Phân tích RFM cho phân khúc khách hàng

Các nhà tiếp thị thông minh hiểu tầm quan trọng của việc “biết khách hàng của bạn”. Thay vì chỉ tập trung vào việc tạo ra nhiều nhấp chuột hơn, các nhà tiếp thị phải tuân theo sự thay đổi mô hình từ tăng CTR (Tỷ lệ nhấp chuột) sang giữ chân, trung thành và xây dựng mối quan hệ khách hàng.

Thay vì phân tích toàn bộ cơ sở khách hàng, tốt hơn nên phân chia họ thành các nhóm đồng nhất, hiểu đặc điểm của từng nhóm và thu hút họ bằng các chiến dịch phù hợp thay vì chỉ phân chia theo độ tuổi hoặc khu vực địa lý của khách hàng.

Một trong những phương pháp phân khúc phổ biến, dễ sử dụng và hiệu quả nhất giúp các nhà tiếp thị phân tích hành vi của khách hàng là phân tích RFM.

Phân tích RFM là gì?

RFM là viết tắt của Giá trị gần đây, Tần suất và Tiền tệ, mỗi giá trị tương ứng với một số đặc điểm chính của khách hàng. Các số liệu RFM này là những chỉ số quan trọng về hành vi của khách hàng vì tần suất và giá trị tiền tệ ảnh hưởng đến giá trị trọn đời của khách hàngvà mức độ gần đây ảnh hưởng đến tỷ lệ giữ chân, thước đo mức độ tương tác.

Những doanh nghiệp thiếu khía cạnh tiền tệ, như lượng người xem, lượng độc giả hoặc các sản phẩm hướng đến lướt sóng, có thể sử dụng thông số Tương tác thay vì yếu tố Tiền tệ. Điều này dẫn đến việc sử dụng RFE – một biến thể của RFM. Hơn nữa, tham số Tương tác này có thể được xác định là giá trị tổng hợp dựa trên các số liệu như tỷ lệ thoát, thời lượng truy cập, số trang đã truy cập, thời gian dành cho mỗi trang, v.v.
Các yếu tố RFM minh họa những sự thật này:

• giao dịch mua càng gần đây thì khách hàng càng phản ứng tích cực với các chương trình khuyến mãi
• khách hàng mua càng thường xuyên thì họ càng gắn kết và hài lòng hơn
• giá trị tiền tệ phân biệt những người chi nhiều tiền với những người mua có giá trị thấp

Cách triển khai phân tích RFM được sử dụng trong phân khúc khách hàng

Phân tích RFM giúp các nhà tiếp thị tìm ra câu trả lời cho các câu hỏi sau:

• Khách hàng tốt nhất của bạn là ai?
• Khách hàng nào của bạn có thể đóng góp cho tỷ lệ rời bỏ?
• Ai có tiềm năng trở thành khách hàng có giá trị?
• Khách hàng nào của bạn có thể được giữ lại?
• Khách hàng nào của bạn có nhiều khả năng phản hồi nhất chiến dịch tương tác?

Hãy chứng minh cách RFM hoạt động bằng cách xem xét tập dữ liệu mẫu về các giao dịch của khách hàng:

Bảng 1: Ví dụ về tập dữ liệu giao dịch của khách hàng

Bảng 1 chứa các giá trị gần đây, tần suất và tiền tệ của 15 khách hàng dựa trên giao dịch của họ.

Khai phá sức mạnh của phân khúc RFM với nền tảng tương tác khách hàng tất cả trong một của CleverTapNói chuyện với chúng tôi

Ví dụ phân tích RFM

Để tiến hành phân tích RFM cho ví dụ này, hãy xem cách chúng tôi có thể chấm điểm những khách hàng này bằng cách xếp hạng họ dựa trên từng thuộc tính RFM riêng biệt.
Giả sử chúng ta xếp hạng những khách hàng này từ 1-5 bằng cách sử dụng giá trị RFM.
Hãy bắt đầu bằng việc xếp hạng khách hàng theo mức độ gần đây trước tiên, như được hiển thị trong bảng bên dưới:

Như đã thấy trong bảng trên, chúng tôi đã sắp xếp khách hàng theo lần truy cập gần đây, với những người mua gần đây nhất ở trên cùng. Vì khách hàng được cho điểm từ 1-5 nên 20% khách hàng hàng đầu (khách hàng 12, 11, 1) nhận được điểm lần truy cập gần đây là 5, 20% tiếp theo (3 khách hàng 15, 2, 7 tiếp theo) nhận điểm 4 , vân vân.
Tương tự, sau đó, chúng tôi có thể sắp xếp khách hàng theo tần suất từ ​​nhiều nhất đến ít thường xuyên nhất, chỉ định 20% khách hàng hàng đầu có điểm tần suất là 5, v.v. Đối với yếu tố tiền tệ, 20% khách hàng hàng đầu (những người chi tiêu nhiều) sẽ được chỉ định điểm 5 và 20% thấp nhất có điểm là 1. Điểm F và M này được tóm tắt dưới đây:

Điểm RFM

Cuối cùng, chúng ta có thể xếp hạng những khách hàng này bằng cách kết hợp thứ hạng R, F và M riêng lẻ của họ để đạt được điểm RFM tổng hợp. Điểm RFM này, được hiển thị trong bảng bên dưới, chỉ đơn giản là điểm trung bình của từng điểm R, F và M, thu được bằng cách cho các trọng số bằng nhau cho từng thuộc tính RFM.

Phân tích gần đây, tần suất và tiền tệ

Câu hỏi tiếp theo được đặt ra là: Có công bằng không khi tính trung bình điểm R, F và M riêng lẻ cho từng khách hàng và chỉ định chúng cho phân khúc RFM, tùy theo hành vi mua hàng hoặc tương tác của họ?
Tùy thuộc vào tính chất doanh nghiệp của bạn, bạn có thể tăng hoặc giảm tầm quan trọng tương đối của từng biến RFM để đạt được điểm cuối cùng. Ví dụ:

• Trong kinh doanh hàng tiêu dùng lâu bền, giá trị tiền tệ trên mỗi giao dịch thường cao nhưng tần suất và số lần giao dịch mới thấp. Ví dụ: bạn không thể mong đợi khách hàng mua tủ lạnh hoặc máy điều hòa không khí hàng tháng. Trong trường hợp này, nhà tiếp thị có thể chú trọng hơn đến khía cạnh tiền tệ và thời gian gần đây hơn là khía cạnh tần suất.
• Trong một doanh nghiệp bán lẻ bán thời trang/mỹ phẩm, khách hàng tìm kiếm và mua sản phẩm hàng tháng sẽ có điểm số lần truy cập gần đây và tần suất cao hơn điểm tiền tệ. Theo đó, điểm RFM có thể được tính bằng cách đặt nhiều trọng số hơn cho điểm R và F so với điểm M.
• Đối với các ứng dụng nội dung như Hotstar hoặc Netflix, người xem say sưa sẽ có thời lượng phiên dài hơn so với người tiêu dùng phổ thông xem đều đặn. Đối với những người chơi binger, mức độ tương tác và tần suất có thể được coi trọng hơn mức độ gần đây và đối với những người theo xu hướng chính thống, mức độ gần đây và tần suất có thể được coi trọng hơn mức độ tương tác để đạt được điểm RFE.

Cách tiếp cận đơn giản này để mở rộng quy mô khách hàng từ 1-5 sẽ mang lại nhiều nhất 125 điểm RFM khác nhau (5x5x5), từ 111 (thấp nhất) đến 555 (cao nhất). Mỗi ô RFM sẽ có kích thước khác nhau và khác nhau về thói quen chính của khách hàng, được ghi lại trong điểm RFM. Rõ ràng, các nhà tiếp thị không thể phân tích tất cả 125 phân đoạn riêng lẻ nếu mỗi ô RFM được coi là một phân đoạn và thật khó khăn và choáng ngợp khi hình dung khối 3D tưởng tượng này!

Nói chung, khía cạnh tiền tệ của RFM được xem như một thước đo tổng hợp để tóm tắt các giao dịch hoặc tổng thời lượng truy cập. Do đó, 125 phân đoạn RFM này được giảm xuống còn 25 phân đoạn bằng cách chỉ sử dụng điểm R và F.

Mô hình RFM

Tại CleverTap, chúng tôi sử dụng điểm số lần truy cập gần đây và tần suất để trực quan hóa phân tích RFM trên biểu đồ 2 chiều. Điều này cho phép người dùng sử dụng và hiểu được điểm số dễ dàng hơn. Hơn nữa, thay vì tạo 25 phân đoạn, chúng tôi đã kết hợp một số phân đoạn để tạo ra các phân đoạn dễ quản lý và trực quan hơn.

Như được minh họa trong lưới RFM ở trên, chúng ta có thể nhận được thông tin sau cho từng phân đoạn:

• mô tả ngắn gọn về phân khúc
• gần đây (hoạt động cuối cùng)
• tần số (số lượng hoạt động)
• giá trị tiền tệ trung bình
• khả năng tiếp cận của người dùng trên các kênh khác nhau

Bây giờ, hãy thảo luận cách diễn giải các phân đoạn RFM để hiểu hành vi của những người dùng đó và đề xuất một số chiến lược tiếp thị hiệu quả.

Phân tích phân đoạn RFM

Hãy đi sâu vào một số phân đoạn thú vị:

• Nhà vô địch là những khách hàng tốt nhất của bạn, những người mua hàng gần đây nhất, thường xuyên nhất và là những người chi tiêu nhiều. Thưởng cho những khách hàng này. Họ có thể trở thành những người sớm chấp nhận các sản phẩm mới và sẽ giúp quảng bá thương hiệu của bạn.
• Những người trung thành tiềm năng là những khách hàng gần đây của bạn với tần suất trung bình và đã chi tiêu nhiều. Cung cấp các chương trình thành viên hoặc khách hàng thân thiết hoặc giới thiệu các sản phẩm liên quan để bán thêm cho họ và giúp họ trở thành Người trung thành hoặc Nhà vô địch của bạn.
• Khách hàng mới là những khách hàng của bạn có điểm RFM tổng thể cao nhưng không phải là người mua sắm thường xuyên. Bắt đầu xây dựng mối quan hệ với những khách hàng này bằng cách cung cấp hỗ trợ ban đầu và các ưu đãi đặc biệt để tăng lượt truy cập của họ.
• Khách hàng gặp rủi ro là những khách hàng của bạn thường xuyên mua hàng và chi số tiền lớn nhưng gần đây chưa mua. Gửi cho họ các chiến dịch kích hoạt lại được cá nhân hóa để kết nối lại, đồng thời cung cấp các gia hạn và sản phẩm hữu ích để khuyến khích mua hàng khác.
• Không thể mất chúng là những khách hàng đã từng ghé thăm và mua hàng khá thường xuyên nhưng dạo gần đây chưa ghé thăm. Đưa họ trở lại với các chương trình khuyến mãi phù hợp và thực hiện khảo sát để tìm hiểu xem điều gì đã xảy ra và tránh để mất họ vào tay đối thủ cạnh tranh.

Ghi chú kết thúc

RFM là một kỹ thuật phân khúc khách hàng dựa trên dữ liệu cho phép các nhà tiếp thị đưa ra các quyết định mang tính chiến thuật. Nó trao quyền các nhà tiếp thị để nhanh chóng xác định và phân loại người dùng thành các nhóm đồng nhất và nhắm mục tiêu vào họ bằng các chiến lược tiếp thị khác biệt và cá nhân hóa. Điều này lần lượt cải thiện sự tham gia và giữ chân của người dùng.
Trong một bài đăng blog sau này, chúng ta sẽ xem xét cách sử dụng phân tích RFM để xác định xu hướng cho các phân khúc khác nhau và thay đổi hành vi của các phân khúc không mong muốn.
Lên lịch dùng thử với một trong những chuyên gia tăng trưởng của chúng tôi để xem nó hoạt động như thế nào.