Alla kunder är inte lika mycket värda. Trots detta behandlar många företag alla sina Kunddatabas dvs.: Ni skickar ut ett nyhetsbrev med en kupong med samma frekvens till alla.
RFM-kundsegmentering är en beprövad modell för att skapa klarhet i detta. Det krävs ingen avdelning för datavetenskap, utan endast tre värden från din köphistorik.
I det här inlägget får du den fullständiga logiken, ett räkneexempel och elva konkreta segment med lämpliga åtgärder.
Vad RFM-segmentering är
RFM står för tre klassiska dimensioner av köpbeteendet: Recency, det vill säga hur många dagar som har gått sedan det senaste köpet, Frequency, det vill säga hur ofta köp har gjorts under en definierad tidsperiod, och Monetary, det vill säga hur stor omsättning personen har genererat. Varje person får ett betyg mellan 1 och 5 för varje dimension.
Varför det fungerar
Recency visar hur aktiv relationen är. Frequency visar hur djup den är. Monetary visar hur värdefull den är. Det är först kombinationen av dessa som ger en fullständig bild. En person med högt Monetary-värde men lågt Recency-värde är ett akut fall som kräver återvinning.
Poängberäkning: Så här beräknar du R, F och M
Målet är att skapa en skala för varje dimension. För detta använder du kvintiler, det vill säga du delar upp den totala mängden i fem lika stora grupper. De 20 bästa %-kunderna får poäng 5, de sista 20 %-kunderna får poäng 1. Detta gäller lika för Recency (antal dagar sedan senaste köpet), frekvens (antal köp under 12 månader) och belopp (omsättning under 12 månader) på samma sätt.
Beräknings exempel: Ett litet bageri med 500 kunder
| Kund | Senaste köp (dagar) | Inköp de senaste 12 månaderna | Omsättning 12M | RFM |
|---|---|---|---|---|
| Anna | 3 | 48 | 720 € | 555 |
| Bernd | 12 | 14 | 180 € | 432 |
| Clara | 78 | 3 | 45 € | 211 |
| Daniel | 220 | 8 | 220 € | 123 |
| Elena | 5 | 6 | 510 € | 524 |
Redan utifrån dessa fem exempel kan du se: Anna är en stamkund, Bernd är lojal, Clara är ombytlig, Daniel är en kandidat för återvinning och Elena är en sällsynt men mycket värdefull kund.
De 11 viktigaste RFM-segmenten
| Segment | Betydelse | Rekommenderad åtgärd |
|---|---|---|
| Mästare | Kära kunder: frekventa, aktuella, värdefulla | Exklusiva förmåner, VIP-behandling |
| Trogna kunder | Regelbundet aktiv, högt värde | Incitament för vidarerekommendationer |
| Potentiellt lojala | Nya, men köpvilliga | Uppmaning till ett andra köp |
| Nya kunder | Nyligen köpt, lite data | Welcome-serien |
| Lovande | Hög initialbonus, potential | Snabbt korsförsäljningserbjudande |
| Behöver uppmärksamhet | Medelmåttigt, ostadigt | Personliga påminnelser |
| Innan utflyttningen | Högt värde, minskande aktivitet | En stark drivkraft för att behålla personalen |
| Kunder med hög risk | Inte särskilt aktiv, medelvärde | Återvinning av mjukvara |
| En gång var det toppen, nu är det tyst | Tidigare aktiv, nu inaktiv | Intensiv återvinning |
| Sovande | Länge inaktiv, tidigare måttlig | Fyrstegsåtervinning |
| Förlorade | Har varit inaktiv under mycket lång tid, av lågt värde | En engångsimpuls, sedan passivering |
Från data till åtgärder
De bästa kunderna genererar ofta en oproportionerligt stor del av omsättningen. VIP-förmåner, tidig tillgång och uppmaningar att rekommendera tjänsten är bra, men undvik att översvämma kunderna med kuponger. Den största tillväxtpotentialen finns hos lojala och potentiellt lojala kunder. Här lönar det sig att fira milstolpar och uppgradera programmen.
För nya kunder är välkomstfasen avgörande för om de intresserade blir stamkunder – här kan det här inlägget vara till hjälp Välkomstkampanj: 7 nyheter. Den som står inför en utflyttning behöver en väl genomtänkt Winback-flöde. Inaktiva och förlorade kontakter kräver tydliga beslut: antingen engångsaktivering eller passivering.
Vanliga fel vid RFM
- Börja med för fin kornstorlek: 125 segment är ohanterligt, hellre 8 till 12 grupper med tydliga åtgärder.
- Frysa poängsättningen: En månatlig uppdatering är det minsta kravet.
- Endast monetära mått: Den som bara fokuserar på omsättningen förlorar ofta sina ombytliga kunder.
- Segment utan åtgärder: Den som skapar segment men inte kopplar dem till någon kampanj slösar bort sin tid och energi.
- För liten datamängd: Om historiken sträcker sig över mindre än 3 månader blir RFM osäker.
KPI: Så mäter du framgången
Följ regelbundet värdet per segment, förflyttningarna mellan segmenten per månad, svarsfrekvensen per segment samt andelen ”champions” och ”lojala” över tid. Läs mer i artikeln Mäta kundlojalitet, och hur du tekniskt sett använder resultaten i systemet beskrivs i inlägget om Användning av CRM för kundlojalitet.
Sammanfattning
RFM-segmentering är det enklaste sättet att komma igång med verklig kundsegmentering, och ändå ett av de mest effektiva. Tre värden, fem nivåer, elva segment: På så sätt kan kommunikationen styras mer precist och marginalen skonas.
Den viktigaste tanken: Segment är inte ett mål i sig. Den som använder RFM för att äntligen avgöra vem som ska få vilket meddelande skapar relationer utifrån data.
Vanliga frågor
Hur många kunder behöver jag minst för att RFM ska fungera?
RFM ger tillförlitliga resultat när man har cirka 300 till 500 aktiva kontakter. Med mindre datamängder blir kvintilerna för små, vilket gör att enskilda avvikelser får en oproportionerligt stor inverkan. Om databasen är mindre kan du börja med en 3×3×3-variant och bara skapa 5 till 6 huvudsegment.
Hur ofta bör jag räkna om segmenten?
En gång i månaden är standard. Inom branscher med mycket korta köpcykler, som bageri eller kaffe, kan det även vara lämpligt att göra det en gång i veckan. Om uppdateringen sker mer sällan än en gång i månaden förlorar RFM sin effekt, eftersom förändringar mellan segmenten inte upptäcks. Det är viktigt att uppdateringen sker automatiskt.
Behöver jag ett särskilt verktyg för RFM?
Inte nödvändigtvis. Beräkningen kan genomföras i vilket CRM-system som helst eller i ett kalkylblad, så länge köphistoriken är korrekt kopplad. Många moderna lojalitets- och CRM-system har redan inbyggd RFM-logik. Skillnaden ligger oftast inte i beräkningen, utan i aktiveringen: Hur snabbt kan du skapa en automatiserad kampanj utifrån segmentet?
Vad ska jag göra om jag inte har försäljningsdata per köp?
I det första steget körs RFM då endast som en RF-modell med Recency och Frequency. Det är en acceptabel förenkling om ditt kassasystem inte vidarebefordrar enskilda belopp. Du förlorar visserligen djupet i värdedimensionen, men får ändå en bra bild av aktivitet och lojalitet. På medellång sikt lönar det sig att lägga till omsättningen via en POS-integration.
Hur skiljer sig RFM från andra segmenteringsmodeller?
RFM är beteendebaserat och retrospektivt; det beskriver vad kunderna har gjort hittills. Andra modeller, såsom demografisk eller psykografisk segmentering, visar vilka kunderna är. Segmenteringen blir mest effektiv när båda metoderna kombineras, men för uppstarten och det operativa arbetet är RFM oftast det mest praktiskt användbara verktyget.
Hur integrerar jag RFM i mina kampanjer?
Tre steg: Synliggöra segment i CRM-systemet, rikta kampanjer mot segment istället för mot alla, och bygga automatiserade flöden så att de följer olika vägar beroende på segment. Ett exempel: Födelsedagsflödet skickar en mer värdefull present till lojala kunder än till kunder som har fallit bort. Det ökar relevansen och sparar samtidigt marginalen.
Vad ska man göra om en kund förekommer i flera kritiska segment?
Det kan hända, till exempel när en kund är på väg att lämna företaget och samtidigt är målgrupp för en produktlansering. Kampanjen som är mest relevant för kundens aktuella status har alltid högsta prioritet. En kund som är på väg att lämna företaget bör inte få ett allmänt produktnyhetsbrev, utan frågan om kundbehållning bör först ha klargjorts.
