alla categoria top buyer.
Infine, i punteggi medi raccolti e assegnati durante l’analisi possono anche diventare parametri di riferimento nel CRM aziendale, poiché rappresentano informazioni affidabili calcolate, appunto, su base storica.
I Benefit per la customer experience e per la client retention
Inserendo anche la data di acquisizione clienti si può inoltre arricchire l’analisi RFM, distinguendo il comportamento dei nuovi clienti rispetto a quello degli acquirenti esistenti.
Essendo basata esclusivamente sugli user che hanno effettuato un’operazione d’acquisto, l’analisi RFM focalizza l’attenzione al miglioramento della customer retention, fornendo input che indirizzano la gestione dei cluster in base alle caratteristiche d’acquisto.
In questo senso, è un processo che impatta positivamente sulla CX complessiva del Brand.
Il focus, in sintesi:
- Si esplora il comportamento d’acquisto dei clienti rispetto all’interazione col Brand. Alla luce di un’analisi RFM conclusa, si possono fare approfondimenti incrociando dati ulteriori per implementare una strategia di marketing mirata. In un’analisi più avanzata, ad esempio, si può identificare su quale canale, attraverso quale percorso e in quale momento il cliente appartenente al cluster top-buyer si rapporta con il business per iniziare l’acquisto.
Questo può essere utile per osservare quale tipo di comunicazione è stata efficace per il posizionamento del Brand, a livello sia di costruzione della loyalty, sia di conversione. - Ci si addentra a leggere dati specifici che rispondono a domande come:
- Quali clienti hanno potenziale d’acquisto maggiore?
- Quali clienti hanno maggior potenziale di risposta alle campagne marketing?
- Quali clienti non portano sufficiente valore rispetto al budget investito?
- Le strategie data-driven costruite sulla base dell’analisi RFM possono ridurre il churn e aumentare la fidelizzazione della clientela.
The Client Group lavora per consolidare la client base del tuo e-commerce grazie a strategie cliente-centriche. Contattaci qui per scoprire come.