Analisis RFM Untuk Segmentasi Pelanggan yang Sukses

Di halaman ini Anda akan pelajari semua yang Anda butuhkan untuk belajar tentang RFM .

Seiring dengan dasar-dasarnya, Anda juga akan belajar bagaimana Anda dapat menerapkan model RFM dalam bisnis Anda sendiri .

Apa itu Analisis RFM?

Analisis RFM ( Recency, Frequency, Monetary ) adalah model pemasaran yang terbukti untuk segmentasi pelanggan berbasis perilaku. Ini mengelompokkan pelanggan berdasarkan riwayat transaksi mereka – seberapa baru, seberapa sering, dan berapa banyak yang mereka beli.

RFM membantu membagi pelanggan ke dalam berbagai kategori atau kelompok untuk mengidentifikasi pelanggan yang lebih mungkin merespons promosi dan juga untuk layanan personalisasi di masa mendatang.

Apa itu Analisis Kekinian, Frekuensi, dan Moneter?

Menilai pelanggan berdasarkan satu parameter saja tidak cukup.

Misalnya, Anda dapat mengatakan bahwa orang yang paling banyak berbelanja adalah pelanggan terbaik Anda. Sebagian besar dari kita setuju dan berpikiran sama.

Tapi tunggu! Bagaimana jika mereka hanya membeli sekali? Atau sudah sangat lama? Bagaimana jika mereka tidak lagi menggunakan produk Anda?

Jadi..bisakah mereka tetap dianggap sebagai pelanggan terbaik Anda? Mungkin tidak.

Menilai nilai pelanggan hanya pada satu aspek akan memberi Anda laporan yang tidak akurat tentang basis pelanggan Anda dan nilai umur mereka.

Itu sebabnya, model RFM menggabungkan tiga atribut pelanggan yang berbeda untuk menentukan peringkat pelanggan.

Jika mereka membeli di masa lalu, mereka mendapatkan poin yang lebih tinggi. Jika mereka membeli berkali-kali, mereka mendapatkan skor yang lebih tinggi. Dan jika mereka menghabiskan lebih besar, mereka mendapatkan lebih banyak poin. Gabungkan ketiga skor ini untuk membuat skor RFM.

Akhirnya Anda dapat mengelompokkan basis data pelanggan Anda ke dalam grup yang berbeda berdasarkan ini Kekinian – Frekuensi – Moneter skor.

Menganalisis segmen pelanggan RFM dengan model RFM

Anda dapat membuat berbagai jenis segmen pelanggan dengan pemodelan RFM, tetapi berikut adalah 11 segmen yang kami rekomendasikan.

Pikirkan tentang berapa persentase pelanggan Anda yang sudah ada di setiap segmen ini. Dan evaluasi seberapa efektif tindakan pemasaran yang direkomendasikan untuk bisnis Anda.

Di sisi lain: kisah sedih berulang tentang pemasaran email

Pertimbangkan kasus ini…

Carol telah memasang buletin email yang sempurna – konten, desain, baris subjek, ajakan bertindak, tautan media sosial… Dia mengirimkan buletin dengan mengharapkan tingkat konversi yang luar biasa. Matematika mentalnya beralasan bahwa bahkan jika itu mengkonversi pada tingkat 10% "rendah" pada 3500 pelanggannya, dia akan lebih kaya beberapa ribu dolar dalam beberapa jam.

Sepuluh menit.. setengah jam.. dua jam..8 jam berlalu. Tetapi pada akhirnya, hanya 1,5% orang yang mengklik tautan dan satu penjualan.

Sangat mengecewakan bukan?

Apa yang dia lewatkan?

Carol melakukan segalanya dengan sempurna, kecuali satu – penargetan .

Dia mengirim email yang sama ke semua orang.

Saya yakin Anda akan setuju: pelanggan yang berbeda bereaksi terhadap pesan yang berbeda.

Pelanggan yang sensitif terhadap harga akan mendapatkan penawaran diskon, tetapi seseorang yang secara teratur membeli dari Anda mungkin hanya tertarik dengan peluncuran produk baru.

Itu tangkapannya!

Alih-alih menjangkau 100% audiens Anda, Anda perlu mengidentifikasi dan menargetkan hanya kelompok pelanggan tertentu yang ternyata paling menguntungkan bagi bisnis Anda.

Kami meninggalkan emas di atas meja…

Sebagian besar dari kita bahkan tidak dekat dengan Carol.

Apakah Anda berada dalam perdagangan online, ritel, pemasaran langsung atau B2B – kebanyakan dari kita begitu sibuk dengan pekerjaan sehari-hari sehingga kita tidak menghabiskan cukup waktu untuk pemasaran. Kampanye pemasaran kami tergesa-gesa, gagal dalam copywriting, kurang desain profesional, dan kami tidak cukup memperhatikan pelacakan atau peningkatan konversi.

Tentu saja, kami ingin melakukan semua itu. Tapi kami tidak.

Bagaimana jika kami memahami pelanggan kami sedikit lebih baik dan mengirimkan kampanye yang lebih relevan kepada mereka?

Saya berjanji tingkat keberhasilan kami akan jauh lebih tinggi.

Kami tidak hanya akan menghasilkan lebih banyak uang, tetapi pelanggan kami juga akan lebih bahagia dan setia.

Masih belum yakin? Anda akan berada dalam beberapa menit.

Keuntungan dari segmentasi RFM: Beginilah cara analisis RFM menjadi sangat berguna…

Mengirim pesan yang disesuaikan dengan grup pelanggan akan menghasilkan konversi yang jauh lebih tinggi.

Bukankah sudah jelas?

Semua kampanye pemasaran harus mengambil segmen target terlebih dahulu, kemudian membuat materi promosi yang akan beresonansi dengan audiens tersebut, dan kemudian menginjak pedal gas.

Sayangnya, kebanyakan dari kita tidak melakukan itu.

Di situlah Analisis RFM sangat berguna.

RFM memudahkan mengidentifikasi kelompok pelanggan .

Segmentasi RFM dengan mudah menjawab pertanyaan-pertanyaan ini untuk bisnis Anda…

• Siapa pelanggan terbaik saya?
• Pelanggan mana yang hampir putus asa?
• Siapa yang memiliki potensi untuk dikonversi menjadi pelanggan yang lebih menguntungkan?
• Siapa pelanggan hilang yang tidak perlu Anda perhatikan?
• Pelanggan mana yang harus Anda pertahankan?
• Siapa pelanggan setia Anda?
• Kelompok pelanggan mana yang paling mungkin merespons kampanye Anda saat ini?

Keefektifan yang terbukti – Penelitian akademis dan industri selama beberapa dekade

RFM memiliki rekam jejak selama beberapa dekade. Ini bukan iseng atau gimmick pemasaran. Ini adalah proses yang terbukti secara ilmiah.

Pertama-tama, ini didasarkan pada prinsip Pareto – biasanya disebut sebagai aturan 80-20 .

Aturan Pareto mengatakan 80% hasil berasal dari 20% penyebab.

Demikian pula, 20% pelanggan berkontribusi 80% dari total pendapatan Anda.

Orang yang menghabiskan sekali lebih mungkin untuk membelanjakan lagi. Orang yang melakukan pembelian tiket dalam jumlah besar cenderung akan mengulanginya.

Prinsip Pareto adalah inti dari model RFM. Memfokuskan upaya Anda pada segmen pelanggan yang kritis kemungkinan akan memberi Anda laba atas investasi yang jauh lebih tinggi!

Berakar dalam pemasaran langsung, basis data / bisnis katalog

Konsep RFM awalnya diperkenalkan oleh Bult dan Wansbeek pada tahun 1995. Ini digunakan secara efektif oleh pemasar katalog untuk meminimalkan biaya pencetakan dan pengiriman mereka sambil memaksimalkan pengembalian.

Meningkatnya popularitas komputerisasi membuatnya lebih mudah untuk melakukan studi RFM karena catatan pelanggan dan pembelian didigitalkan. Sebuah studi ekstensif oleh Blattberg et al. pada tahun 2008 membuktikan keefektifan RFM ketika diterapkan pada database pemasaran. Banyak penelitian akademis lainnya juga telah menyetujui bahwa RFM mengurangi biaya pemasaran dan meningkatkan pengembalian.

Lingkaran Windsor melaporkan keberhasilan yang signifikan menggunakan RFM untuk pelanggan ritel mereka:

• Eastwood meningkatkan keuntungan pemasaran email mereka sebesar 21%
• L'Occitane memperoleh pendapatan 25 kali lebih banyak per email. 25 kali, bukan 25%…
• Frederick's of Hollywood mencatat tingkat konversi setinggi 6-9% dalam kampanye mereka

Saya harap Anda sekarang yakin tentang kegunaan analisis RFM untuk bisnis Anda sendiri.

Sekarang mari kita menghitung di balik semua hasil itu.

Bagaimana cara menghitung skor RFM? – Perhitungan skor RFM disederhanakan

Ingin tahu bagaimana cara menghitung skor RFM untuk basis data pelanggan Anda? Begini caranya…

Kami membutuhkan beberapa detail dari setiap pelanggan:

• ID Pelanggan / Email / Nama dll : untuk mengidentifikasi mereka
• Kekinian (R) sebagai hari sejak pembelian terakhir : Berapa hari yang lalu pembelian terakhir mereka? Kurangi tanggal pembelian terbaru dari hari ini untuk menghitung nilai kebaruan. 1 hari yang lalu? 14 hari yang lalu? 500 hari yang lalu?
• Frekuensi (F) sebagai jumlah total transaksi : Berapa kali pelanggan membeli dari toko kami? Misalnya, jika seseorang menempatkan 10 pesanan selama periode waktu tertentu, frekuensinya adalah 10.
• Moneter (M) sebagai total uang yang dibelanjakan : Berapa $$ (atau berapa pun mata uang perhitungan Anda) yang telah dibelanjakan pelanggan ini? Sekali lagi batasi hingga dua tahun terakhir – atau habiskan waktu. Cukup jumlahkan uang dari semua transaksi untuk mendapatkan nilai M.

Contoh analisis RFM

Pertimbangkan pelanggan Robert Johnson – dia terakhir memesan 3 hari yang lalu dan menempatkan total 6 pesanan senilai $540 hingga saat ini.

Menerapkan rumus skor RFM

Setelah kami memiliki nilai RFM dari riwayat pembelian, kami menetapkan skor dari satu hingga lima untuk kebaruan, frekuensi, dan nilai moneter secara individual untuk setiap pelanggan . Lima adalah nilai terbaik/tertinggi, dan satu adalah nilai terendah/terburuk. Skor RFM akhir dihitung hanya dengan menggabungkan nomor skor RFM individu.

Ingat, nilai RFM dan skor RFM berbeda. Nilai adalah nilai sebenarnya dari R/F/M untuk pelanggan tersebut, sedangkan Skor adalah angka dari 1-5 berdasarkan nilainya.

Lihatlah tabel di bawah ini. Untuk menghitung skor, pertama-tama kita mengurutkan nilai dalam urutan menurun (dari tertinggi ke terendah). Karena kami memiliki 15 pelanggan dan lima skor, kami menetapkan skor lima untuk tiga catatan pertama, empat untuk tiga berikutnya dan seterusnya. Untuk skor RFM keseluruhan, kami cukup menggabungkan skor R, F, dan M pelanggan untuk membuat angka tiga digit.

Catatan : Pembelian terbaru dianggap lebih baik dan karenanya diberi skor lebih tinggi.

Dengan demikian, pelanggan yang membeli baru-baru ini, adalah pembeli yang sering dan menghabiskan banyak uang diberi skor 555 – Kekinian(R) – 5, Frekuensi(F) – 5, Moneter(M) – 5. Mereka adalah pelanggan terbaik Anda. Alexander Diesel dalam hal ini, bukan Ammar Fahad – pemboros tertinggi.

Di sisi lain adalah pelanggan menghabiskan paling rendah, hampir tidak melakukan pembelian dan itu sudah lama sekali – skor 111. Kekinian(R) – 1, Frekuensi(F) – 1, Moneter(M) – 1. Andy Smith pada kasus ini.

Masuk akal, bukan?

Sekarang izinkan saya menjelaskan dengan cepat mengapa kami membuat kelompok yang terdiri dari tiga orang untuk setiap skor.

Bagaimana cara menghitung skor RFM pada skala 1-5?

Bisnis yang berbeda dapat menggunakan metode rumus rfm yang berbeda untuk memeringkat nilai RFM pada skala 1 hingga 5. Namun berikut adalah dua metode yang paling umum.

Metode 1: Rentang tetap sederhana

Sebuah contoh:

Jika seseorang membeli dalam 24 jam terakhir, tetapkan 5. Dalam 3 hari terakhir, beri skor 4. Tetapkan 3 jika mereka membeli dalam bulan ini, 2 untuk enam bulan terakhir, dan 1 untuk orang lain.

Seperti yang Anda lihat, kami telah menentukan rentang untuk setiap skor sendiri. Ambang batas rentang didasarkan pada sifat bisnis. Anda akan menentukan rentang untuk frekuensi dan nilai moneter seperti ini juga.

Metode penilaian ini bergantung pada masing-masing bisnis – karena mereka memutuskan kisaran apa yang mereka anggap ideal untuk nilai kebaruan, frekuensi, dan moneter.

Tetapi ada tantangan dengan perhitungan periode / rentang tetap seperti itu untuk skor RFM.

Seiring pertumbuhan bisnis, rentang skor mungkin perlu sering disesuaikan.

Jika Anda memiliki bisnis pembayaran berulang, tetapi dengan syarat pembayaran yang berbeda – bulanan, tahunan, dll – perhitungannya salah.

Metode 2: kuintil – Buat lima bagian yang sama berdasarkan nilai yang tersedia

Ingat hari-hari sekolah Anda. Ada istilah – Persentil dalam matematika. Persentil hanyalah persentase nilai yang jatuh pada atau di bawah pengamatan tertentu.

Berikut grafik dari MathIsFun.com yang menjelaskan hal ini dengan jelas:

Kuintil seperti persentil, tetapi alih-alih membagi data menjadi 100 bagian, kami membaginya menjadi 5 bagian yang sama.

Jika Anda memahami persentil, lebih mudah untuk memahami kuintil. Jika kita membuat lima rentang persentil yang sama, skor persentil 18 akan jatuh dalam rentang 0-20, yang akan menjadi kuintil ke-1. Nilai persentil 81 akan jatuh dalam kisaran 80-100, dan karenanya kuintil ke-5.

Metode ini melibatkan matematika yang sedikit rumit, tetapi memecahkan banyak masalah dalam metode rentang tetap. Kuintil bekerja dengan industri apa pun karena rentang diambil dari data itu sendiri, kuintil mendistribusikan pelanggan secara merata dan tidak memiliki persilangan.

Kuintil adalah metode yang kami rekomendasikan untuk menghitung skor RFM . Kami menggunakan kuintil untuk membuat segmentasi RFM di Putler – solusi analisis bisnis dan wawasan pemasaran kami untuk pedagang online.

Memvisualisasikan data RFM

Representasi grafis RFM akan membantu Anda dan pengambil keputusan lain memahami analisis RFM organisasi Anda dengan lebih baik.

R, F dan M memiliki skor dari 1-5, ada total 5x5x5 = 125 kombinasi nilai RFM. Tiga dimensi R, F dan M dapat diplot paling baik pada grafik 3D. Jika kita ingin melihat berapa banyak pelanggan yang kita miliki untuk setiap nilai RFM, kita harus melihat 125 titik data.

Tetapi bekerja dengan grafik 3D di atas kertas atau layar komputer tidak akan berhasil. Kita membutuhkan sesuatu dalam dua dimensi, sesuatu yang lebih mudah untuk digambarkan dan dipahami.

Representasi analisis RFM yang lebih sederhana

Dalam pendekatan ini, kita frekuensi plot + skor moneter pada sumbu Y (kisaran 0 hingga 5) dan keterkinian (kisaran 0 hingga 5) pada sumbu X . Ini mengurangi kemungkinan kombinasi dari 125 menjadi 50. Menggabungkan F dan M menjadi satu masuk akal karena keduanya terkait dengan berapa banyak yang dibeli pelanggan. R di sumbu lain memberi kita pandangan cepat ke tingkat keterlibatan kembali dengan pelanggan.

Pertimbangkan bisnis berlangganan misalnya. Untuk pelanggan dengan langganan bulanan sebesar $100, nilai uang mereka akan menjadi $1.200 untuk setahun penuh, tetapi frekuensinya akan menjadi 12 karena tagihan bulanan.

Di sisi lain, bisnis yang tidak berulang, atau langganan tahunan seharga $1200 menunjukkan nilai moneter yang baik tetapi frekuensinya hanya 1 karena satu pembelian.

Pelanggan sama pentingnya dalam kedua kasus. Dan pendekatan kami dalam menggabungkan skor frekuensi dan moneter memberi mereka kepentingan yang sama dalam analisis RFM kami.

Menjadikannya lebih efektif – membuat segmen RFM

Memahami 50 elemen masih bisa membosankan. Jadi kita bisa meringkas analisis kami menjadi 11 segmen untuk memahami pelanggan kami lebih baik.

Jika Anda ingat, kami membahas segmen ini di awal artikel ini.

Berikut adalah tabel yang menjelaskan bagaimana Anda dapat membuat 11 segmen pelanggan berdasarkan skor RFM .

Presentasi analisis RFM utama kami

Memberikan warna yang berbeda untuk setiap segmen akan memungkinkan mengingat lebih mudah. Dan jika kita memilih warna dengan bijak, representasi gambar RFM kita akan jauh lebih mudah untuk dibagikan dan dipahami.

Jadi, inilah laporan ringkasan RFM terakhir kami!

Perangkat Lunak/Alat untuk Segmentasi RFM dan Analisis RFM

Dengan meningkatnya fokus pada manajemen hubungan pelanggan (CRM), RFM telah menjadi bagian integral dari analisis pemasaran dan bisnis. Jika Anda melakukan evaluasi satu kali terhadap perilaku belanja pelanggan Anda, Anda dapat melakukan analisis RFM manual atau semi-otomatis.

Tetapi jika Anda memiliki database yang sedikit besar, Anda tidak ingin melakukan semua perhitungan yang rumit sendiri.

Perhitungan RFM menggunakan excel

Bruce Hardie dan Peter Fader menulis catatan rinci tentang penggunaan Excel untuk menghitung skor RFM. Mereka juga memiliki contoh file Excel yang dapat Anda gunakan. Tapi catatan ini dari tahun 2008 dan mungkin perlu diperbarui.

Ada juga template Excel dari UMacs Business Solutions yang dijual seharga $3,99.

Ada panduan untuk menyiapkan analisis RFM di Excel di situs CogniView juga.

Sumber daya lain yang saya temukan adalah oleh Dave Langer, seorang penggemar analitik data. Berikut adalah video singkat tentang bagaimana dia melakukan perhitungan RFM menggunakan excel.

Beberapa alat CRM melakukan RFM

Ada banyak perangkat lunak CRM yang secara otomatis dapat menghitung skor RFM dan mengelompokkan pelanggan Anda. Periksa dengan CRM pilihan Anda jika mereka sudah memiliki dukungan RFM.

Segmentasi RFM menggunakan Python / R dan alat analitik lainnya

R dan Python populer untuk analisis statistik dan bisnis. Jika Anda memiliki tim ilmu data sendiri, sebaiknya buat model RFM khusus untuk bisnis Anda menggunakan alat yang ada.

Segmentasi RFM untuk Shopify, BigCommerce, dan TicTail

RetentionGrid adalah layanan perangkat lunak khusus dalam analisis RFM. Itu dapat membawa data dari toko Shopify, BigCommerce, atau TicTail Anda dan menunjukkan visualisasi segmen RFM yang indah.

Analisis RFM dan banyak lagi untuk semua toko online

Putler menyediakan analisis RFM yang komprehensif, dan memberi Anda banyak analisis bisnis dan alat pelaporan lainnya . Ini dibuat untuk e-niaga dan mendukung sinkronisasi otomatis dengan gateway pembayaran utama dan sistem e-niaga. Putler juga memberi Anda laporan terperinci tentang banyak hal lainnya – penjualan, produk, dan pengunjung.

Analisis RFM di Putler tersedia di dasbor pelanggan. Berikut tampilannya .

Analisis RFM dalam pemasaran

Analisis RFM Putler membantu pemasar menemukan jawaban atas pertanyaan berikut:

• Siapa pelanggan terbaik Anda?
• Manakah dari pelanggan Anda yang dapat berkontribusi pada tingkat churn Anda?
• Siapa yang berpotensi menjadi pelanggan yang berharga?
• Manakah dari pelanggan Anda yang dapat dipertahankan?
• Manakah dari pelanggan Anda yang kemungkinan besar akan menanggapi kampanye keterlibatan?

Variasi model RFM

RFM adalah kerangka kerja sederhana untuk mengukur perilaku pelanggan. Banyak orang telah memperluas model segmentasi RFM dan menciptakan variasi.

Dua versi penting adalah:

• RFD (Recency, Frequency, Duration) – Durasi di sini adalah waktu yang dihabiskan. Sangat berguna saat menganalisis perilaku konsumen dari produk yang berorientasi pemirsa/pembaca/selancar.
• RFE (Kebaruan, Frekuensi, Keterlibatan) – Keterlibatan dapat berupa nilai gabungan berdasarkan waktu yang dihabiskan di halaman, halaman per kunjungan, rasio pentalan, keterlibatan media sosial, dll. Sangat berguna untuk bisnis online.

Anda dapat melakukan Segmentasi RFM untuk seluruh basis pelanggan Anda, atau hanya sebagian. Misalnya, pertama-tama Anda dapat menyegmentasikan pelanggan berdasarkan wilayah geografis atau demografi lainnya, lalu menurut RFM untuk segmen perilaku historis berdasarkan transaksi.

Rekomendasi kami: mulailah dengan sesuatu yang sederhana, bereksperimen, dan kembangkan.

Menerapkan segmentasi RFM ke bisnis Anda

Pemasar telah menggunakan segmentasi berbasis RFM untuk mengoptimalkan laba atas investasi mereka pada kampanye pemasaran selama bertahun-tahun. Ini biasanya dilakukan dengan mengirimkan pesan yang ditargetkan ke 11 segmen yang telah kita bahas sebelumnya – atau segmentasi khusus lainnya yang dibutuhkan oleh situasi.

Segmentasi pelanggan/pengguna bukanlah sesuatu yang asing di dunia pemasaran. Merek-merek besar memiliki ini sampai ke T, dan orang-orang kecil baru saja menyadari kekuatan di balik memiliki strategi yang berfokus pada laser – berfokus pada segmentasi pengguna.

Neil Patel tentang cara kerja segmentasi pengguna dalam pemasaran konten

Segmentasi RFM untuk pemasaran email yang lebih baik

Buat daftar tersegmentasi di perangkat lunak pemasaran email Anda (MailChimp, Campaign Monitor, dll) dari analisis RFM. Kemudian jalankan kampanye tetes otomatis di setiap segmen. Jika memungkinkan, mengotomatiskan pemindahan orang di antara daftar tersegmentasi saat mereka berpindah dari satu segmen RFM ke segmen lainnya .

Anda dapat mengelompokkan lebih lanjut berdasarkan rasio buka dan klik, serta produk yang dibeli. Ini memberi Anda segmen pasar yang sangat relevan dan terfokus pada laser. Strategi ini secara drastis meningkatkan hasil.

RFM untuk meningkatkan nilai seumur hidup pelanggan

Berapa banyak yang dihabiskan pelanggan dengan Anda selama hidupnya didasarkan pada sejumlah faktor. RFM dapat membantu dalam banyak aspek tersebut – mengurangi churn, menawarkan upsells dan cross-sell ke segmen yang lebih cenderung merespons, meningkatkan loyalitas dan rujukan, menjual item dengan harga tiket tinggi, dan banyak lagi.

Satu kata dari hati-hati meskipun. Jangan berlebihan . Jika Anda terus mengirimkan kampanye pemasaran ke satu segmen pelanggan Anda, mereka mungkin merasa kesal dan berhenti membeli.

Segmentasi RFM untuk peluncuran produk baru

Mempromosikan produk baru kepada pelanggan setia adalah cara yang bagus untuk mendapatkan daya tarik dan umpan balik awal. Kamu bisa hubungi juara dan pelanggan setia Anda bahkan sebelum membuat produk. Mereka dapat memberi Anda wawasan hebat tentang apa yang harus dibangun dan bagaimana mempromosikannya. Kelompok orang ini juga akan dengan senang hati merujuk produk Anda ke lingkaran pengaruh mereka.

RFM untuk meningkatkan loyalitas dan keterlibatan pengguna

Jika Anda menjalankan program loyalitas, Potensi Loyalis adalah segmen pertama yang mungkin Anda targetkan. Anda ingin memastikan pengalaman awal mereka dengan produk dan layanan Anda menyenangkan dan berkesan. Tindak lanjuti dengan beberapa promosi tepat waktu dan kemungkinan besar mereka akan membeli lagi. Mengirim konten pendidikan ke pelanggan ini juga akan meningkatkan keterlibatan mereka dengan merek Anda.

RFM untuk mengurangi churn pelanggan

At Risk dan Hibernate adalah dua segmen yang perlu Anda perhatikan secara khusus. Kirim email yang dipersonalisasi atau telepon untuk terhubung kembali dengan pelanggan ini. Anda bahkan dapat menawarkan pembelian berulang dengan harga diskon atau menjalankan survei untuk mengatasi masalah mereka sebelum Anda kehilangannya karena pesaing/alternatif.

RFM untuk meminimalkan biaya pemasaran dan meningkatkan RoI

Kampanye pemasaran yang tidak bertarget bisa mahal. Berfokus pada segmen pelanggan yang lebih kecil akan secara signifikan mengurangi biaya, memungkinkan Anda melakukan lebih banyak eksperimen, dan membuat keputusan berdasarkan data.

Faktanya, akar RFM adalah pemasaran langsung. Di mana mereka mengurangi biaya pencetakan dan pengiriman katalog dengan hanya menargetkan pelanggan yang lebih cenderung merespons kampanye ini. Jadi apakah Anda melakukan pemasaran digital, cetak atau media, segmentasi akan mengurangi biaya Anda dan meningkatkan laba atas investasi.

RFM untuk kampanye pemasaran ulang / penargetan ulang

Pemasaran ulang adalah teknik cerdas di mana Anda menampilkan iklan / promosi Anda kepada orang-orang yang pernah mengunjungi situs Anda setidaknya sekali – tetapi sekarang berada di beberapa situs lain. Mereka akan melihat iklan Anda di situs lain yang mereka kunjungi – ini meningkatkan rasio klik dan efektivitas secara keseluruhan.

Cara sederhana untuk menggunakan pemasaran ulang dengan RFM adalah dengan ekspor segmen pelanggan Anda – terutama Pelanggan Terbaru atau Pelanggan Menjanjikan – ke Audiens Facebook atau solusi manajemen kampanye lain yang Anda gunakan. Kemudian tunjukkan promosi kepada kelompok orang tersebut.

RFM untuk memahami bisnis Anda dengan lebih baik

Sebagian besar usaha kecil tidak sepenuhnya memahami pelanggan mereka. Mereka mungkin tidak mengetahui demografi atau firmografi pelanggan mereka. Mengumpulkan dan memahami informasi ini juga dapat memakan waktu dan biaya.

Analisis RFM menjadi metode cepat untuk memahami perilaku pelanggan Anda . Dan karena didasarkan pada riwayat transaksi yang sebenarnya, itu banyak. Melihat segmen RFM yang berbeda dapat mengungkapkan wawasan tentang bisnis Anda sendiri. Mengajukan pertanyaan tentang bagaimana segmen Anda dapat dibandingkan satu sama lain membuka peluang pertumbuhan yang besar .

Cara menggunakan analisis RFM – Strategi praktis

Sekarang setelah Anda mengetahui cara melakukan analisis RFM, Anda pasti berpikir bagaimana cara menggunakan segmen RFM, bukan? Nah, ada beberapa cara yang bisa kamu lakukan. Lihatlah strategi apa yang dapat Anda terapkan untuk masing-masing dari 11 segmen RFM-

FAQ tentang segmentasi RFM/analisis RFM

Apa itu segmentasi RFM?

Segmentasi RFM adalah metode segmentasi pelanggan berdasarkan perilaku pembelian mereka. Saat menganalisis segmen RFM, pelanggan dinilai berdasarkan tiga faktor – Kekinian, Frekuensi, dan Nilai Moneter. Ini mengelompokkan pelanggan berdasarkan riwayat pembelian mereka – seberapa baru, dengan frekuensi apa dan berapa nilai uang yang mereka beli.

Mengapa perusahaan menggunakan analisis RFM?

Perusahaan dapat menggunakan analisis RFM untuk mengelompokkan pelanggan, mengirimkan email yang ditargetkan, meningkatkan hubungan pelanggan, meningkatkan ROI, meningkatkan pemasaran, mengurangi biaya pemasaran, penargetan ulang yang lebih baik, mengurangi churn, dan banyak lagi. Jelajahi aplikasi praktis ini secara mendalam di sini.

Ringkasan segmentasi RFM – pro, kontra, rekomendasi

Teknik RFM adalah model pemasaran terbukti yang membantu pengecer dan bisnis e-niaga memaksimalkan laba atas investasi pemasaran mereka.

Keuntungan dari analisis RFM dan segmentasi RFM

• RFM berguna untuk berbagai jenis bisnis – online, ritel, pemasaran langsung, langganan, nirlaba…
• Anda mengenal segmen pelanggan yang berbeda dan dapat mengidentifikasi pelanggan terbaik Anda
• RFM membantu menyusun kampanye pemasaran yang sangat bertarget
• Ini membantu pemasaran hubungan pelanggan dan loyalitas pelanggan
• Gabungkan dengan alat lain untuk mendapatkan analisis pelanggan terperinci dan wawasan pelanggan
• RFM mengurangi biaya pemasaran karena mengoptimalkan penargetan
• Ini mengurangi reaksi negatif dari pelanggan karena penargetan terkontrol

Beberapa keterbatasan RFM:

• Ini mungkin tidak berguna ketika sebagian besar pelanggan hanya pembeli satu kali
• Ketika Anda hanya menjual satu produk dan itu juga hanya sekali, RFM mungkin tidak cocok
• RFM adalah analisis sejarah. Ini bukan untuk prospek.
• Tanpa perangkat lunak / alat, menghitung skor dan segmen RFM bisa menjadi rumit
• Mengirim terlalu banyak kampanye ke satu segmen tertentu dapat membuat pelanggan kecewa

Jalankan analisis RFM dan segmentasikan pelanggan dalam hitungan detik menggunakan Putler

RFM terlihat bagus di atas kertas tetapi menjadi rumit jika Anda perlu menerapkannya dari awal. Jadi, Anda perlu DIY dengan membangun algoritme atau berkonsultasi dengan agen pemasaran untuk melakukannya untuk Anda. Dalam kedua kasus, Anda kehilangan banyak waktu dan juga uang. Di situlah bisnis kehilangan minat dan menyerah pada segmentasi RFM.

Di sinilah Putler masuk

Alat analitik kami Putler memiliki bagan RFM yang siap digunakan. Setelah Anda menghubungkan platform eCommerce Anda, gateway pembayaran ke Putler, secara otomatis memproses semua data klien dan membaginya menjadi 11 segmen berdasarkan kebaruan, frekuensi dan parameter moneter.

Fakta menyenangkan: Menghitung RFM secara harfiah hanya membutuhkan 3 langkah di Putler.
Langkah-langkah untuk menjalankan analisis RFM di dalam Putler

1. Hubungkan sumber data Anda ke Putler
2. Buka dasbor Pelanggan
3. Klik pada segmen RFM mana pun. Selesai!

Begini tampilan grafik RFM di Putler –

Keuntungan menggunakan analisis RFM Putler dibandingkan dengan pesaing

Menghemat waktu
Waktu adalah esensi. Kami memahami bahwa sebagai pemilik bisnis, waktu Anda sangat berharga. Dan kami menghargainya. Di Putler, analisis RFM 100% otomatis. Anda tidak perlu melakukan perhitungan manual dari skor RFM, tidak mencoba-coba dengan lembar excel atau apa pun. Putler akan menganalisis database pelanggan Anda dan membagi pelanggan berdasarkan perilaku belanja mereka menjadi 11 segmen. Anda cukup mengklik segmen RFM yang ingin Anda kerjakan dan Putler akan menunjukkan kepada Anda semua pelanggan yang termasuk dalam segmen tersebut.

Tidak diperlukan pengetahuan pengkodean
Tidak setiap bisnis didukung oleh tim teknis internal dan kami memahaminya. Jadi kami membuat Segmentasi RFM Putler menjadi sangat sederhana. Anda tidak memerlukan keterampilan pengkodean untuk digunakan, pahamilah. Putler melakukan semua pengangkatan berat dan menyediakan segmen siap pakai dalam hitungan detik.

Sangat terjangkau
Jika Anda harus membuat alat RFM dari awal atau menggunakan agen pemasaran pihak ketiga untuk mengelompokkan pelanggan Anda, Anda akan menghabiskan ribuan dolar. Benar? Juga pertimbangkan, RFM bukanlah langkah akhir. Ini baru permulaan, begitu Anda menyegmentasikan pelanggan, Anda perlu mengalokasikan anggaran untuk melakukan aktivitas pemasaran seperti penargetan ulang, mengirim email yang ditargetkan, meningkatkan pemasaran, dll. Artinya, Anda perlu mengeluarkan lebih banyak uang begitu Anda memiliki segmen RFM. Mempertimbangkan semua ini, Putler membuat RFM terjangkau untuk semua orang. Anda hanya perlu memilih paket menengah (Pertumbuhan – $79/bln) dan Anda dapat mengelompokkan pelanggan Anda di bawah $80. Mencuri?

Mudah digunakan
Analisis RFM memiliki banyak kegunaan. Itu perlu diakses oleh pemasar, konsultan, orang pendukung, manajer tingkat atas, dll. Jadi untuk memenuhi semua kelompok ini, Putler telah membuat antarmuka RFM sangat mudah digunakan dan sangat sederhana untuk dipahami.

Analisis RFM waktu nyata
Analisis RFM Putler didasarkan pada data waktu nyata. Itu berarti, ketika pelanggan membeli sesuatu dari toko Anda, Putler akan menjalankan analisis RFM pada pelanggan dan menambahkannya ke segmen yang sesuai berdasarkan skor RFM yang dihitung. Analisis RFM waktu nyata memastikan bahwa semua pelanggan Anda tersegmentasi kapan saja.

Kemampuan untuk memfilter pada segmen RFM
Analisis RFM Putler membagi pelanggan menjadi 11 segmen berdasarkan kebaruan, frekuensi dan moneter. Tapi bukan itu. Anda dapat menelusuri lebih lanjut segmen ini berdasarkan berbagai parameter seperti – status pesanan, produk yang dibeli, pelanggan sejak, geolokasi, harga, dan banyak lagi. Kemampuan untuk memfilter lebih lanjut pelanggan yang termasuk dalam parameter tertentu membantu Anda mempersempit penargetan dan meningkatkan pemasaran lebih jauh.

Coba Putler secara gratis

Ini sepenuhnya pilihan Anda – Jika Anda memiliki bisnis online dan Anda ingin menjalankan analisis RFM pada basis pelanggan Anda dan membaginya ke dalam berbagai segmen, Putler adalah cara yang bagus untuk memulai. Putler memiliki uji coba GRATIS selama 14 hari. Anda mendapatkan akses ke semua fitur (termasuk segmentasi RFM).

Catatan: Uji coba hanya akan menarik data dalam 3 bulan terakhir. Jadi Anda dapat mengelompokkan pelanggan yang telah membeli dari Anda dalam 3 bulan terakhir dalam versi uji coba. Setelah Anda mencoba uji coba dan yakin tentang produk, pilih rencana Pertumbuhan dan Putler akan menarik lebih banyak data historis. Anda kemudian dapat menjalankan segmentasi RFM pada pelanggan yang lebih tua juga.

Tinggalkan balasan dengan komentar atau pertanyaan Anda. Dan jangan lupa untuk membagikan artikel ini kepada rekan-rekan pemasar.