[Guida]: Analisi RFM con esempi di segmentazione predittiva

L’analisi RFM aumenta le vendite nel commercio elettronico. Oggi esploriamo come possiamo utilizzare i dati di recency (valore temporale), frequency (frequenza) e monetary (valore monetario) per sbloccare il marketing personalizzato e massimizzare l’analisi delle coorti per aumentare la fidelizzazione.

Che cos’è l’analisi RFM? Definizione e contesto

L’analisi RFM è una tecnica di segmentazione del comportamento dei clienti basata sui dati.

L’idea è di segmentare i clienti in base a quando hanno effettuato l’ultimo acquisto, quanto spesso hanno acquistato in passato e quanto hanno speso complessivamente. Tutte e tre queste misure si sono dimostrate efficaci nel prevedere la propensione di un cliente a interagire con messaggi e offerte di marketing.

Sebbene l’analisi RFM sia nata nel direct-mail, oggi è uno strumento potente per gli eCommerce.

Storia dell’analisi RFM

Le prime applicazioni conosciute dell’analisi RFM risalgono all’industria dei cataloghi. Pionieri come Land’s End, JC Penny’s e altri. Dalla sua nascita, sono state sviluppate molte varianti dell’RFM, tra cui:

• Recency, Frequency, Duration – Adottato per modelli di business basati sul numero di visualizzazioni.
• Recency, Frequency, Engagement – Che attenua il requisito dell’acquisto. Questo è utile anche nei modelli di business in cui i clienti principali vengono monetizzati indirettamente.
  • Molte altre – E numerose altre. Puoi consultare l’articolo sull’analisi RFM su Wikipedia per un elenco più completo. https://en.wikipedia.org/wiki/RFM_(market_research)

Vantaggi dell’analisi RFM

Condurre un’analisi RFM sulla tua base clienti e inviare campagne personalizzate a target di alto valore ha enormi vantaggi per il tuo eCommerce.

• Personalizzazione: Creando segmenti di clienti efficaci, puoi fare offerte rilevanti e personalizzate.
• Miglioramento dei tassi di conversione: Le offerte personalizzate genereranno tassi di conversione più elevati perché i tuoi clienti sono coinvolti verso prodotti di loro interesse.
• Miglioramento dell’economia unitaria:
  • Aumento delle entrate e dei profitti

Come calcolare i parametri RFM

Come dovresti calcolare la recency? O assegnare un punteggio alla frequenza? Qual è una buona soglia di monetizzazione?

Definire le soglie è il primo passo nella segmentazione. Di seguito discutiamo le metriche comuni che le aziende di eCommerce possono utilizzare per recency, frequency e monetization.

Come calcolare la recency per l’analisi RFM

La recency misura il tempo trascorso dall’ultimo acquisto.

Ci sono due sfide per gli eCommerce quando si calcola la recency.

Prima di tutto, in un mondo omnicanale, può essere difficile collegare i dati degli acquisti provenienti da ciascun canale.

In secondo luogo, ogni azienda avrà diverse interpretazioni di ciò che costituisce un buon punteggio di recency. Ad esempio, i beni di consumo hanno un’esigenza intrinseca di ordini frequenti, rendendo il tempo richiesto dall’ultimo acquisto più breve per qualificarsi per un punteggio più alto.

Come calcolare la frequenza per l’analisi RFM

Le stesse preoccupazioni presenti nell’analisi della recency si presentano anche nell’analisi della frequenza.

Ancora una volta, il ciclo di vita del prodotto è un fattore importante.

Come creare un modello RFM in Excel

La segmentazione RFM non deve essere complicata.

Di seguito ti mostreremo come puoi creare un modello RFM in Excel. Procederemo passo dopo passo e includeremo screenshot in modo che tu possa replicare facilmente il modello.

Tieni presente che il tuo marchio di eCommerce è unico.

Questo potrebbe non essere il metodo migliore per la tua particolare attività, ma sarà un ottimo modello su cui puoi basarti per fare analisi.

Passo 1: Impostazione iniziale

Prima di iniziare, devi definire il KPI (Key Performance Indicator) più importante per la tua attività per ciascun vettore di segmentazione: recency, frequency e monetization.

Per fare questo, dovrai collegare la cronologia degli acquisti a ciascun cliente e selezionare un periodo di tempo su cui lavorare.

Per il nostro esempio, utilizzeremo i seguenti KPI e periodo di tempo:

• Recency: Data dell’ultimo acquisto
• Frequency: Numero totale di ordini
• Monetization: Valore medio dell’ordine
• Periodo di tempo: 2 anni

Come vedrai, l’analisi RFM è un processo semplice. L’obiettivo è assegnare sistematicamente un punteggio a ciascun cliente in base a recency, frequency e monetization. Lo facciamo prima ordinando tutti i clienti in base alla metrica scelta, e poi assegnando loro un punteggio in base alla loro performance relativa rispetto agli altri clienti nel tuo database.

Passo 2: Aumentare la risposta con la recency

Ci sono diversi KPI che puoi utilizzare per la recency. Esempi di KPI:

• Data dell’ultimo acquisto
• Data dell’ultimo coinvolgimento (come visita al sito, conversazione con il team, click-through, ecc.)
• Data dell’ultima attività (come utilizzo dell’app, login, commento, ecc.)

Per questa guida, utilizzeremo i giorni dall’ultimo acquisto come metrica principale.

Dovresti sapere intuitivamente quale metrica ha più senso per la tua attività. È probabile che, se gestisci un eCommerce tradizionale, la data dell’ultimo acquisto sarà anche la tua metrica di scelta.

Passo 2.a: Importa i tuoi dati

Per prima cosa, vogliamo scaricare le informazioni sui clienti con i KPI specificati.

Passo successivo: Pulizia del foglio di lavoro

Ora, vogliamo fare un po’ di pulizia nel foglio di lavoro.

Per prima cosa, elimino alcune colonne indesiderate che avevo dimenticato di chiudere: Sessions, Last Seen, First Seen, First Ordered, e AOV.

Successivamente, aggiungerai tre colonne per i punteggi RFM. Intitola queste colonne in cima con “Recency”, “Frequency” e “Monetization”.

Infine, applico un filtro sui dati per rendere molto facile l’ordinamento.

Una volta selezionati tutti i dati, clicca su Dati -> Filtro.

Dopo aver completato questa operazione, il tuo foglio dovrebbe apparire più o meno così.

Passo 2.b: Ordina i tuoi clienti in base al KPI di recency

Vai al tuo KPI di Recency e ordina l’elenco nell’ordine appropriato. Nel nostro caso, andiamo su “Days from last purchase ” e ordiniamo in ordine decrescente.

Passo 2.c: Assegna un punteggio a ciascun cliente in base alla posizione

Infine, assegna un punteggio a ciascun cliente in base alla loro posizione.

Sebbene esistano diverse metodologie per farlo, ho trovato che la più semplice e utile sia utilizzare i quartili.

I quartili sono un caso particolare dei quantili, e si ottengono dividendo l’insieme di dati ordinati in quattro parti uguali. Il primo quartile Q1 è un valore tale che il 25 % dei dati ordinati è minore o uguale a Q1. Il primo quartile Q1 è detto anche 25-esimo percentile e indicato con P0.

• Prendi il numero totale di clienti e dividilo per quattro.
• Successivamente, assegna a ciascun quartile un punteggio riflettente la posizione:
  • Primo Quartile: 1
  • Secondo Quartile: 2
  • Terzo Quartile: 3
  • Quarto Quartile: 4

Non preoccuparti troppo di rendere tutto “perfetto”. Ad esempio, se hai due clienti che hanno entrambi ordinato negli ultimi tre giorni, puoi semplicemente assegnare loro entrambi un punteggio di recency pari a 1, anche se ciò porta ad avere 5 clienti con un punteggio di 1 e 3 con un punteggio di 2.

A questo punto, il tuo foglio dovrebbe apparire simile a quello mostrato di seguito.

Passo 3: Aumenta le conversioni con la frequenza

Il processo per la frequenza è molto simile a quello per la monetizzazione.

Mentre utilizziamo il numero totale di ordini negli ultimi due anni come nostro KPI di frequenza, ci sono diverse metriche alternative che puoi scegliere. Ad esempio:

• Sessioni/Visite: Particolarmente utile per modelli di business basati su notizie o supportati da pubblicità.
• Numero di Click Through: Se sei in fase di pre-lancio.
• Numero di Conversioni: Qualsiasi altra conversione che sia importante per il tuo business.

Come accennato in precedenza, utilizzeremo il numero di ordini come nostro KPI di frequenza. Ripeti i passaggi 2.b e 2.c, ma utilizza il tuo KPI di frequenza come metrica guida. Dopo aver assegnato i punteggi, il tuo foglio di lavoro dovrebbe apparire simile a quello mostrato di seguito.

Passo 3: Aumenta il valore medio dell’ordine (AOV) con la monetizzazione

Finalmente sei pronto per calcolare i punteggi di monetizzazione.

I KPI per la monetizzazione includono:

• Ricavo Totale: Questo è il KPI che utilizzeremo.
• AOV (Valore Medio dell’Ordine): Utile per identificare coloro che acquistano articoli di fascia alta.
• Metriche di Coinvolgimento: Utili per modelli di business a due lati che non vendono direttamente prodotti.

Come nei passaggi precedenti, ripeti i passaggi 2.b e 2.c, ma questa volta utilizza il tuo KPI di monetizzazione come metrica guida. Dopo aver assegnato i punteggi, il tuo foglio di lavoro dovrebbe apparire simile a quello mostrato di seguito.

Esempi di segmentazione RFM: Segmenti che generano vendite

Fantastico!

A questo punto, hai completato l’analisi. Ora arriva la parte divertente: utilizzare queste nuove informazioni per identificare segmenti redditizi.

Ci sono molti modi in cui le aziende hanno utilizzato questa segmentazione per orientare le loro strategie di marketing. Ecco alcune idee da cui puoi trarre ispirazione.

1. Core – I tuoi migliori clienti

• Punteggio RFM: 111
• Chi sono: Clienti altamente coinvolti che hanno effettuato gli acquisti più recenti, più frequenti e che hanno generato il maggior ricavo.
• Strategie di marketing: Concentrati su programmi di fidelizzazione e sull’introduzione di nuovi prodotti. Questi clienti hanno dimostrato una maggiore disponibilità a pagare, quindi evita di utilizzare prezzi scontati per generare vendite incrementali. Invece, focalizzati su offerte a valore aggiunto attraverso raccomandazioni di prodotti basate su acquisti precedenti.

2. Loyal – I tuoi clienti più fedeli

• Punteggio RFM: X1X
• Chi sono: Clienti che acquistano più frequentemente nel tuo negozio.
• Strategie di marketing: I programmi di fidelizzazione sono efficaci per questi visitatori abituali. Programmi di advocacy e recensioni sono strategie comuni per i clienti con un punteggio X1X. Infine, considera di premiare questi clienti con la spedizione gratuita o altri benefici simili.

Il punteggio X1X nel contesto dell’analisi RFM rappresenta un segmento di clienti che hanno un punteggio medio-alto nella “Frequenza” (indicata dal numero 1), mentre le altre due metriche, “Recency” e “Monetization”, non sono particolarmente rilevanti per la segmentazione specifica (indicate con la “X”).

In altre parole, un cliente con un punteggio X1X è qualcuno che:

• X (Recency): Il punteggio di recenza non è considerato in questa specifica segmentazione, quindi potrebbe variare.
• 1 (Frequency): È un cliente molto fedele che acquista spesso.
• X (Monetization): Il punteggio di monetizzazione non è considerato in questa segmentazione, quindi potrebbe variare.

Il focus qui è sulla frequenza degli acquisti, indipendentemente da quanto di recente abbiano acquistato o da quanto spendano in media.

3. Whales – I tuoi clienti con la spesa più alta

• Punteggio RFM: XX1
• Chi sono: Clienti che hanno generato il maggior ricavo per il tuo negozio.
• Strategie di marketing: Questi clienti hanno dimostrato una forte disponibilità a pagare. Considera offerte premium, abbonamenti di livello superiore, prodotti di lusso o cross/up-sell a valore aggiunto per aumentare il valore medio dell’ordine (AOV). Non sprecare margini con sconti.

4. Promising – clienti fedeli

• Punteggio RFM: X13, X14
• Chi sono: Clienti che tornano spesso, ma non spendono molto.
• Strategie di marketing: Hai già avuto successo nel creare fedeltà. Concentrati sull’aumento della monetizzazione tramite raccomandazioni di prodotti basate su acquisti precedenti e incentivi legati a soglie di spesa (collegate al valore medio dell’ordine del tuo negozio).

Il punteggio X14 nel contesto dell’analisi RFM indica un segmento di clienti che hanno le seguenti caratteristiche:

• X (Recency): Il punteggio di recenza non è considerato specificamente in questa segmentazione, quindi può variare.
• 1 (Frequency): Questi clienti acquistano con una buona frequenza, tornando regolarmente nel tuo negozio.
• 4 (Monetization): Questi clienti hanno un punteggio basso nella monetizzazione, il che significa che tendono a spendere poco, anche se acquistano frequentemente.

In sintesi, X14 rappresenta clienti che sono fedeli e comprano spesso, ma che non spendono molto per ogni acquisto.

5. Rookies – I tuoi clienti più recenti

• Punteggio RFM: 14X
• Chi sono: Clienti che hanno effettuato il loro primo acquisto sul tuo sito.
• Strategie di marketing: La maggior parte dei clienti non diventa mai fedele. Avere strategie chiare per i nuovi acquirenti, come email di benvenuto automatizzate, sarà molto vantaggioso nel lungo termine.

6. Slipping – Un tempo fedeli, ora persi

• Punteggio RFM: 44X
• Chi sono: Ottimi clienti del passato che non acquistano da un po’ di tempo.

Strategie di marketing: I clienti smettono di acquistare per vari motivi. A seconda della tua situazione, potresti considerare offerte speciali, lanci di nuovi prodotti o altre strategie di fidelizzazione per riconquistarli.