Prosta segmentacja poprzez analizę RFM – szablon excel

Istnieje wiele sposobów segmentacji. Można klientów dzielić ze względu na parametry demograficzne, behawioralne, finansowe lub też dowolnie inne, jakie uznamy za słuszne. Można przy tym korzystać tylko z jednej zmiennej lub nawet kilkunastu jednocześnie (przychód, województwo, historia współpracy, itd.). Wybór metody segmentacji zależy w głównej mierze od celu, który nam przyświeca, ale także od narzędzi analitycznych, którymi dysponujemy.

Jedną z bardziej popularnych metod jest prosta segmentacja w oparciu o analizę RFM (skrót od Recency, Frequency, Monetary). Do wykonania jej wystarczy w najgorszym przypadku sam Excel i napisanie paru formuł. Jednakże o wiele lepsze rezultaty może przynieść wykorzystanie jednej z popularnych aplikacji typu Business Intelligence, która ma już wbudowane funkcjonalności ułatwiające generowanie zestawień w oparciu o analizę RFM.

Na czym polega analiza RFM?

Segmentacja RFM bazuje tylko na trzech zmiennych: dacie ostatniego zakupu klienta (Recency), częstotliwości zakupów (Frequency), wartości zrealizowanych wszystkich transakcji (Montetary).

Dysponując tabelą danych z powyższymi wartościami (wyciągniętymi przykładowo z systemu CRM) jesteśmy w stanie bardzo szybko posegmentować klientów oraz uzyskać dodatkowo bardzo cenny materiał do dalszych analiz. A w jaki sposób te dane interpretować? Otóż analiza RFM jest metodą behawioralno-finansową, przy której tworzeniu przyjęto następujące założenia:

• z większym prawdopodobieństwem kolejnych zakupów dokonają klienci, którzy w ostatnim czasie także dokonali transakcji,innymi słowy, im data ostatniego zakupu odleglejsza, tym mniejsze szanse, że się on powtórzy.
•  im większa częstotliwość zakupów w przeszłości, tym większe szanse na to, że dany klient będzie wybierał naszą ofertę w przyszłości; jeżeli klient dokonuje zakupów z mniejszą regularnością to można zakładać, że taki stan się utrzyma.
• przyszłe przychody z większym prawdopodobieństwem będą pochodziły od klientów, którzy dokonywali transakcji na większe kwoty, niż od klientów, którzy generowali zakupy o mniejszej wartości.

Kliknij, aby pobrać: Przykład szablon excel – segmentacja RFM

Gdy mamy już pobrane dane, wtedy przygotowanie segmentacji wymaga zaledwie paru kroków:

1. Sortujemy kolejno kolumny ze zmiennymi
2. Dla każdej ze zmiennych tworzymy przedziały i przypisujemy im odpowiednie wartości ze skali (np. 1-5)
3. Do każdego rekordu przypisujemy kolejno odpowiednią wartość ze skali dla zmiennej R, F i M.
4. Do klientów każdej z grup przypisujemy wartości od 1 do 5.
5. W oddzielnej kolumnie obliczamy sumę wartości R,F,M dla każdego rekordu, a następnie całą kolumnę sortujemy.
6. W zależności od łącznego wyniku przyporządkowujemy firmy do odrębnych grup (segmentów).
7. Dla każdej grupy przygotowujemy dedykowane działania marketingowo-sprzedażowe.

Generalna zasada jest taka, że im wyższa wartość skali, tym lepiej. Rekordy o parametrach R, F, M równych 5 to nasi najlepsi klienci (najmniej dni upłynęło od ich ostatniego zakupu, najczęściej dokonują zamówień, na największe kwoty), natomiast rekordy o wartościach odpowiednio R=1, F=1, M=1 to klienci o małym potencjale. Nietrudno się domyślić, że celem jest, aby coraz więcej firm z czasem uzyskiwało coraz wyższe wartości RFM. Temu w dużej mierze służy ta segmentacja.

Możemy analizę RFM skoncentrować na liczności poszczególnych grup, jak również wziąć pod uwagę przejścia pomiędzy poszczególnymi segmentami w czasie. Niezmiernie ważne może się też okazać bliższe przyjrzenie się  firmom, u których występują wartości skrajne (np. 1,2 dla jednej zmiennej, 4-5 dla innej). Jeżeli taka sytuacja często występuje to należy zastanowić się na działaniami, dzięki którym te firmy, które przykładowo dokonywały częstych i znaczących zakupów pół roku temu (wysokie F i M, niskie wartości R), zwiększyły swoją punktację przy zmiennej „R” w najbliższym okresie.

Analizę RFM można także rozszerzyć na obszar produktowy. Otrzymane wyniki z segmentacji wystarczy połączyć wtedy ze sprzedażą poszczególnych produktów. W ten sposób otrzymamy informacje o tym, które produkty są najpopularniejsze wśród każdej z grup klientów i na które warto stawiać.

Przykładowy szablon pliku Excel do analizy RFM jest udostępniony do pobrania, wystarczy kliknąć na umieszczony w tekście link lub grafikę. Jak wcześniej już wspomniałem Excel nie jest najlepszym narzędziem do pogłębionych analiz RFM, ale załączam go, aby pokazać jak łatwo może taka segmentacja powstać w swojej podstawowej formie. Wystarczy umieścić własne dane w 4 pierwszych kolumnach, skorygować skale, wartości przedziałów i praktycznie wszystko gotowe. Uzyskane wyniki można zestawiać w dowolny sposób, np. przy pomocy tabel przestawnych (przykład w arkuszu drugim załączonego pliku) lub wykresów.

Wyniki segmentacji RFM przedstawiają obraz potencjału przychodowego klientów – wiemy, którzy z nich są najcenniejsi i przedstawiają najlepsze perspektywy, a także którzy wymagają dodatkowych działań, aby ich wartość wzrosła. Dane dotyczące częstości zakupów oraz łącznej kwoty transakcji mogą pochodzić z 2 ostatnich lat lub też uwzględniać całą historię klientów. Sposób obliczania tych wartości dla jednej firmy, może niekoniecznie być najlepszym rozwiązaniem dla innej.

Nic nie stoi na przeszkodzie, aby tę prostą analizę dostosowywać pod specyfikę danej firmy, aby jej rezultaty bardziej odpowiadały rzeczywistości. Nie ma większych ograniczeń dotyczących tworzenia własnych skal (1-5, 1-10, itp.) lub przedziałów dla głównych parametrów. Poszczególne zakresy przedziałów mogą pochodzić od wartości maksymalnych i minimalnych podzielonych przez skalę albo przyjmować stałe przedziały, tak, aby dane można było łatwiej porównywać w czasie.

Dużą zaletą tej metody segmentacji jest to, że przy wykorzystaniu tylko trzech, łatwo dostępnych danych, jesteśmy w stanie przeprowadzić kompletną analizę. A dodatkowo, co jest szczególnie ważne, prowadzone analizy dotyczą w pierwszej kolejności przyszłości, a nie przeszłości. Celem RFM jest przewidzenie przyszłych zachowań klientów, a nie tylko reagowanie na przeszłe wydarzenia. Dzięki wnioskom z tej analizy można doskonalić strategię sprzedaży kierowaną do każdego z wyodrębnionych w analizie segmentów klientów.