RFM låter som en dyr konsultformel, men den är enkel: Recency (när de senast köpte av dig), Frequency (hur ofta) och Monetary Value (hur mycket). Med de tre variablerna vet du vem din bästa kund är, vem som är på väg att lämna dig och vem som inte är värd att jaga. Du behöver ingen komplex statistisk modell. Du behöver inget data science-team. Det du behöver är att sluta behandla alla kunder lika, eftersom de inte är lika. Om du kör samma reakampanj mot hela kundbasen ger du bort marginal till kunder som ändå hade köpt, och lägger tid på dem som aldrig kommer tillbaka. RFM-modellen i retail talar om exakt vem du ska prata med, när och med vilket budskap.
Vad RFM är och varför det förändrar hur du ser på dina kunder
Tänk dig en klädbutik med 15 000 kunder i databasen. För de flesta handlare är de 15 000 ”e-postlistan”: personer som får samma nyhetsbrev varannan vecka. Med RFM blir de 15 000 grupper med helt olika beteenden. Och det är när du behandlar dem olika som nyckeltalen börjar röra sig. De tre variablerna är:
Recency (R): När köpte de senast?
En kund som köpte för tre veckor sedan och en som köpte för elva månader sedan är inte samma kund. Den första är i aktivt läge: hen minns dig, gillade det hen köpte och har stor sannolikhet att komma tillbaka. Den andra har nästan glömt dig. Att få tillbaka hen kräver en helt annan insats.
Frequency (F): Hur regelbundet köper de?
Den som har köpt sex gånger under det senaste året har ett etablerat beteendemönster hos dig. Den som bara har köpt en gång kan vara en kund som bara handlar på rea, eller någon som inte kom tillbaka för att något inte fungerade. Frekvens skiljer stamkunden från den tillfälliga kunden.
Monetary Value (M): Hur mycket har de spenderat?
Det handlar inte bara om vad de spenderade på det senaste köpet, utan om den totala summan. En kund som lägger 40 € varje månad är värd betydligt mer över året än en som gjorde ett köp på 200 € under rean och aldrig kom tillbaka. När du kombinerar de tre variablerna hittar du dina bästa kunder med en precision som inget demografiskt kriterium kan matcha. En dagligvarukedja med tiotusentals aktiva kunder kan ha en mycket liten grupp som står för en oproportionerligt stor del av omsättningen. Med RFM-segmentering i retail hittar du dem. Utan den behandlar du dem som alla andra.
De 5 segment som alla handlare bör känna till
Alla RFM-modeller använder inte samma skala. Du kan arbeta med poäng från 1 till 5, från 1 till 3, eller med kategorierna hög/medel/låg för varje variabel. Det viktiga är inte skalan, utan att segmenten du får fram går att agera på. De här fem har störst effekt för handlare som säljer i flera kanaler:
-
- Champions
De köpte nyligen, köper ofta och spenderar mycket. Det här är kunderna som redan älskar dig. Det vanligaste misstaget med det här segmentet är att ignorera dem för att ”de köper ändå på egen hand”. Det är precis den kund du behöver behandla bättre än alla andra: ta dem inte för givna. Åtgärd: tidig tillgång till nyheter, förstklassigt bemötande i butik, budskap om exklusivitet. Ingen obligatorisk rabatt.
-
- Riskkunder
De var tidigare bra kunder, frekventa och med högt värde, men har inte setts på ett tag. Recency har sjunkit. De minns dig fortfarande, men om du inget gör de närmaste veckorna glider de över till Vilande. Det här segmentet är det mest värdefulla att vinna tillbaka eftersom de redan har en historik hos dig. De vet vad du erbjuder och valde dig förut. Frågan är inte om de kan komma tillbaka, utan om du kommer ihåg att höra av dig innan det är för sent. Åtgärd: personlig återaktiveringskampanj baserad på deras verkliga köphistorik. ”Vi har inte sett dig på ett tag, här är det du köpte sist” konverterar långt bättre än en generell rabatt.
- Vilande kunder
Recency är mycket låg. De har inte köpt på många månader. Vissa går att vinna tillbaka, andra inte, och misstaget här är att lägga lika stor insats på alla. Innan du startar en storskalig återaktiveringskampanj är det värt att räkna ut om kostnaden för incitamentet motiveras av sannolikheten att vinna tillbaka kunden och kundens historiska värde. När det är värt att försöka: när det historiska värdet är högt och tidigare frekvens var bra. När det inte är det: när det var ett enstaka köp för två år sedan som aldrig upprepades.
- Lovande nya kunder
Första eller andra köpet nyligen, bra varukorgsvärde. Inget mönster är etablerat än, men signalen är god. Det här är segmentet där det andra köpet förändrar allt: den som köper två gånger har en betydligt högre sannolikhet att köpa en tredje gång. Åtgärd: välkomstkommunikation med värdefullt innehåll, introduktion till lojalitetsprogrammet om det finns ett och en konkret anledning att komma tillbaka inom de närmaste veckorna.
Segmentet som ingen aktiverar, och det med högst avkastning: Nästan-VIP
Nästan-VIP förtjänar ett eget avsnitt eftersom de är det mest lönsamma segmentet att aktivera och det som oftast förbises. Det är kunder med hög frekvens och bra monetärt värde vars recency har börjat försämras något. De är ett steg från att bli Riskkunder. Med rätt knuff (exklusiv tillgång, en nivåförmån, ett personligt budskap) blir de Champions. Utan knuffen faller de. Det är precis de kunder som lönar sig mest att fokusera på just nu: insatsen för att flytta upp dem till nästa nivå är lägre än insatsen för att vinna tillbaka en Vilande kund, och avkastningen i frekvens och snittorder är större. En modekedja som aktiverar det här segmentet med tidig tillgång till en ny säsongskollektion, utan rabatt, bara med känslan av att vara först, kan se en tydlig ökning av köpfrekvensen i gruppen under de följande veckorna. Kunden upplever inget erbjudande: hen upplever uppskattning. Åtgärd: program för nivåuppgradering, exklusivt budskap ”du är nästan på nästa nivå”, icke-monetär förmån som förstärker VIP-kundens identitet.
Så använder du RFM i praktiken: från data till handling
Att få RFM att fungera kräver inget projekt på flera månader. Det kräver fem steg som genomförs väl: Steg 1: Samla dina köpdata Du behöver en transaktionshistorik med datum, belopp och identifierad kund. Om du har både fysiska butiker och e-handel måste datan ligga i samma tabell. Om de är separata blir segmenten du får ofullständiga, och det blir även besluten du fattar utifrån dem. Steg 2: Definiera analysperioden RFM gäller inte för evigt. En kund som köpte för tre år sedan i en annan livssituation är inte längre samma kund. Det vanliga är att arbeta med de senaste 12 till 24 månadernas historik. Längre perioder förvränger bilden; kortare perioder ger inte tillräcklig volym för att mäta frekvens på ett tillförlitligt sätt. Steg 3: Poängsätt varje kund Tilldela varje kund en poäng för R, F och M. Den enklaste metoden är att dela in din bas i kvintiler för varje variabel, från 1 till 5, och kombinera de tre poängen. En 5-5-5 är din Champion. En 1-1-1 är kunden som sannolikt inte kommer tillbaka och som det inte är meningsfullt att jaga med dyra incitament. Steg 4: Tilldela åtgärder per segment och aktivera Det är ingen idé att beräkna RFM om resultatet bara ligger i ett kalkylblad. Varje segment behöver en tillhörande marknadsföringsåtgärd: vad som ska kommuniceras, när, i vilken kanal och med vilket budskap. Tabellen i nästa avsnitt ger dig hela kartan. Steg 5: Uppdatera regelbundet RFM är dynamiskt. En kund kan gå från Champion till Riskkund på bara några veckor om hen slutar köpa. Om din segmentering uppdateras en gång om året arbetar du med en föråldrad karta.
RFM-segmenteringstabell för retail
Upptäck de segment som ger störst effekt i retail och de konkreta åtgärder som hjälper dig att öka köpfrekvensen, kundlojaliteten och återaktiveringen.
| Segment | Recency | Frekvens | Värde | Profil | Nyckelåtgärd |
|---|---|---|---|---|---|
| Champions | Hög | Hög | Hög | Frekventa köpare, storspenderare, aktiva. | VIP utan rabatt. |
| Nästan-VIP | Medelhög | Hög | Hög | Börjar besöka butiken mer sällan. | Uppskattning. |
| Riskkunder | Låg | Hög | Medelhögt | Har slutat komma. | Återaktivering. |
| Vilande | Mycket låg | Varierande | Varierande | Inaktiva kunder. | Selektiv återerövring. |
Fullständig RFM-segmenteringstabell för retail
Vad som förändras när RFM beräknas automatiskt i realtid
Det största praktiska problemet med RFM-modellen är inte att förstå den, utan att hålla den uppdaterad. Ett segment som beräknats manuellt i ett kalkylblad är korrekt den dag du räknar fram det. Veckan efter har några av dina Champions köpt igen och är fortfarande Champions, men andra Riskkunder har glidit över gränsen till Vilande utan att någon märkt det. Kampanjen du lanserade utifrån den filen pratar inte längre med de kunder den borde nå. Dynamisk segmentering löser det. I stället för att räkna om manuellt utvärderar systemet kontinuerligt varje kunds beteende och flyttar kunden mellan segment automatiskt varje gång RFM ändras. En kund som gått tre veckor utan att köpa börjar tappa i recency. Om ingen kampanj startas för att behålla kunden fortsätter hen att falla. Om systemet upptäcker det i tid kan du aktivera en kommunikation innan det är för sent. Plattformar som Wapping beräknar RFM inbyggt och håller segmenten uppdaterade utan manuell hantering: segmenten uppdateras i realtid eller, för mer komplexa regler, varannan timme. När en Nästan-VIP-kunds recency börjar sjunka upptäcker systemet det automatiskt och marknadsteamet kan aktivera kampanjen utan att vänta på nästa dataexport och utan att öppna ett ärende till IT.
80 miljoner kunder hanteras i produktion
Plattformsdata visar en ökning på 20 % av snittordern (AOV) i merförsäljningskampanjer när rätt segment aktiveras vid rätt tillfälle. Med 80 miljoner kunder i produktion är de segment som Wapping beräknar inte teoretiska.
+20 %
snittorder (AOV) i merförsäljningskampanjer · aktiva detaljhandlare
Vill du se hur det fungerar med dina egna data: Begär ett samtal på 30 minuter →