Butikksjef foran et holografisk kart over kundesegmenter, med en lysende klynge av de beste kundene og en annen som blekner og glir mot døren

RFM høres ut som en dyr konsulentformel, men den er enkel: Recency (når de sist kjøpte av deg), Frequency (hvor ofte) og Monetary Value (hvor mye). Med disse tre variablene vet du hvem den beste kunden din er, hvem som er i ferd med å forlate deg, og hvem som ikke er verdt å jage. Du trenger ingen kompleks statistisk modell. Du trenger ikke et data science-team. Det du trenger, er å slutte å behandle alle kunder likt, for de er ikke like. Hvis du kjører det samme salgstilbudet mot hele kundebasen, gir du bort margin til kunder som uansett ville ha kjøpt, og bruker tid på dem som aldri kommer tilbake. RFM-modellen i retail forteller deg nøyaktig hvem du skal snakke med, når og med hvilket budskap.

Hva RFM er, og hvorfor det endrer hvordan du ser på kundene dine

Tenk deg en klesbutikk med 15 000 kunder i databasen. For de fleste handelsaktører er disse 15 000 «e-postlisten»: personer som får det samme nyhetsbrevet annenhver uke. Med RFM blir de 15 000 til grupper med helt ulik atferd. Og det er når du behandler dem ulikt, at nøkkeltallene begynner å bevege seg. De tre variablene er:

Recency (R): Når kjøpte de sist?

En kunde som kjøpte for tre uker siden, og en som kjøpte for elleve måneder siden, er ikke den samme kunden. Den første er i aktiv modus: husker deg, likte det som ble kjøpt, og kommer med stor sannsynlighet tilbake. Den andre har nesten glemt deg. Å få denne kunden tilbake krever en helt annen innsats.

Frequency (F): Hvor regelmessig kjøper de?

Den som har kjøpt seks ganger det siste året, har et etablert atferdsmønster hos deg. Den som bare har kjøpt én gang, kan være en kunde som bare handler på salg, eller noen som ikke kom tilbake fordi noe ikke fungerte. Frekvens skiller stamkunden fra den tilfeldige kunden.

Monetary Value (M): Hvor mye har de brukt?

Det handler ikke bare om hva de brukte på det siste kjøpet, men om den totale summen. En kunde som legger igjen 40 € hver måned, er verdt betydelig mer i løpet av året enn en som gjorde et kjøp på 200 € under salget og aldri kom tilbake. Når du kombinerer de tre variablene, finner du de beste kundene dine med en presisjon som ingen demografiske kriterier kan matche. En dagligvarekjede med titusenvis av aktive kunder kan ha en svært liten gruppe som står for en uforholdsmessig stor del av omsetningen. Med RFM-segmentering i retail finner du dem. Uten den behandler du dem som alle andre.

De 5 segmentene alle handelsaktører bør kjenne til

Ikke alle RFM-modeller bruker den samme skalaen. Du kan jobbe med poeng fra 1 til 5, fra 1 til 3, eller med kategoriene høy/middels/lav for hver variabel. Det viktige er ikke skalaen, men at segmentene du får frem, er mulige å handle på. Disse fem har størst effekt for handelsaktører som selger i flere kanaler:

    1. Champions

De kjøpte nylig, kjøper ofte og bruker mye. Dette er kundene som allerede elsker deg. Den vanligste feilen med dette segmentet er å ignorere dem fordi «de kjøper uansett av seg selv». Det er nettopp disse kundene du må behandle bedre enn alle andre: Ikke ta dem for gitt. Tiltak: tidlig tilgang til nyheter, førsteklasses betjening i butikk, budskap om eksklusivitet. Ingen obligatorisk rabatt.

    1. Risikokunder

De var tidligere gode kunder, hyppige og med høy verdi, men har ikke vært innom på en stund. Recency har sunket. De husker deg fortsatt, men hvis du ikke gjør noe de nærmeste ukene, glir de over til Sovende. Dette segmentet er det mest verdifulle å vinne tilbake, fordi de allerede har en historikk hos deg. De vet hva du tilbyr, og valgte deg før. Spørsmålet er ikke om de kan komme tilbake, men om du husker å ta kontakt før det er for sent. Tiltak: personlig reaktiveringskampanje basert på den faktiske kjøpshistorikken deres. «Vi har ikke sett deg på en stund, her er det du kjøpte sist» konverterer langt bedre enn en generell rabatt.

  1. Sovende kunder

Recency er svært lav. De har ikke kjøpt på mange måneder. Noen kan vinnes tilbake, andre ikke, og feilen her er å legge like stor innsats i alle. Før du starter en storstilt reaktiveringskampanje, er det verdt å regne ut om kostnaden for insentivet forsvares av sannsynligheten for å vinne tilbake kunden og kundens historiske verdi. Når det er verdt å prøve: når den historiske verdien er høy og den tidligere frekvensen var god. Når det ikke er det: når det var et enkeltkjøp for to år siden som aldri ble gjentatt.

  1. Lovende nye kunder

Første eller andre kjøp nylig, god handlekurvverdi. Ingen mønstre er etablert ennå, men signalet er godt. Dette er segmentet der det andre kjøpet endrer alt: Den som kjøper to ganger, har en betydelig høyere sannsynlighet for å kjøpe en tredje gang. Tiltak: velkomstkommunikasjon med verdifullt innhold, introduksjon til lojalitetsprogrammet hvis det finnes et, og en konkret grunn til å komme tilbake i løpet av de nærmeste ukene.

Segmentet ingen aktiverer, og som gir høyest avkastning: Nesten-VIP

Nesten-VIP fortjener en egen del fordi de er det mest lønnsomme segmentet å aktivere og det som oftest blir oversett. Det er kunder med høy frekvens og god monetær verdi der recency har begynt å svekkes litt. De er ett steg fra å bli Risikokunder. Med riktig dytt (eksklusiv tilgang, en nivåfordel, et personlig budskap) blir de Champions. Uten dyttet faller de. Det er nettopp disse kundene det lønner seg mest å fokusere på akkurat nå: Innsatsen for å løfte dem til neste nivå er lavere enn innsatsen for å vinne tilbake en Sovende kunde, og avkastningen i frekvens og snittordre er større. En motekjede som aktiverer dette segmentet med tidlig tilgang til en ny sesongkolleksjon, uten rabatt, bare med følelsen av å være først, kan se en tydelig økning i kjøpsfrekvensen i gruppen i ukene etterpå. Kunden opplever ikke et tilbud, men verdsettelse. Tiltak: program for nivåoppgradering, eksklusivt budskap «du er nesten på neste nivå», ikke-monetær fordel som forsterker VIP-kundens identitet.

Slik bruker du RFM i praksis: fra data til handling

Å få RFM til å fungere krever ikke et prosjekt over flere måneder. Det krever fem steg som gjennomføres godt: Steg 1: Samle kjøpsdataene dine Du trenger en transaksjonshistorikk med dato, beløp og identifisert kunde. Hvis du har både fysiske butikker og netthandel, må dataene ligge i samme tabell. Hvis de er adskilt, blir segmentene du får, ufullstendige, og det blir også beslutningene du tar ut fra dem. Steg 2: Definer analyseperioden RFM gjelder ikke for alltid. En kunde som kjøpte for tre år siden i en annen livssituasjon, er ikke lenger den samme kunden. Det vanlige er å jobbe med historikken fra de siste 12 til 24 månedene. Lengre perioder forvrenger bildet; kortere perioder gir ikke nok volum til å måle frekvens på en pålitelig måte. Steg 3: Gi hver kunde poeng Gi hver kunde en poengsum for R, F og M. Den enkleste metoden er å dele basen din inn i kvintiler for hver variabel, fra 1 til 5, og kombinere de tre poengsummene. En 5-5-5 er din Champion. En 1-1-1 er kunden som sannsynligvis ikke kommer tilbake, og som det ikke gir mening å jage med dyre insentiver. Steg 4: Tildel tiltak per segment og aktiver Det har ingen hensikt å beregne RFM hvis resultatet bare blir liggende i et regneark. Hvert segment trenger et tilhørende markedsføringstiltak: hva som skal kommuniseres, når, i hvilken kanal og med hvilket budskap. Tabellen i neste del gir deg hele kartet. Steg 5: Oppdater jevnlig RFM er dynamisk. En kunde kan gå fra Champion til Risikokunde på bare noen uker hvis kjøpene stopper opp. Hvis segmenteringen din oppdateres én gang i året, jobber du med et utdatert kart.

RFM-segmenteringstabell for retail

Utforsk segmentene som gir størst effekt i retail, og de konkrete tiltakene som hjelper deg å øke kjøpsfrekvensen, kundelojaliteten og reaktiveringen.

Segment Recency Frekvens Verdi Profil Nøkkeltiltak
Champions Høy Høy Høy Hyppige kjøpere, storforbrukere, aktive. VIP uten rabatt.
Nesten-VIP Middels høy Høy Høy Begynner å besøke butikken sjeldnere. Verdsettelse.
Risikokunder Lav Høy Middels høy Har sluttet å komme. Reaktivering.
Sovende Svært lav Varierende Varierende Inaktive kunder. Selektiv gjenerobring.

Fullstendig RFM-segmenteringstabell for retail

Hva som endrer seg når RFM beregnes automatisk i sanntid

Det største praktiske problemet med RFM-modellen er ikke å forstå den, men å holde den oppdatert. Et segment som er beregnet manuelt i et regneark, er korrekt den dagen du regner det ut. Uken etter har noen av dine Champions kjøpt igjen og er fortsatt Champions, mens andre Risikokunder har glidd over grensen til Sovende uten at noen har merket det. Kampanjen du lanserte ut fra den filen, snakker ikke lenger til de kundene den burde nå. Dynamisk segmentering løser dette. I stedet for å regne om manuelt vurderer systemet kontinuerlig atferden til hver kunde og flytter kunden mellom segmenter automatisk hver gang RFM endres. En kunde som har gått tre uker uten å kjøpe, begynner å tape i recency. Hvis ingen kampanje settes i gang for å beholde kunden, fortsetter fallet. Hvis systemet oppdager det i tide, kan du aktivere en kommunikasjon før det er for sent. Plattformer som Wapping beregner RFM innebygd og holder segmentene oppdatert uten manuell håndtering: Segmentene oppdateres i sanntid eller, for mer komplekse regler, annenhver time. Når recency for en Nesten-VIP-kunde begynner å synke, oppdager systemet det automatisk, og markedsteamet kan aktivere kampanjen uten å vente på neste dataeksport og uten å åpne en sak hos IT.

80 millioner kunder håndteres i produksjon

Plattformdata viser en økning på 20 % i gjennomsnittlig ordreverdi (AOV) i mersalgskampanjer når riktig segment aktiveres til riktig tid. Med 80 millioner kunder i produksjon er segmentene Wapping beregner, ikke teoretiske.

+20 %

gjennomsnittlig ordreverdi (AOV) i mersalgskampanjer · aktive handelsaktører

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