analytics

RFM segmentation

Die RFM-Analyse ist die Analyse der Kunden eines Unternehmens, um sie nach dem Geschäftswert zu segmentieren. Die RFM-Analyse ist weit verbreitet im Marketing, Direktmarketing und besonders im Einzelhandel und in der Dienstleistungsbranche.

Die Analyse verwendet 3 Dimensionen:

  • Recency (Aktualität) - wie lange liegt der letzte Kauf des Kunden zurück? Je weniger Zeit seit der letzten Aktivität des Kunden vergangen ist, desto wahrscheinlicher ist es, dass er die Aktion wiederholt.
  • Frequency (Häufigkeit) - wie oft hat der Kunde eingekauft? Je mehr Käufe der Kunde tätigt, desto wahrscheinlicher ist es, dass er sie in Zukunft wiederholen wird.
  • Monetary (Umsatz) - Wie viel Geld hat der Kunde ausgegeben? Je mehr Geld der Kunde ausgibt, desto größer ist die Wahrscheinlichkeit, dass er den Kauf wiederholt.

Es wird davon ausgegangen, dass ein Kunde, der in letzter Zeit eingekauft hat, eine höhere Aktivität zeigt und mehr Geld für Einkäufe ausgibt, auch in Zukunft ein aktives Konsumverhalten zeigen wird.

Die Historie der Kundenkäufe oder Produktverkäufe wird in Form einer Tabelle oder RFM-Matrix mit drei Spalten dargestellt: Aktualität (Recency), Häufigkeit (Frequency) und Umsatz (Monetary Value). Jede Spalte ist in Kategorien unterteilt.

Die Aktualität kann z. B. in Intervalle von 1 - 30 Tagen (gegenwärtig), 31 - 60 Tagen (kürzlich), 61 - 90 Tagen (vor langer Zeit) unterteilt werden. Die Häufigkeit der Einkäufe kann in häufig (mehr als 10 pro Monat), selten (3 - 10 pro Monat) und einmalig (weniger als 3 Mal pro Monat) kategorisiert werden. Der Umsatz können in hoch, mittel und niedrig unterteilt werden. Dann kann eine RFM-Matrix der Form zusammengestellt werden:

RFM segmentation

Es ist leicht zu erkennen, dass sich die "vielversprechendsten" Kunden in der oberen linken Ecke der Tabelle befinden werden, im hervorgehobenen Segment (enthält Kunden, die häufig, aktuell oder in letzter Zeit einkaufen und dabei mittlere oder große Beträge ausgeben). Die am wenigsten "vielversprechenden" befinden sich im untersten hervorgehobenen Segment (einmalige Käufe, die vor kurzem oder in letzter Zeit für geringe oder mittlere Beträge getätigt wurden).

Abhängig von der Art der Analyse können auch andere Darstellungen der RFM-Matrix verwendet werden. Zum Beispiel werden nicht 3 Kategorien für jede Dimension verwendet, was 27 Segmente ergibt, sondern 5 Kategorien, was 125 Segmente ergibt. In diesem Fall sind die Analyseergebnisse detaillierter.

Manchmal werden Segmente der Matrix mit einer Punktzahl zwischen 1 (das "unattraktivste") und 5 (das "attraktivste" Segment) bewertet. In diesem Fall würde das "beste" Segment mit 5R-5F-5M und das "schlechteste" Segment mit 1R-1F-1M beschriftet. Dann können die Kunden, die in das Segment 3R-3F-3M fallen, als durchschnittlich attraktiv interpretiert werden.

Der Vorteil der Methode ist die Einfachheit (es wird keine spezielle Statistiksoftware benötigt) und die Ergebnisse sind leicht zu interpretieren. Beim Einsatz im Direktmarketing kann die Anwendung der RFM-Analyse die Anzahl der Rückmeldungen auf Werbeaktionen erhöhen.

Es gibt verschiedene Modifikationen der RFM-Analyse:

  • RFD — Recency, Frequency, Duration (Dauer) - eine modifizierte Version der RFM-Analyse zur Untersuchung des Konsumentenverhaltens von Unternehmensprodukten, die sich an Zuschauer, Leser, Internetsurfer richten (z.B. die Verweildauer in einem Online-Kino).
  • RFE — Recency, Frequency, Engagement ist eine erweiterte Version der RFD-Analyse, die das Engagement des Kunden mit einem Geschäftsprodukt bewertet. Neben der Dauer werden die Anzahl der besuchten Webseiten, die Anzahl der Hyperlink-Klicks und andere Aktionen verwendet, die die aktive Nutzung des Geschäftsprodukts zeigen. Es wird davon ausgegangen, dass die aktivsten Kunden eher auf Marketing-Aktionen reagieren.
  • RFM-I — Recency, Frequency, Monetary - Interactions (Monetär - Wechselwirkungen) - ist eine Version der RFM-Analyse, um die Aktualität und die Häufigkeit von Marketing-Interaktionen mit einem Kunden zu berücksichtigen, z. B. um die mögliche abschreckende Wirkung von häufigen Werbeaktivitäten zu untersuchen (wenn zu aufdringliche Werbung einen Kunden abstößt).