RFM Analysis یا تجزیه و تحلیل RFM … کشف مشتری هایی که درآمد بیشتری برامون میارن.

باید بگم در کنار تمام مفاهیمی که در دسته بازاریابی جا دارن، مفهوم RFM analysis یا تجزیه و تحلیل RFM یه روش بسیار کاربردی و مهم برای شناخت مشتری محسوب میشه. در این مقاله، ما به تجزیه و تحلیل RFM که شامل تازگی یا Recency، تعداد دفعات یا Frequency و ارزش مالی یا Monetary Value میشه و مبتنی بر رفتار گروه‌های مشتری هست، میپردازیم.

این روش تجزیه و تحلیل به شما این امکان رو میده که رفتار مشتری‌ها رو مطالعه و نحوه پرداخت مالیشون رو با هم بررسی کنین. در نتیجه این بررسی، نگرش ارزشمندی در خصوص بازاریابی مستقیم دریافت خواهید کرد.

RFM Analysis یا تجزیه و تحلیل RFM چیه؟

تجزیه و تحلیل RFM به شما این اجازه رو میده تا مشتریان رو بر اساس فراوانی و ارزش خریدهاشون تقسیم کنین و مشتریانی رو هم که بیشترین خرید و هزینه رو دارن، شناسایی کنین.

مفاهیم RFM Analysis

• تازگی یا Recency: آخرین خرید مشتری مال چند وقت پیش بوده؟ آخرین بار کی به شما سر زده؟
  از آخرین فعالیت یا معامله مشتری با کسب و کار شما چند وقته که میگذره؟ فعالیت موردنظر معمولاً خریده، اگرچه بعضی اوقات از یه سری تغییرات در خرید یا اقدامات مشتری برای ارزیابی این عامل هم استفاده می‌شود، به عنوان مثال آخرین بازدید از وبسایت یا استفاده از برنامه تلفن همراه. در بیشتر موارد، هرچه مشتری اخیراً با یک برند تعامل یا معامله داشته باشه، احتمال پاسخگویی همون مشتری به ارتباطات برند بیشتر خواهد بود.
• تعداد دفعات یا Frequency: هر چند وقت یک بار از شما خرید میکنه؟ یا هر چند وقت یک بار به سایت شما سر میزنه و اقدامی انجام میده؟ بدیهیه که مشتری‌هایی که فعالیتهای مکرر و مرتب دارن نسبت به مشتری‌هایی که به ندرت این کار رو انجام میدن، مشغول‌تر و احتمالاً وفادارتر هستن.
• ارزش مالی یا Monetary Value: ارزش مالی کل خریدهای مشتری است. این فاکتور نشون میده که مشتری در طی یک دوره زمانی خاص چقدر از شما خرید کرده و چقدر درآمد به شرکت شما اضافه کرده. معمولاً با مصرف کننده‌های بزرگ باید متفاوت از مشتری‌هایی که خب هزینه و خرج کمی دارن، برخورد بشه. با تقسیم ارزش پولی یا مالی براساس فرکانس یا تعداد دفعات که یک عامل ثانویه مهم در تقسیم مشتریه، میزان متوسط ​​خرید رو به دست میاد.

مطابق با این معیارها، میتونید مشتری‌های خودتون رو گروه‌بندی کنین تا بفهمین که مشتری‌های شما به طور مرتب و منظم چیزهای زیادی رو از شما میخرن یا اینکه نه کم میخرن ولی باز هم مرتب این اتفاق میفته یا اینکه کلا برای مدت زیادیه که اصلا از شما خرید نکردن.

به عنوان یه قاعده، فقط درصد کمی از مشتری‌ها به پیشنهادات تبلیغی عمومی جواب میدن. RFM Analysis یه روش تقسیم‌بندی عالی برای پیش‌بینی پاسخ مشتری، بهبود تعامل و افزایش سوده.

تجزیه و تحلیل RFM به کمک داده‌هایی که از رفتارهای مشتری‌ها به دست میاره در جهت اینکه حالا باید با هر گروه از مشتری چطور باید رفتار بشه، به شرکت یا سازمان دید و چشم‌انداز میده.

مزایای تجزیه و تحلیل RFM

انجام تجزیه و تحلیل RFM در پایگاه مشتری و البته اجرای کمپین ایمیل شخصی شده، اون هم با اهداف با ارزش بالا، مزایای بزرگی رو برای فروشگاه، شرکت یا تجارت الکترونیک شما به همراه داره.

• شخصی سازی: با ایجاد بخش بندی‌های مشتری می‌تونین پیشنهادهای مربوطه و شخصی سازی شده رو برای هر گروه مشتری ایجاد کنین.
• بهبود نرخ تبدیل: پیشنهادات شخصی، قطعاً نرخ تبدیل بالاتری رو بدست میارن. چون مشتریان شما با کالاهایی که بهشون اهمیت میدن درگیر هستن.
• افزایش رضایت مشتری
• افزایش درآمد و سود

تجزیه و تحلیل RFM

ماهیت تجزیه و تحلیل RFM یا RFM Analysis تقسیم بندی مشتری‌ها به گروه‌های مختلف است. این گروه ها بر سه مبنا دسته‌بندی میشن: بر اساس آخرین باری که خرید کردن چه وقتی بوده، تعداد دفعات خریدشون چطوریه و میانگین ارزش مالی سفارشاتشون در چه حده.

برای هر یک از این معیارها، میایم مشتری‌ها رو به یکی از سه گروه زیر اختصاص می‌دیم که از ۱ تا ۳ مرتب شدن:

تازگی

1. مشتری‌های ماندگار
2. مشتریان تقریبا تازه
3. مشتری‌های تازه

تعداد دفعات

1. خرید به ندرت (تک سفارشی)
2. ۲ – خرید با تعداد دفعات کم
3. ۳ – خرید با تعداد دفعات زیاد

ارزش مالی

1. ارزش خرید پایین
2. ارزش خرید متوسط
3. ارزش خرید بالا

اعداد این گروه‌ها رو کنار هم میگذاریم تا عنوان و ماهیت هر گروه به دست بیاد.

مثلا مشتری ۱۱۱ مدتها قبل یک سفارش با ارزش پولی پایین داشته. از طرف دیگر مشتری ۳۳۳ اغلب سفارشهای خودش رو با ارزش مالی بالا انجام میده و حتی اخیراً هم خرید انجام داده.

مشتریانی که سه ویژگی از هر گروه رو دارن بهترین مشتری‌های شما هستن.

دو روش مناسب تجزیه و تحلیل RFM

برای تجزیه و تحلیل مشتریان به شیوه RFM دو روش وجود داره:

1. استفاده از Excel یا صفحات گوگل
2. استفاده از OWOX BI

تجزیه و تحلیل RFM با استفاده از اکسل یا صفحات گوگل

این روش یه روش دستی است و باید اطلاعات مربوط به «تازگی» ، «تعداد دفعات» و «مبلغ پولی» رو به صورت دستی وارد صفحه اکسل کنین. و با استفاده از امکانات فیلترینگ و مرتب سازی Excel شروع به تجزیه و تحلیل مشتریان و دسته‌بندی اونا کنین.

RFM Analysis با استفاده از OWOX BI

برخلاف اکسل، OWOX BI بهتون اجازه میده تا RFM رو به طور خودکار حساب کنین.

منبع داده برای این تجزیه و تحلیل RFM یک جدول یا نمای در Google BigQuery است، با داده‌های مربوط به هر سفارش به کمک فیلدهای زیر:

• user Id یا شناسه کاربر: شناسه کاربر مشتری در پایگاه داده وبسایت / ERP
• درآمد: درآمد حاصل از سفارش
• تاریخ: تاریخ ایجاد سفارش

محاسبه بخش‌های تجزیه و تحلیل RFM

مرحله ۱: ما توصیه می‌کنیم از داده‌های مربوط به سفارشات تأیید شده از طرف ERP استفاده کنین. با استفاده از مسیر OWOX BI می‌تونین به راحتی این داده‌ها رو به BigQuery ارسال کنین.

مرحله ۲: OWOX BI به شما این فرصت رو میده تا نتایج به دست اومده از تجزیه و تحلیل RFM رو برای Google Analytics سفارشی کنین.

این کار به شما امکانات زیر رو هم میده:

• با استفاده از اطلاعات اضافی در مورد کاربران، گزارش‌های سفارشی و بخش‌های جدیدی رو در Google Analytics برای تجزیه و تحلیل عمیق مخاطبان ایجاد کنین.
• استفاده از تجزیه و تحلیل RFM برای ایجاد مخاطب به منظور استفاده از تبلیغات گوگل، خبرنامه‌های الکترونیکی و برنامه‌های وفاداری مشتریان.

مرحله ۳: تنظیم و وارد کردن داده‌های تجزیه و تحلیل RFM به Google Analytics از طریق Google BigQuery شامل دو مرحله است:

1. یک منبع وب Google Analytics بسازین.
2. یک جریان در مسیر OWOX BI ایجاد کنین.

در این مرحله ابتدا باید ویژگی وب Google Analytics رو پیکربندی کنین:

1. برای ذخیره نتایج RFM Analysis، ابعاد سفارشی رو در سطح کاربر ایجاد کنین، که کاربران و مشتریان بتونن سفارش هم داشته باشن.
2. مجموعه داده‌ای رو برای وارد کردن داده‌ها به Google Analytics بسازین.
3. داده‌های وارد شده رو با داده‌های تاریخی ترکیب کنید. در غیر این صورت، داده‌ها فقط با بازدیدهای جمع آوری شده در Google Analytics پس از بارگیری نتایج تجزیه و تحلیل RFM، ادغام می‌شن.
4. حالا مجموعه داده‌ها رو نامگذاری کنین و لیست نمایش‌هایی رو که داده‌های وارد شده در اون در دسترسه، تعیین کنین.
5. یک فایل داده تعریف کنین و مجموعه داده رو اونجا ذخیره کنین.

حالا که تنظیمات ویژگی وب Google Analytics را برای وارد کردن داده پیکربندی کردین و همه چیز آماده است.

در گام بعد باید یک جریان در مسیر OWOX BI ایجاد کنید:

1. یک کوئری SQL آماده کنین که داده‌ها رو در ساختار صحیح برگردونه.
2. یک جریان در مسیر OWOX BI ایجاد کنین.

حالا صبر کنین تا داده‌ها در Google Analytics ظاهر بشن.

حالا OWOX BI به طور خودکار RFM Analysis را انجام میده، بدون اینکه اصلا نیازی به زحمت و وقت زیادی از شما داشته باشه.

نحوه استفاده از RFM Analysis در بازاریابی

وقتی همه محاسبات آماده است و شما هم که مشتری های خودتون رو بخش‌بندی کردین، دیگه وقت اینه که برین سراغ بازاریابی.

با گروه‌بندی مشتریان بر اساس مقادیر RFM، می‌تونین بلافاصله از اون چه که در ارتباط با مشتری براتون اتفاق میفته، یه تصویر کامل داشته باشین.

اصلاً بیاین نمونه‌هایی از برخی از گروه‌های مشتری رو بررسی کنیم.

گروه 3R-3F-3M فعال‌ترین مشتریان که اغلب خرید می‌کنن

این‌ها مشتری‌های ایده آل شما هستن. می‌تونین با راه اندازی یه برنامه وفاداری خوب یا دعوت از اون‌ها به برنامه‌های ویژه یا اینکه اصلا ازشون سؤال کنین که دوست دارن چطوری شرکت توسعه پیدا کنه، تعامل خودتون رو با آنها گسترش بدین.

خیلی مهمه که به این مشتری‌ها نشون داده بشه که کارمندان شرکت اونها رو محترم میدونن و همیشه ازشون استقبال میکنن.

گروه 1R-1F-1M کم فعال‌ترین مشتریان که به ندرت و کم خرید داشتن

اگر چه به نظر میرسه که این دسته از مشتری‌ها کمتر خرید میکنند و کمتر به کسب و کار شما علاقه و امیدواری نشون میدن، باز هم دلیل نمیشه که کلاً اونها رو وارد دسته کسانی کنین که کلاً از شما خریدی ندارن.

دیگه اونها حداقل یه بار رو به محصولات شما علاقه نشون دادن. بیشتر اوقات، بازاریاب‌ها پیام‌های تحریک آمیز خاصی رو برای تقسیم‌بندی اینجور مشتری‌ها به دو دسته بی‌علاقه‌ها و امیدوارها، تهیه می‌کنن و براشون میفرستن. قطعا مشتری‌های امیدوار میتونن برن به دسته بعدی از گروه‌بندی تجزیه و تحلیل RFM.

گروهی با یک امتیاز 1

ممکنه که برخی از مشتری‌های شما ارزش مالیشون ۱۲۲ باشه. برای تصمیم گیری در مورد اینکه به شما برگردن یا نه باید به یه کمی وقت بدین. سعی کنین کالاهایی رو به همراه کالاهایی که قبلاً خریدن بهشون پیشنهاد بدین تا علاقمندی جدیدی به شرکت و محصولات شما در اونها ایجاد بشه. اینجوری ترغیب میشن دوباره بیان سراغ محصولات شما و احتمالاً مجدداً خرید کنن.

گروهی با یک امتیاز 3

این کاربران بخش امیدوارکننده‌ای برای تحقیقات مشتری شما هستن. اون‌ها به اندازه کافی سازگار هستن که شما بتوانین براشون وقت بذارین و بررسی کننی تا یه راه مناسب برای بالا بردن شاخص‌های دیگه این مشتری‌ها پیدا کنین.

جمع بندی

روش RFM Analysis یا تجزیه و تحلیل RFM نه تنها یه چیز سخت و دور از دسترس نیس بلکه ابزاری بسیار مفید برای تجزیه و تحلیل پایگاه مشتری شماست.

فقط با یه کمی کار، خواهید دید که چطوری میتونین یه رویکرد فردی مناسب برای مشتری هاتون ایجاد کنین. در عین حال، به خاطر داشته باشین که داده‌های شما تحت تأثیر فصول، تبلیغات و تعطیلات قرار می‌گیرن. پس همیشه باید حواستون به این تجزیه و تحلیل باشه و به روز رسانی کنین.

مثلا اگه یه مشتری با سابقه خرید بالا در ماه جاری، چیزی در ماه آینده خریداری نکرد، این به این معنی نیس که شما باید فوراً اون رو ببرین به یه بخش دیگه. شاید این اتفاق فقط یه اثر فصلی باشه و بعد از یه مدت باز دوباره خرید رو از سر بگیره.

بنابراین جای نگرانی نیست و بیخود خودتون و مشتری های خودتون رو روی این موضوع حساس نکنین. اما اگه موردی بود که مدت زیادی از غیرفعال بودنش میگذره، اون موقع دیگه باید دست به تغییر بخش و دسته مشتری بزنین.

بنابراین این شکلی RFM Analysis بهتون کمک میکنه تا بتونین اون مشتری‌هایی که دائمن و برای شما درآمد بالایی ایجاد میکنن رو پیدا کنید و روی اونها سرمایه‌گذاری کنین.

امیدوارم که این مقاله برای فهمیدن و آشنایی با RFM Analysis بهتون کمک کرده باشه و بتونین ازش استفاده کنین. اگر باز هم سوالی بود ما برای پاسخگویی آماده‌ایم. نظرات و سوالاتتون رو در قسمت دیدگاه با ما به اشتراک بگذارین.