De lunchroom, koffie en het RFM model

effectiveprofiles fashion, Geen categorie, retail

RFM-analyse in e-commerce

RFM-analyse staat voor Recency, Frequency, Monetary analyse.

Allereerst: Om een relevant gesprek met uw klanten te kunnen voeren, moet u ze eerst kennen.

Ik ben een aantal jaar geleden naar een dorp verhuisd, je kent het wel; een dorp waarin iedereen elkaar goedemorgen wenst en zwaait. In dit dorp zit een lunchroom. Ik ben een echte koffiefan en de eigenaar van deze lunchroom (Hans) deelt mijn passie gelukkig.

Na een paar dagen koffie halen, hoorde ik Hans op een ochtend zeggen: “Goedemorgen Jeroen, je koffie staat al voor je klaar”

Hans had me leren kennen. Hij wist hoe laat ik voor koffie kwam en hoe ik deze dronk. Hans veranderde een slaperige automatische aankoop in een persoonlijke ervaring. Geleidelijk aan nam ik ook wat bij m’n koffie, liet me adviseren over andere varianten, lunchte af en toe bij hans en liet hem een feestje cateren.

Ik werd een hele waardevolle klant voor hem.

Een echte 1:1 ervaring bieden is nog een hele uitdaging. Segmenteren op aankoopgedrag is daarintegen al een stuk reëler

 

Hoe vaak heeft u als marketingmanager de volgende vragen gesteld:

  • Wie zijn de klanten die het meest uitgeven?
  • Wie zijn de trouwste klanten die terugkomen en een tweede, derde, vierde orde plaatsen?
  • Wie zijn de nieuwste klanten?
  • Wie zijn die klanten die ik op het punt staat te verliezen?
  • Wie zijn die klanten die ik al kwijt ben?

RFM-analyse is een coole manier om deze vragen te beantwoorden. En dat zeg ik niet alleen maar. RFM-analyse gaat hand in hand met klantgerichtheid, segmentatie, personalisatie, op maat gemaakte marketingcampagnes en customer lifetime value

 

RFM-analyse

RFM-analyse (Recency, Frequency, Monetary) is…..

….een marketingmethode die u als marketeer kan helpen om uw klanten te segmenteren op basis van hun aankoopgeschiedenis. Door deze 3 vragen te beantwoorden: (1) hoe recent, (2) hoe vaak en (3) hoeveel heeft een klant bij u besteed, kunt u het koopgedrag blootleggen.

 

Voorbeeld. Klanten die onlangs een bestellinghebben geplaatst:

Klanten die onlangs een bestelling op uw website hebben geplaatst, zijn eerder bereid om een andere bestelling te plaatsen dan klanten die al een tijdje niet meer hebben gekocht.

(Mensen die gisteren koffie hebben besteld, zullen eerder vandaag weer komen, dan personen die een jaar geleden voor het laatst in de lunchroom zijn geweest)

 

Klanten die vaak kopen, zijn eerder bereid om opnieuw te kopen dan klanten die maar één keer hebben gekocht;

Klanten die meestal veel geld uitgeven, zijn meer bereid om opnieuw te kopen en inkomsten te genereren;

RFM helpt u retentie te verbeteren. Wanneer u het koopgedrag van uw klanten kent, bent u een stap dichter bij het ontcijferen van hun behoeften en voorkeuren. Het is dus een stap dichter bij het starten van een zinvol gesprek.

Het behouden van uw bestaande klanten is effectiever voor uw bedrijf dan nieuwe klanten te acquireren. “Het werven van een nieuwe klant is vijf tot 25 keer duurder dan het behouden van een bestaande klant. Het is logisch: je hoeft geen tijd en middelen te besteden aan het vinden van een nieuwe klant – je hoeft alleen de klant tevreden te houden”.

Een toename van 5% in klantbehoud kan de omzet van uw bedrijf met 25-95% verhogen

 

Waar moet ik als marketeer beginnen?

De eerste stap is om de database van uw klant te bekijken en historische gegevens te extraheren die beschikbaar zijn voor het berekenen van de recency – frequency – monetairy waarden:

 

Recency – de datum van de laatste aankoop van een klant. Welke datum is vandaag? Vanaf deze datum wordt de datum van de laatste aankoop van een klant afgetrokken. U krijgt het aantal dagen sinds de laatste aankoop wat dus de recency is. Kleinere waarden geven een actieve klant aan, terwijl grotere een slapende of verloren klant zijn.

Frequency – het aantal orders dat elke klant tot op de dag van vandaag bij u heeft geplaatst. Grotere waarden wijzen op een trouwe klant

Monetary – som de waarde op van alle orders van een klant. Grotere waarden geven aan dat er veel geld wordt uitgegeven op uw website.

De tweede stap: nu je de gegevens voor alle 3 dimensies hebt, moet je ze groeperen en elke groep een score geven. De meest aangewezen manier om dit te doen is om de waarden voor elke dimensie op te splitsen in 5 gelijke delen en aan elke dimensie een score toe te kennen.

Dit een van de grootste uitdagingen van het werken met RFM-analyses, tenzij je een excel expert bent. In EffectiveProfiles wordt aan elke klant al automatisch een status toegekend, worden de veranderingen weergegeven en de beste vervolgacties voor deze doelgroep getoond, waarna u hiermee kunt gaan testen en bij succes kunt automatiseren.

 

RFM score

Recency – de hoogste score van 5 gaat uit naar de klanten die het meest recentelijk hebben gekocht;

Frequency – de hoogste score van 5 gaat uit naar de klanten die het hoogste aantal orders hebben geplaatst;

Monetairy – de hoogste score van 5 gaat uit naar de klanten die het meest hebben uitgegeven in termen van waarde.

U krijgt zoiets als dit: 555. Een klant met een 555 RFM score is uw meest waardevolle klant. Noem het een kampioen of een VIP, ze kochten onlangs bij u, plaatsten het hoogste aantal orders en kochten van hoge waarde. Binnen EffectiveProfiles noemen we dit een topklant

Kijk naar RFM als een labyrint. Als u één waarde uit de vergelijking verandert, heeft u plotseling te maken met een nieuw type klant, met een ander koopgedrag, andere behoeften en dus andere marketingtactieken.

 

Voorbeeld:

Wat zegt een score van 125 (R=1, F=2, M=5)?

Wat je hier hebt is een groep klanten die (R) lang geleden van je kocht, (F) ze plaatsen weinig orders maar (M) dat waren waardevolle orders.

 

Wat heeft Hans met deze informatie gedaan?

Toen hij zag dat ik vaker kwam en wist wat mijn favoriete koffiesoort is, bood hij een gepersonaliseerde ervaring aan.

Wat waren de resultaten van deze aanpak?

Een tevreden en trouwe klant met steeds hogere waarde. Ik ging voor een tweede kopje en vertelde de buurt over de lunchroom.