การวิเคราะห์ RFM เพื่อการแบ่งกลุ่มลูกค้าที่ประสบความสำเร็จ

ในหน้านี้คุณจะ เรียนรู้ทุกสิ่งที่คุณจำเป็นต้องเรียนรู้เกี่ยวกับ RFM .

นอกจากพื้นฐานแล้วคุณจะได้เรียนรู้ คุณจะใช้แบบจำลอง RFM ในธุรกิจของคุณเองได้อย่างไร .

การวิเคราะห์ RFM คืออะไร?

การวิเคราะห์ RFM ( ความใหม่ ความถี่ การเงิน ) เป็นรูปแบบการตลาดที่ได้รับการพิสูจน์แล้วสำหรับการแบ่งกลุ่มลูกค้าตามพฤติกรรม โดยจะจัดกลุ่มลูกค้าตามประวัติการทำธุรกรรม - เมื่อเร็ว ๆ นี้ ความถี่และจำนวนที่พวกเขาซื้อ

RFM ช่วยแบ่งลูกค้าออกเป็นหมวดหมู่หรือกลุ่มต่างๆ เพื่อระบุลูกค้าที่มีแนวโน้มที่จะตอบสนองต่อโปรโมชั่นและสำหรับบริการส่วนบุคคลในอนาคต

การวิเคราะห์ความใหม่ ความถี่ และการเงินคืออะไร

การให้ความสำคัญกับลูกค้าตามพารามิเตอร์เดียวไม่เพียงพอ

ตัวอย่างเช่น คุณสามารถพูดได้ว่าผู้ที่ใช้จ่ายมากที่สุดคือลูกค้าที่ดีที่สุดของคุณ พวกเราส่วนใหญ่เห็นด้วยและคิดเหมือนกัน

แต่เดี๋ยวก่อน! เกิดอะไรขึ้นถ้าพวกเขาซื้อเพียงครั้งเดียว? หรือเมื่อนานมาแล้ว? จะเกิดอะไรขึ้นหากพวกเขาไม่ได้ใช้ผลิตภัณฑ์ของคุณอีกต่อไป

ดังนั้น..พวกเขายังสามารถถือเป็นลูกค้าที่ดีที่สุดของคุณได้หรือไม่? อาจจะไม่.

การตัดสินคุณค่าของลูกค้าเพียงด้านเดียวจะทำให้คุณได้รับรายงานที่ไม่ถูกต้องเกี่ยวกับฐานลูกค้าและมูลค่าตลอดอายุการใช้งาน

ด้วยเหตุนี้ โมเดล RFM จึงรวมเอาคุณลักษณะลูกค้าที่แตกต่างกันสามแบบเพื่อจัดอันดับลูกค้า

หากพวกเขาซื้อในอดีตที่ผ่านมา พวกเขาจะได้รับคะแนนที่สูงขึ้น ถ้าซื้อหลายครั้งก็จะได้คะแนนสูงขึ้น และหากพวกเขาใช้จ่ายมากขึ้น พวกเขาก็จะได้รับคะแนนมากขึ้น รวมคะแนนทั้งสามนี้เพื่อสร้างคะแนน RFM

สุดท้าย คุณสามารถแบ่งกลุ่มฐานข้อมูลลูกค้าของคุณออกเป็นกลุ่มต่างๆ ตามข้อมูลนี้ ความใหม่ – ความถี่ – การเงิน คะแนน.

การวิเคราะห์กลุ่มลูกค้า RFM ด้วยแบบจำลอง RFM

คุณสามารถสร้างกลุ่มลูกค้าประเภทต่างๆ ได้ด้วยการสร้างแบบจำลอง RFM แต่นี่คือ 11 กลุ่มที่เราแนะนำ

ลองนึกถึงเปอร์เซ็นต์ของลูกค้าปัจจุบันของคุณที่จะอยู่ในแต่ละกลุ่มเหล่านี้ และประเมินว่าการดำเนินการทางการตลาดที่แนะนำสำหรับธุรกิจของคุณมีประสิทธิภาพเพียงใด

อีกด้านหนึ่ง: เรื่องน่าเศร้าที่เกิดขึ้นซ้ำๆ ของการตลาดผ่านอีเมล

พิจารณากรณีนี้...

Carol ได้จัดทำจดหมายข่าวทางอีเมลที่สมบูรณ์แบบ ไม่ว่าจะเป็นเนื้อหา การออกแบบ หัวเรื่อง คำกระตุ้นการตัดสินใจ ลิงก์โซเชียลมีเดีย... เธอส่งจดหมายข่าวออกไปโดยคาดหวังอัตราการแปลงที่เป็นตัวเอก คณิตศาสตร์ทางจิตของเธอให้เหตุผลว่าถึงแม้จะแปลงในอัตรา "ต่ำ" 10% สำหรับลูกค้า 3500 รายของเธอ เธอก็รวยขึ้นอีกสองสามพันดอลลาร์ภายในไม่กี่ชั่วโมง

สิบนาที..ครึ่งชั่วโมง..สองชั่วโมง..ผ่านไป 8 ชม. แต่สุดท้ายมีเพียง 1.5% เท่านั้นที่คลิกลิงก์และขายเพียงครั้งเดียว

น่าผิดหวังมากใช่มั้ย?

เธอพลาดอะไรไป?

แครอลทำทุกอย่างได้อย่างสมบูรณ์แบบ ยกเว้นหนึ่ง – การกำหนดเป้าหมาย .

เธอส่งอีเมลเดียวกันถึงทุกคน

ฉันแน่ใจว่าคุณจะเห็นด้วย: ลูกค้าต่างตอบสนองต่อข้อความที่แตกต่างกัน

ลูกค้าที่มีความอ่อนไหวต่อราคาจะได้รับข้อเสนอส่วนลด แต่ผู้ที่ซื้อสินค้าจากคุณเป็นประจำอาจรู้สึกตื่นเต้นกับการเปิดตัวผลิตภัณฑ์ใหม่เท่านั้น

นั่นคือการจับ!

แทนที่จะเข้าถึงผู้ชมของคุณ 100% คุณต้องระบุและกำหนดเป้าหมายเฉพาะกลุ่มลูกค้าที่เฉพาะเจาะจงซึ่งจะกลายเป็นผลกำไรสูงสุดสำหรับธุรกิจของคุณ

เรากำลังทิ้งทองไว้บนโต๊ะ...

พวกเราส่วนใหญ่ไม่ได้ใกล้ชิดกับแครอลด้วยซ้ำ

ไม่ว่าคุณจะอยู่ในการค้าขายออนไลน์ การขายปลีก การตลาดทางตรง หรือ B2B พวกเราส่วนใหญ่ยุ่งกับงานบ้านในแต่ละวันจนไม่มีเวลาทำการตลาดเพียงพอ แคมเปญการตลาดของเราเร่งรีบ ขาดการเขียนคำโฆษณา ขาดการออกแบบอย่างมืออาชีพ และเราไม่ค่อยใส่ใจในการติดตามหรือปรับปรุง Conversion มากพอ

แน่นอนว่าเราต้องการทำทั้งหมดนั้น แต่เราทำไม่ได้

จะเกิดอะไรขึ้นหากเราเข้าใจลูกค้าของเราดีขึ้นเล็กน้อยและส่งแคมเปญที่เกี่ยวข้องให้พวกเขามากขึ้น

ฉันสัญญาว่าอัตราความสำเร็จของเราจะสูงขึ้นมาก

ไม่เพียงแต่เราจะทำเงินได้มากขึ้นเท่านั้น แต่ลูกค้าของเราก็จะมีความสุขและภักดีมากขึ้นด้วย

ยังไม่มั่นใจ? คุณจะอยู่ในไม่กี่นาที

ข้อดีของการแบ่งกลุ่ม RFM: นี่คือวิธีที่การวิเคราะห์ RFM มีประโยชน์อย่างยิ่ง...

การส่งข้อความที่เหมาะกับกลุ่มลูกค้าจะทำให้เกิด Conversion ที่สูงขึ้นมาก

ไม่ชัดเจน?

แคมเปญการตลาดทั้งหมดควรเลือกกลุ่มเป้าหมายก่อน จากนั้นจึงสร้างสื่อส่งเสริมการขายที่จะโดนใจผู้ชมนั้น จากนั้นจึงวางแป้นเหยียบไปที่โลหะ

น่าเสียดายที่พวกเราส่วนใหญ่ไม่ทำอย่างนั้น

นั่นคือจุดที่การวิเคราะห์ RFM มีประโยชน์มาก

RFM ทำให้การระบุกลุ่มลูกค้าเป็นเรื่องง่าย

การแบ่งส่วน RFM พร้อมตอบคำถามเหล่านี้สำหรับธุรกิจของคุณ...

• ใครคือลูกค้าที่ดีที่สุดของฉัน?
• ลูกค้าคนไหนที่ใกล้จะปั่นป่วน?
• ใครบ้างที่มีศักยภาพที่จะเปลี่ยนเป็นลูกค้าที่ทำกำไรได้มากกว่า?
• ใครคือลูกค้าที่หลงหายที่คุณไม่ต้องใส่ใจมากนัก?
• ลูกค้ารายใดที่คุณต้องรักษาไว้?
• ลูกค้าประจำของคุณคือใคร?
• ลูกค้ากลุ่มใดมีแนวโน้มที่จะตอบสนองต่อแคมเปญปัจจุบันของคุณมากที่สุด

ประสิทธิภาพที่พิสูจน์แล้ว – ทศวรรษของการวิจัยทางวิชาการและอุตสาหกรรม

RFM มีประวัติยาวนานหลายทศวรรษ ไม่ใช่แฟชั่นหรือกลไกทางการตลาด เป็นกระบวนการที่ได้รับการพิสูจน์ทางวิทยาศาสตร์

ประการแรก เป็นไปตาม หลักการ Pareto หรือที่เรียกกันทั่วไปว่ากฎ 80-20

กฎของพาเรโตบอกว่า 80% ของผลลัพธ์มาจาก 20% ของสาเหตุ

ในทำนองเดียวกัน ลูกค้า 20% มีส่วนร่วมกับ 80% ของรายได้ทั้งหมดของคุณ

คนที่ใช้จ่ายครั้งเดียวมีแนวโน้มที่จะใช้จ่ายอีกครั้ง ผู้ที่ซื้อตั๋วจำนวนมากมักจะซื้อซ้ำ

Pareto Principle เป็นแกนหลักของโมเดล RFM การมุ่งเน้นความพยายามของคุณไปยังกลุ่มลูกค้าที่สำคัญมีแนวโน้มที่จะให้ผลตอบแทนจากการลงทุนสูงขึ้นมาก!

รากฐานของการตลาดทางตรง ธุรกิจฐานข้อมูล / แคตตาล็อก

แนวคิดของ RFM ได้รับการแนะนำโดย Bult และ Wansbeek ในปี 1995 มีการใช้อย่างมีประสิทธิภาพโดยนักการตลาดแคตตาล็อกเพื่อลดต้นทุนการพิมพ์และการจัดส่งในขณะที่เพิ่มผลตอบแทนสูงสุด

ความนิยมที่เพิ่มขึ้นของการใช้คอมพิวเตอร์ทำให้การศึกษา RFM ง่ายขึ้น เนื่องจากลูกค้าและบันทึกการซื้อถูกแปลงเป็นดิจิทัล การศึกษาอย่างกว้างขวางโดย Blattberg et al. ในปี 2551 พิสูจน์ประสิทธิภาพของ RFM เมื่อนำไปใช้กับฐานข้อมูลการตลาด การศึกษาเชิงวิชาการอื่นๆ อีกจำนวนมากได้อนุมัติด้วยว่า RFM ช่วยลดต้นทุนทางการตลาดและเพิ่มผลตอบแทน

แวดวงวินด์เซอร์รายงานความสำเร็จอย่างมีนัยสำคัญโดยใช้ RFM สำหรับลูกค้ารายย่อย:

• Eastwood เพิ่มผลกำไรการตลาดผ่านอีเมล 21%
• L'Occitane สร้างรายได้ต่ออีเมลเพิ่มขึ้น 25 เท่า 25 ครั้ง ไม่ใช่ 25%…
• Frederick's of Hollywood บันทึกอัตรา Conversion สูงถึง 6-9% ในแคมเปญของพวกเขา

ฉันหวังว่าคุณจะมั่นใจถึงประโยชน์ของการวิเคราะห์ RFM สำหรับธุรกิจของคุณเอง

ทีนี้มาดูคณิตศาสตร์เบื้องหลังผลลัพธ์ทั้งหมดกัน

จะคำนวณคะแนน RFM ได้อย่างไร – การคำนวณคะแนน RFM ง่ายขึ้น

สงสัยว่าจะคำนวณคะแนน RFM สำหรับฐานข้อมูลลูกค้าของคุณได้อย่างไร? นี่คือวิธี…

เราต้องการรายละเอียดของลูกค้าแต่ละราย:

• รหัสลูกค้า / อีเมล / ชื่อ ฯลฯ : เพื่อระบุตัวตน
• ความใหม่ (R) นับจากวันที่ซื้อครั้งล่าสุด : การซื้อครั้งล่าสุดเมื่อกี่วันที่แล้ว หักวันที่ซื้อล่าสุดตั้งแต่วันนี้เพื่อคำนวณมูลค่าความใหม่ 1 วันที่แล้ว? 14 วันที่ผ่านมา? 500 วันที่ผ่านมา?
• ความถี่ (F) ตามจำนวนธุรกรรมทั้งหมด : ลูกค้าซื้อจากร้านเรากี่ครั้ง ? ตัวอย่างเช่น หากมีผู้สั่งซื้อ 10 รายการในช่วงเวลาหนึ่ง ความถี่ของพวกเขาคือ 10
• เงิน (M) เป็นเงินทั้งหมดที่ใช้ไป : ลูกค้ารายนี้ใช้เงินไปกี่ $$ (หรือสกุลเงินใดในการคำนวณของคุณ) อีกครั้ง จำกัด สองปี - หรือใช้เวลาทั้งหมด เพียงรวมเงินจากธุรกรรมทั้งหมดเพื่อรับค่า M

ตัวอย่างการวิเคราะห์ RFM

พิจารณาลูกค้า Robert Johnson – เขาสั่งซื้อครั้งล่าสุดเมื่อ 3 วันก่อน และวางคำสั่งซื้อทั้งหมด 6 รายการมูลค่า $540 จนถึงปัจจุบัน

การใช้สูตรคะแนน RFM

เมื่อเรามีค่า RFM จากประวัติการซื้อแล้ว เรากำหนดคะแนนจากหนึ่งถึงห้าเป็นความใหม่ ความถี่ และมูลค่าเงินเป็นรายบุคคลสำหรับลูกค้าแต่ละราย . ห้าคือค่าที่ดีที่สุด/สูงสุด และหนึ่งคือค่าต่ำสุด/แย่ที่สุด คะแนน RFM ขั้นสุดท้ายคำนวณง่ายๆ โดยการรวมหมายเลขคะแนน RFM แต่ละรายการ

โปรดจำไว้ว่า ค่า RFM และคะแนน RFM นั้นแตกต่างกัน มูลค่าคือมูลค่าที่แท้จริงของ R/F/M สำหรับลูกค้ารายนั้น ขณะที่คะแนนคือตัวเลขตั้งแต่ 1-5 ตามมูลค่า

ดูตารางด้านล่าง ในการคำนวณคะแนน อันดับแรก เราจะเรียงลำดับค่าจากมากไปหาน้อย (จากสูงสุดไปต่ำสุด) เนื่องจากเรามีลูกค้า 15 รายและคะแนนห้าคะแนน เราจึงกำหนดคะแนนจากห้าถึงสามระเบียนแรก สี่ถึงสามรายการถัดไป และอื่นๆ สำหรับคะแนน RFM โดยรวม เราเพียงแค่รวมคะแนน R, F และ M ของลูกค้าเพื่อสร้างตัวเลขสามหลัก

หมายเหตุ : การซื้อครั้งล่าสุดถือว่าดีกว่าและด้วยเหตุนี้จึงให้คะแนนที่สูงขึ้น

ดังนั้น, ลูกค้าที่ซื้อเมื่อเร็วๆ นี้ เป็นผู้ซื้อบ่อยและใช้จ่ายมากจะได้รับคะแนน 555 – ความใหม่ (R) – 5 ความถี่ (F) – 5 การเงิน (M) – 5 พวกเขาเป็นลูกค้าที่ดีที่สุดของคุณ ในกรณีนี้ อเล็กซานเดอร์ ดีเซล ไม่ใช่อัมมาร์ ฟาฮัด ซึ่งเป็นผู้ใช้จ่ายสูงสุด

อีกด้านคือลูกค้าใช้จ่ายน้อยที่สุด แทบไม่มีการซื้อใดๆ และนานมาแล้วด้วยคะแนน 111 คะแนน ความใหม่(R) – 1 ความถี่(F) – 1 การเงิน(M) – 1. Andy Smith ในกรณีนี้.

สมเหตุสมผลใช่มั้ย?

ตอนนี้ให้ฉันอธิบายอย่างรวดเร็วว่าทำไมเราจึงสร้างกลุ่มละสามคะแนน

จะคำนวณคะแนน RFM ในระดับ 1-5 ได้อย่างไร

ธุรกิจต่างๆ อาจใช้วิธีการต่างๆ ของสูตร rfm ในการจัดอันดับค่า RFM ในระดับ 1 ถึง 5 แต่นี่เป็นวิธีการทั่วไปสองวิธี

วิธีที่ 1: ช่วงคงที่อย่างง่าย

ตัวอย่าง:

ถ้ามีคนซื้อภายใน 24 ชั่วโมงที่ผ่านมา ให้มอบหมาย 5. ใน 3 วันที่ผ่านมา ให้คะแนน 4. กำหนด 3 ถ้าพวกเขาซื้อภายในเดือนปัจจุบัน 2 สำหรับ 6 เดือนที่ผ่านมา และ 1 สำหรับคนอื่นๆ

อย่างที่คุณเห็น เราได้กำหนดช่วงสำหรับแต่ละคะแนนเอง เกณฑ์ช่วงจะขึ้นอยู่กับลักษณะของธุรกิจ คุณต้องกำหนดช่วงความถี่และค่าเงินเช่นนี้ด้วย

วิธีการให้คะแนนนี้ขึ้นอยู่กับแต่ละธุรกิจ เนื่องจากพวกเขาตัดสินใจว่าช่วงใดที่พวกเขาพิจารณาว่าเหมาะสมที่สุดสำหรับความใหม่ ความถี่ และมูลค่าทางการเงิน

แต่มีความท้าทายในการคำนวณระยะเวลา/ช่วงคงที่สำหรับคะแนน RFM

เมื่อธุรกิจเติบโตขึ้น ช่วงคะแนนอาจต้องมีการปรับเปลี่ยนบ่อยครั้ง

หากคุณมีธุรกิจการชำระเงินแบบประจำ แต่มีเงื่อนไขการชำระเงินที่แตกต่างกัน – รายเดือน รายปี ฯลฯ – การคำนวณผิดพลาด

วิธีที่ 2: quintiles – สร้างห้าส่วนเท่า ๆ กันตามค่าที่มีอยู่

จำวันที่เรียนของคุณ มีคำหนึ่งว่า เปอร์เซ็นไท ล์ในวิชาคณิตศาสตร์ เปอร์เซ็นไทล์เป็นเพียงเปอร์เซ็นต์ของค่าที่อยู่ต่ำกว่าหรือเท่ากับค่าที่สังเกตได้

นี่คือกราฟิกจาก MathIsFun.com ที่อธิบายสิ่งนี้อย่างชัดเจน:

ควินไทล์เป็นเหมือนเปอร์เซ็นไทล์ แต่แทนที่จะแบ่งข้อมูลออกเป็น 100 ส่วน เราแบ่งมันออกเป็น 5 ส่วนเท่าๆ กัน

ถ้าคุณเข้าใจเปอร์เซ็นไทล์ ก็จะเข้าใจควินไทล์ได้ง่ายขึ้น ถ้าเราสร้างช่วงเปอร์เซ็นไทล์ที่เท่ากันห้าช่วง คะแนนเปอร์เซ็นไทล์ที่ 18 จะตกอยู่ในช่วง 0-20 ซึ่งจะเป็นควินไทล์ที่ 1 ค่าเปอร์เซ็นไทล์ 81 จะอยู่ในช่วง 80-100 และด้วยเหตุนี้ควินไทล์ที่ 5

วิธีนี้เกี่ยวข้องกับคณิตศาสตร์ที่ซับซ้อนเล็กน้อย แต่แก้ปัญหาได้มากมายในวิธีช่วงคงที่ Quintiles ทำงานร่วมกับอุตสาหกรรมใดๆ ก็ได้ เนื่องจากช่วงต่างๆ ถูกเลือกจากตัวข้อมูลเอง พวกเขากระจายลูกค้าอย่างเท่าเทียมกันและไม่มีการข้าม

ควินไทล์เป็นวิธีที่เราแนะนำในการคำนวณคะแนน RFM . เราใช้ควินไทล์เพื่อสร้างการแบ่งส่วน RFM ใน Putler – โซลูชันการวิเคราะห์ธุรกิจและข้อมูลเชิงลึกด้านการตลาดสำหรับผู้ค้าออนไลน์

การแสดงข้อมูล RFM

การนำเสนอแบบกราฟิกของ RFM จะช่วยให้คุณและผู้มีอำนาจตัดสินใจคนอื่นๆ เข้าใจการวิเคราะห์ RFM ขององค์กรของคุณได้ดีขึ้น

R, F และ M มีคะแนนตั้งแต่ 1-5 มีทั้งหมด 5x5x5 = 125 ชุดค่า RFM สามารถพล็อตสามมิติของ R, F และ M บนแผนภูมิ 3 มิติได้ดีที่สุด หากเราจะดูว่าเรามีลูกค้ากี่รายสำหรับค่า RFM แต่ละค่า เราต้องดูที่ข้อมูล 125 จุด

แต่การทำงานกับแผนภูมิ 3 มิติบนกระดาษหรือหน้าจอคอมพิวเตอร์จะไม่ทำงาน เราต้องการบางสิ่งในสองมิติ บางสิ่งที่อธิบายและเข้าใจได้ง่ายขึ้น

การแสดงการวิเคราะห์ RFM ที่ง่ายขึ้น

ในแนวทางนี้ เรา ความถี่พล็อต + คะแนนการเงินบนแกน Y (ช่วง 0 ถึง 5) และความใหม่ (ช่วง 0 ถึง 5) บนแกน X . ซึ่งจะช่วยลดชุดค่าผสมที่เป็นไปได้จาก 125 เหลือ 50 การรวม F และ M เข้าด้วยกันนั้นสมเหตุสมผลเพราะทั้งคู่เกี่ยวข้องกับจำนวนที่ลูกค้าซื้อ R บนอีกแกนหนึ่งช่วยให้เรามองเห็นระดับการมีส่วนร่วมอีกครั้งกับลูกค้าได้อย่างรวดเร็ว

พิจารณาธุรกิจสมัครสมาชิกเช่น สำหรับลูกค้าที่มีการสมัครใช้บริการรายเดือน $100 มูลค่าเป็นตัวเงินจะเท่ากับ $1200 ตลอดทั้งปี แต่ความถี่จะเท่ากับ 12 เนื่องจากการเรียกเก็บเงินรายเดือน

ในทางกลับกัน ธุรกิจที่ไม่เกิดซ้ำ หรือการสมัครรายปีที่ $1,200 บ่งชี้ว่ามีมูลค่าทางการเงินที่ดี แต่ความถี่อยู่ที่ 1 เนื่องจากการซื้อเพียงครั้งเดียว

ลูกค้ามีความสำคัญเท่าเทียมกันในทั้งสองกรณี และวิธีการของเราในการรวมความถี่และคะแนนการเงินทำให้พวกเขามีความสำคัญเท่าเทียมกันในการวิเคราะห์ RFM ของเรา

ทำให้มีประสิทธิภาพมากขึ้น – การสร้างกลุ่ม RFM

การทำความเข้าใจองค์ประกอบ 50 รายการยังคงเป็นเรื่องที่น่าเบื่อ เราก็ทำได้ สรุปการวิเคราะห์ของเราออกเป็น 11 ส่วน เพื่อให้เข้าใจลูกค้าของเรามากขึ้น

หากคุณจำได้ เราได้พูดถึงส่วนเหล่านี้ในตอนต้นของบทความนี้

นี่คือตารางที่อธิบายวิธีสร้าง กลุ่มลูกค้า 11 กลุ่มตามคะแนน RFM .

การนำเสนอการวิเคราะห์ RFM ขั้นสูงสุดของเรา

การให้สีที่ชัดเจนในแต่ละส่วนจะช่วยให้จำได้ง่ายขึ้น และหากเราเลือกสีอย่างชาญฉลาด การแสดงภาพ RFM ของเราจะแชร์และเข้าใจได้ง่ายขึ้นมาก

นี่คือรายงานสรุป RFM ฉบับสุดท้ายของเรา!

ซอฟต์แวร์/เครื่องมือสำหรับการแบ่งกลุ่ม RFM และการวิเคราะห์ RFM

ด้วยการมุ่งเน้นที่การจัดการลูกค้าสัมพันธ์ (CRM) มากขึ้น RFM ได้กลายเป็นส่วนสำคัญของการวิเคราะห์การตลาดและธุรกิจ หากคุณกำลังทำการประเมินพฤติกรรมการซื้อของลูกค้าแบบครั้งเดียว คุณสามารถหลีกเลี่ยงการวิเคราะห์ RFM ด้วยตนเองหรือกึ่งอัตโนมัติได้

แต่ถ้าคุณมีฐานข้อมูลขนาดใหญ่เล็กน้อย คุณไม่ต้องการคำนวณที่ซับซ้อนทั้งหมดด้วยตัวเอง

การคำนวณ RFM โดยใช้ excel

Bruce Hardie และ Peter Fader เขียนหมายเหตุโดยละเอียดเกี่ยวกับการใช้ Excel เพื่อคำนวณคะแนน RFM พวกเขายังมีไฟล์ Excel ตัวอย่างที่คุณสามารถใช้ได้ แต่บันทึกนี้มาจากปี 2008 และอาจต้องมีการอัปเดต

นอกจากนี้ยังมีเทมเพลต Excel จาก UMacs Business Solutions ที่จำหน่ายในราคา $3.99

มีคำแนะนำสำหรับการตั้งค่าการวิเคราะห์ RFM ใน Excel บนไซต์ของ CogniView ด้วยเช่นกัน

แหล่งข้อมูลอื่นที่ฉันพบคือ Dave Langer ผู้ที่ชื่นชอบการวิเคราะห์ข้อมูล นี่คือวิดีโอสั้น ๆ เกี่ยวกับวิธีการคำนวณ RFM โดยใช้ excel

เครื่องมือ CRM บางตัวทำ RFM

มีซอฟต์แวร์ CRM มากมายที่สามารถคำนวณคะแนน RFM และแบ่งกลุ่มลูกค้าของคุณโดยอัตโนมัติ ตรวจสอบกับ CRM ที่คุณเลือกหากมีการสนับสนุน RFM แล้ว

การแบ่งส่วน RFM โดยใช้ Python / R และเครื่องมือวิเคราะห์อื่นๆ

R และ Python เป็นที่นิยมสำหรับการวิเคราะห์ทางสถิติและธุรกิจ หากคุณมีทีมวิทยาศาสตร์ข้อมูลของคุณเอง จะเป็นการดีที่สุดที่จะสร้างแบบจำลอง RFM แบบกำหนดเองสำหรับธุรกิจของคุณโดยใช้เครื่องมือที่มีอยู่

การแบ่งส่วน RFM สำหรับ Shopify, BigCommerce และ TicTail

RetentionGrid เป็นบริการซอฟต์แวร์ที่เชี่ยวชาญในการวิเคราะห์ RFM สามารถนำข้อมูลจากร้านค้า Shopify, BigCommerce หรือ TicTail ของคุณและแสดงภาพที่สวยงามของเซ็กเมนต์ RFM

การวิเคราะห์ RFM และอีกมากมายสำหรับร้านค้าออนไลน์ทั้งหมด

พัตเตอร์จัดให้ การวิเคราะห์ RFM ที่ครอบคลุม และให้เครื่องมือวิเคราะห์และการรายงานทางธุรกิจอื่นๆ มากมาย . สร้างขึ้นสำหรับอีคอมเมิร์ซและรองรับการซิงค์อัตโนมัติกับเกตเวย์การชำระเงินหลักและระบบอีคอมเมิร์ซ Putler ยังให้รายงานโดยละเอียดเกี่ยวกับสิ่งอื่นๆ มากมาย เช่น การขาย ผลิตภัณฑ์ และผู้เยี่ยมชม

การวิเคราะห์ RFM ใน Putler มีอยู่ในแดชบอร์ดของลูกค้า หน้าตาเป็นแบบนี้ .

การวิเคราะห์ RFM ในด้านการตลาด

การวิเคราะห์ RFM ของ Putler ช่วยให้นักการตลาดพบคำตอบสำหรับคำถามต่อไปนี้:

• ใครคือลูกค้าที่ดีที่สุดของคุณ?
• ลูกค้ารายใดของคุณสามารถมีส่วนร่วมในอัตราการเลิกใช้งานของคุณ
• ใครมีศักยภาพที่จะเป็นลูกค้าที่มีคุณค่า?
• ลูกค้าท่านใดที่รักษาไว้ได้
• ลูกค้ารายใดของคุณมีแนวโน้มที่จะตอบสนองต่อแคมเปญการมีส่วนร่วมมากที่สุด

รูปแบบของ RFM model

RFM เป็นเฟรมเวิร์กง่ายๆ ในการวัดพฤติกรรมของลูกค้า หลายคนขยายโมเดลการแบ่งส่วน RFM และสร้างรูปแบบต่างๆ

สองรุ่นที่โดดเด่นคือ:

• RFD (ความใหม่ ความถี่ ระยะเวลา) – Duration นี่คือเวลาที่ใช้ไป มีประโยชน์อย่างยิ่งในขณะที่วิเคราะห์พฤติกรรมผู้บริโภคของผลิตภัณฑ์ที่เน้นการดู/ผู้อ่าน/การท่องเว็บ
• RFE (ความใหม่ ความถี่ การมีส่วนร่วม) – การมีส่วนร่วมอาจเป็นค่าผสมตามเวลาที่ใช้บนเพจ เพจต่อการเยี่ยมชม อัตราตีกลับ การมีส่วนร่วมของโซเชียลมีเดีย ฯลฯ มีประโยชน์อย่างยิ่งสำหรับธุรกิจออนไลน์

คุณสามารถดำเนินการแบ่งกลุ่ม RFM สำหรับฐานลูกค้าทั้งหมดของคุณ หรือเพียงแค่ส่วนย่อย ตัวอย่างเช่น คุณอาจแบ่งกลุ่มลูกค้าตามพื้นที่ทางภูมิศาสตร์หรือข้อมูลประชากรอื่นๆ ก่อน จากนั้นจึงแบ่งตาม RFM สำหรับกลุ่มพฤติกรรมตามประวัติตามธุรกรรม

คำแนะนำของเรา: เริ่มต้นด้วยสิ่งง่ายๆ ทดลอง และสร้างต่อ

การใช้การแบ่งส่วน RFM กับธุรกิจของคุณ

นักการตลาดใช้การแบ่งส่วนตาม RFM เพื่อเพิ่มประสิทธิภาพผลตอบแทนจากการลงทุนในแคมเปญการตลาดเป็นเวลาหลายปี โดยทั่วไปจะทำได้โดยการส่งข้อความที่กำหนดเป้าหมายไปยัง 11 กลุ่มที่เราได้พูดคุยกันก่อนหน้านี้ – หรือการแบ่งส่วนแบบกำหนดเองอื่น ๆ ที่สถานการณ์ต้องการ

การแบ่งส่วนลูกค้า / ผู้ใช้ไม่ใช่สิ่งที่แปลกใหม่ในโลกการตลาด แบรนด์ใหญ่มีสิ่งนี้ลงไปที่ T และพวกตัวเล็ก ๆ ก็เพิ่งตื่นขึ้นมาด้วยพลังที่อยู่เบื้องหลังกลยุทธ์ที่เน้นเลเซอร์ - เน้นเลเซอร์ที่การแบ่งกลุ่มผู้ใช้

Neil Patel เกี่ยวกับวิธีการแบ่งกลุ่มผู้ใช้ในการตลาดเนื้อหา

การแบ่งส่วน RFM เพื่อการตลาดทางอีเมลที่ดีขึ้น

สร้างรายการแบบแบ่งกลุ่มในซอฟต์แวร์การตลาดผ่านอีเมลของคุณ (MailChimp, Campaign Monitor ฯลฯ) จากการวิเคราะห์ RFM จากนั้นเรียกใช้แคมเปญหยดอัตโนมัติในแต่ละส่วน ถ้าเป็นไปได้, ย้ายผู้คนระหว่างรายการแบบแบ่งกลุ่มโดยอัตโนมัติ เมื่อพวกเขาย้ายจากกลุ่ม RFM หนึ่งไปยังอีกกลุ่มหนึ่ง .

คุณสามารถแบ่งกลุ่มเพิ่มเติมตามอัตราการเปิดและอัตราการคลิก และผลิตภัณฑ์ที่ซื้อ ซึ่งจะช่วยให้คุณได้กลุ่มตลาดที่มีความเกี่ยวข้องสูงซึ่งเน้นเลเซอร์ กลยุทธ์นี้ปรับปรุงผลลัพธ์อย่างมาก

RFM เพื่อเพิ่มมูลค่าตลอดช่วงชีวิตของลูกค้า

จำนวนลูกค้าที่ใช้จ่ายกับคุณในช่วงชีวิตของเธอนั้นขึ้นอยู่กับปัจจัยหลายประการ RFM สามารถช่วยเหลือในหลายๆ ด้านเหล่านี้ – ลดการปั่นป่วน เสนอการขายต่อยอดและขายต่อเนื่องให้กับกลุ่มที่มีแนวโน้มที่จะตอบสนอง เพิ่มความภักดีและการอ้างอิง การขายสินค้าที่มีราคาสูง และอื่นๆ

หนึ่งคำเตือนแม้ว่า อย่าไปลงน้ำ . หากคุณยังคงส่งแคมเปญการตลาดไปยังกลุ่มลูกค้าของคุณ พวกเขาอาจหงุดหงิดและหยุดซื้อ

การแบ่งส่วน RFM สำหรับการเปิดตัวผลิตภัณฑ์ใหม่

การโปรโมตผลิตภัณฑ์ใหม่ให้กับลูกค้าประจำเป็นวิธีที่ยอดเยี่ยมในการดึงความคิดเห็นและข้อเสนอแนะในเบื้องต้น คุณสามารถ ติดต่อตัวแทนและลูกค้าประจำของคุณ แม้กระทั่งก่อนสร้างผลิตภัณฑ์ พวกเขาสามารถให้ข้อมูลเชิงลึกที่ดีแก่คุณเกี่ยวกับสิ่งที่จะสร้างและวิธีโปรโมต คนกลุ่มนี้ยินดีที่จะแนะนำผลิตภัณฑ์ของคุณไปยังกลุ่มอิทธิพลของพวกเขา

RFM เพื่อเพิ่มความภักดีและการมีส่วนร่วมของผู้ใช้

หากคุณใช้งานโปรแกรมความภักดี ผู้มีโอกาสเป็นลูกค้ากลุ่มแรกคือกลุ่มแรกที่คุณอาจกำหนดเป้าหมาย คุณต้องการให้แน่ใจว่าประสบการณ์ครั้งแรกของพวกเขากับผลิตภัณฑ์และบริการของคุณน่าพอใจและน่าจดจำ ติดตามโปรโมชั่นที่ทันท่วงทีและมีแนวโน้มสูงที่จะซื้อซ้ำ การส่งเนื้อหาด้านการศึกษาให้กับลูกค้าเหล่านี้จะช่วยเพิ่มการมีส่วนร่วมกับแบรนด์ของคุณ

RFM เพื่อลดการปั่นป่วนของลูกค้า

At Risk and Hibernating เป็นสองส่วนที่คุณต้องให้ความสนใจเป็นพิเศษ ส่งอีเมลส่วนบุคคลหรือโทรติดต่อเพื่อติดต่อกับลูกค้าเหล่านี้อีกครั้ง คุณอาจเสนอการซื้อซ้ำโดยมีส่วนลดหรือทำแบบสำรวจเพื่อจัดการกับข้อกังวลก่อนที่จะสูญเสียให้กับคู่แข่ง/ทางเลือกอื่นๆ

RFM เพื่อลดต้นทุนทางการตลาดและปรับปรุง RoI

แคมเปญการตลาดที่ไม่ได้กำหนดเป้าหมายอาจมีราคาแพง การมุ่งเน้นไปที่กลุ่มลูกค้าที่เล็กลงจะช่วยลดต้นทุนได้อย่างมาก ช่วยให้คุณทำการทดลองได้มากขึ้น และตัดสินใจตามข้อมูล

ตามความเป็นจริงแล้ว รากฐานของ RFM มาจากการตลาดทางตรง ที่ซึ่งพวกเขาลดต้นทุนการพิมพ์และแค็ตตาล็อกการจัดส่งโดยกำหนดเป้าหมายเฉพาะลูกค้าที่มีแนวโน้มที่จะตอบสนองต่อแคมเปญเหล่านี้ ดังนั้นไม่ว่าคุณจะทำการตลาดดิจิทัล สิ่งพิมพ์หรือสื่อ การแบ่งส่วนจะช่วยลดต้นทุนและเพิ่มผลตอบแทนจากการลงทุน

RFM สำหรับรีมาร์เก็ตติ้ง / รีมาร์เก็ตติ้งแคมเปญ

รีมาร์เก็ตติ้งเป็นเทคนิคอันชาญฉลาดที่คุณแสดงโฆษณา/โปรโมชันต่อผู้ที่เคยเข้าชมไซต์ของคุณอย่างน้อยหนึ่งครั้ง แต่ตอนนี้อยู่ในไซต์อื่น พวกเขาจะเห็นโฆษณาของคุณบนไซต์อื่นๆ ที่พวกเขาเข้าชม ซึ่งจะช่วยปรับปรุงอัตราการคลิกและประสิทธิภาพโดยรวม

วิธีง่ายๆ ในการใช้รีมาร์เก็ตติ้งกับ RFM คือ ส่งออกกลุ่มลูกค้าของคุณ โดยเฉพาะลูกค้าล่าสุดหรือกลุ่มที่มีแนวโน้มจะเป็นลูกค้า ไปยังกลุ่มเป้าหมาย Facebook หรือโซลูชันการจัดการแคมเปญอื่นๆ ที่คุณใช้อยู่ แล้วแสดงโปรโมชั่นให้คนกลุ่มนั้นดู

RFM เพื่อทำความเข้าใจธุรกิจของคุณให้ดีขึ้น

ธุรกิจขนาดเล็กส่วนใหญ่ไม่เข้าใจลูกค้าของตนอย่างถ่องแท้ พวกเขาอาจไม่ทราบข้อมูลประชากรหรือข้อมูลบริษัทของลูกค้า การรวบรวมและทำความเข้าใจข้อมูลนี้อาจใช้เวลานานและมีค่าใช้จ่ายสูง

การวิเคราะห์ RFM กลายเป็นวิธีการที่รวดเร็วในการ เข้าใจพฤติกรรมของลูกค้า . และเนื่องจากมันอิงตามประวัติการทำธุรกรรมจริง มันจึงมาก การดูกลุ่ม RFM ต่างๆ สามารถเปิดเผยข้อมูลเชิงลึกเกี่ยวกับธุรกิจของคุณได้ การถามคำถามว่ากลุ่มของคุณเปรียบเทียบกันได้อย่างไร เปิดโอกาสการเติบโตอย่างยิ่งใหญ่ .

วิธีใช้การวิเคราะห์ RFM – กลยุทธ์เชิงปฏิบัติ

ตอนนี้คุณรู้วิธีดำเนินการวิเคราะห์ RFM แล้ว คุณต้องคิดว่าจะนำกลุ่ม RFM ไปใช้อย่างไรใช่ไหม มีหลายวิธีที่คุณสามารถทำได้ ดูกลยุทธ์ที่คุณสามารถนำไปใช้สำหรับแต่ละกลุ่ม RFM 11 กลุ่ม-

คำถามที่พบบ่อยเกี่ยวกับการแบ่งกลุ่ม RFM/ การวิเคราะห์ RFM

การแบ่งส่วน RFM คืออะไร?

การแบ่งกลุ่ม RFM เป็นวิธีการแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อของพวกเขา ขณะวิเคราะห์กลุ่ม RFM ลูกค้าจะได้รับคะแนนตามปัจจัยสามประการ ได้แก่ ความใหม่ ความถี่ และมูลค่าเงิน โดยจะจัดกลุ่มลูกค้าตามประวัติการซื้อของพวกเขา เมื่อเร็ว ๆ นี้ ความถี่ใด และมูลค่าเงินที่พวกเขาซื้อ

ทำไมบริษัทถึงใช้การวิเคราะห์ RFM

บริษัทต่างๆ สามารถใช้การวิเคราะห์ RFM เพื่อแบ่งกลุ่มลูกค้า ส่งอีเมลเป้าหมาย ปรับปรุงความสัมพันธ์กับลูกค้า เพิ่ม ROI ปรับปรุงการตลาด ลดต้นทุนทางการตลาด กำหนดเป้าหมายใหม่ได้ดีขึ้น ลดการเลิกรา และอื่นๆ อีกมากมาย สำรวจการใช้งานจริงเหล่านี้ในเชิงลึกได้ที่นี่

สรุปการแบ่งกลุ่ม RFM – ข้อดี ข้อเสีย คำแนะนำ

เทคนิค RFM เป็นรูปแบบการตลาดที่ได้รับการพิสูจน์แล้วว่าช่วยให้ผู้ค้าปลีกและธุรกิจอีคอมเมิร์ซได้รับผลตอบแทนสูงสุดจากการลงทุนทางการตลาด

ข้อดีของการวิเคราะห์ RFM และการแบ่งส่วน RFM

• RFM มีประโยชน์สำหรับธุรกิจประเภทต่างๆ – ออนไลน์ การค้าปลีก การตลาดทางตรง การสมัครรับข้อมูล องค์กรไม่แสวงหาผลกำไร...
• คุณจะได้รู้จักกลุ่มลูกค้าที่แตกต่างกันและสามารถระบุลูกค้าที่ดีที่สุดของคุณได้
• RFM ช่วยสร้างแคมเปญการตลาดที่ตรงเป้าหมายสูง
• ช่วยการตลาดลูกค้าสัมพันธ์และความภักดีของลูกค้า
• รวมเข้ากับเครื่องมืออื่นๆ เพื่อรับการวิเคราะห์ลูกค้าโดยละเอียดและข้อมูลเชิงลึกของลูกค้า
• RFM ช่วยลดต้นทุนทางการตลาดเนื่องจากการเพิ่มประสิทธิภาพการกำหนดเป้าหมาย
• ลดปฏิกิริยาเชิงลบจากลูกค้าเนื่องจากการกำหนดเป้าหมายที่ควบคุมได้

ข้อจำกัดบางประการของ RFM:

• อาจไม่มีประโยชน์เมื่อลูกค้าส่วนใหญ่เป็นเพียงผู้ซื้อครั้งเดียว
• เมื่อคุณขายสินค้าเพียงชิ้นเดียวและเพียงครั้งเดียวเท่านั้น RFM อาจไม่เหมาะ
• RFM เป็นการวิเคราะห์ทางประวัติศาสตร์ ไม่ใช่สำหรับผู้มีแนวโน้มจะเป็นลูกค้า
• หากไม่มีซอฟต์แวร์/เครื่องมือ การคำนวณคะแนน RFM และเซกเมนต์อาจซับซ้อน
• การส่งแคมเปญมากเกินไปไปยังกลุ่มใดกลุ่มหนึ่งอาจทำให้ลูกค้าไม่พอใจ

เรียกใช้การวิเคราะห์ RFM และแบ่งกลุ่มลูกค้าภายในไม่กี่วินาทีโดยใช้ Putler

RFM ดูดีบนกระดาษ แต่จะซับซ้อนขึ้นหากคุณต้องการใช้งานตั้งแต่เริ่มต้น ดังนั้น คุณจำเป็นต้อง DIY ด้วยการสร้างอัลกอริทึมหรือปรึกษาเอเจนซี่การตลาดเพื่อทำเพื่อคุณ ในทั้งสองกรณี คุณเสียเวลาและเงินเป็นจำนวนมาก นั่นคือสิ่งที่ธุรกิจสูญเสียความสนใจและเลิกแบ่งส่วน RFM

นี่คือจุดที่ Putler ก้าวเข้ามา

เครื่องมือวิเคราะห์ของเรา Putler มีแผนภูมิ RFM ที่พร้อมใช้งาน เมื่อคุณเชื่อมต่อแพลตฟอร์มอีคอมเมิร์ซ ประตูการชำระเงินไปยัง Putler แล้ว ระบบจะประมวลผลข้อมูลลูกค้าทั้งหมดโดยอัตโนมัติและแบ่งออกเป็น 11 ส่วนตามความใหม่ ความถี่ และพารามิเตอร์ทางการเงิน

เกร็ดน่ารู้: การคำนวณ RFM ใช้เวลาเพียง 3 ขั้นตอนใน Putler
ขั้นตอนในการรันการวิเคราะห์ RFM ภายใน Putler

1. เชื่อมต่อแหล่งข้อมูลของคุณกับ Putler
2. ไปที่แดชบอร์ดลูกค้า
3. คลิกที่กลุ่ม RFM ใดๆ เสร็จแล้ว!

นี่คือลักษณะของแผนภูมิ RFM ใน Putler –

ข้อดีของการใช้การวิเคราะห์ RFM ของ Putler เหนือคู่แข่ง

ประหยัดเวลา
เวลาเป็นของสำคัญ. เราเข้าใจดีว่าในฐานะเจ้าของธุรกิจ เวลาของคุณมีค่า และเราให้คุณค่ากับมัน ที่ Putler การวิเคราะห์ RFM เป็นไปโดยอัตโนมัติ 100% คุณไม่จำเป็นต้องทำการคำนวณคะแนน RFM ด้วยตนเอง ไม่ต้องวุ่นวายกับแผ่นงาน excel หรืออะไรก็ตาม Putler จะวิเคราะห์ฐานข้อมูลลูกค้าของคุณและแบ่งลูกค้าตามพฤติกรรมการซื้อของออกเป็น 11 กลุ่ม คุณเพียงแค่คลิกกลุ่ม RFM ที่คุณต้องการใช้งาน แล้ว Putler จะแสดงให้ลูกค้าเห็นทั้งหมดที่อยู่ในกลุ่มนั้น

ไม่จำเป็นต้องมีความรู้ด้านการเข้ารหัส
ไม่ใช่ทุกธุรกิจที่ได้รับการสนับสนุนจากทีมเทคนิคภายในองค์กร และเราเข้าใจดี ดังนั้นเราจึงทำให้การแบ่งกลุ่ม RFM ของ Putler เป็นเรื่องง่าย คุณไม่จำเป็นต้องมีทักษะการเขียนโค้ดเพื่อใช้งาน เข้าใจมัน พัตเตอร์ทำหน้าที่ยกของหนักทั้งหมดและให้คุณพร้อมใช้งานส่วนต่างๆ ภายในไม่กี่วินาที

คุ้มมาก
หากคุณต้องสร้างเครื่องมือ RFM ตั้งแต่เริ่มต้นหรือหันไปใช้เอเจนซีการตลาดบุคคลที่สามเพื่อแบ่งกลุ่มลูกค้าของคุณ คุณจะต้องเสียเงินหลายพันดอลลาร์ ใช่ไหม พิจารณาด้วยว่า RFM ไม่ใช่ขั้นตอนสุดท้าย นี่เป็นเพียงการเริ่มต้น เมื่อคุณแบ่งกลุ่มลูกค้าแล้ว คุณต้องจัดสรรงบประมาณเพื่อดำเนินกิจกรรมทางการตลาด เช่น การกำหนดเป้าหมายใหม่ การส่งอีเมลที่ตรงเป้าหมาย การปรับปรุงการตลาด ฯลฯ หมายความว่าคุณต้องใช้เงินมากขึ้นเมื่อคุณมีกลุ่ม RFM อยู่ในมือ เมื่อพิจารณาทั้งหมดนี้แล้ว Putler ทำให้ RFM มีราคาไม่แพงสำหรับทุกคน คุณเพียงแค่ต้องเลือกใช้แผนระดับกลาง (การเติบโต – $79/เดือน) และคุณสามารถแบ่งกลุ่มลูกค้าของคุณในราคาต่ำกว่า $80 ขโมย?

เป็นมิตรกับผู้ใช้
การวิเคราะห์ RFM มีประโยชน์หลายอย่าง นักการตลาด ที่ปรึกษา เจ้าหน้าที่สนับสนุน ผู้จัดการระดับสูง ฯลฯ จำเป็นต้องเข้าถึงข้อมูลดังกล่าว ดังนั้น เพื่อรองรับกลุ่มเหล่านี้ทั้งหมด Putler ได้ทำให้อินเทอร์เฟซ RFM ใช้งานง่ายสุด ๆ และเข้าใจง่ายสุด ๆ

การวิเคราะห์ RFM แบบเรียลไทม์
การวิเคราะห์ RFM ของ Putler ขึ้นอยู่กับข้อมูลแบบเรียลไทม์ นั่นหมายความว่า เมื่อลูกค้าซื้อสินค้าจากร้านค้าของคุณ Putler จะทำการวิเคราะห์ RFM กับลูกค้าและเพิ่มเขา/เธอในกลุ่มที่เหมาะสมตามคะแนน RFM ที่คำนวณได้ การวิเคราะห์ RFM แบบเรียลไทม์ช่วยให้มั่นใจได้ว่าลูกค้าทั้งหมดของคุณจะถูกแบ่งกลุ่ม ณ เวลาใดเวลาหนึ่ง

ความสามารถในการกรองกลุ่ม RFM
การวิเคราะห์ RFM ของ Putler แบ่งลูกค้าออกเป็น 11 กลุ่มตามความใหม่ ความถี่ และการเงิน แต่นั่นไม่ใช่มัน คุณสามารถเจาะลึกกลุ่มเหล่านี้เพิ่มเติมตามพารามิเตอร์ต่างๆ เช่น สถานะคำสั่งซื้อ ผลิตภัณฑ์ที่ซื้อ ลูกค้าตั้งแต่ ตำแหน่งทางภูมิศาสตร์ ราคา และอื่นๆ อีกมากมาย ความสามารถในการกรองลูกค้าที่เป็นของพารามิเตอร์เฉพาะเพิ่มเติมนี้จะช่วยให้คุณจำกัดการกำหนดเป้าหมายให้แคบลงและปรับปรุงการตลาดให้ดียิ่งขึ้นไปอีก

ลอง Putler ฟรี

เป็นทางเลือกของคุณโดยสมบูรณ์ – หากคุณมีธุรกิจออนไลน์และต้องการเรียกใช้การวิเคราะห์ RFM บนฐานลูกค้าของคุณและแบ่งออกเป็นกลุ่มต่างๆ Putler เป็นวิธีที่ดีในการเริ่มต้น Putler มีการทดลองใช้ฟรี 14 วัน คุณสามารถเข้าถึงคุณลักษณะทั้งหมด (รวมถึงการแบ่งส่วน RFM)

หมายเหตุ: การทดลองใช้จะดึงข้อมูลในช่วง 3 เดือนล่าสุดเท่านั้น เพื่อให้คุณสามารถแบ่งกลุ่มลูกค้าที่ซื้อจากคุณในช่วง 3 เดือนที่ผ่านมาในเวอร์ชันทดลองใช้งาน เมื่อคุณได้ทดลองใช้งานและมั่นใจเกี่ยวกับผลิตภัณฑ์แล้ว ให้เลือกแผนการเติบโต จากนั้น Putler จะดึงข้อมูลในอดีตเพิ่มเติม จากนั้นคุณสามารถเรียกใช้การแบ่งกลุ่ม RFM กับลูกค้าเก่าได้เช่นกัน

ตอบกลับด้วยความคิดเห็นหรือคำถามของคุณ และอย่าลืมแบ่งปันบทความนี้กับเพื่อนนักการตลาด