Blogue de personalização de comércio eletrónico

A análise RFM aumenta as vendas de comércio eletrônico. Hoje, exploramos como podemos usar dados recentes, de frequência e monetários de nossos clientes para desbloquear   marketing personalizado e aumentar o engajamento. Melhor ainda, veremos como a análise RFM é uma das melhores maneiras de maximizar a análise de coorte para aumentar a retenção .

Para pular para os exemplos de segmentação RFM, clique aqui.

A análise RFM é uma técnica de segmentação do comportamento do cliente orientada por dados .

RFM significa recência, frequência e valor monetário.

A ideia é segmentar os clientes com base em quando foi a última compra, com que frequência compraram no passado e quanto gastaram em geral. Todas essas três medidas provaram ser preditores eficazes da disposição de um cliente em se envolver em mensagens e ofertas de marketing.

Embora a análise de RFM tenha nascido na mala direta, é uma ferramenta poderosa para as lojas de comércio eletrônico usarem hoje.

Acima está uma ótima ilustração de como a segmentação de clientes capacita as empresas a falarem com os valores específicos dos clientes. Fonte da imagem: Intercom

As primeiras aplicações conhecidas da análise RFM foram na indústria de catálogos. Os pioneiros incluem Land's End, JC Penny's e outros. Desde seu início, muitas variantes de RFM foram desenvolvidas, incluindo

Realizar uma análise de RFM em sua base de clientes e enviar campanhas personalizadas para alvos de alto valor traz enormes benefícios para sua loja de comércio eletrônico.

Como você deve calcular a recência? Ou frequência de pontuação? O que é um bom limite de monetização?

Definir limites é o primeiro passo na segmentação. Abaixo, discutimos métricas comuns que as empresas de comércio eletrônico podem usar para recência, frequência e monetização.

A recência mede o tempo desde a última compra.

Existem dois desafios para as lojas de comércio eletrônico ao calcular a recência.

Primeiro, em um mundo omnicanal, pode ser difícil vincular dados de compra de cada canal.

Em segundo lugar, cada empresa terá diferentes interpretações do que é uma boa pontuação de recência. Por exemplo, os consumíveis têm uma necessidade inerente de pedidos frequentes, tornando o tempo necessário desde a última compra mais curto para se qualificar para uma pontuação mais alta.

Acima, os produtos da Starbucks são normalmente consumidos em um dia. Seu mix de produtos requer uma interpretação diferente de dados recentes em comparação com produtos de movimentação mais lenta com ciclos de vida de produtos muito mais altos.

As mesmas preocupações em recência também se apresentam na análise de frequência.

Novamente, o ciclo de vida do produto

O cálculo das pontuações de recência, frequência e monetização apresenta desafios semelhantes. A realidade é que cada negócio é único. É incrivelmente difícil criar benchmarks precisos.

Felizmente, existem algumas abordagens comuns para atribuir corretamente as métricas de RFM.

Talvez a maneira mais fácil de criar pontuações de RFM, a análise de quartis permite atribuir pontuações de forma rápida e justa com base no desempenho relativo.

Cada quartil dará uma pontuação, de 1 a 4. A segmentação RFM final usará essas pontuações juntas.

Aqui está uma ótima e simples visão geral do uso de quartis para definir seus segmentos RFM usando Python.

Crédito da imagem

A segmentação RFM não precisa ser complicada.

Abaixo vamos mostrar como você pode criar um modelo RFM no Excel. Vamos passo a passo e incluímos capturas de tela para que você possa replicar facilmente o modelo.

Tenha em mente que sua marca de comércio eletrônico é única.

Essa não será a melhor maneira para o seu negócio em particular, mas será um ótimo modelo para você iterar.

Vamos começar.

Antes de começar, você precisa definir o KPI mais importante para sua empresa para cada vetor de segmentação: recência, frequência e monetização.

Para fazer isso, você terá que conectar seu histórico de compras a cada cliente e selecionar um período de tempo com o qual deseja trabalhar.

Para o nosso exemplo, vamos usar os seguintes KPIs e prazos.

Recência: Data da última compra
Frequência: Número total de pedidos
Monetização: valor médio do pedido
Prazo: 2 anos

Como você verá, a análise RFM é um processo direto. O objetivo é pontuar sistematicamente cada cliente de acordo com a atualidade, frequência e monetização. Fazemos isso classificando em primeiro lugar todos os clientes em nossa métrica escolhida e, em seguida, pontuando-os com base no desempenho deles em relação aos outros clientes em seu banco de dados.

Há vários KPIs que você pode usar para Recência. Exemplos de KPIs incluem

Para este passo a passo, usaremos os dias da última compra como a métrica principal.

Você deve saber intuitivamente qual métrica faz mais sentido para o seu negócio. Provavelmente, se você for uma loja de comércio eletrônico tradicional, a data da última compra também será sua métrica de escolha.

Primeiro, queremos baixar as informações do seu cliente com seus KPIs especificados. Aqui, simplesmente baixamos essas informações diretamente do Barilliance e as carregamos em uma planilha do Google.

Em seguida, queremos limpar um pouco a folha.

Excluo algumas colunas indesejadas que esqueci de fechar: Sessions, Last Seen, First Seen, First Ordered e AOV.

Em seguida, você adicionará três colunas para suas pontuações de RFM. Intitule-os na parte superior "Recência", "Frequência" e "Monetização".

Por fim, aplico um filtro nos dados para facilitar a classificação. Se você não sabe como aplicar um filtro, o processo é fácil. Selecione todos os seus dados, incluindo seus títulos (você pode fazer isso rapidamente segurando shift+command+setas).

Depois que todos os seus dados estiverem selecionados, clique em dados->filtro.

Depois de terminar, sua planilha deve ficar assim.

Navegue até seu KPI Recência e classifique a lista na ordem apropriada. No nosso caso, vamos em "Dias da última compra" e ordenamos em ordem decrescente.

Por fim, avalie cada cliente de acordo com sua posição.

Embora existam algumas metodologias para fazer isso, descobri que a mais fácil e útil é com quartis.

Pegue o seu número total de clientes dividido por quatro. Em seguida, dê a cada quartil uma pontuação que reflita a posição.

Primeiro quartil: 1

Segundo Quartil: 2

Terceiro quartil: 3

Quarto Quartil: 4

Não se preocupe muito em deixar tudo "perfeito". Por exemplo, aqui temos dois clientes que fizeram pedidos nos últimos três dias. Eu simplesmente atribuí a ambos uma pontuação de recência de 1, mesmo que isso coloque 5 clientes com uma pontuação de 1 e três com a pontuação de 2.

Neste ponto, sua planilha deve ser semelhante à abaixo.

O processo é muito semelhante para Frequência e Monetização.

Embora estejamos usando o número total de pedidos nos últimos dois anos como nosso KPI de frequência, há várias métricas concorrentes que você pode selecionar. Alguns deles incluem:

Como mencionado anteriormente, usaremos # de pedidos como nosso KPI de frequência. Repita as etapas 2.b e 2.c, espere usar seu KPI de frequência como sua métrica de orientação. Após a pontuação, sua folha deve ser semelhante à abaixo.

Finalmente, você está pronto para eliminar as pontuações de Monetização.

Os KPIs de monetização incluem

Como antes, repita as etapas 2.b e 2.c, espere usar seu KPI de monetização como sua métrica de orientação. Após a pontuação, sua folha deve ser semelhante à abaixo.

Impressionante!

Neste ponto você tem a análise feita. Em seguida, vem a parte divertida - usar esses insights recém-descobertos para identificar segmentos lucrativos.

Há muitas maneiras pelas quais os profissionais de marketing usaram essa segmentação para ajudar a orientar seu marketing. Aqui estão algumas idéias para escolher a cereja.

Pontuação RFM: 111

Quem são: clientes altamente engajados que compraram o mais recente, com mais frequência e geraram mais receita.

Estratégias de Marketing: Foco em programas de fidelidade e lançamentos de novos produtos. Esses clientes provaram ter uma maior disposição a pagar, portanto, não use preços com desconto para gerar vendas incrementais. Em vez disso, concentre-se em ofertas de valor agregado por meio de recomendações de produtos com base em compras anteriores.

Acima, a Uber visa seu segmento de clientes RFM "principal", apresentando sua nova oferta Uber Eats.

Pontuação RFM: X1X

Quem são: clientes que compram com mais frequência na sua loja.

Estratégias de marketing: Os programas de fidelidade são eficazes para esses visitantes recorrentes. Programas de advocacia e revisões também são estratégias comuns do X1X. Por fim, considere recompensar esses clientes com frete grátis ou outros benefícios semelhantes.

Aqui, a Costco complementa seu modelo de negócios de associação com um cartão de crédito personalizado para aumentar ainda mais as taxas de compra repetida e expandir a participação na carteira.

Pontuação RFM: XX1

Quem são: clientes que geraram mais receita para sua loja.

Estratégias de marketing: Esses clientes demonstraram uma alta disposição a pagar. Considere ofertas premium, níveis de assinatura, produtos de luxo ou vendas cruzadas/up-sells de valor agregado para aumentar o AOV . Não desperdice margem com descontos.

Pontuação RFM: X13, X14

Quem são: Clientes que voltam com frequência, mas não gastam muito.

Estratégias de Marketing: Você já conseguiu criar fidelidade. Concentre-se em aumentar a monetização por meio de recomendações de produtos com base em compras anteriores e incentivos vinculados a limites de gastos (atrelados ao AOV da sua loja).

Acima está um exemplo de Target usando marketing de ciclo de vida em segmentos específicos de RFM. Observe como eles combinam descontos financeiros com limites de gastos para gerar compras repetidas e aumentar a lucratividade do cliente.

Outro exemplo vem do AirBnb. Aqui, eles enviam mensagens acionadas com base na atividade de visualização do cliente para solicitar uma reserva.

Pontuação RFM: 14X

Quem são: compradores de primeira vez em seu site.

Estratégias de marketing: A maioria dos clientes nunca se torna leal. Ter estratégias claras para compradores iniciantes, como e-mails de boas-vindas acionados, pagará dividendos.

A Starbucks é excelente em movimentar clientes entre os segmentos de RFM. Acima, eles usam e-mail para atrair clientes para o programa de recompensas de fidelidade. Você pode ver nosso estudo de caso completo na Starbucks aqui.

Pontuação RFM: 44X

Quem são: Grandes clientes anteriores que não compram há algum tempo.

Estratégias de marketing: os clientes saem por vários motivos. Dependendo da sua situação, acordos de preços, lançamentos de novos produtos ou outras estratégias de retenção .

A Barilliance permite que você não apenas crie experiências personalizadas para cada segmento de RFM. Ele também oferece a capacidade de criar testes ab multivariados.

Você pode ver rapidamente quais ofertas ressoam mais com um determinado segmento, descobrir qual conteúdo gera vendas e muito mais.

Um dos desafios significativos da Análise RFM (e da segmentação em geral) é criar uma visão completa de 360 ​​graus de um cliente. O shopper omnichannel de hoje não é muito diferente do mundo de mala direta do qual a RFM nasceu. O RFM ainda é um modelo incrivelmente poderoso.

Mas sua eficácia é determinada pela qualidade dos dados que você possui.

É aqui que a Barilliance brilha. Ele cria uma visão holística do cliente, em todos os dispositivos, sessões de compras e canais. Você pode ver com quais páginas os clientes interagem, tempo desde a última compra, volume de pedidos, engajamento da marca e muito mais.

Em outras palavras, você tem a capacidade de criar segmentos altamente detalhados, incluindo todos os que falamos acima, por meio de uma interface simples.

Tome uma atitude.

O RFM é uma maneira estabelecida e clara de obter mais da sua lista de clientes.

Mas...

Se você quiser levar o RFM para o próximo nível, você precisa considerar a Retenção da Barilliance. Ele melhora a análise RFM tradicional de duas maneiras fundamentais.

Primeiro , ele conecta suas compras online e offline, comportamento na web e dados demográficos em um só lugar, permitindo que você faça segmentações mais precisas.

Segundo , permite automatizar campanhas para segmentos definidos. Ele se conecta à Personalização da Web e recomendações de produtos de e-mail individuais para personalizar cada interação não no nível do segmento, mas no nível individual.

Solicite uma demonstração do Retention aqui .