Blog di personalizzazione dell'e-commerce

L'analisi RFM aumenta le vendite di eCommerce. Oggi esploriamo come possiamo utilizzare l'attualità, la frequenza e i dati monetari dei nostri clienti per sbloccare   marketing personalizzato e aumentare il coinvolgimento. Ancora meglio, vedremo come l'analisi RFM sia uno dei modi migliori per massimizzare l'analisi di coorte per aumentare la fidelizzazione .

Per passare agli esempi di segmentazione RFM, fare clic qui.

L'analisi RFM è una tecnica di segmentazione del comportamento del cliente basata sui dati .

RFM sta per recente, frequenza e valore monetario.

L'idea è di segmentare i clienti in base a quando è stato il loro ultimo acquisto, quanto spesso hanno acquistato in passato e quanto hanno speso nel complesso. Tutte e tre queste misure si sono rivelate efficaci predittori della volontà di un cliente di impegnarsi in messaggi e offerte di marketing.

Sebbene l'analisi RFM sia nata nella posta diretta, è un potente strumento da utilizzare oggi per i negozi di eCommerce.

Sopra è un ottimo esempio di come la segmentazione dei clienti consente alle aziende di parlare ai valori specifici dei clienti. Fonte immagine: citofono

Le prime applicazioni conosciute dell'analisi RFM erano nell'industria dei cataloghi. I pionieri includono Land's End, JC Penny's e altri. Sin dall'inizio, sono state sviluppate molte varianti di RFM, tra cui

Condurre un'analisi RFM sulla tua base di clienti e inviare campagne personalizzate a obiettivi di alto valore ha enormi vantaggi per il tuo negozio di eCommerce.

Come dovresti calcolare l'attualità? O la frequenza del punteggio? Qual è una buona soglia di monetizzazione?

La definizione delle soglie è il primo passo nella segmentazione. Di seguito discutiamo delle metriche comuni che le aziende di e-commerce possono utilizzare per l'attualità, la frequenza e la monetizzazione.

Recency misura il tempo trascorso dall'ultimo acquisto.

Ci sono due sfide per i negozi di eCommerce quando si calcola l'attualità.

Innanzitutto, in un mondo omnicanale, può essere difficile collegare insieme i dati di acquisto da ciascun canale.

In secondo luogo, ogni azienda avrà interpretazioni diverse di cosa sia un buon punteggio di recency. Ad esempio, i materiali di consumo hanno un'esigenza intrinseca di ordini frequenti, riducendo il tempo necessario dall'ultimo acquisto per qualificarsi per un punteggio più alto.

Sopra, i prodotti Starbucks vengono generalmente consumati entro un giorno. Il loro mix di prodotti richiede una diversa interpretazione dei dati recenti rispetto ai prodotti a movimento più lento con cicli di vita del prodotto molto più elevati.

Le stesse preoccupazioni negli ultimi tempi si presentano anche nell'analisi della frequenza.

Ancora una volta, il ciclo di vita del prodotto

Il calcolo dei punteggi di recency, frequenza e monetizzazione presenta sfide simili. La realtà è che ogni azienda è unica. È incredibilmente difficile creare benchmark accurati.

Fortunatamente, esistono alcuni approcci comuni per assegnare correttamente le metriche RFM.

Forse il modo più semplice per creare punteggi RFM, l'analisi in quartile consente di assegnare in modo rapido ed equo i punteggi in base alle prestazioni relative.

Ogni quartile darà un punteggio, da 1 a 4. La segmentazione RFM finale utilizzerà questi punteggi insieme.

Ecco un'ottima e semplice panoramica sull'utilizzo dei quartili per definire i segmenti RFM utilizzando Python.

Credito di immagine

La segmentazione RFM non deve essere complicata.

Di seguito mostreremo come creare un modello RFM in Excel. Andiamo passo dopo passo e includiamo schermate in modo da poter replicare facilmente il modello.

Tieni presente che il tuo marchio eCommerce è unico.

Questo non sarà il modo migliore per la tua attività in particolare, ma sarà un ottimo modello su cui ripetere.

Cominciamo.

Prima di poter iniziare, devi definire l' unico KPI che conta di più per la tua azienda per ogni vettore di segmentazione: recente, frequenza e monetizzazione.

Per fare ciò, dovrai collegare la cronologia degli acquisti a ciascun cliente e selezionare un periodo di tempo con cui desideri lavorare.

Per il nostro esempio, utilizzeremo i seguenti KPI e timeframe.

Recente: data dell'ultimo acquisto
Frequenza: Numero totale di ordini
Monetizzazione: valore medio dell'ordine
Tempo: 2 anni

Come vedrai, l'analisi RFM è un processo semplice. L'obiettivo è assegnare sistematicamente un punteggio a ciascun cliente in base all'attualità, alla frequenza e alla monetizzazione. Lo facciamo prima classificando tutti i clienti in base alla metrica scelta, quindi assegnando loro un punteggio in base al rendimento rispetto agli altri clienti nel database.

Ci sono un certo numero di KPI che puoi usare per Recency. Esempi di KPI includono

Per questa procedura, utilizzeremo i giorni dall'ultimo acquisto come metrica principale.

Dovresti sapere intuitivamente quale metrica ha più senso per la tua attività. È probabile che se sei un negozio di eCommerce tradizionale, anche la data dell'ultimo acquisto sarà la tua metrica preferita.

Innanzitutto, vogliamo scaricare le informazioni sul cliente con i KPI specificati. Qui, abbiamo semplicemente scaricato queste informazioni direttamente da Barilliance e le abbiamo caricate in un foglio Google.

Successivamente, vogliamo ripulire un po' il foglio.

Elimino alcune colonne indesiderate che ho dimenticato di chiudere: Sessions, Last Seen, First Seen, First Ordered e AOV.

Successivamente, aggiungerai tre colonne per i tuoi punteggi RFM. Intitolali in alto "Recency", "Frequency" e "Monetization".

Infine, applico un filtro sui dati per semplificare l'ordinamento. Se non sai come applicare un filtro, il processo è semplice. Seleziona tutti i tuoi dati, comprese le intestazioni (puoi farlo rapidamente tenendo premuti Maiusc+comando+frecce).

Una volta selezionati tutti i tuoi dati, fai clic su dati->filtro.

Dopo che hai finito, il tuo foglio dovrebbe assomigliare a questo.

Passa al tuo KPI di recency e ordina l'elenco nell'ordine appropriato. Nel nostro caso, andiamo su "Giorni dall'ultimo acquisto" e ordiniamo in ordine decrescente.

Infine, valuta ogni cliente in base alla sua posizione.

Sebbene ci siano alcune metodologie per farlo, ho trovato il più semplice e utile per essere con i quartili.

Prendi il tuo numero totale di clienti diviso per quattro. Quindi, assegna a ciascun quartile un punteggio che riflette la posizione.

Primo quartile: 1

Secondo quartile: 2

Terzo quartile: 3

Quarto quartile: 4

Non preoccuparti troppo di ottenere tutto "perfetto". Ad esempio, qui abbiamo due clienti che hanno entrambi ordinato negli ultimi tre giorni. Ho semplicemente assegnato a entrambi un punteggio di recency di 1, anche se questo mette 5 clienti con un punteggio di 1 e tre con un punteggio di 2.

A questo punto, il tuo foglio dovrebbe essere simile a quello qui sotto.

Il processo è molto simile sia per la frequenza che per la monetizzazione.

Sebbene utilizziamo il numero totale di ordini negli ultimi due anni come KPI di frequenza, è possibile selezionare una serie di metriche concorrenti. Alcuni di essi includono:

Come accennato in precedenza, utilizzeremo il numero di ordini come KPI di frequenza. Ripeti i passaggi 2.b e 2.c, prevedi di utilizzare il tuo KPI di frequenza come metrica guida. Dopo aver segnato, il tuo foglio dovrebbe essere simile a quello qui sotto.

Infine, sei pronto per eliminare i punteggi di monetizzazione.

I KPI di monetizzazione includono

Come prima, ripeti i passaggi 2.be 2.c, prevedi di utilizzare il tuo KPI di monetizzazione come metrica guida. Dopo aver segnato, il tuo foglio dovrebbe essere simile a quello qui sotto.

Eccezionale!

A questo punto hai fatto l'analisi. Poi viene la parte divertente: utilizzare effettivamente queste nuove conoscenze per identificare i segmenti redditizi.

Ci sono molti modi in cui gli esperti di marketing hanno utilizzato questa segmentazione per guidare il loro marketing. Ecco alcune idee tra cui scegliere.

Punteggio RFM: 111

Chi sono: clienti altamente coinvolti che hanno acquistato più di recente, più spesso e hanno generato più entrate.

Strategie di marketing: concentrarsi sui programmi fedeltà e sull'introduzione di nuovi prodotti. Questi clienti hanno dimostrato di avere una maggiore disponibilità a pagare, quindi non utilizzare prezzi scontati per generare vendite incrementali. Invece, concentrati sulle offerte a valore aggiunto attraverso consigli sui prodotti basati su acquisti precedenti.

Sopra, Uber si rivolge al suo segmento di clienti RFM "core", introducendo la sua nuova offerta Uber Eats.

Punteggio RFM: X1X

Chi sono: i clienti che acquistano più spesso dal tuo negozio.

Strategie di marketing: i programmi fedeltà sono efficaci per questi visitatori abituali. Anche i programmi di advocacy e le revisioni sono strategie comuni di X1X. Infine, considera di premiare questi clienti con la spedizione gratuita o altri vantaggi simili.

In questo caso, Costco completa il modello di business dell'abbonamento con una carta di credito personalizzata per aumentare ulteriormente i tassi di acquisto ripetuto ed espandere la quota del portafoglio.

Punteggio RFM: XX1

Chi sono: i clienti che hanno generato più entrate per il tuo negozio.

Strategie di marketing: questi clienti hanno dimostrato un'elevata disponibilità a pagare. Prendi in considerazione offerte premium, livelli di abbonamento, prodotti di lusso o cross/up-sell a valore aggiunto per aumentare l'AOV . Non sprecare margine sugli sconti.

Punteggio RFM: X13, X14

Chi sono: Clienti che tornano spesso, ma spendono poco.

Strategie di marketing: sei già riuscito a creare fedeltà. Concentrati sull'aumento della monetizzazione attraverso consigli sui prodotti basati sugli acquisti passati e incentivi legati a soglie di spesa (ancorate all'AOV del tuo negozio).

Sopra è riportato un esempio di Target che utilizza il marketing del ciclo di vita su segmenti RFM specifici. Nota come abbinano gli sconti finanziari alle soglie di spesa per incentivare gli acquisti ripetuti e aumentare la redditività dei clienti.

Un altro esempio viene da AirBnb. Qui, inviano messaggi attivati ​​in base all'attività di visualizzazione del cliente per richiedere una prenotazione.

Punteggio RFM: 14X

Chi sono: acquirenti per la prima volta sul tuo sito.

Strategie di marketing: la maggior parte dei clienti non diventa fedele. Avere strategie chiare in atto per gli acquirenti per la prima volta, come e-mail di benvenuto attivate, pagherà i dividendi.

Starbucks è eccellente per spostare i clienti attraverso i segmenti RFM. Sopra, usano la posta elettronica per portare i clienti nel loro programma di premi fedeltà. Puoi vedere il nostro case study completo su Starbucks qui.

Punteggio RFM: 44X

Chi sono: grandi clienti passati che non acquistano da un po'.

Strategie di marketing: i clienti se ne vanno per una serie di motivi. A seconda della situazione, accordi sui prezzi, lanci di nuovi prodotti o altre strategie di fidelizzazione .

Barilliance ti consente non solo di creare esperienze personalizzate per ogni segmento RFM. Ti dà anche la possibilità di creare test addominali multivariati.

Puoi vedere rapidamente quali offerte risuonano di più con un determinato segmento, scoprire quali contenuti portano alle vendite e altro ancora.

Una delle sfide significative con l'analisi RFM (e la segmentazione in generale) è creare una visione completa a 360 gradi di un cliente. L'acquirente omnicanale di oggi non è molto diverso dal mondo del direct mail da cui è nata RFM. RFM è ancora un modello incredibilmente potente.

Ma la sua efficacia è determinata dalla qualità dei dati che hai.

È qui che brilla Barilliance. Crea una visione olistica del cliente, su dispositivi, sessioni di acquisto e canali. Puoi vedere con quali pagine interagiscono i clienti, il tempo trascorso dall'ultimo acquisto, il volume degli ordini, il coinvolgimento del marchio e altro ancora.

In altre parole, hai la possibilità di creare segmenti altamente dettagliati, inclusi tutti quelli di cui abbiamo parlato sopra, attraverso una semplice interfaccia.

Agire.

RFM è un modo chiaro e consolidato per ottenere di più dal tuo elenco di clienti.

Ma...

Se vuoi portare RFM al livello successivo devi considerare la Retention di Barilliance. Migliora l'analisi RFM tradizionale in due modi fondamentali.

Innanzitutto , collega i tuoi acquisti online e offline, il comportamento sul Web e i dati demografici in un unico posto, consentendoti di effettuare segmentazioni più accurate.

In secondo luogo , ti consente di automatizzare le campagne in segmenti definiti. Si collega alla personalizzazione Web e ai singoli suggerimenti sui prodotti e-mail per personalizzare ogni interazione non a livello di segmento, ma a livello individuale.

Richiedi qui una demo per la conservazione .