آنچه از دسته بندی مشتریان با استفاده از مدل RFM باید بدانید

زمان مطالعه: ۸ دقیقه

دسته بندی مشتریان با مدل RFM

بی‌تردید جذب مشتریان جدید مهم‌ترین هدف هر فروشگاه و هر کسب‌وکاری است. در مراحل اولیه راه اندازی کسب‌وکار باید برند را به بازار معرفی کنید و مشتریان جدید جذب کنید. اما درست از زمانی که تعداد مشخصی مشتری جذب کردید؛ روش‌های حفظ مشتری و برنامه‌ریزی برای آن به مراتب از جذب مشتری با اهمیت‌تر می‌شود.

در دنیای امروز با گسترش مفهوم مشتری محوری؛ آگاهی از رفتار خرید مشتریان در میان همه صنایع، اهمیت زیادی پیدا کرده است. بسیاری از کسب‌و‌کار‌ها اکنون تلاش می‌کنند؛ تصویر و تحلیل واضحی از مشتریانشان داشته باشند. اگر شما هم یک فروشگاه دارید؛ شاید تاکنون به این موضوع فکر کرده‌اید؛ کدام مشتریان اهمیت بیشتری برای کسب‌و‌کارتان دارند.

به‌کارگیری استراتژی RFM یکی از روش‌های رایج برای دسته‌بندی مشتریان است که از سال 1970، در میان کسب‌و‌کارها رواج یافته است. RFM یک تکنیک است که به‌وسیله آن می‌توانید، رفتار خرید مشتریان و دلایل خرید یا عدم خرید آن‌ها را شناسایی کنید. در ادامه این نوشتار به توضیح ابعاد مختلف مدل RFM و تفاوت RFM و LRFM، می‌پردازیم.

مدل RFM چیست؟

رویکرد عمومی مدل‌سازی RFM، جمع‌آوری حجم زیادی از داده‌ها و تحلیل آن‌هاست. این مدل که هدف اصلی آن دسته‌بندی مشتریان و افزایش نرخ حفظ و بازگشت مشتریان است؛ مبتنی بر سه فاکتور اساسی Recency، Frequency و Monetary است.

  • Recency: چه مدتی از زمان آخرین فعالیت مشتری روی وب‌سایت یا فروشگاه، گذشته است؟ اگرچه آخرین فعالیت معمولاً «آخرین خرید» در نظر گرفته‌ می‌شود، با این حال گاهی از شاخص‌های متفاوت‌تری مثل آخرین بازدید از فروشگاه، وب‌سایت یا اپ موبایل هم استفاده می‌شود. در بیشتر موارد؛ مشتریانی که به‌تازگی خرید داشته‌اند یا بازدید کرده‌اند، احتمال تعامل بالا‌تری دارند.
  • Frequency: در طول یک دوره زمانی مشخص، مشتریانتان چند بار از شما خرید یا بازدید کرده‌اند؟ بدیهی است؛ مشتریانی که تعداد دفعات بیشتری فعالیت می‌کنند احتمالاً هم‌آفرینی و وفاداری بیشتری نسبت به سایر مشتریان دارند.
  • Monetary: در طول یک دوره زمانی مشخص، هر مشتری چه مبلغی از شما خرید می‌کند؟ مشتریانی که مبالغ بالاتری خرید می‌کنند معمولاً انتظار رفتار متفاوتی نسبت به سایر مشتریان دارند. این فاکتور یکی از مهم‌ترین معیارهای تأثیرگذار در دسته‌بندی مشتریان براساس RFM است.

هریک از فاکتور‌ها بر اساس تاریخچه خرید، به دسته‌بندی مشتریان کمک می‌کند. معمولا دوره زمانی یک‌ساله برای تعیین الگوی رفتار خرید مشتریان در نظر گرفته می‌شود و در رابطه با هریک از این سه فاکتور‌، می‌توانید امتیاز سقف و کف تعریف کنید.

فرض کنید؛ در مورد فاکتور «تعداد روز‌های گذشته از زمان آخرین خرید»، اگر مشتری در یک سال اخیر خرید داشته باشد؛ رتبه 3، در 6 ماه اخیر؛ رتبه 2 و در سه ماه اخیر؛ رتبه 1 کسب می‌کند. برای مثال، زمانی که مشتری پایین‌ترین امتیاز (کف) را دریافت کرد؛ به این معنی است که احتمال از دست دادن مشتری بالاست و باید برنامه‌ریزی مناسبی برای نگهداشت او انجام شود.

تحلیل شما به عوامل مختلفی مثل؛ محصول، قیمت و ماهیت کسب‌و‌کار بستگی دارد، برخی کالا‌ها در بازه زمانی کوتاه‌تر یا طولانی‌تر خرید می‌شوند. ممکن است در کسب‌وکار شما، مشتری خوب کسی باشد که هفته گذشته خرید کرده باشد یا کسی که در یک سال گذشته خرید کرده باشد.

اهمیت مدل RFM در دسته بندی مشتریان

فاکتور‌های مدل RFM می‌تواند به شما کمک کند؛ اطلاعات بیشتری از مشتریان دریافت و بر مبنای آن برنامه‌ریزی کنید. این‌که هر مشتری چه مبلغی و در چه بازه زمانی خرید می‌کند؛ به شما کمک می‌کند میزان وفاداری مشتری به برند را پیش‌بینی کنید و به سؤال‌های زیر پاسخ دهید:

  • کدام مشتری‌ها برای موفقیت کسب‌و‌کار شما اهمیت بیشتری دارند؟
  • کدام مشتری‌ها، پتانسیل تبدیل به مشتری وفادار را دارند؟
  • کدام مشتری‌ها در خطر ریزش هستند؟
  • کدام گروه از مشتری‌ها به کمپین‌های شما پاسخ می‌دهند؟
  • کدام مشتری‌ها را از دست داده‌اید؟

بر اساس آمار‌ها، در برخی کسب‌و‌کار‌ها میانگین خرید 1% از مشتریان 30 برابر بیشتر از سایر مشتریان است! همچنین برمبنای اصل پار‌تو؛20% از مشتریان، 80% از درآمد کسب‌و‌کار را می‌سازند. قانون پارتو بر جذب مشتریان با ارزش‌آفرینی بالا تأکید می‌کند، این گروه از مشتریان کسانی هستند که بیشترین حجم خرید را دارند، تعداد دفعاتی که خرید می‌کنند بیشتر است و میانگین ارزش خرید بالاتری دارند. شناسایی این دسته از مشتریان بسیار بااهمیت است.

دسته‌بندی مشتریان با مدل RFM

با استفاده از مدل RFM می‌توان به دسته‌بندی مشتریان پرداخته و برای هر دسته، برنامه‌های تبلیغاتی ویژه‌ای درنظر گرفت.

با این حال، باید در تحلیل داده‌ها با استفاده از RFM به این موضوع توجه داشت که نباید فقط به مشتریانی که در هر یک از فاکتور‌های RFM، بالاترین امتیاز را دریافت می‌کنند، توجه کرد! بلکه مشتریان با تکرار خرید کمتر و مبلغ خرید بالا هم می‌توانند به‌عنوان مشتریان هدف در نظر گرفته شوند و برنامه‌هایی برای ترغیب آن‌ها به خرید بیشتر، درنظر گرفت. همچنین برای مشتریان با تکرار خرید و مبالغ خرید پایین هم باید برنامه‌ریزی مشخصی داشت.

دسته‌بندی مشتریان با مدل RFM به خرده‌فروشی‌های اینترنتی کمک می‌کند؛ بهترین فرصت‌های پنهان کسب‌و‌کار را پیدا کنند و استراتژی‌های اثربخش‌تری برای کسب‌وکارشان بیابند. برای مثال، به‌جای تمرکز بر روش‌های بازاریابی برای جذب مشتریان جدید، به ایجاد تعامل با مشتریان فعلی برای افزایش وفاداری آن‌ها بپردازند.

اگر شما رفتار خرید مشتریان را بشناسید، بهتر می‌توانید با آن‌ها برخورد کنید. نتایج داده‌های تحلیل RFM کمک می‌کند؛ تجربه مشتری را شخصی‌سازی کنید. برای مثال، برای مشتریان وفادار هدیه در نظر بگیرید. همچنین برای مشتریان با عملکرد پایین می‌توانید کمپینی در نظر بگیرید و آن‌ها را به بازگشت و خرید مجدد ترغیب کنید. هر یک از کمپین‌ها می‌توانند بر اساس رفتار کاربر متناسب‌سازی شود. برای برخی افراد محرک‌هایی مانند هزینه حمل رایگان و برای برخی دیگر؛ بهبود تجربه مشتری انگیزه محسوب می‌شود.

مزایای مدل RFM چیست؟

مهم‌ترین و بزرگ‌ترین مزیت مدل‌سازی RFM، امکان دسته‌بندی مشتریان بر اساس داده‌های کسب‌وکار است. در ادامه به برخی از دیگر مزایای این روش می‌پردازیم:

100% تحلیل بر اساس داده‌های واقعی

در تحلیل RFM امکان خطای انسانی بسیار کمتر است. این تنها روشی است که بر اساس تاریخچه رفتار مشتری، آنها را دسته‌‌بندی می‌کند و نشان می‌دهد که هریک در چه سطح وفاداری با کسب‌وکار شما در تعامل هستند. با راه اندازی باشگاه مشتریان می‌توانید داده‌های واقعی و دقیق از مشتریان داشته باشید و برای هر دسته از آنها برنامه‌های جداگانه در نظر بگیرید. همچنین مدل RFM برخلاف سایر روش‌ها، همیشه به‌روز و در لحظه است.

بهینه‌سازی بودجه بازاریابی

بهینه‌سازی هزینه‌های بازاریابی از اهداف اولیه مدل RFM بود. داده‌های مدل RFM به فروشگاه‌های اینترنتی کمک می‌کند بفهمند کدام دسته از مشتریان ارزش بیشتری خلق می‌کنند و چه هزینه‌ای برای کمپین‌های تبلیغاتی هر گروه از مشتریان در نظر بگیرند.

اتوماتیک‌سازی

اگرچه تحلیل RFM در نرم‌افزار اکسل هم امکان‌پذیر است، اما ابزارهای مختلفی وجود دارد که می‌توانند به شکل خودکار تحلیل RFM را انجام دهند. علاوه بر این، شناسایی رفتار خرید مشتریان و بهبود تجربه و رضایت مشتری از دیگر مزایای مدل RFM به‌شمار می‌آید.

کاربرد‌های مدل RFM چیست؟

در ادامه به مثال‌هایی از کاربردهای دسته بندی مشتریان بر اساس مدل RFM می‌پردازیم:

اثربخشی عرضه محصول

وقتی برنامه ارائه یک محصول جدید دارید، منطقی است در گام اول؛ محصول را به گروه مشخصی از مشتریان (بر اساس مدل RFM) ارائه کنید. تفاوتی نمی‌کند محصول نرم‌افزاری یا سخت‌افزاری باشد؛ اگر بازخورد‌های مثبتی از مشتریان دریافت کردید، در تبلیغات عمومی می‌توانید از آن بازخوردها استفاده کرده و به تبع آن، تعامل با مشتریان و وفاداری آن‌ها را افزایش دهید.

اثربخشی عرضه محصول

با دریافت بازخوردهای مشتریان، می‌توانید از میزان اثربخشی محصول ارائه شده مطلع شوید

بازگرداندن مشتریان وفادار

اگر یک فروشگاه اینترنتی یا فیزیکی دارید، شاید شما هم با مشتریانی مواجه شده‌اید که فقط یک‌بار از کسب‌و‌کارتان خرید می‌کنند. بر اساس آمار‌ها، به شکل میانگین 65% از مشتری‌ها پس از یک‌بار خرید ریزش می‌کنند و تنها 5% از مشتریان به برند شما وفادار می‌مانند و یک‌سوم از درآمد کسب‌وکار شما را می‌سازند.

تحلیل RFM، تکنیکی برای دسته ‌بندی مشتریان است. این تکنیک، مشتریان را در سه گروه؛ ضعیف، متوسط و با ارزش‌آفرینی بالا دسته‌بندی می‌کند. شناسایی مشتریان ارزش‌آفرین می‌تواند روی تصمیم‌های استراتژیک شرکت تأثیرگذار باشد.

جذب مشتریان جدید با ارزش‌آفرینی بالا

به یاد داشته باشید؛ اینکه صرفاً مشتری جدید پیدا کنید کافی نیست! بلکه برای افزایش سودآوری؛ باید مشتریانی پیدا کنید که رفتار خریدی مشابه با رفتار مشتریان با ارزش‌آفرینی بالا، داشته باشند. استفاده از تحلیل RFM کمک می‌کند؛ بر اساس روندها، کمپین‌های بازاریابی را در بخش‌هایی از بازار و کانال‌هایی فعال کنید که به دسته مشتریان با ارزش‌آفرینی بالا، نزدیک‌تر باشد.

افزایش نرخ بازگشت سرمایه با استفاده از مدل RFM

بر اساس تجربه، در کسب‌وکارهایی که از تکنیک‌های بخش‌بندی در کمپین‌های بازاریابی استفاده می‌کنند، نرخ بازدید به فروش 200% افزایش یافته است. همچنین بهبود تجربه مشتری، افزایش تعامل با کاربران از دیگر نتایج اجرای کمپین‌های بازاریابی متناسب با دسته‌بندی‌های مشتریان است.

چگونه مدل RFM را پیاده‌سازی کنیم؟

در گام اول باید دیتابیسی شامل تاریخچه تراکنش‌های خرید مشتری از سه سال گذشته تهیه کنید. این دیتابیس در نگاه اول می‌تواند الگوهای خرید مشتری را مشخص کند. برخی شاخص‌هایی که در دیتابیس اولیه باید داشته باشید شامل موارد زیر است:

  • درآمد
  • تعداد سفارش‌ها
  • میانگین ارزش سفارش‌ها
  • آخرین زمان سفارش

در گام‌های بعد؛ با استفاده از برنامه اکسل یا ابزار‌های اتوماتیک؛ به هر یک از مشتریان بر اساس فاکتور‌های مدل RFM، امتیاز و آن‌ها را در دسته‌بندی‌های مشخص قرار دهید. پس از آن می‌توانید برای هر گروه، کمپین‌های بازاریابی متفاوتی اجرا کنید.

مدل LRFM چیست و چه تفاوتی با RFM دارد؟

در تحقیقات اخیر؛ موضوعی مطرح شده که مدل RFM توانایی کافی برای تشخیص مشتریان دارای ارتباط بلندمدت از سایرین ندارد. این در حالی است که مدت‌زمان ارتباط مشتری با کسب‌وکار، نشان‌دهنده میزان وفاداری مشتری به برند است. به همین دلیل، فاکتور دیگری به نام طول ارتباط مشتری (Length) به دیگر فاکتورها اضافه شد که به آن LRFM می‌گویند. به‌مرور؛ فاکتورهای دیگری مثل تعداد کالای خریداری‌شده (Number) هم به استراتژی  RFM اضافه شده است.

افزایش طول ارتباط با مشتری، وفاداری مشتری را بهبود می‌بخشد. این متغیر، فاصله زمانی بین اولین و آخرین خرید مشتری در بازه مورد مشاهده را نشان می‌دهد. مدل RFM مشتریانی را که به تازگی ارزش مالی بالایی برای شرکت ایجاد کرده‌اند را به‌عنوان مشتریان با ارزش انتخاب می‌کند؛ در حالی که عامل طول ارتباط با شرکت در آن نادیده گرفته شده است.

در نهایت باید گفت که روش‌های مختلفی برای دسته‌بندی مشتریان وجود دارد که مدل RFM و LRFM دو نمونه از آنها هستند. اما به‌کار بردن هر کدام از این روش‌ها، بی‌نیاز از راهکارهای فناوارنه و نرم‌افزاری نیست.

نرم‌ افزار باشگاه مشتریان همکاران سیستم با استفاده از فاکتورهای مختلف اقدام به دسته‌بندی مشتریان کرده تا در نهایت بتوان برای هر دسته، سیاست‌های مختلف فروش را اعمال کرد. برای دریافت مشاوره رایگان در این خصوص، می‌توانید با کارشناسان ما در ارتباط باشید.


منابع:

  1. omniconvert.com
  2. unific.com
  3. digismoothie.com