电子商务个性化博客

RFM 分析增加了电子商务销售额。 今天，我们探索如何使用客户的新近度、频率和货币数据来解锁  个性化营销并提高参与度。 更好的是，我们将看到 RFM 分析如何成为最大化同类群组分析以提高留存率的最佳方法之一。

要跳至 RFM 分段示例，请单击此处。

RFM 分析是一种数据驱动的客户行为细分技术。

RFM 代表新近度、频率和货币价值。

这个想法是根据他们最后一次购买的时间、他们过去购买的频率以及他们的总体花费来对客户进行细分。 所有这三项措施都已被证明是客户参与营销信息和优惠意愿的有效预测指标。

虽然 RFM 分析诞生于直邮，但它是当今电子商务商店使用的强大工具。

以上很好地说明了客户细分如何使企业能够向客户传达特定的价值观。 图片来源：对讲机

RFM 分析的第一个已知应用是在目录行业。 先驱者包括 Land's End、JC Penny's 等。 自成立以来，已经开发了许多 RFM 变体，包括

对您的客户群进行 RFM 分析并向高价值目标发送个性化营销活动可为您的电子商务商店带来巨大的好处。

你应该如何计算新近度？ 还是得分频率？ 什么是好的货币化门槛？

定义阈值是分割的第一步。 下面我们将讨论电子商务公司可以用于新近度、频率和货币化的常用指标。

新近度衡量自上次购买以来的时间。

在计算新近度时，电子商务商店面临两个挑战。

首先，在全渠道世界中，很难将每个渠道的购买数据联系在一起。

其次，每个企业对什么是好的新近度得分会有不同的解释。 例如，消耗品具有对频繁订单的内在需求，这使得自上次购买以来所需的时间更短，以获得更高的分数。

上面，星巴克的产品通常在一天内消耗完。 与具有更高产品生命周期的移动速度较慢的产品相比，他们的产品组合需要对新近度数据进行不同的解释。

新近度的相同问题也出现在频率分析中。

再次，产品生命周期

计算新近度、频率和货币化分数提出了类似的挑战。 现实情况是，每家企业都是独一无二的。 创建准确的基准非常困难。

幸运的是，有一些常见的方法可以正确分配 RFM 指标。

可能是创建 RFM 分数的最简单方法，四分位分析允许您根据相对表现快速、公平地分配分数。

每个四分位数都会给出一个分数，从 1 到 4。最终的 RFM 分割将一起使用这些分数。

这是使用四分位数使用 Python 定义 RFM 段的简单概述。

形象学分

RFM 分割不必很复杂。

下面我们将展示如何在 Excel 中创建 RFM 模型。 我们一步一步地进行，并附上屏幕截图，以便您轻松复制模型。

请记住，您的电子商务品牌是独一无二的。

这不会是您特定业务的最佳方式，但它将是您进行迭代的绝佳模板。

让我们开始。

在开始之前，您需要为每个细分向量定义一个对您的业务最重要的KPI：新近度、频率和货币化。

为此，您必须将您的购买历史记录与每个客户联系起来，并选择您想要使用的时间范围。

对于我们的示例，我们将使用以下 KPI 和时间范围。

新近度：最后购买日期
频率：订单总数
货币化：平均订单价值
时限： 2年

正如您将看到的，RFM 分析是一个直接的过程。 目标是根据新近度、频率和货币化程度系统地对每个客户进行评分。 为此，我们首先根据我们选择的指标对所有客户进行排序，然后根据他们相对于数据库中其他客户的表现对他们进行评分。

您可以将许多 KPI 用于 Recency。 示例 KPI 包括

在本次演练中，我们将使用上次购买后的天数作为主要指标。

您应该直观地知道哪个指标对您的业务最有意义。 如果您是传统的电子商务商店，最后购买日期也将是您选择的指标。

首先，我们要下载您指定 KPI 的客户信息。 在这里，我们直接从 Barilliance 下载了这些信息，并将其上传到 Google 表格中。

接下来，我们要稍微清理一下工作表。

我删除了一些我忘记关闭的不需要的列：Sessions、Last Seen、First Seen、First Ordered 和 AOV。

接下来，您将为 RFM 分数添加三列。 在顶部的“新近度”、“频率”和“货币化”中为它们命名。

最后，我对数据应用了一个过滤器，以使其非常容易排序。 如果您不知道如何应用过滤器，则该过程很容易。 选择包括标题在内的所有数据（您可以通过按住 shift+command+arrows 快速完成此操作）。

选择所有数据后，单击数据->过滤器。

完成后，您的工作表应如下所示。

导航到您的 Recency KPI，并按适当的顺序对列表进行排序。 在我们的例子中，我们转到“距上次购买天数”并按降序排序。

最后，根据每个客户的位置对其进行评分。

虽然有一些方法可以做到这一点，但我发现使用四分位数最简单、最有帮助。

将您的客户总数除以四。 接下来，给每个四分位数一个反映该位置的分数。

第一个四分位数： 1

第二四分位数： 2

第三四分位数： 3

第四四分位数： 4

不要太担心让一切都“完美”。 例如，这里有两个客户，他们都在过去三天内订购过。 我只是将他们的新近度分数都分配了 1，尽管这使 5 个客户的分数为 1，而三个客户的分数为 2。

此时，您的工作表应该类似于下面的工作表。

频率和货币化的过程非常相似。

虽然我们使用过去两年的订单总数作为我们的频率 KPI，但您可以选择许多相互竞争的指标。 其中一些包括：

如前所述，我们将使用订单数作为我们的频率 KPI。 重复步骤 2.b 和 2.c，期望使用频率 KPI 作为指导指标。 评分后，您的工作表应该类似于下面的工作表。

最后，您已准备好敲出货币化分数。

货币化 KPI 包括

和以前一样，重复步骤 2.b 和 2.c，期望使用您的获利 KPI 作为指导指标。 评分后，您的工作表应该类似于下面的工作表。

惊人的！

至此，您已完成分析。 接下来是有趣的部分——实际使用这些新发现的洞察力来确定有利可图的细分市场。

营销人员有多种方式使用这种细分来帮助指导他们的营销。 这里有一些可供挑选的想法。

RFM 分数： 111

他们是谁：参与度最高的客户，他们购买了最近、最常购买并产生最多收入的客户。

营销策略：专注于​​忠诚度计划和新产品介绍。 事实证明，这些客户有更高的支付意愿，因此不要使用折扣定价来产生增量销售。 相反，通过基于以前购买的产品推荐来关注增值优惠。

上图，Uber 瞄准了他们的“核心”RFM 客户群，推出了他们新的 Uber Eats 服务。

RFM 分数： X1X

他们是谁：最常从您的商店购买的客户。

营销策略：忠诚度计划对这些回头客很有效。 宣传计划和审查也是常见的 X1X 策略。 最后，考虑通过免费送货或其他类似福利来奖励这些客户。

在这里，Costco 通过定制信用卡补充其会员业务模式，以进一步提高重复购买率并扩大钱包份额。

RFM 分数： XX1

他们是谁：为您的商店带来最多收入的客户。

营销策略：这些客户表现出很高的支付意愿。 考虑高级优惠、订阅等级、奢侈品或增值交叉/追加销售以增加 AOV 。 不要在折扣上浪费利润。

RFM 分数： X13、X14

他们是谁：经常回来但不花很多钱的客户。

营销策略：您已经成功地建立了忠诚度。 专注于通过基于过去购买的产品推荐和与支出阈值（与您的商店 AOV 挂钩）相关的激励措施来增加货币化。

以上是 Target 在特定 RFM 细分市场上使用生命周期营销的示例。 请注意他们如何将财务折扣与支出阈值结合起来，以推动重复购买并提高客户盈利能力。

另一个例子来自 AirBnb。 在这里，他们根据客户的观看活动发送触发消息以提示预订。

RFM 分数： 14X

他们是谁：您网站上的首次购买者。

营销策略：大多数客户永远不会忠诚。 为首次购买者制定明确的策略（例如触发欢迎电子邮件）将带来好处。

星巴克在跨 RFM 细分市场转移客户方面表现出色。 上面，他们使用电子邮件将客户带入他们的忠诚度奖励计划。 您可以在此处查看我们关于星巴克的完整案例研究。

RFM 分数： 44X

他们是谁：有一段时间没有购买的过去的好客户。

营销策略：客户因各种原因离开。 根据您的情况，价格交易、新产品发布或其他保留策略。

Barilliance 使您不仅可以为每个 RFM 细分市场创建个性化体验。 它还使您能够创建多变量 ab 测试。

您可以快速查看哪些优惠最能引起特定细分市场的共鸣，发现哪些内容会带来销售等等。

RFM 分析（以及一般的细分）的一项重大挑战是创建一个完整的 360 度客户视图。 今天的全渠道购物者与 RFM 诞生的直邮世界没有太大区别。 RFM 仍然是一个非常强大的模型。

但它的有效性取决于您拥有的数据的质量。

这就是 Barilliance 大放异彩的地方。 它创建了跨设备、购物会话和渠道的整体客户视图。 您可以查看客户与之互动的页面、自上次购买以来的时间、订单量、品牌参与度等。

换句话说，您可以通过一个简单的界面创建高度详细的片段，包括我们上面讨论的所有片段。

采取行动。

RFM 是一种既定、清晰的方式，可以从您的客户列表中获得更多收益。

但...

如果您想将 RFM 提升到一个新的水平，您需要考虑 Barilliance 的留存率。 它以两种基本方式改进了传统的 RFM 分析。

首先，它将您的线上和线下购买、网络行为和人口统计数据连接在一个地方 - 让您可以进行更准确的细分。

其次，它可以让您将广告系列自动化到定义的细分市场。 它连接到 Web 个性化和个人电子邮件产品推荐，以自定义每个交互，而不是在细分级别，而是在个人级别。

在此处请求保留演示。