Butikschef foran et holografisk kort over kundesegmenter med en lys klynge af de bedste kunder og en anden, der blegner og glider mod døren

RFM lyder som en dyr konsulentformel, men den er enkel: Recency (hvornår de sidst købte hos dig), Frequency (hvor ofte) og Monetary Value (hvor meget). Med de tre variabler ved du, hvem din bedste kunde er, hvem der er ved at forlade dig, og hvem det ikke kan betale sig at jagte. Du behøver ikke en kompleks statistisk model. Du behøver ikke et data science-team. Du skal bare holde op med at behandle alle kunder ens, for de er ikke ens. Hvis du kører det samme udsalg mod hele kundebasen, giver du avance væk til kunder, der alligevel ville have købt, og bruger tid på dem, der aldrig kommer igen. RFM-modellen i retail fortæller dig præcis, hvem du skal tale med, hvornår og med hvilket budskab.

Hvad RFM er, og hvorfor det ændrer måden, du ser dine kunder på

Forestil dig en tøjbutik med 15.000 kunder i databasen. For de fleste detailhandlere er de 15.000 »mailinglisten«: personer, der får det samme nyhedsbrev hver anden uge. Med RFM bliver de 15.000 til grupper med helt forskellig adfærd. Og det er, når du behandler dem forskelligt, at nøgletallene begynder at flytte sig. De tre variabler er:

Recency (R): Hvornår købte de sidst?

En kunde, der købte for tre uger siden, og en, der købte for elleve måneder siden, er ikke den samme kunde. Den første er i aktiv tilstand: Kunden husker dig, var glad for sit køb og vil med stor sandsynlighed komme igen. Den anden har næsten glemt dig. At få den kunde tilbage kræver en helt anden indsats.

Frequency (F): Hvor regelmæssigt køber de?

Den, der har købt seks gange i løbet af det seneste år, har et etableret adfærdsmønster hos dig. Den, der kun har købt én gang, kan være en kunde, der kun handler på udsalg, eller en, der ikke kom igen, fordi noget ikke fungerede. Frekvensen adskiller stamkunden fra den tilfældige kunde.

Monetary Value (M): Hvor meget har de brugt?

Det handler ikke kun om, hvad de brugte på det seneste køb, men om det samlede beløb. En kunde, der bruger 40 € hver måned, er betydeligt mere værd over året end en, der foretog et køb på 200 € på udsalget og aldrig kom igen. Når du kombinerer de tre variabler, finder du dine bedste kunder med en præcision, som intet demografisk kriterium kan matche. En dagligvarekæde med titusindvis af aktive kunder kan have en meget lille gruppe, der står for en uforholdsmæssigt stor del af omsætningen. Med RFM-segmentering i retail finder du dem. Uden den behandler du dem som alle andre.

De 5 segmenter, alle detailhandlere bør kende

Ikke alle RFM-modeller bruger den samme skala. Du kan arbejde med point fra 1 til 5, fra 1 til 3 eller med kategorierne høj/middel/lav for hver variabel. Det vigtige er ikke skalaen, men at de segmenter, du ender med, er til at handle på. Disse fem har størst effekt for detailhandlere, der sælger i flere kanaler:

    1. Champions

De har købt for nylig, køber ofte og bruger meget. Det er kunderne, der allerede elsker dig. Den mest almindelige fejl med dette segment er at ignorere dem, fordi »de køber jo alligevel af sig selv«. Det er netop den kunde, du skal behandle bedre end alle andre: Tag dem ikke for givet. Handling: tidlig adgang til nyheder, førsteklasses betjening i butikken, budskaber om eksklusivitet. Ingen obligatorisk rabat.

    1. Risikokunder

De var tidligere gode kunder, hyppige og med høj værdi, men er ikke set i et stykke tid. Recency er faldet. De husker dig stadig, men hvis du ikke gør noget i de kommende uger, glider de over til Hvilende. Dette segment er det mest værdifulde at vinde tilbage, fordi de allerede har en historik hos dig. De ved, hvad du tilbyder, og valgte dig før. Spørgsmålet er ikke, om de kan komme tilbage, men om du husker at tage kontakt, før det er for sent. Handling: personlig genaktiveringskampagne baseret på deres faktiske købshistorik. »Vi har ikke set dig i et stykke tid, her er det, du købte sidst« konverterer langt bedre end en generel rabat.

  1. Hvilende kunder

Recency er meget lav. De har ikke købt i mange måneder. Nogle kan vindes tilbage, andre ikke, og fejlen her er at lægge lige stor indsats i dem alle. Før du starter en stor genaktiveringskampagne, kan det betale sig at regne ud, om omkostningen ved incitamentet står mål med sandsynligheden for at vinde kunden tilbage og kundens historiske værdi. Hvornår det er værd at prøve: når den historiske værdi er høj, og den tidligere frekvens var god. Hvornår det ikke er: når det var et enkeltstående køb for to år siden, der aldrig blev gentaget.

  1. Lovende nye kunder

Første eller andet køb for nylig, god kurvværdi. Der er endnu ikke etableret et mønster, men signalet er godt. Det er segmentet, hvor det andet køb ændrer alt: Den, der køber to gange, har en betydeligt højere sandsynlighed for at købe en tredje gang. Handling: velkomstkommunikation med værdifuldt indhold, introduktion til loyalitetsprogrammet, hvis der er et, og en konkret grund til at komme igen inden for de næste uger.

Segmentet, som ingen aktiverer, og som giver det højeste afkast: Næsten-VIP

Næsten-VIP fortjener sit eget afsnit, fordi det er det mest rentable segment at aktivere og det, der oftest bliver overset. Det er kunder med høj frekvens og god monetær værdi, hvis recency er begyndt at falde en smule. De er et skridt fra at blive Risikokunder. Med det rette skub (eksklusiv adgang, en niveaufordel, et personligt budskab) bliver de Champions. Uden skubbet falder de. Det er netop de kunder, det betaler sig mest at fokusere på lige nu: Indsatsen for at løfte dem op på næste niveau er mindre end indsatsen for at vinde en Hvilende kunde tilbage, og afkastet i frekvens og gennemsnitsordre er større. En modekæde, der aktiverer dette segment med tidlig adgang til en ny sæsonkollektion, uden rabat, kun med følelsen af at være først, kan se en tydelig stigning i købsfrekvensen i gruppen i de følgende uger. Kunden oplever ikke et tilbud, men en anerkendelse. Handling: program for niveauopgradering, eksklusivt budskab om, at »du er næsten på næste niveau«, ikke-monetær fordel, der styrker VIP-kundens identitet.

Sådan bruger du RFM i praksis: fra data til handling

At få RFM til at fungere kræver ikke et projekt på flere måneder. Det kræver fem trin, der udføres godt: Trin 1: Saml dine købsdata Du har brug for en transaktionshistorik med dato, beløb og identificeret kunde. Hvis du har både fysiske butikker og e-handel, skal dataene ligge i den samme tabel. Hvis de er adskilt, bliver de segmenter, du får, ufuldstændige, og det samme gælder de beslutninger, du træffer ud fra dem. Trin 2: Definer analyseperioden RFM gælder ikke for evigt. En kunde, der købte for tre år siden i en anden livssituation, er ikke længere den samme kunde. Det almindelige er at arbejde med historikken fra de seneste 12 til 24 måneder. Længere perioder forvrænger billedet, og kortere perioder giver ikke nok volumen til at måle frekvensen pålideligt. Trin 3: Giv hver kunde en score Giv hver kunde en score for R, F og M. Den enkleste metode er at opdele din kundebase i kvintiler for hver variabel, fra 1 til 5, og kombinere de tre scorer. En 5-5-5 er din Champion. En 1-1-1 er kunden, der sandsynligvis ikke kommer igen, og som det ikke giver mening at jagte med dyre incitamenter. Trin 4: Tildel handlinger pr. segment, og aktivér Det nytter ikke at beregne RFM, hvis resultatet bare ligger i et regneark. Hvert segment skal have en tilhørende marketinghandling: hvad der skal kommunikeres, hvornår, i hvilken kanal og med hvilket budskab. Tabellen i næste afsnit giver dig hele kortet. Trin 5: Opdater jævnligt RFM er dynamisk. En kunde kan gå fra Champion til Risikokunde på bare et par uger, hvis vedkommende holder op med at købe. Hvis din segmentering opdateres én gang om året, arbejder du med et forældet kort.

RFM-segmenteringstabel til retail

Se de segmenter, der giver størst effekt i retail, og de konkrete handlinger, der hjælper dig med at øge købsfrekvensen, kundeloyaliteten og genaktiveringen.

Segment Recency Frekvens Værdi Profil Nøglehandling
Champions Høj Høj Høj Hyppige købere, storforbrugere, aktive. VIP uden rabat.
Næsten-VIP Middel Høj Høj Begynder at besøge butikken sjældnere. Anerkendelse.
Risikokunder Lav Høj Middel Er holdt op med at komme. Genaktivering.
Hvilende Meget lav Varierende Varierende Inaktive kunder. Selektiv tilbagevinding.

Komplet RFM-segmenteringstabel til retail

Hvad der ændrer sig, når RFM beregnes automatisk i realtid

Det største praktiske problem med RFM-modellen er ikke at forstå den, men at holde den opdateret. Et segment, der er beregnet manuelt i et regneark, er korrekt den dag, du regner det ud. Ugen efter har nogle af dine Champions købt igen og er stadig Champions, men andre Risikokunder er gledet over grænsen til Hvilende, uden at nogen har opdaget det. Den kampagne, du lancerede ud fra den fil, taler ikke længere til de kunder, den burde nå. Dynamisk segmentering løser det. I stedet for at regne om manuelt vurderer systemet løbende hver kundes adfærd og flytter automatisk kunden mellem segmenterne, hver gang RFM ændrer sig. En kunde, der er gået tre uger uden at købe, begynder at miste recency. Hvis der ikke startes en kampagne for at fastholde kunden, fortsætter faldet. Hvis systemet opdager det i tide, kan du aktivere en kommunikation, før det er for sent. Platforme som Wapping beregner RFM direkte i platformen og holder segmenterne opdateret uden manuelt arbejde: Segmenterne opdateres i realtid eller, ved mere komplekse regler, hver anden time. Når en Næsten-VIP-kundes recency begynder at falde, opdager systemet det automatisk, og marketingteamet kan aktivere kampagnen uden at vente på næste dataeksport og uden at oprette en sag hos IT.

80 millioner kunder håndteres i produktion

Platformsdata viser en stigning på 20 % i gennemsnitsordren (AOV) i mersalgskampagner, når det rette segment aktiveres på det rette tidspunkt. Med 80 millioner kunder i produktion er de segmenter, Wapping beregner, ikke teoretiske.

+20 %

gennemsnitsordre (AOV) i mersalgskampagner · aktive detailhandlere

Vil du se, hvordan det fungerer med dine egne data: Bed om en samtale på 30 minutter →