Phân tích phân khúc khách hàng với mô hình RFM

^-A A ⁺A

I. Mô hình RFM là gì?

R: Recency – Lần mua hàng gần đây nhất của khách hàng

Số lượng ngày được tính từ lần mua hàng gần nhất của khách hàng.
R0 có nghĩa là một khách hàng chỉ cần mua một cái gì đó ngày hôm nay. R30 có nghĩa là lần cuối họ mua từ bạn một tháng trước và R350 có nghĩa là một năm trước. Đương nhiên, bạn sẽ muốn giữ con số này càng nhỏ càng tốt.

F: Frequency – Tần số mua hàng: Tần suất mua hàng của khách hàng (bao lâu hoặc bao nhiêu sản phẩm)

Tổng số lần khách hàng đã mua từ bạn.
F0 có nghĩa là họ là khách hàng tiềm năng mới chưa bao giờ mua thứ gì và F10 có nghĩa là họ đã mua từ bạn mười lần.

M: Monetary value – Mức độ chi tiền của khách hàng

Tiền, giá trị, khách hàng chi bao nhiêu tiền. Thí dụ: Tổng của tất cả các giá trị đơn hàng một khách hàng có.

Các nhà quản lý khách hàng thông minh hiểu tầm quan trọng của khách hàng và để nâng cao hiểu biết của họ về khách hàng bằng việc sử dụng dữ liệu lịch sử. Thay vì chỉ tập trung vào việc tạo ra nhiều nhấp chuột hơn, các nhà quản lý khách hàng phải tuân theo sự thay đổi mô hình để duy trì, trung thành và xây dựng mối quan hệ khách hàng. Để việc kết nối với khách hàng dễ dàng hơn, mô hình phân loại khách hàng đưa tầm nhìn của nhà quản trị đi xa hơn. Điều thực sự thu hút là mô hình này xem xét các khía cạnh khác nhau để đánh giá từng khách hàng thay vì phân tích toàn bộ cơ sở khách hàng. Ở mô hình này, phân chia khách hàng thành các nhóm đồng nhất, hiểu đặc điểm của từng nhóm và thu hút họ bằng các chiến dịch có liên quan thay vì phân khúc theo độ tuổi hoặc địa lý của khách hàng

Mô hình RFM là một kỹ thuật tiếp thị được sử dụng để đánh giá hành vi của khách hàng của công ty. Ví dụ: nó có thể được sử dụng để đánh giá thời gian gần đây khách hàng đã mua sản phẩm hoặc dịch vụ (lần truy cập gần đây), số lần khách hàng đã mua hàng kể từ một ngày (tần suất) nhất định và khách hàng đã chi bao nhiêu trong một ngày nhất định một khoảng thời gian (tiền tệ).

Mặc dù có vô số cách để thực hiện phân đoạn, phân tích RFM phổ biến vì ba lý do:

Sử dụng các thang đo khách quan – mang lại sự mô tả cao cấp và ngắn gọn về khách hàng.
Đơn giản – các nhà quản trị có thể sử dụng nó một cách hiệu quả mà không cần các nhà phân tích dữ liệu hoặc phần mềm tinh vi.
Trực quan – đầu ra của phương pháp phân khúc này là dễ hiểu và giải thích.

II. Lợi ích

Sau khi xếp hạng từng khách hàng với các tiêu chí này, bạn sẽ có thể phân chia database khách hàng của mình thành các nhóm cụ thể với các chiến thuật email marketing khác nhau.

Khách hàng mới
Khách hàng một lần
Khách hàng VIP
Khách hàng đã “quay lưng”
Khách hàng “bỏ quên giỏ hàng”

1. Biết khách hàng của bạn

Khen thưởng khách hàng trung thành là một chiến lược tiếp thị quan trọng cho bất kỳ công ty nào, bất kể mô hình kinh doanh mà nó tuân theo. RFM giúp các công ty biết khách hàng trung thành của họ, những khách hàng không hài lòng với dịch vụ và sản phẩm của họ và những khách hàng cũ đã rời bỏ họ. Hãy tưởng tượng nếu thông tin có giá trị về khách hàng của bạn có thể được cung cấp cho bạn. Những kỹ thuật nào sau đó bạn có thể sử dụng để tăng tỷ lệ duy trì và giảm tỷ lệ doanh thu của bạn?

2. Tăng doanh số của bạn

Các công ty nên hiểu rằng khách hàng của họ có nhu cầu và yêu cầu khác nhau, và do đó đáp ứng khác nhau cho các chiến dịch tiếp thị của công ty. Bằng cách xem xét khách hàng của bạn thông qua ba khía cạnh chính của mô hình phân tích RFM, bạn có thể cải thiện đáng kể các kỹ thuật tiếp thị của mình và nhắm mục tiêu các chiến dịch của bạn chính xác hơn theo mong muốn và nhu cầu của khách hàng, điều này cuối cùng sẽ tăng tỷ lệ phản hồi và doanh số của bạn.

3. KHÔNG mất khách hàng của bạn

Với phân tích RFM, bạn có thể phân loại khách hàng của mình thành một số danh mục. Số lượng danh mục phụ thuộc vào bản chất của doanh nghiệp và bản năng của nhà phân tích. Bất kể số lượng danh mục bạn sử dụng là gì, bạn sẽ có thể hiểu khách hàng nào đại diện cho sự mất mát tiềm tàng của doanh nghiệp, khách hàng nào là khách hàng thường xuyên và khách hàng nào đã rời đi. Sau đó, bạn nên thực hiện các hành động khác nhau cho từng loại này và bạn nên đặt mức độ ưu tiên của mình.
Ví dụ: bạn có thể gửi e-mail cá nhân cho khách hàng đến những người có nguy cơ rời đi để kết nối lại với họ.

4. Quy tắc 80/20

Quy tắc 80/20, còn được gọi là Nguyên tắc Pareto, là quy tắc ngón tay cái tuyên bố rằng 80% kết quả có thể được quy cho 20% nguyên nhân cho một sự kiện nhất định. Thông thường, một doanh nghiệp sử dụng phương pháp này để chỉ ra rằng 80% doanh thu được tạo ra bởi 20% tổng số khách hàng của mình. Cách tiếp cận này giúp những người ra quyết định tập trung vào các yếu tố quan trọng nhất ảnh hưởng đến tài nguyên của họ. Dưới đây là một ví dụ về Nguyên tắc Pareto trong đó 20% khách hàng chịu trách nhiệm cho 80% doanh thu:

Nếu một công ty có thể xác định những người chi tiêu hàng đầu của mình, công ty có thể tiếp thị cho họ để giữ chân khách hàng hiện tại hoặc có được những khách hàng có hồ sơ tương tự. Như chúng ta có thể thấy, quy tắc 80/20 cực kỳ hữu ích và có thể được sử dụng để nhanh chóng hiểu rõ hơn về khách hàng của mình.
Hạn chế, so với RFM, là nó chỉ nhìn vào tần suất chi tiêu, và không giải quyết được sự suy thoái. Tuy nhiên, quy tắc này được sử dụng rộng rãi và nó có thể rất hữu ích cho nhiều công ty.

5. RFM hoạt động như thế nào?

Để phân loại khách hàng của bạn bằng cách sử dụng RFM, hãy chia khách hàng thành bốn nhóm đồng nhất với nhau hoặc theo nhóm, dựa trên Recency, Frequency và Monetary. Điều này sẽ dẫn đến 64 (4x4x4) phân khúc khách hàng khác nhau trên ba biến. Một số nhà phân tích chia khách hàng thành 5 nhóm khác nhau – 125 (5x5x5) phân khúc, nhưng cách tiếp cận này có thể khó khăn hơn.
Để minh họa điều này hơn nữa, chúng ta hãy xem các nhóm.

Recency – R	Frequency – F	Monetary – M
Phần tư 1	Phần tư 1	Phần tư 1
Phần tư 2	Phần tư 2	Phần tư 2
Phần tư 3	Phần tư 3	Phần tư 3
Phần tư 4	Phần tư 4	Phần tư 4

Chúng ta hãy nhìn vào một khách hàng:
- Ở trong nhóm người mua gần đây nhất (R = 1)
- Ở trong nhóm người mua số lượng nhiều nhất (F = 1)
- Ở trong nhóm người chi tiêu nhiều nhất (M = 1)
  - Khách hàng này thuộc phân khúc RFM 1-1-1 ( Khách hàng tốt nhất ), (R = 1, F = 1, M = 1)
Một khách hàng đã mua hàng gần đây sẽ nằm trong nhóm thứ tư đầu tiên trong R (R = 1). Một khách hàng đã mua số lượng nhỏ nhất sẽ ở nhóm 4 trong F (F = 4), v.v.
Ví dụ: nếu điểm của khách hàng là 444 (R = 4, F = 4, M = 4), điều này có nghĩa là khách hàng này đã không mua hàng trong một thời gian rất dài, có thể mua một lần và chi tiêu ít hơn hầu hết khách hàng khác.
Sau đây là một ví dụ về các phân khúc RFM chính với các chiến lược tiếp thị được đề xuất:

Phân khúc	RFM	Sự miêu tả	Hành động tiếp thị
Champions	111	Những khách hàng đã mua gần đây nhất và thường xuyên nhất và chi tiêu nhiều nhất.	Không có ưu đãi về giá. Sản phẩm mới và chương trình khách hàng thân thiết.
Big Spenders	XX1	Những khách hàng đã chi tiêu nhiều nhất.	Thị trường sản phẩm đắt nhất của bạn.
Loyal Customers	X1X	Những khách hàng đã mua thường xuyên nhất.	Upsell sản phẩm giá trị cao hơn. Yêu cầu đánh giá. Thu hút họ.
Recent Customers	1XX	Những khách hàng đã mua hàng gần đây.	Sử dụng ưu đãi mới để thu hút khách hàng.
At Risk	311	Những khách hàng đã không mua trong một thời gian, nhưng trước đây họ đã mua hàng thường xuyên và chi tiêu nhiều nhất.	Cung cấp ưu đãi giá mạnh mẽ, gửi email cá nhân để kết nối lại, cung cấp gia hạn và cung cấp các tài nguyên hữu ích.
Lost Customers	411	Những khách hàng đã mua trong một thời gian rất dài, nhưng trước đây họ đã mua hàng thường xuyên và chi tiêu nhiều nhất.	Ưu đãi giá mạnh mẽ, cố gắng để giành lại chúng thông qua gia hạn hoặc các sản phẩm mới hơn. Tương tác với những khách hàng này để ngăn họ đến với cuộc thi.
Lost Inconsequential Customers	444	Những khách hàng đã mua trong một thời gian rất dài, có thể đã mua một lần và chi tiêu ít nhất.	Đừng dành quá nhiều nỗ lực để cố gắng khiến những khách hàng này quay trở lại.

Ví dụ

Về một cửa hàng bán lẻ trực tuyến. Đối với phân tích này, BSD đã sử dụng dữ liệu như sau:

Ngày đặt hàng	Order ID	Khách hàng	Tổng tiền
2017-01-18	1520	Ali	100
2017-01-19	1521	Tom	100

Sau đó, BSD xây dựng các phân đoạn RFM như sau:

Khách hàng	Recency	Frequency	Monetary	RFM
Ali	2 ngày	60 đơn hàng	1.000	111
Tom	100 ngày	1 đơn hàng	100	444

Để trực quan hóa dữ liệu, BSD đã tải dữ liệu lên Tableau và xây dựng bảng điều khiển sau:

Mặc dù dữ liệu này không có thật, nhưng nó có thể cho thấy sự hữu ích của việc áp dụng phân tích RFM để phân loại khách hàng của bạn. Bảng điều khiển này có thể cung cấp cho bạn một cái nhìn tổng quan nhanh về khách hàng của bạn.
Ví dụ: nếu bạn muốn biết khách hàng nào có thể rời khỏi doanh nghiệp của mình, bạn có thể sử dụng các bộ lọc để chọn những khách hàng có nguy cơ rời đi. Bạn có thể thấy những kỹ thuật này có thể giúp ích cho bạn như thế nào.

RFM có thể mở rộng thành ma trận nhiều phân khúc

III. Ưu điểm và nhược điểm của RFM

1. Ưu điểm

RFM có thể được áp dụng cho các loại hình kinh doanh khác nhau
Nó có thể dẫn đến giảm chi phí tiếp thị bằng cách giúp bạn nhắm mục tiêu đúng khách hàng
Dữ liệu có thể là một nguồn tốt cho các chương trình khách hàng thân thiết
Nó có thể được kết hợp với các công cụ phân tích khác để hiểu rõ hơn
Nó có thể giúp bạn xác định khách hàng tốt nhất của bạn

2. Nhược điểm

Tính điểm RFM có thể khó khăn
Phân tích RFM phụ thuộc vào dữ liệu lịch sử và không phải là triển vọng trong tương lai
Phân tích này có thể không phù hợp nếu bạn chỉ bán một sản phẩm