1. Mariusz Maksymiuk, Dyrektor zarządzający agencji interaktywnej Adexon 360
2. Artur Dąbrowski i Filip Kłodawski, Agencja e-mail marketingowa Animails
3. Marek Włodarczyk, Country Manager optivo GmbH/ Sp. z o.o
4. Paweł Sala, Managing Director and Co-founder @ FreshMail
Zobacz inne odcinki cyklu Encyklopedia Marketingu >
Zobacz również
Analiza RFM
[Mariusz Maksymiuk:] Analizę RFM, z ang. Recency, Frequency, Monetary można zdefiniować w prostych słowach, jako model wartościowania klientów na podstawie historycznie dokonywanych transakcji. Służy on do oceny potencjału oraz opłacalności pozyskania klienta. Do tej pory wykorzystywany był głównie przez działy handlowe oraz komórki zajmujące się marketingiem bezpośrednim. Należy jednak zauważyć, iż model ten znajduje coraz częściej zastosowanie w nowoczesnych technikach marketingu on-linie. Big Data oraz nowe technologie pomagają marketerom w bezpośrednim dotarciu z ofertą do klientów właśnie za pomocą kanału on-linie.
Przykładem wykorzystania analizy RFM w kampaniach mediowych jest np. użycie danych 1-st party data pochodzących od klientów w celu dosprzedaży innych produktów marketera lub wykonanie przez tych użytkowników określonej przez nas akcji – KPI. Posiadając dane wykonujemy analizę RFM wartościując klienta/klientów i wykonując im dodatkową emisję kreacji personalizowanych pod nich, z ofertą innego lub dodatkowego produktu kierowanego pod konkretnego odbiorcę. Doemisja może się odbywać kanałami display, video czy mailing, w których dane 1st party (lub ewentualnie mniej precyzyjne 3th party) znajdują doskonałe zastosowanie.
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
Autor definicji:
Słuchaj podcastu NowyMarketing
Mariusz Maksymiuk
Dyrektor zarządzający agencji interaktywnej Adexon 360
Ekspert w dziedzinie targetowania audience, analizy skuteczności oraz marketing automation. Posiada ponad 8-letnie doświadczenie w branży mediów, marketingu i reklamy. Pracował w Independent Media na stanowisku dyrektora zarządzającego, gdzie odpowiadał m.in. za tworzenie struktur, business development, kreowanie nowych produktów oraz strategii marketingowej. Współpracował również z Internetowym Domem Mediowym net oraz PHD Media Direction
—
[Artur Dąbrowski i Filip Kłodawski:] Analizę RFM przeprowadza się w oparciu o trzy czynniki, opisujące klienta:
- datę ostatniego zakupu (R – recency);
- częstotliwość zakupu (F – frequency);
- ilość wydanych pieniędzy (M – monetary);
przy założeniu, że:
- osoby, które dokonały zakupu niedawno, są najbardziej wartościowe;
- osoby, które często kupują (w odpowiednim dla Twojej branży i produktów interwale czasowym), są najbardziej wartościowe;
- osoby, które w danym interwale czasowym wydały najwięcej;
Następnie w ramach każdego z czynników tworzy się grupy najbardziej i najmniej „aktywnych/wartościowych” klientów, przydzielając tzw. scoring (punktację).
Przykład:
Prowadzisz sklep z soczewkami kontaktowymi. Twoi klienci średnio co miesiąc muszą kupić nowy zestaw soczewek i potrzebne płyny. Analizując R najbardziej wartościowymi klientami będą dla Ciebie osoby, które kupiły produkt do dwóch miesięcy wstecz. Im przyznajesz 3 punkty. Grupę klientów, którzy tracą zainteresowanie Twoją marką są Ci, którzy nie dokonali zakupu od 3 do 5/6 miesięcy wstecz. Im przyznajesz 2 punkty. Wszyscy, którzy kupili dawniej niż 6 miesięcy temu wymagają reaktywacji. Im przyznajesz 1 punkt. W podobny sposób poddajesz analizie współczynniki F i M.
Wynikiem takiej analizy jest baza klientów, w której każdy z nich ma przypisaną liczbę punktów. Teraz można postąpić kilku-torowo:
- zsumować punkty ze wszystkich 3 czynników i na podstawie sumy określić najmniej i najbardziej wartościowych klientów i prowadzić odrębną komunikację do każdego z segmentów;
- optymalizować każdy współczynnik z osobna tworząc kampanie reaktywacyjne dla podniesienia współczynnika R, ustawiając cykl autoresponderów z przypomnieniem o zakupach, dla podniesienia współczynnika F, lub przyznawania rabatów powyżej odpowiedniej kwoty zamówienia, dla podniesienia współczynnika M.
Scoring nie musi opierać się na trzech stopniach, można stosować dowolne przedziały punktów, z uwzględnieniem jednak tego, że większa ilość punktów, to większa ilość segmentów, a to większa ilość wariantów kampanii, co z kolei wiąże się z większą ilością pracy.
Autorzy definicji:
Artur Dąbrowski i Filip Kłodawski
Agencja e-mail marketingowa Animails
—
[Marek Włodarczyk:] Chcąc prowadzić skuteczną komunikację z klientami, musimy ich najpierw jak najlepiej poznać. Warto w tym celu zebrać informacje, które będą dla nas szczególnie przydatne, czyli pogrupować kontakty z uwzględnieniem punktów styku i potencjalnego, mocniejszego związku z marką. Narzędziem, które pozwoli nam precyzyjnie określić zachowania naszych klientów, a dzięki temu odpowiedzieć na ich potrzeby, jest analiza RFM.
Pierwszym czynnikiem, który należy wziąć pod uwagę przystępując do analizy, jest czas, jaki upłynął od ostatniego zakupu klienta (Recency). Zakłada się przy tym, że klienci, którzy kupili u nas produkt stosunkowo niedawno, chętniej dokonają kolejnej transakcji niż ci, którzy nie zrobili zakupów od dłuższego czasu. Następnie należy zbadać częstotliwość (Frequency), z jaką klienci składają zamówienia. Warto w tym miejscu znaleźć odpowiedź na pytanie: jak często dana osoba dokonywała zakupów w ciągu ostatnich 3 lub 6 miesięcy? Klienci, którzy częściej decydują się na skorzystanie z naszych usług, najprawdopodobniej zrobią to ponownie. Na koniec, należy przyjrzeć się całkowitym wartościom zamówień poszczególnych osób (Monetary). Klienci wydający więcej, chętniej odpowiadają na nowe oferty niż ci, którzy wydają nieco mniej.
Aby otrzymać całościowy wynik analizy RFM, każdemu klientowi należy przyznać punkty dla każdej z wymienionych kategorii, na przykład w pięciostopniowej skali, a następnie dodać je do siebie. Przykładowo, osoby, które dokonują zakupów najczęściej otrzymają 5 punktów za częstotliwość, natomiast te, które decydują się na zakup najrzadziej – 1 punkt.
Klienci, którzy łącznie otrzymają największą liczbę punktów w trzech wymienionych kategoriach to tacy, którzy z największą dozą prawdopodobieństwa odpowiedzą na naszą ofertę. Ci, którzy uzyskali niski wskaźnik RFM, są natomiast mniej skłonni do reagowania na nowe akcje marketingowe i oferty. Należy również wziąć pod uwagę fakt, że klienci mogą uzyskać wysoki wskaźnik tylko w dwóch kategoriach, np. Recency i Monetary, a niski w Frequency.
Analiza RFM ułatwia poznanie zachowań naszych odbiorców, dzięki czemu możemy personalizować wysyłki, kierując do klientów odpowiednio dobrane oferty, jak również w odpowiedni sposób je komunikować. Zwiększymy w ten sposób prawdopodobieństwo, że klient podejmie pożądane przez nas działanie. Wyciągnięcie wniosków z zebranych danych pozwala dostosować komunikację, również tę e-mail marketingową, do poszczególnych segmentów odbiorców. Inaczej zwrócimy się więc do osoby, która ma wysoką punktację w kategorii ilości wydanych pieniędzy, ale niską w częstotliwości dokonywanych zakupów, niż do tej, której wskaźnik w tym względzie jest odwrotny.
Autor definicji:
Marek Włodarczyk
Country Manager optivo GmbH/ Sp. z o.o
Country Manager w optivo, gdzie oprócz kreowania działań sprzedażowych i marketingowych na rynku polskim, zarządza strategicznie polskim oddziałem firmy. Pracę w optivo rozpoczął w 2014 roku, na stanowisku Sales Director. Jest także ekspertem branży Call Center / Outsourcingu oraz posiada bogatą praktykę biznesową i doświadczenie w budowaniu działań sprzedażowych na terenie całej Europy. Ukończył studia magisterskie na kierunku Socialmanagement w Niemczech, gdzie studiował i pracował łącznie przez ponad 14 lat. Jest też absolwentem Podyplomowych Studiów Zarządzania Sprzedażą Szkoły Głównej Handlowej w Warszawie.
—
[Paweł Sala:] Analiza RFM to jedno z najbardziej skutecznych narzędzi, dzięki którym marketerzy mogą ocenić wartość swoich odbiorców (tzw. scoring), podzielić ich na segmenty, przewidzieć przyszłe reakcje i na tej podstawie dopasować przekaz marketingowy.
Polega ona na modelowaniu profili odbiorców, poprzez przyznanie odpowiedniej ilości punktów, na podstawie tego:
- jak dawno dany odbiorca dokonał zakupu – Recency (jeśli niedawno otrzymuje wyższą ilość punktów),
- jak wiele razy dokonał zakupów, czyli jak bardzo lojalnym klientem jest – Frequency (jeśli więcej niż 1 raz, otrzymuje większą ilość punktów),
- jak dużych/drogich zakupów wcześniej dokonał – Monetary (im większa wartość zakupów, tym otrzymuje większą ilość punktów).
Warto zwrócić uwagę, że zastosowanie tej analizy w działaniach email marketingowych nie tylko zwiększy efektywność wykorzystania kanału email i poziomu generowanej sprzedaży, ale także pozytywnie wpłynie na reputację email marketera, jako nadawcy wiadomości.
Dzieje się tak ponieważ precyzyjnie dopasowując przekaz do wcześniejszych zachowań i zainteresowań odbiorcy, zwiększa się szansę, że otworzy on wiadomość. Tego typu aktywności są skrupulatnie monitorowane przez filtry antyspamowe oraz adminów poczty elektronicznej i każdorazowo korzystnie wpływają na reputację marketera. Ma to bezpośredni wpływ na poprawę dostarczalności jego kampanii i wzrost skuteczności działań w kanale email.
Case study sklepu internetowego Perhapsme.com
To jak krok po kroku przeprowadzić analizę RFM, np. w swoim sklepie internetowym, opisywałem już kiedyś dokładnie na blogu FreshMaila. Teraz skupię się więc na wynikach jakie można dzięki niej uzyskać, na przykładzie ecommerce modowego Perhapsme.
W przypadku tego klienta głównymi celami postawionymi przed nami było zwiększenie sprzedaży osiąganej z email marketingu oraz lojalności klientek.
Na szczęście sklep ten budował od początku całkiem inną komunikację do każdej z trzech grup odbiorców:
- lojalnych,
- średnio lojalnych
- nielojalnych.
Zaczęliśmy więc od przejrzenia kilkudziesięciu wcześniejszych kampanii, które zanotowały najwyższe wskaźniki zaangażowania odbiorców i były powiązane z najwyższymi wynikami sprzedażowymi (bardzo pomógł nam w tym Google Analytics).
Każdemu z adresów w bazie nadaliśmy scoring w oparciu o trzy wspomniane wyżej wskaźniki. Uzyskaliśmy więc grupy osób, które:
- kupiły produkt w przeciągu ostatniego pół roku (aktywne),
- nie kupowały w przedziale od pół roku do roku (średnio aktywne)
- nie kupowały dłużej niż od roku (nieaktywne).
Otrzymaliśmy wyniki wskaźnika R w przedziale 3-1, gdzie 3 oznacza osobę aktywną. Podobne działania przeprowadziliśmy dla częstotliwości zakupów i sumy wydanych pieniędzy.
Dla marketerów, którzy operują na dużych bazach, oczywiste jest, że tylko część z tych odbiorców jest tak naprawdę aktywna. Dodatkowo utrzymanie lub aktywizacja posiadanego już klienta jest szybsza i tańsza. Skupiliśmy się więc na wskaźniku Recency.
Otrzymaliśmy wówczas trzy grupy: najliczniejszą nieaktywną i niemal równe – aktywną i średnio aktywną. Różnice w liczebności między nimi wynosiły mniej więcej 15:1, ułatwiając nam znacznie pracę.
Aby zaktywizować odbiorców postanowiliśmy wykorzystać rabaty, planując odpowiednio ich częstotliwość, aby nie nauczyć Klientów tego, aby kupowali tylko z obniżoną ceną.
Stworzyliśmy wiec 3 wersje tego samego mailingu oraz 3 tematy wiadomości.
- Grupa aktywna, kupująca stale, otrzymała od nas specjalny box z contentem modowym,
- Grupa średnio aktywna (nie kupowała w przedziale 6-12 miesięcy) – rabat 15% na dowolny asortyment.
- A grupa nieaktywna (nie kupowała od ponad roku!) – zniżkę 30%.
Wyniki jakie uzyskaliśmy dają do myślenia. Bezpośrednio po wysłaniu mailingu do każdej z grup, zaobserwowaliśmy znaczny wzrost sprzedaży.
Dodatkowo z baz nieaktywnych i średnio aktywnych odbiorców „pozyskaliśmy” około 80 osób, które kupiły produkt.
Dodatkowym skutkiem przeprowadzonych akcji, którego nie byliśmy w stanie przewidzieć, był przyrost bazy w dniach, w których rozdawaliśmy rabaty. Udowodniło to, jak mocno w przypadku konsumentek działa marketing szeptany – baza zwiększyła się o 400 nowych subskrybentek.
Autor definicji:
Paweł Sala
Managing Director and Co-founder @ FreshMail, autor książki „Świeże podejście do e-mail marketingu” oraz szef grupy roboczej ds. e-mail marketingu przy IAB Polska.
Zobacz inne odcinki cyklu Encyklopedia Marketingu >