خوشه‌بندی مشتریان RFM چه تاثیری بر کسب و کار شما می گذارد؟

RFM-segmentation

تقسیم بندی RFM یک روش عالی برای شناسایی گروه‌هایی از مشتریان با یک رفتار خاص است. در این مقاله شما نحوه استفاده از این روش برای بهبود بازاریابی مشتریانتان را یاد خواهید گرفت.

خوشه بندی RFM چیست؟

خوشه بندیRFM به بازاریابان این امکان را می‌دهد تا کلاسترهای (خوشه‌های) خاصی از مشتریان را که دارای رفتار خاصی هستند و ارتباط بسیار نزدیکی به هم دارند را هدف قرار دهد و در نتیجه میزان بالایی از پاسخگویی ایجاد می‌شود و وفاداری و ارزش طول عمری مشتری افزایش پیدا می‌کند. مانند سایر روش‌های تقسیم بندی، خوشه بندیRFM روشی قدرتمند برای شناسایی گروه‌هایی از مشتریانی است که رفتاری خاص دارند. RFM مخفف سه حرف کلمات Recency, Frequency and Monetary است و به زودی در مورد هر یک از این کلمات بیشتر توضیح خواهیم داد.

بازاریابان معمولاً داده‌های گسترده‌ای (مانند تاریخچه خرید، تاریخچه مرور، الگوهای پاسخگویی کمپین قبلی و آمار جمعیتی) در مورد مشتریان فعلی خود دارند که می‌توانند از آنها برای شناسایی گروه‌های خاصی از مشتریان استفاده کنند و می‌توان محصولات / خدمات بسیار مرتبط را به هر کدام از آنها پیشنهاد داد.

در حالی که روش‌های زیادی برای انجام خوشه بندی وجود دارد تحلیل RFM به 3 علت محبوب‌تر است:

  1. از مقیاس‌های عددی و عینی استفاده می‌کند؛ که تصویری مختصر و آموزنده از مشتریان ارائه می‌دهد.
  2. ساده است ؛ بازاریابان می‌توانند بدون نیاز به دانشمندان داده یا نرم افزارهای پیچیده از آن به طور مؤثر استفاده کنند.
  3. شهودی است ؛ خروجی این روش خوشه بندی به راحتی قابل درک و تفسیر است.

Recency, Frequency and Monetary چیست؟

پایه و اساس روش خوشه بندی RFM را این ایده تشکیل می‌دهد که بازاریابان می‌توانند با تحلیل سه عامل قابل اندازه گیری، درک گسترده‌ای از مشتریان خود داشته باشند. این سه عامل شامل موارد زیر می‌باشد:

Recency (چه زمانی آخرین خرید صورت گرفته):

از آخرین فعالیت یا معامله مشتری با برند چقدر گذشته است؟ فعالیت معمولاً به عنوان یک فرایند خرید تفسیر می‌شود، گرچه گاهی اوقات از تغییرات استفاده می‌شود. به عنوان مثال، آخرین بازدید از یک وب سایت یا آخرین استفاده از یک اپلیکیشن. در بیشتر موارد، اگر مشتری به تازگی با برند تعامل داشته باشد و یا با آن معامله کرده باشد، احتمال بیشتری دارد که مشتری پاسخگوی ارتباطات برند باشد.

Frequency (تکرار خرید):

مشتری هر چند وقت یک بار در دوره زمانی خاص با برند معامله می‌کند یا با آن تعامل دارد؟ واضح است که مشتریانی که فعالیت‌های مکرری داشته‌اند به نسبت مشتریانی که تعامل کمتری داشته‌اند درگیرتر و احتمالاً وفادارتر هستند. مشتریانی که تنها یک بار خرید داشته‌اند هم در طبقه خودشان قرار می‌گیرند.

Monetary (ارزش پولی خرید): 

که به آن ارزش پولی هم گفته می‌شود نشان می‌دهد که مشتری در یک بازه زمانی خاص چقدر برای خرید از برند هزینه کرده است. معمولاً خریدارانی که به صورت کلان خرید داشته‌اند باید رفتار متفاوتی نسبت به مشتریانی که هزینه کمی کرده‌اند داشته باشند. با تقسیم پول بر فرکانس میانگین مقدار خرید به دست می‌آید که یک عامل مهم دیگر است که هنگام خوشه بندی مشتریان باید در نظر گرفت.

 

مراحل انجام خوشه بندیRFM و تحلیل RFM

در ادامه یک رویکرد مرحله به مرحله برای خوشه بندی RFM آورده شده است:

توجه داشته باشید که با کمک نرم افزار، خوشه بندی RFM و همچنین انواع پیچیده‌تر تقسیم بندی، می‌تواند به صورت خودکار انجام شود و نتایج دقیق‌تری به دست آید:

مرحله 1

اولین مرحله در ساخت یک مدل RFM، تخصیص مقادیر Recency، Frequency و Monetary به هر مشتری است. برای انجام این کار، داده‌های خام که باید به راحتی در پایگاه داده‌های CRM یا تراکنش‌های شرکت موجود باشند، می‌توانند در یک صفحه گسترده اکسل یا پایگاه داده جمع آوری شوند:

Recency صرفاً مدت زمانی است که از آخرین تراکنش / معامله مشتری می‌گذرد (بیشتر کسب و کارها این عامل را بر اساس روز استفاده می‌کنند، گرچه دیگران ممکن است از ماه، هفته یا حتی ساعت به جای روز استفاده کنند).

Frequency تعداد کل تراکنش‌های انجام شده توسط مشتری (در طول یک بازه زمانی تعریف شده) است.

Monetary کل مبلغی است که مشتری برای تمام تراکنش‌های خود خرج کرده است (در طول یک بازه زمانی تعریف شده).

مرحله 2

مرحله دوم این است که با استفاده از اکسل یا هر برنامه دیگر، لیست مشتریان را بر اساس ابعاد (R، F و M) به گروه‌هایی طبقه بندی کنید. توصیه می‌شود مشتریان را برای هر بعد به 4 دسته تقسیم کنید به‌طوری‌که هر مشتری در هر بعد به یک طبقه اختصاص داده شود (مگر اینکه از نرم افزارهای تخصصی استفاده کنید):

 

Recency Frequency Monetary
R-Tier-1 (جدیدترین) F-Tier-1 (متداولترین) M-Tier-1 (بالاترین هزینه)
R-Tier-2 F-Tier-2 M-Tier-2
R-Tier-3 F-Tier-3 M-Tier-3
R-Tier-4 (حداقل تراکنش) F-Tier-4 (تنها یک تراکنش) M-Tier-4 (کمترین هزینه)

 

این کار منجر به 64 بخش مشتری متمایز (4x4x4) می‌شود که مشتریان بر اساس آن خوشه بندی می‌شوند. همچنین می‌توان از سه ردیف استفاده کرد (در نتیجه 27 بخش). با این حال، استفاده از بیشتر از 4 مورد توصیه نمی‌شود (چون سختی استفاده از سود کم نتیجه گرانولتی اضافی است).

همانطور که در بالا اشاره شد، روش‌های پیچیده‌تر و کمتر دستی می‌توانند با نرم افزار انجام شوند که منجر به ایجاد گروه‌هایی از مشتریان با ویژگی‌های همگن‌تر می شود.

مرحله 3

مرحله سوم انتخاب گروه‌هایی از مشتریان است که انواع خاصی از ارتباطات برای آنها ارسال خواهد شد، و بر اساس تقسیم بندی‌های RFMی است که در آنها ظاهر می‌شوند.

تخصیص اسم به این بخش‌ها مفید خواهد بود. در ادامه چند مثال را توضیح خواهیم داد:

بهترین مشتریان: این گروه شامل آن دسته از مشتریانی است که در R-Tier-1, F-Tier-1  و  M-Tier-1 یافت می‌شوند؛ که به معنای مشتریانی که اخیراً تراکنش داشته‌اند؛ به طور مکرر خرید کرده‌اند و بیشتر از سایر مشتریان هزینه کرده‌اند. برای این بخش از اختصار 1-1-1 در ادامه متن استفاده خواهیم کرد.

مشتریان جدید با خرید بالا: این گروه؛ مشتریان 1-4-1 و 1-4-2 را تشکیل می‌دهند. اینها مشتریانی هستند که فقط یک بار تراکنش داشته‌اند اما به تازگی خرید داشته‌اند و هزینه زیادی صرف کرده‌اند.

مشتریان وفادار فعال با کمترین هزینه – این گروه شامل آن دسته از مشتریانی است که در بخش‌های 1-1-3 و 1-1-4 قرار دارند (آنها به تازگی تراکنش داشته‌اند و به طور مکرر خرید داشته‌اند اما کمترین هزینه را صرف کرده‌اند).

بهترین مشتریان از دست رفته: این بخش شامل آن دسته از مشتریانی است که در گروه‌های 4-1-1,4-1-2, 4-2-1  و  4-2-2 قرار دارند (آنهاب ه طور مکرر خرید داشته‌اند و هزینه زیادی هم صرف کرده‌اند، اما مدت زمان زیادی از خرید آنها گذشته است).

بازاریابان باید گروه‌هایی از مشتریان را جمع آوری کنند که بیشترین ارتباط را با اهداف تجاری خاص و اهداف حفظ (Retention Goals) آنها دارند.

مرحله 4

مرحله چهارم در واقع فراتر از خوشه بندیRFM است و شامل ایجاد پیام‌های خاصی است که برای هر گروه مشتری طراحی می‌شود. با تمرکز روی الگوهای رفتاری گروه‌های خاص، بازاریابی RFM به بازاریابان امکان می‌دهد تا با مشتریان به روشی بسیار مؤثرتر ارتباط برقرار کنند.

مجدداً، چند مثال برای تشریح گروه‌هایی که در بالا نام بردیم را در ادامه آورده‌ایم:

بهترین مشتریان: ارتباط با این گروه باعث می‌شود که آنها احساس ارزشمند بودن کنند. این مشتریان احتمالاً درصد بالایی از درآمد کلی را ایجاد می‌کنند و بنابراین تمرکز روی راضی نگه داشتن آنها باید در اولویت بالا قرار گیرد. تحلیل بیشتر ترجیحات و تمایلات فردی آنها، فرصت‌های بیشتری را برای ارسال پیام‌های شخصی‌تر فراهم می‌کند.

مشتریان جدید با خرید بالا: همیشه ایده خوب این است که همه مشتریان را با دقت رشد دهید، اما از آنجایی که این مشتریان جدید در اولین خرید خود هزینه بالایی صرف کرده‌اند اهمیت بیشتری دارند. مانند گروه بهترین مشتریان؛ مهم است که احساس ارزشمند بودن را به آنها بدهید و انگیزه فوق‌العاده‌ای برای ادامه تعامل با برند را به آنها بدهید.

مشتریان وفادار فعال با کمترین هزینه: این مشتریان به طور مکرر و وفادارانه خرید می‌کنند اما هزینه کمی را صرف می‌کنند. بازاریابان باید برای این گروه کمپین‌هایی ایجاد کنند که به آنها احساس ارزشمند بودن را بدهد و آنها را تشویق کنند تا سطح هزینه‌های صرف شده خود را افزایش دهند. به‌عنوان‌مثال، مشتریان وفادار اگر اطلاعات برند را در اختیار دوستان خود قرار دهند (مثلاً از طریق شبکه‌های اجتماعی)، اغلب به آنها پاداش داده می‌شود و یا پیشنهادات ویژه به آنها داده می‌شود.

بهترین مشتریان از دست رفته: اینها مشتریان با ارزشی هستند که از مدت‌ها قبل خرید را متوقف کرده‌اند. در حالی که جذب مجدد این مشتریان غالباً چالش برانگیز است؛ ارزش بالای این مشتریان باعث می‌شود که تلاش کردن ارزشمند باشد. مانند گروه بهترین مشتریان، برقراری ارتباط با آنها بر اساس ترجیحات خاص آنها (همان‌طور که از داده‌های تراکنش قبلی مشخص است) حائز اهمیت است.

البته تصمیم گیری در مورد اینکه کدام گروه از مشتریان را هدف قرار دهید و چگونه با آنها به بهترین شکل ارتباط برقرار کنید، جایی است که هنر بازاریابی وارد ماجرا می‌شود.

هشدارهای مربوط به خوشه بندیRFM و مدل RFM

خوشه بندیRFM یک روش ساده و قدرتمند برای تقسیم بندی مشتریان است. با این حال، این واقعیت که مدل RFM فقط به سه عامل خاص (هر چند عامل‌های مهم) توجه می‌کند به این معنا است که این روش ممکن است متغیرهای دیگری که به همان اندازه (یا بیشتر) اهمیت دارند را کنار بگذارد (به طور مثال محصولات خریداری شده، پاسخگویی کمپین‌های قبلی، جزئیات دموگرافی یا جمعیت شناسی).

همچنین بازاریابی RFM دارای یک ماهیت تاریخی است: به رفتار قبلی مشتریان نگاه می‌کند که ممکن است به طور دقیق فعالیت‌ها، ترجیحات و پاسخ‌های آینده را نشان دهند یا ندهد. تکنیک‌های پیشرفته‌تر خوشه بندی مشتری مبتنی بر فناوری‌های تحلیل پیش‌بینی‌کننده هستند که در پیش بینی رفتار بعدی مشتریان بسیار دقیق‌تر عمل می‌کنند.

راه حل اصلی خوشه بندی مشتریان

ما در ویترای به کمک پلتفرم  Power BI و داشبورد های خوشه بندی با تقسیم بندی مشتریان به بازاریابان کمک می‌کنیم تا یک رویکرد سیستماتیک برای برنامه ریزی، اجرا، اندازه گیری و بهینه سازی یک طرح بازاریابی مشتری کامل و بسیار شخصی‌سازی‌شده، را در کسب و کار خودتان پیاده سازی کنید.

به اشتراک بگذارید

یک قدم تا داده محوری

کافیست اطلاعات تماس خود را وارد کنید. ما با شما تماس خواهیم گرفت.

یک قدم تا داده محوری فاصله دارید

کافیست فرم زیر را تکمیل کنید.