RFM-Analyse: Einfache Kundensegmentierung für Marketingkampagnen

Показать описание

In diesem Video zeigen wir, wie Sie eine Kundensegmentierung mit der RFM-Analyse durchführen können, um Ihr Marketing zu optimieren und so mehr Umsatz zu generieren!

Unternehmen, denen der monetäre Aspekt fehlt, könnten statt monetärer Faktoren z.B. Parameter verwenden, die das Engagement ausdrücken (Verweildauer, Nutzungsverhalten etc.). Wenn dies der Fall ist, redet man RFE (Recency, Frequency, Engagement) – einer Variante des RFM.

Während viele Kundensegmentierungen rein auf demografischen Merkmalen basieren, basiert die RFM-Analyse auf verhaltensbasierten Merkmalen, die aus den Transaktionen gebildet werden hin. Das vergangene Kaufverhalten der Kunden ist eine hervorragende Basis für die Optimierung von Marketingkampagnen.

Zuerst schauen wir uns genauer an, was RFM bedeutet:
• R – Recency (deutsch: Aktualität): Die Aktualität des letzten Kaufs ist eine wichtige Kennzahl über das Kaufverhalten der Kunden. Je länger der Kauf zurückliegt, desto unwahrscheinlicher eine positive Reaktion in einer Marketingkampagne.
• F – Frequency (deutsch: Häufigkeit): Die Häufigkeit mit der ein Kunde in einer bestimmten Periode (letzte 6 Monate) eingekauft hat, ist die zweite wichtige Kennzahl der RFM-Analyse. Wenn Kunden häufig einkaufen, dann ist die Wahrscheinlichkeit für eine positive Reaktion auf eine Marketingmaßnahme deutlich höher, als bei einem Kunden, der sehr selten kauft.
• M – Monetary (deutsch: Geldwert oder Umsatz): Der Geldwert eines Kunden bezieht sich auf den Umsatz in einer bestimmten Periode. Kunden, die mehr Umsatz machen, sind wichtiger für das Unternehmen und reagieren besser auf Marketingmaßnahmen, als Kunden mit schlechten Umsätzen.

Im Folgenden zeige ich Ihnen wie so ein RFM-Scoring funktioniert:
1. Anhand des letzten Kaufs wird ein Aktualitäts-Score pro Kunde bestimmt bspw. Tage seit Letztkauf.
2. Die Anzahl der Käufe pro Kunde in einem bestimmten Zeitraum bilden die Kennzahl Häufigkeit ab.
3. Als letztes muss der Geldwert pro Kunde bestimmt werden.

Grundsätzlich gibt es zwei verschiedene Ansätze die RFM-Klassen zu bilden:
1. Die einfachste Methode teilt die Kunden in Klassen anhand von festen Wertebereichen auf
2. die 2. Methode teilt die Kunden nach in Quartilen in gleich große Gruppen.

Als letztes noch die Vor- und Nachteile:
Welche Vorteile hat das RFM Modell?
• Die RFM-Analyse ist extrem einfach durchzuführen
• Die Analyse lässt sich in unterschiedlichen Geschäftsmodellen nutzen (Handel, E-Commerce, Prepaid, Abo-Modellen etc.)
• Sie können unterschiedliche Zielgruppen bestimmten und besser verstehen
• RFM hilft dabei zielgerichtete Marketingkampagnen zu erstellen
• Reduktion von Direktmarketingkosten
• Unterstützt CRM und Kundenbindungsmaßnahmen
• Reduktion von nicht-relevanten Marketingkontakten

Welche Nachteile hat das RFM Modell?
• Keine Prognose des Kaufverhaltens, lediglich historische Daten
• Kennzahl Aktualität bezieht Kaufzyklus von Kunde nicht mit ein
• Für Erstkäufer oft nicht wirklich hilfreich
• Nicht nutzbar für Leads
• Überoptimierung: versenden von zu vielen Mails an die Top-Kundensegmente kann die Kunden stören, was sich ggf. negativ auswirkt

Nachdem Sie dieses Video gesehen haben, wissen Sie was die RFM-Analyse ist und wie Sie diese durchführen.
Wenn Ihnen das Video gefallen hat, dann abonnieren Sie unseren Youtube-Kanal für weitere spannende Videos rund um das Thema künstliche Intelligenz und maschinelles Lernen im Marketing.

▬ Internetpräsenz ▬▬▬▬▬▬▬▬▬▬▬▬

▬ Weitere spannende Themen ▬▬▬▬▬▬▬▬▬▬▬▬
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬