راه پرداخت
راه پرداخت؛ رسانه فناوری‌های مالی ایران

مدل RFM چیست و چه کاربردی در بازاریابی دارد؟ / پلتفرم اینگرو قابلیت متمایزی در مدل RFM برای کاربران ایجاد کرده است

در مقاله قبلی (ضرورت درک معیار های مشتری) به طور مفصل در ارتباط با چگونگی جمع‌آوری اطلاعات مشتریان، نحوه ذخیره‌سازی داده‌ها و… بررسی‌های لازم انجام شد و در این مقاله از جنبه‌های مختلف به بررسی RFM پرداخته می‌شود.


RFM چیست؟


«RFM» به معنای تجزیه و تحلیل داده‌های معاملاتی گذشته و استفاده از این تحقیقات برای شناسایی بخش‌های مختلف مشتری بر اساس سابقه خرید آنها است. متخصصان «RFM» معمولاً از آن در بازاریابی پایگاه داده و بازاریابی مستقیم استفاده می‌کنند، اما اخیراً «RFM Analysis» (آنالیز Rfm) بسیار مورد توجه قرار گرفته و به طور گسترده‌ای در تجارت الکترونیک مورد استفاده قرار می‌گیرد.


مزیت اصلی آنالیز Rfm


مزیت اصلی آنالیز RFM این است که کاربر می‌تواند هر بخش را با توجه به آنچه که در مورد آنها می داند بر اساس مرتبه آنها از شاخص‌های

  • recency (خرید اخیر)
  • frequency(تکرارخرید)
  • monetary value (ارزش پولی)

جداگانه آنالیز کند. اکنون که دانستیم RFM مدلی است که از توان ترکیبی سه معیار مهم، باید دید معنی هر یک از این معیارها چیست.

مدل RFM بر اساس سه عامل کمّی ساخته شده است:

Recency (1 : آخرین باری که مشتری خریدی انجام داده.

Frequency (2 : مشتری در یک دوره چندبار خرید انجام داده.

Monetary value (3 : مشتری چقدر پول در خرید خود خرج می‌کند.

معمولاً خریدها بررسی می‌شود اما مدل «RFM» بر روی انواع دیگر تبدیل‌ها و همچنین استفاده از برنامه‌ها، اشتراک‌ها و غیره نیز اعمال می‌شود. اگر فردی بازاریاب تجارت الکترونیک است یا تجارت آنلاین خود را دارد، احتمالاً دائماً روی راه‌های پیشرفت و رشد تمرکز کرده‌ است، اگر چنین است و هنوز از مدل «RFM» استفاده نمی‌کند، یک فرصت عالی برای رشد را از دست می‌دهد.

مزیت اصلی آنالیز RFM این است که می‌توان بر اساس  شاخص‌های سه‌گانه آن‌ها را جداگانه آنالیز کرد.


عملکرد پلتفرم اینگرو


امروزه پلتفرم‌هایی هستند که، وظیفه‌ آنالیز مشتری و تقسیم‌بندی Rfm را برای محصولات را برعهده می‌گیرند. محاسبه‌ی «Rfm» اگرچه مهم است ولی کار چندان پیچیده‌ای نیست. پلتفرم نوین «اینگرو» قابلیت متمایزی نسبت به سایرین برای کاربران خود ایجاد کرده که بسیار حائزاهمیت است. این پلتفرم دیتا را به صورت داینامیک و لحظه‌ای در حجم کلان (Big Data) گرفته و آنالیز می‌کند. جمع آوری داده‌ها یک تخصص است و لذا مهم است که چه داده‌هایی را جمع آوری کرد. داشتن زیرساخت ذخیره‌سازی داده‌ها هم مهمترین بخش است که باید بعد از جمع آوری داده‌ها مورد توجه قرار گیرد. اگر داده‌ها در یک محیط امن ذخیره نشوند چه اتفاقی برای آینده کسب‌وکار اتفاق خواهد افتاد؟ یا اگر داده‌ها به‌دلیل نداشتن یک زیر ساخت بیگ دیتا از دست برود.

اینگرو در یک محیط امن داده‌ها را با رعایت پروتکل‌های امنیتی که کلیدش در دست کاربر خواهد بود به‌صورت امن نگهداری می‌کند. آنچه که این تیم می‌داند این است که بیش از ۹۰ درصد شرکت‌ها و تقریباً اکثر شرکت‌های کوچک و متوسط فاقد این زیرساخت (زیرساخت بیگ دیتا) به دلیل هزینه بالای سرمایه‌گذاری و هزینه نگهداری آن هستند. پس قدم اول این است که دسترسی به یک زیرساخت داشته که داده‌ها را جمع آوری و ذخیره کند. اینگرو این کار را می‌کند. سرویس زیرساخت بیگ دیتای اینگرو دسترسی را به داده‌های خام (Mart) فراهم می‌کند و داده‌ها را در محیط ابری به‌صورت بلادرنگ جمع‌آوری و ذخیره می‌کند. اینگرو این زیرساخت را در اختیار شرکت‌هایی که سرویس RFM را ارائه می‌دهند قرار می‌دهد.


آنالیز RFM چیست؟ (تحلیل ارزش مشتریان)


آنالیز «RFM» می‌تواند نشان دهد، آن‌هایی که بیشترین خرید را در کوتاه‌ترین زمان انجام می‌دهند و بیشترین هزینه را می‌کنند، با ارزش‌ترین مشتریان برای تجارت هستند و همه چیز در این پروسه با تقسیم‌بندی مناسب آغاز می‌شود. به همین دلیل اولین کاری که باید انجام داد این است که مشتریان خود را بر اساس متغیرهای «RFM» در رفتارهای مختلف و الگوهای خرید دسته‌بندی کرد، مشتریان را خوشه‌بندی و حتی آنها را به چند طبقه جدا تقسیم کرد:

  • Frequency (تکرار خرید): خریداران دائمی، خریداران با خرید متوسط، خریداران با تنها یک بار خرید.
  • Recency (زمان خرید): مشتری‌های اخیر، مشتری‌های یکم قبل‌تر، مشتری‌های خیلی  قبل‌تر.
  • Monetary value (ارزش پولی): مشتریانی که بیشترین مقدار، بیش از متوسط ​​ارزش پولی، متوسط ​​، ارزش پولی کم را صرف می‌کنند.

تصمیم‌گیری مبتنی بر Big Data  نتیجه فوق ‌العاده بهتری نسبت به، اعتماد به hippo (افراد کله گنده‌ای که در رابطه با کسب‌وکار پیشنهاداتی ارائه می‌کنند) دارد. پلتفرم اینگرو افراد را برای دستیابی صحیح به بیگ دیتا چند قدم جلو می‌اندازد.

با ترکیب بخش‌های فوق، اطلاعات پیشرفته‌تری به دست می‌آید، مانند:

  • مشتریانی که مرتباً برمی‌گردند اما بسیار کم‌خرج می‌کنند (میزان خرید بالا، سرمایه کم، شاید شکارچیان معامله)
  • مشتریانی که فقط یکبار سفارش داده‌اند اما بیش از حد متوسط ​​خرج کرده‌اند (می‌توانند به شما کمک کنند نقاط ضعفی را که مانع از سفارش مجدد آن‌ها می‌شود را بیابید. ارزش پولی آنها بالاتر از حد متوسط ​​است، پس بهتر است برای ایجاد بینش عمیق‌تر برای، بررسی شوند)
  • مشتریان VIP (کسانی که در کل امتیاز «RFM» بالایی دارند، به ویژه از لحاظ ارزش پولی. آن‌ها بیشترین درآمد را برای تجارت شما دارند)
  • مشتریانی که میزان خرید و ارزش پولی زیادی داشتند اما سفارش محصول را متوقف کرده‌اند، بنابراین، دارای ماندگاری کمی هستند. (نشانه این است که آنها ممکن است به رقبا روی آورده باشند اگرچه وفادار بوده‌اند، و این ارزش دارد که دلیل آن را شناخت.)

مدل «RFM» می‌تواند برخی از نقاط ضعف احتمالی مربوط به نام تجاری، محصولات یا تجربه خرید را روشن کند.


تقسیم‌بندی مدل RFM


مدل «Rfm» می‌تواند کمک کند تقسیم‌بندی را به یک سطح کاملاً جدید رساند. از طریق آنالیز تقسیم‌بندی مشتری «RFM» می‌توان دید:

  • کسانی که جزو ۱٪ مشتریانی هستند که بیشترین درآمد را به همراه دارند.
  • کدام یک از مشتریان وفادار هستند و بیشتر اوقات باز می‌گردند؟
  • چه مشتریانی ارزش پولی زیادی دارند، که در گذشته سفارش‌های کلانی می‌داده‌اند، اما  بازده آنها پایین آمده است؟ این به این معنی است که مدتهاست سفارش نمی‌دهند.

با تقسیم‌بندی بهتر «RFM»، کاربر قادر خواهد بود بخش‌های خاصی را بر اساس نیازها و تنظیمات به صورت شخصی برای مشتریان تنظیم کند. همچنین، بسته به تجارت خود، ممکن است قادر به مشاهده و استفاده از الگوی مصرف کننده برای پیش‌بینی نیازهای مشتریان فعلی خود باشد.


چرا RFM مهم است؟


افراد به عنوان یک مدیر بازاریابی یا یک مالک تجارت الکترونیکی، ممکن است در مورد بسیاری از جزئیات مشتریان جدیدی که به دست می‌آورید وسواسی رفتار کنند تا هدف‌گذاری و هزینه‌ها را بهینه کنند. ممکن است آن‌ها را دریک نگاه نسبت به سن، جنس، درآمد ​​، رفتار خرید و بسیاری از اطلاعات دیگر سنجید تا مطمئن شد که هدف مناسب را انتخاب کرده‌اند. اما در مورد مشتریانی که این فرآیند را گذرانده‌اند و قبلاً وقت، هزینه و تلاش زیادی برای آنالیزخرید آن‌ها صرف کرده‌اند چطور؟ چرا باید اجازه داد آنها به راحتی از در بیرون بروند؟ به خصوص که یخ آن‌ها شکسته شده است، آن‌ها حداقل یک بار به کسب‌وکار اعتماد کرده‌اند و برخی از آنها درآمد مهمی برایشان به ارمغان آورده‌اند. برخی از آنها سپس به سمت بهینه‌سازی تبلیغات، صفحات فرود، UX،  حرکت می‌کنند، اما مشتری یا بازدید‌کننده موجود را کاملاً نادیده می‌گیرند، حتی اگر فضای زیادی برای شخصی‌سازی، فروش متقابل، فروش بیش از حد و البته معاملات مکرر وجود داشته باشد. افراط در هرحالتی اشتباه است. باید برنامه‌ریزی صحیح داشت.

پلتفرم «اینگرو»، با ساختاری نوین به کاربران اجازه می‌دهد تا از طریق فرمول‌های خطی «RFM» ودیگر KPI (شاخصه عملکرد کلیدی) ها را محاسبه کرده و در داشبوردهای شخصی ذخیره کرد.


RFM چه کاری می‌تواند انجام دهد؟


مزیت اصلی مدل «Rfm»، پتانسیل بهینه‌سازی آنچه در حال حاضر است، مشتریان فعلی، UX، خدمات مشتری، محصول و در نتیجه هدف قرار دادن منابع به جای هدر دادن آن‌ها. این بدان معنی است که می‌توان بخش عمده‌ای از پول، وقت و تلاشی را که مشتری برای یک بار خرید انجام داده است را دید و صرفه جویی کرد. مشاغلی که از بازاریابی «RFM» استفاده می‌کنند، می‌توانند از بینشهایی که از تحلیل «RFM» می‌گیرند استفاده کنند و میزان ماندگاری خود را افزایش دهند. نگهداری مشتری را که ۶ تا برابر ۷ ارزان‌تر از جذب مشتری جدید است، و همچنین یک روش خوب برای به حداکثر رساندن طول عمر کسب‌وکار است را ترتیب می‌دهد. به علاوه، طبق مطالعه‌ای توسط Frederick Reichheld از شرکت Bain می‌گوید:

«افزایش میزان ماندگاری شما به میزان ۵٪ می‌تواند منجر به افزایش ۲۵٪ تا ۹۵٪ سود شود..»

فرمول امتیاز RFM، محاسبات RFM ساده شده است. فرمول امتیاز «RFM» یک فرمول نسبتاً ساده است. این کار براساس نمره دادن به هر مشتری برای هر یک از سه متغیر، براساس تاریخ معاملات او است. می‌توان از مقیاس ۱ تا ۵ یا از ۱ تا ۱۰ استفاده کرد. به عنوان مثال، در مقیاس ۱ تا ۱۰، می‌توان به مشتری که آخرین خرید را در وب سایت، کمتر از ۴۸ ساعت قبل داشته است، امتیاز ۱۰، حداکثر امتیاز را در«RFM Recency» اختصاص داد. سپس، با افزایش مدت زمان آخرین سفارش مشتری، امتیاز«RFM»  را برای Recency کاهش داد.


مرحله آخر محاسبات فرمولی RFM


مرحله آخر محاسبات «RFM» این است که بررسی شود، آیا در هر یک از سه متغیر «RFM» عدد یکسانی وجود دارد؟ این البته به شغل هم بستگی دارد. به عنوان مثال اگر فردی تلفن همراه می‌فروشد، می‌تواند انتظار داشته باشد که مشتریان مقادیر پولی نسبتاً بالایی داشته و امتیازات دفعات خرید پایین‌تری داشته باشند، زیرا مردم تلفن‌های جدید را به دفعات خرید محصولات روزمره نمی‌خرند.

با این حال، اگر فردی تصمیم دارد که به میزان بازده، میزان خرید، ارزش پولی، اهمیت یکسانی بدهد، ساده است که امتیاز«RFM» برای هر مشتری خاص، میانگین نمره او برای هر متغیر خواهد بود. به عنوان مثال، با این روش «RFM»، مشتری با نمره ۷ برای Recency، ۳ برای  Frequency و ۵ برای Monetary value، امتیاز (FRM-5) خواهد داشت. با اقدام بر اساس تجزیه و تحلیل «RFM» می‌توان سطحی از شخصی‌سازی را ایجاد کرد که تأثیرات زیادی را شامل می‌شود و می‌توان زمان، هزینه و تلاش بسیار کمتری برای دستیابی به ترافیک جدید و تبدیل‌های جدید، صرف کرد.

«RFM» یک روش تقسیم مشتری مبتنی بر داده است که به بازاریابان امکان تصمیم‌گیری تاکتیکی را می‌دهد. بازاریابان را قادر می‌سازد تا به سرعت کاربران را در گروه‌های همگن شناسایی و تقسیم‌بندی کرده و آنها را با استراتژی‌های بازاریابی متمایز و شخصی مورد هدف قرار دهند. این امر به نوبه خود باعث بهبود تعامل و حفظ کاربر می‌شود.

حال دانستیم که این امر مهم زیاد هم سخت نیست. چیزی که مهم است، گرفتن دیتا به صورت داینامیک و پردازش لحظه‌ای آن‌ها است. پلتفرم «اینگرو» همه دیتاهای مشتریان را دسته‌بندی و ذخیره می‌کند. سپس می‌توان به صورت شخصی برای «RFM» و دیگر KPI ها فرمول‌های خطی  براساس پارامترهای مورد نظر را ایجاد کرد و بعد دیتاهای به دست آمده را در داشبوردهای شخصی ذخیره کرد. این قابلیت، پلتفرم «اینگرو» را نسبت به سایر رقبا متمایز می‌کند.

منبع اینگرو
ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.