Analiza RFM - poznaj swoich klientów

24 grudzień 2014 Written by 
Published in Artykuły

 

 

Analiza RFM - poznaj swoich klientów

 

 

O analizie RFM powiedziano już prawie wszystko. Oprócz tego, co warto: jak ją wdrożyć w realiach przeciętnej firmy.  Spróbujmy to szybko nadrobić.

Najpierw  przypomnijmy sobie, do czego zwykło się używać tej analizy. Klasyczne zastosowanie dotyczy segmentacji klientów w celu przewidywania ich przyszłych zachowań. ( http://en.wikipedia.org/wiki/RFM )

Zakładamy, że kolejnego zakupu dokonają raczej ci klienci, którzy kupili coś niedawno, którzy dokonują zakupów z większa częstotliwością  i którzy kupują dużo niż kupujący rzadko, mało i dawno. Statystycznie to się powinno sprawdzić.

Skrót RFM oznacza:

  • Recency (świeżość)– jak dawno temu klient dokonał ostatniego zakupu?
  • Frequency (częstotliwość)– jak często kupował?
  • Monetary Value (wartość)– jak dużo zapłacił?

Dla wszystkich klientów wyliczamy powyższe wartości i szeregujemy w obrębie każdego kryterium rosnąco. Następnie dzielimy szeregi na 5 równych części. Do klientów każdej z grup przypisujemy wartości od 1 do 5. Istnieją również alternatywne sposoby podziału.

Wyniki czytamy następująco:

Klient, któremu przypisano wartości R=5, F=5, M=% dokonał ostatniego zakupu niedawno, kupował często i na dużą łączną kwotę. Odwrotnie klient o wartościach 1,1,1.

Wyodrębnienie klientów o wysokich wartościach R, F i M pozwala stworzyć wiarygodną bazę planowania. Zakładamy bowiem, że ci klienci raczej nie zmienią swoich zachowań w przyszłości. Tyle ma do powiedzenia teoria.

Wydaje się jednak, że analiza RFM  padła ofiarą nieefektywnych metod wizualizacji i jest przez to bardzo niedoceniona. Jeśli przyjrzymy się segmentacji RFM z bliska, używając dobrego narzędzia do wizualizacji, odkryjemy zaskakujące zasoby  cennych informacji.

Okazuje się, że klienci o skrajnych i przeciwnych wartościach R, F i M powinni się stać szczególnym obiektem zainteresowania.  Jeśli ktoś kupował dużo i często a ostatnio nie kupił nic (R=1-3,  F=4-5, M=4-5), to jest duże prawdopodobieństwo, że właśnie tracimy ważnego klienta. To sygnał, który powinien uruchomić natychmiastową reakcję.

Jeśli z kolei, ktoś kupuje dużo, ale rzadko (F=1-3, M=4-5), to być może warto zachęcić go do częstszych zakupów promocją?

Możemy tu sformułować jeszcze kilka złotych myśli, ale tak naprawdę wzorce zachowań klientów są specyficzne dla każdego biznesu i zależą co najmniej od branży, kanału dystrybucji i lokalizacji. I to właśnie wymusza elastyczne metody analizy. O ile wnikliwy analityk łatwo odkryje użyteczne reguły, ich praktyczne wykorzystanie bywa kłopotliwe. Tu może nam przyjść z pomocą nowoczesny system BI, który pozwoli nam manipulować wynikami w sposób graficzny.

Przepis na efektywną analizę RFM jest więc bardzo prosty. Wystarczą 2 składniki: dobry programista SQL i przyjazny program do wizualizacji.  Zdolny programista wyciągnie wszystkie dane z systemu źródłowego jednym zapytaniem, mniej zdolny kilkoma.  Dobre narzędzie do wizualizacji, np. Tableau pozwoli na stworzenie dynamicznego pulpitu takiego jak ten:

Oczywiście możemy posłużyć się arkuszami Excel, ale miernej jakości efekt nie jest wart poświęconego czasu. Idąc za ciosem, excelowym tradycjonalistom równie dobrze moglibyśmy polecić kalkulator i komplet kredek. Pamiętajmy, że najgroźniejszym i niewidzialnym zabójcą rozwiązań BI jest niska ergonomia.

Od strony technicznej rozwiązanie nie jest trudne. Jako dane wejściowe wystarczy tabela z kilkoma kolumnami:

  • Symbol kontrahenta
 
  • Data ostatniego zakupu
 
  • Liczba transakcji sprzedaży w zadanym okresie
 
  • Łączna wartość transakcii w zadanym okresie

Badany okres to zwykle cała historia transakcji. Zakładamy, że dobry system BI umożliwi nam również podłączyć do tej tabeli całą historię zakupów kontrahenta już na etapie analizy.

Jeśli używamy języka SQL w wersji T-SQL wykorzystanie funkcji analitycznych pozwoli nam uzyskać tabelę wynikową za pomocą jednego prostego zapytania (osoby zainteresowane szczegółami proszone o kontakt z autorem Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.).

 

RFM Dashboard

O sukcesie wdrożenia analizy RFM decyduje elastyczność narzędzia, którego użyjemy do wizualizacji. Przedstawiony przykład opracowany w Tableau pozwala na swobodny i szybki wybór segmentów przez zaznaczanie obszaru myszką lub wielokrotny wybór Cntrl+Click. Jeszcze łatwiejszym sposobem wyboru segmentów jest użycie predefiniowanej listy – kategorii kontrahentów, np. Utraceni, Wymagający interwencji, Rokujący itp.Ranking klientów można sortować nie tylko w kolejności RFM, ale również po dowolnej kombinacji tych 3 kryteriów (RFM, RMF, FRM itd.).  Chcąc sprawdzić historię transakcji wybranego klienta, wystarczy go wybrać z listy i kliknąć link „Historia Klienta”

Wszystkie obiekty na pulpicie są powiązane w sposób dynamiczny, co pozwala na szybkie filtrowanie informacji.

W efekcie pulpit jest elastyczny, pozwala zmieniać warunki analizy w sposób bardzo szybki i odczytywać wyniki jednym rzutem oka, a w razie potrzeby drążyć dane do dowolnego poziomu szczegółowości. W ten sposób,  jedno proste rozwiązanie realizuje kilka klasycznych zadań stawianych przed pulpitami: Monitorowanie, Analiza i Drążenie Danych.

© Wojciech Szyprowski, PMP

 

Read 10569 times Last modified on środa, 24 grudzień 2014 15:45
Rate this item
(1 Vote)

Leave a comment

Make sure you enter the (*) required information where indicated. HTML code is not allowed.

O nas

Jesteśmy grupą niezależnych konsultantów i twórców rozwiązań informatycznych w obszarze ERP, BI, CRM, BPMS i B2B.

Dane kontaktowe

Adres:
02-078 Warszawa,
Tel:
ul. Krzywickiego 2/1
Tel:
+(48) 22 666 97 71
Kom.:
+(48) 502 728 001
Kom.:
+(48) 604 586 470
E-Mail:
Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.
Website:
www.quereo.pl

Galeria

JoomShaper