کسب‌وکارها برای برنامه‌ریزی دقیق و برگزاری کمپین‌های اختصاصی، باید عوامل مختلفی را بسنجند که یکی از مهم‌ترین آن‌ها، سنجش مشتریان است. سنجش مشتریان به مجموعه‌ها کمک می‌کند تا متوجه شوند که هر مشتری، چقدر و چند بار در یک بازه زمانی مشخص، از آن‌ها خرید می‌کند. برای انجام دقیق این کار، روش‌های مختلفی به‌وجود آمده است که یکی از معتبرترین آن‌ها، مدل تحلیل RFM است. از طریق مدل RFM، کسب‌وکارها می‌توانند مشتریان خود را بر اساس آخرین خرید، تعداد دفعات مراجعه و مجموع مبلغ خرید، ارزیابی و دسته‌بندی کنند. حالا اگر دقیقا می‌خواهید بدانید که مدل RFM چیست ، چطور کار می‌کند و از آن مهم‌تر این‌که چه کاربردهایی دارد، تا انتهای این مطلب با ما بمانید.
مفهوم مدل RFM
مدل RFM مخفف سه کلمه Recency، Frequency و Monetary است که به این معنا هستند:
- Recency: آخرین خرید مشتری
- Frequency: تعداد خریدهای هر مشتری
- Monetary: مبلغ پرداختی مشتری
در این مدل تحلیلی، کسب‌وکارها می‌توانند مشتریان خود را بر اساس آخرین مراجعه، تعداد خریدها و در نهایت مبلغ خریدشان، دسته‌بندی کنند.
هدف استفاده از این مدل تحلیل داده، یافتن بهترین و سودآورترین مشتریان است که بتوان بر اساس نیازها و علایق این گروه، کمپین‌های اختصاصی برگزار کرد. در این سیستم تحلیلی، با توجه به سه فاکتور اصلی گفته شده، به هر کدام از مشتریان یک عدد اختصاص می‌دهند. سپس بر اساس این اعداد، مشتریان را به‌صورت عددی و در یک تحلیل کاملا سیستمی، بررسی می‌کنند.
مدل تحلیل RFM، مشتریان را بر اساس عوامل زیر دسته‌بندی می‌کند:
- Recency: اولین عاملی که در این سیستم مورد بررسی قرار می‌گیرد این است که مشتری، آخرین بار چه زمانی از مجموعه شما خرید کرده است. آخرین خرید مشتری از مجموعه شما، به این دلیل اهمیت دارد که مشتری در این وضعیت، هنوز مجموعه شما را به خاطر دارد، در حال استفاده از محصول شما است و احتمال دارد که باز هم از شما خرید کند. معمولا این عامل را با توجه به تعداد روزهای گذشته از زمان خرید، محاسبه می‌کنند، اما ممکن است با توجه به کسب‌وکار شما، این فاکتور به هفته، ماه یا سال، تغییر پیدا کند.
- Frequency: بر اساس عامل دوم، این سیستم بررسی می‌کند که یک مشتری، در بازه زمانی مشخصی، چند بار از کسب‌وکار شما خریده کرده است. مشتریانی که در آن بازه زمانی، یک یا چندین بار از شما خرید کرده باشند، احتمال خرید مجدد آن‌ها وجود دارد. علاوه بر این، می‌توانید با پیگیری مشتریانی که برای اولین بار از شما خرید کرده‌اند، آن‌ها را به مشتریان ثابت کسب‌وکار خود تبدیل کنید.
- Monetary: آخرین عامل در الگوریتم RFM، به مبلغ خرید هر مشتری توجه دارد. احتمال خرید بیشتر توسط مشتریانی که مبلغ بالایی در آخرین خرید خود صرف کرده‌اند، بالاتر است و از طرف دیگر، این مشتریان ارزش بالاتری در این سیستم تحلیل دارند.
تحلیل RFM در علم داده، به روش‌های مختلفی قابل استفاده است که یکی از آن‌ها، اجرای این الگوریتم از طریق Deep Learning است. دیپ لرنینگ، نوعی یادگیری ماشین است که بر طبق شبکه‌های عصبی، طراحی و اجرا می‌شود. اگر دقیقا نمی‌دانید که این روش از یادگیری ماشین، شامل چه چیزهایی می‌شود، مطالعه مطلب « یادگیری عمیق چیست ؟»، به شما کمک خواهد کرد.
با این توضیحات اولیه، شما هم الان می‌دانید که مدل RFM چیست، اما شاید این سوال برای شما ایجاد شده باشد که این الگوریتم، چه کاربردهایی دارد که در بخش بعدی، پاسخ این سوال را شرح داده‌ایم.
کاربردهای تحلیل RFM
مدل تحلیل RFM به شما کمک می‌کند که باارزش‌ترین مشتریان خود را شناسایی کنید. پس از شناخت مشتریان باارزش، می‌توانید نیازها، علایق و خواسته‌های مشتریان هدف خود را بهتر درک کرده و برای آن‌ها، برنامه‌ریزی اختصاصی انجام دهید. علاوه بر این، با کمک الگوریتم RFM، می‌توانید بسنجید که چند درصد از مشتریان شما، با حضور خود می‌توانند باعث پیشرفت کسب‌وکارتان شوند.
پس از آن و با در اختیار داشتن این اطلاعات حیاتی، می‌توانید کمپین‌های بازاریابی موثری برنامه‌ریزی کنید که با کمک این کمپین‌ها، تعامل شما و مشتریان افزایش پیدا کند. تعداد مشتریان وفادار بیشتر شود و از آن مهم‌تر، یک رابطه دو طرفه میان برند شما و مشتریان ارزشمند، ایجاد شود.
از طرف دیگر، با برنامه‌ریزی کمپین‌های اختصاصی و شخصی‌سازی شده بر اساس مشتریان هدف، مشتریان تجربه بسیار بهتری از تعامل با شما خواهند داشت و با احتمال بالاتری، به مشتریان وفادار و همیشگی شما تبدیل می‌شوند.
کاربرد دیگر تحلیل RFM در علم داده برای کسب‌وکارها این است که به شما کمک کند که متوجه شوید هر مشتری در چه بازه زمانی و به چه میزان، از شما خرید می‌کند. البته پس از بررسی‌های کامل‌تر، احتمالا متوجه می‌شوید که بخش اعظم سوددهی مجموعه شما، به درصد بسیار محدودتری از مشتریان، بستگی دارد. به همین خاطر این تعداد محدودتر، باید به‌عنوان جامعه هدف شما در انواع برنامه‌ریزی‌های کلان، در نظر گرفته شوند. هر چند نباید فراموش کنید که دیگر مشتریان کم‌بازده را نیز باید در این معادله در نظر گرفته و با برنامه‌ریزی‌های مشخص، آن‌ها را نیز به مشتریان سودآور خود تبدیل نمایید.
با توجه به همه این توضیحات، باید بگوییم که کاربرد اصلی الگوریتم RFM در دیتا ساینس، شناسایی گروه‌های مختلف کسب‌وکار است که پس از آن، بتوانید برای هر گروه از مشتریان خود، یک برنامه‌ریزی مجزا داشته باشید. این مدل تحلیل، مزایای فوق‌العاده‌ای برای هر کسب‌وکار دارد که در ادامه، به بررسی آن‌ها خواهیم پرداخت.
مزایای RFM Analysis چیست؟
برخی از مهم‌ترین مزیت‌های سیستم تحلیل RFM شامل موارد زیر است:
-
برگزاری کمپین‌های بازاریابی موفق
گاهی اوقات کسب‌وکارها بهترین کمپین‌ها تبلیغاتی را با بالاترین بودجه ممکن می‌سازند، اما به هیچ عنوان بازخورد لازم را کسب نمی‌کنند. معمولا در این شرایط، دلیل اصلی عدم موفقیت، در نظر نگرفتن مشتریان و مخاطبان هدف است. مدل RFM با شناسایی مشتریان پربازده، از وقوع چنین اشتباهاتی در زمان برنامه‌ریزی برنامه‌های تبلیغاتی، جلوگیری می‌کند.
این الگوریتم از طریق آخرین خرید، تعداد خریدها و مبلغ خرید، مشتریان هدف و اصلی را شناسایی خواهد کرد. پس از آن شما می‌توانید بودجه تبلیغاتی خود را با توجه به گروه‌های سودآور کسب‌وکار خود، هزینه کنید. بدین شکل، میزان بازدهی هر کمپین شما به طرز قابل توجهی بیشتر خواهد شد و پول خود را در جایی مصرف خواهید کرد که سود بسیار بیشتری به دنبال دارد.
-
شناسایی مشتریان در خطر
همان‌طور که در بخش قبلی اشاره کردیم، این الگوریتم به شما کمک می‌کند که تعداد دفعات مراجعه و خریدهای مشتریان را بررسی کنید. شما از طریق بررسی این معیار، می‌توانید تغییر الگوی رفتار مشتریان را شناسایی کنید. مشتریانی را بیابید که در فاصله‌های زمانی خاص، به شما مراجعه نکرده‌اند یا بازه زمانی مراجعه‌های آن‌ها نسبت به ماه‌های گذشته، بیشتر شده است. پس از آن نیز برای جلب این مشتریان، برنامه‌ریزی اختصاصی انجام دهید و از جذب‌شدن مشتریان قدیمی خود به سوی رقبا، جلوگیری نمایید.
-
افزایش میزان تعامل
شما می‌توانید با استفاده از الگوریتم RFM، درک بهتر و کامل‌تری از مشتریان خود داشته باشید و پس از آن، پیام‌های شخصی‌سازی شده برای هر مشتری بفرستید. با این کار، میزان تعامل برند شما با هر مشتری، بسیار بیشتر می‌شود و احتمال تبدیل مشتریان عادی به مشتریان وفادار نیز افزایش می‌یابد.
علاوه بر این، RFM به شما کمک می‌کند که با توجه به نوع خریدهای پیشین هر مشتری، نیازهای او را بهتر و دقیق‌تر درک کنید. پس از آن نیز برنامه‌ریزی تبلیغاتی خود را با توجه به نیاز یا علایق بازار هدف خود تنظیم نمایید. بدین شکل، میزان اثرگذاری تبلیغات شما بسیار بیشتر خواهد شد، مشتریان احساس ارتباط بیشتری با شما خواهند داشت و میزان تعامل میان شما و مشتریان، به طرز قابل توجهی افزایش پیدا می‌کند که در نتیجه همه این فرآیندها، سود شما نیز بیشتر می‌شود.
-
استفاده موثر از منابع بازاریابی
یکی از اهداف اصلی تمام کسب‌وکارهای کوچک این است که در عین کاهش هزینه‌های بازاریابی، بیشترین بازدهی ممکن را از کمپین‌های تبلیغاتی کسب کنند. خوشبختانه امکان انجام این کار با در اختیار داشتن داده‌های دقیق از مشتریان، فراهم می‌شود.
در واقع تحلیل RFM در علم داده، به شما کمک می‌کند که بهترین مشتریان خود را بشناسید و مشتریان مختلف را بر اساس معیارهای مختلف، گروه‌بندی کنید. سپس برای هر گروه، یک کمپین تبلیغاتی و برنامه مجزا در نظر بگیرید که در عین کم‌شدن هزینه تبلیغات، فعالیت‌های بازاریابی شما بیشترین میزان اثرگذاری را در پی داشته باشد.
مجموعه‌های بزرگ و بین‌المللی، این فرآیند ارزیابی را با نرم‌افزارهای ساخته شده توسط هوش مصنوعی و بهره‌گرفتن از یادگیری ماشین، انجام می‌شود. در واقع الگوریتم RFM در این حوزه، می‌تواند تمام داده‌های لازم را برای سنجش مشتریان، در اختیار این دو تکنولوژی بگذارد. در این حالت، هوش مصنوعی و یادگیری ماشین، در کنار هم فعالیت خواهند کرد و نتایج کسب‌شده از طریق الگوریتم RFM، دقت بسیار بالایی خواهند داشت. اگر دقیقا تفاوت این دو فناوری را نمی‌دانید، در مطلب « تفاوت هوش مصنوعی و یادگیری ماشین »، تمام جزئیات میان این دو بررسی شده است.
با وجود همه این مزایا، به خاطر داشته باشید که تنها در نظر گرفتن این الگوریتم و فعالیت بر اساس آن، ممکن است باعث نادیده‌گرفته شدن برخی از عوامل مهم در مدیریت کسب‌وکارتان شود. برای مثال، در RFM شما عوامل اصلی دیگر مثل نوع محصولات خریداری شده، آخرین کمپین‌ها و میزان اثرگذاری آن‌ها و البته اطلاعات انحصاری هر مشتری مثل بازه سنی، جنسیت و موقعیت مکانی را نمی‌سنجید.
بنابراین برای مدیریت موفق‌تر کسب‌وکار خود، الگوریتم RFM را به‌عنوان بخشی از معیارهای قابل اندازه‌گیری، در نظر داشته باشید و پس از محاسبه آن، دیگر عوامل مهم را هم در نظر بگیرید. الان و پس از بررسی این موارد، اجازه دهید که در بخش بعدی، نحوه محاسبه RFM را نیز با هم بررسی کنیم.
نحوه محاسبه RFM
محاسبه RFM بسیار ساده است و هر کسی که به داده‌های فروش دسترسی داشته باشد، می‌تواند آن را انجام دهد. حالا اگر شما هم قصد دارید از مدل تحلیل RFM برای بررسی میزان فروش کسب‌وکارتان استفاده کنید، تنها به یک جدول با 4 ستون نیاز خواهید داشت. ستون اول، آیدی مشتریان است و سه ستون باقی مانده، هر کدام یکی از سه معیار اصلی موجود در این مدل تحلیل خواهد بود. پس از آن، باید این گام‌ها را به‌ترتیب انجام دهید:
-
امتیاز دهی
با توجه به آخرین خرید، تعداد دفعات خرید و مبلغ خرید، به هر کدام از مشتریان خود امتیازی در بازه 1 تا 5 بدهید. بهترین و بیشترین میزان خرید، عدد بالاتری کسب خواهد کرد. مثلا اگر کسی در یک هفته اخیر از شما خرید کرده باشد، امتیاز 5 برای ستون R، به‌دست می‌آورد. بازه‌های زمانی، مبالغ خرید و تعداد دفعات، برای هر کسب‌وکار با توجه به حوزه کاری آن، تعیین می‌شود.
پس از این‌که عدد مرتبط به هر ستون را برای مشتری تعیین کردید، امتیازات درج شده در مقابل آیدی هر مشتری را کنار هم قرار دهید. هر مشتری که امتیاز بالاتری داشته باشد، یکی از مشتریان هدف خواهد بود.
-
تحلیل
در یک سیستم عادی، هر سه ستون این جدول، ارزش یکسانی دارند و کسب‌وکارها با جمع اعداد و به‌دست آوردن میانگین، یک عدد مشخص به هر مشتری می‌دهند. هر چند در برخی مواقع، ارزش هر مشتری به شکل دیگری سنجیده می‌شود.
برای مثال در یک فروشگاه ماشین یا مبلمان، احتمال خرید چندین باره یک مشتری در بازه زمانی چند ماهه یا یک ساله، بسیار کمتر است. با وجود این، اگر یک مشتری این فروشگاه، در همان بازه زمانی، چندین خرید پی در پی داشته یا مبلغ فاکتور او بسیار بالاتر از میانگین باشد، بدون شک مشتری ارزشمندی است. بنابراین در سیستم این فروشگاه، تعداد مراجعه‌ها یا همان ستوان Frequency یا ستون مبلغ خرید، ارزش بالاتری نسبت به ستون‌های دیگر دارد.
پس از تعیین نحوه ارزش‌گذاری ستون‌های الگوریتم RFM بر طبق کسب‌وکارتان، می‌توانید مشتریان خود را آنالیز کرده و با یک بررسی ساده، ارزشمندترین مشتریان خود را تشخیص دهید. البته برای مجموعه‌های بسیار بزرگ یا بین‌المللی، تحلیل مشتریان از طریق نرم‌افزارهای CRM انجام می‌شود.
-
دسته‌بندی مشتریان و برنامه‌ریزی اختصاصی برای هر گروه
پس از تحلیل مشتریان، امکان گروه‌بندی همه مشتریان شما فراهم می‌شود. در گام بعدی نیز با اولویت‌بندی هر گروه از مشتریان، امکان برنامه‌ریزی دقیق‌تر و پیاده‌سازی استراتژی‌های کارآمدتر برای ارزشمندترین مشتریان، برای شما به‌وجود می‌آید. در این حالت می‌توانید با توجه به میزان خرید هر گروه از مشتریان، برای آن‌ها کمپین‌های اختصاصی برنامه‌ریزی کنید. با اجرای کمپین‌های اختصاصی و برنامه‌ریزی‌های دقیق بر اساس نوع رفتار هر دسته از مشتریان مجموعه‌تان، احتمال اثرگذاری تاکتیک‌های بازاریابی خود را افزایش دهید و تبلیغات کارآمدتری داشته باشید.
مدل تحلیل RFM و مثال‌هایی از آن
برای استفاده از مدل تحلیلی RFM در دنیای کسب‌وکار، باید بتوانید داده‌های خود را به اعداد قابل سنجش تبدیل کنید. در این راستا، مثال‌های زیر به شما کمک خواهند کرد:
-
آخرین خرید مشتری
برای ارزیابی مشتریان بر اساس آخرین خرید یا همان Recency، ابتدا باید یک بازه زمانی بر اساس نوع کسب‌وکار خود، مشخص کنید. برای مثال اگر مجموعه مواد غذایی دارید، بازه زمانی شما باید روزانه یا هفتگی باشد و اگر کسب‌وکار شما در حوزه فروش لباس است، انتخاب بازه زمانی طولانی‌تر ماهانه یا فصلی، منطقی‌تر خواهد بود.
پس از آن باید بازه‌های زمانی مشخص تعیین کنید. برای مثال در یک کسب‌وکار فروش لباس یا اکسسوری، یک بازه زمانی یک ساله مشخص نمایید:
| زمان خرید | 30 روز اخیر | 1 تا 2 ماه | 3 تا 5 ماه | 5 تا 8 ماه | 8 تا 12 ماه |
| امتیاز | 5 | 4 | 3 | 2 | 1 |
این بازه‌های زمانی می‌تواند با توجه به کسب‌وکار شما کمتر یا بیشتر شوند. پس از آن، در زمان ارزیابی مشتریان، فردی که در یک ماه اخیر از شما خرید کرده، عدد 5 کسب خواهد کرد و کسی که آخرین خرید او حدودا 6 ماه پیش باشد، امتیاز 2 به‌دست می‌آورد.
-
تعداد دفعات خرید
با بررسی تعداد خریدهای هر مشتری یا همان Frequency، می‌توانید میزان وفاداری هر مشتری را به برند خود بسنجید. معمولا مشتری‌های وفادار، خیلی بیشتر از مشتریان جدید، از شما خرید می‌کنند و برنامه‌ریزی تبلیغات برای آن‌ها، پربازده‌تر خواهد بود. برای مثال، اگر شما یک کسب‌وکار فروش لوازم تحریر دارید، میزان خرید مشتریان خود را باید به این شکل، محاسبه کنید:
| تعداد خرید | 40 به بالا | 30 تا40 | 20 تا 30 | 10 تا 20 | 0 تا 10 |
| امتیاز | 5 | 4 | 3 | 2 | 1 |
در این صورت، اگر فردی 5 وسیله از شما خریده باشد، امتیاز 1 می‌گیرد و مشتری با بیش از 30 خرید، امتیاز 4 به‌دست می‌آورد.
-
مبلغ خرید
آخرین معیار برای ارزیابی مشتریان، Monetary است که به مجموع مبلغ خریدهای مشتری از شما، اشاره دارد. این معیار از این لحاظ ارزشمند است که در برخی مواقع، مشتریان با فاصله زمانی زیادی از شما خرید می‌کنند، اما در هر خرید، مبلغ قابل توجهی هزینه خواهند کرد. ناگفته پیدا است که مبلغ بالاتر، به‌معنای امتیاز بیشتر خواهد بود.
این موضوع در کسب‌وکارهای خاص مثل فروش لوازم برقی بزرگ، اهمیت دوچندان دارد. معمولا مشتریان این مجموعه‌ها، با فواصل طولانی‌تر خرید کرده و تعداد محصول کمتری می‌خرند، اما مبلغ هر خرید آن‌ها، رقم بالاتری است. امتیازدهی برای این معیار اخیر نیز به این شکل خواهد بود:
| مبلغ خرید | بیش از 50 میلیون | 30 تا 50 | 20 تا 30 | 10 تا 20 | 0 تا 10 |
| امتیاز | 5 | 4 | 3 | 2 | 1 |
در این حالت، هر مشتری که مبلغ فاکتورش بیشتر باشد، امتیاز بالاتری به‌دست می‌آورد. حالا و با در نظر گرفتن همه این مثال‌ها، می‌توانید یک مدل اولیه از ارزیابی مشتریان با استفاده از الگوریتم RFM داشته باشید. در این حالت، اگر یک مجموعه فروش لباس هستید، بازه‌های زمانی چند ماهه، با تعداد محصولات کمتر و مبلغ خرید مناسب‌تر را در نظر بگیرید.
پس از آن، اگر یک مشتری در بازه زمانی سه ماهه (امتیاز 3)، دو محصول (امتیاز 2) از شما خریده باشد و مبلغ فاکتور او 2 میلیون تومان (امتیاز 4) باشد، این مشتری امتیاز 324 به‌دست می‌آورد. پس از آن نیز با توجه به تعداد خریدهای دیگر مشتریان، در رتبه بالا یا پایین قرار می‌گیرد و می‌توانید بر اساس رتبه‌بندی مشتریان، بهترین کمپین‌ها و برنامه‌های بازاریابی را برای هر دسته از مشتریان خود، طراحی و اجرا کنید.
سخن آخر
برنامه‌ریزی برای راه‌اندازی کمپین‌های تبلیغاتی، همیشه با یک نگرانی بزرگ همراه است که این کمپین با صرف منابع مالی، انسانی و زمانی مشخص، چه میزان بازدهی خواهد داشت. یکی از ساده‌ترین روش‌های افزایش میزان بازدهی، ارزیابی مشتریان بر اساس الگوریتم RFM است که بتوانید هر مشتری را بر طبق آخرین خرید، تعداد دفعات مراجعه و مبلغ خرید، بسنجید. در این مطلب با هم بررسی کردیم که مدل RFM چیست و چه مزایایی دارد. الان و پس از بررسی همه این جزئیات، می‌توانید فرآیند رتبه‌بندی مشتریان کسب‌وکار خود را بر اساس الگوریتم RFM درک کنید و پس از آن، برای مشتریان پربازده خود، برنامه‌ها و کمپین‌های اختصاصی، در نظر بگیرید.
