用RFM模型做顧客分組|電商人必備的客戶行為分析法

RFM分析模型

RFM就是Recency、Frequency與Monetary的縮寫,它們是三個可量化的指標。行銷人員藉由這三個指標,對客戶能有更深的認識。

  • Recency 最近互動

關注客戶最後一次消費的時間點,也可以是最後一次互動行為,如:網站造訪、使用App等。

  • Frequency 互動頻率

關注客戶在一段時間內與品牌消費或互動的次數

  • Monetary 消費金額

關注客戶在一段時間內消費的金額

(關於金額的算法,我們也可以將Monetary除以Frequency,得出「平均消費金額」作為顧客分組的次級指標。)

RFM分析模型

RFM分析三步驟

Step 1:定義 R、F、M的單位

根據不同產業情況,我們要採用不同的時間衡量單位。消費週期較短的就適合用「天」,消費週期較長的產業就適合用「月」。舉例如下:

  • Recency:天、星期、月
  • Frequency:交易次數/天、交易次數/星期、交易次數/月
  • Monetary:元/天、元/星期、元/月

 

Step 2:顧客分級與分組

顧客分級

接下來,我們需要訂定適當的門檻,分別對 R、F、M 這三個指標做分級。(本文將RFM分成四級。)

Recency Frequency Monetary
R-1(最近登入3天內) F-1(單月消費五次以上) M-1(單月消費>2,000元)
R-2 F-2 M-2
R-3 F-3 M-3
R-4(最近登入30天以上) F-4(單月只做一次消費) M-4(單月消費<200元)

顧客分組

按照如上的分級方式,我們能得到64個客戶群體(4x4x4)。接下來,我們要在這64個客戶群組中挑選廣告受眾。

實務上,我們不會使用五個以上的級別,它會導致客戶群體太多、太複雜,效果也不一定更好。

 

Step 3:挑選廣告受眾群

在這些客戶群體裡(64群),我們挑出以下四個行為特徵最明顯的群體作為廣告的目標受眾:

  • 最佳客群
    由(R,F,M)=(1,1,1)組成,代表他們最近才與品牌交易、交易次數頻繁且交易金額相對最高,是主力貢獻客群。
  • 高消費的新客群
    由(R,F,M)=(1,4,1)&(1,4,2)組成,代表他們最近有消費,而且金額很高,不過他們只消費了一次。
  • 低消費的忠誠客群
    由(R,F,M)=(1,1,3)&(1,1,4)組成,代表他們最近才消費,且消費次數多,唯獨消費金額相對較低。
  • 沈睡老顧客
    由(R,F,M)=(4,1,1)&(4,1,2)&(4,2,1),代表他們最近一次消費是很久以前,不過消費頻次與消費金額在過去都是
    表現最好的。

完成顧客分組後才進入到我們的重頭戲——制定行銷策略。

行銷策略

在規劃行銷活動時,行銷人員必須考量以上四個群體的行為特徵,將合適的廣告內容推播給合適的顧客群體,以達成個性化行銷的目標。以下提供幾個行銷策略的思路:

  • 最佳客群
    1. 與此客群溝通時,須讓他們感到自己的高價值,有些時候更能享有尊爵服務。
    2. 品牌主須優先滿足他們的需求,因為他們的貢獻是最多的,
    3. 儘管會產生額外成本,也要進一步分析他們的「個人偏好」及「相關聯需求」,並為顧客帶來更個性化的服務。
  • 高消費的新客群
    1. 培育新顧客一直是品牌很重要的課題,而此客群第一次消費金額特別高,所以花心力培育他們就更為重要。
    2. 與最佳客群相同,與此客群溝通時,須讓他們感到自己的高價值。
    3. 提供「獎勵誘因」來繼續與品牌互動。
  • 低消費的忠誠客群
    1. 針對此低消費高忠誠客群,品牌主不必使用價格促銷或不斷曝光的手法,而需思考如何利用個性化服務提高他們的消費等級。
    2. 作為品牌的忠誠客群,他們是最有可能幫品牌「打廣告」的人。品牌主可在他們將消費體驗分享到社交網路時提供獎勵,作為口碑行銷的誘因。
  • 沈睡老顧客
    喚醒已經走了的顧客是很難的。所以,我們只專注在「價值高」的沈睡老顧客。品牌主要研究此客群過去的交易歷史,並找出他們的偏好,在這個基礎上用新的方式與他們溝通。

使用行銷自動化系統開始推播!
當我們完善了客戶分群,搭配量身打造的行銷策略,最後再導入行銷自動化系統,我們便能見識到Martech所帶來的威力了!

發表迴響

error: Content is protected !!
Close Bitnami banner
Bitnami