Analiza RFM

Analiza RFM to metoda segmentacji klientów oparta na ich rzeczywistych zachowaniach zakupowych: świeżości ostatniego zakupu, częstotliwości transakcji i wartości wydatków. Segmentacja RFM pomaga rozpoznać klientów najbardziej aktywnych, wartościowych, zagrożonych odejściem lub wymagających ponownego zaangażowania.

Co to jest analiza RFM?

Analiza RFM jest techniką analityczną stosowaną w marketingu, CRM, e-commerce i badaniach rynku do klasyfikowania klientów na podstawie historii zakupów. Nazwa pochodzi od trzech angielskich wymiarów: Recency, Frequency i Monetary. Każdy z nich opisuje inny aspekt relacji klienta z marką.

Segmentacja RFM opiera się na założeniu, że zachowania z przeszłości mogą być użyteczną przesłanką dla oceny bieżącej wartości klienta i prawdopodobieństwa jego przyszłej aktywności. Metoda nie prognozuje automatycznie przyszłych zakupów, ale porządkuje bazę klientów według wskaźników istotnych dla działań retencyjnych, sprzedażowych i badawczych.

Trzy podstawowe wymiary analizy RFM obejmują:

• Recency – czas, jaki upłynął od ostatniego zakupu lub innej istotnej interakcji transakcyjnej. Krótszy czas zwykle oznacza wyższe bieżące zaangażowanie klienta.
• Frequency – liczbę zakupów wykonanych w przyjętym okresie analizy. Wysoka częstotliwość może wskazywać na nawyk zakupowy, lojalność lub intensywne korzystanie z oferty.
• Monetary – wartość zakupów klienta. Najczęściej uwzględnia się przychód, lecz w części branż trafniejsze jest stosowanie marży lub wartości netto po zwrotach.

W praktyce każdemu klientowi przypisuje się wynik dla każdego wymiaru, na przykład poprzez podział bazy na grupy o podobnych wartościach wskaźników. Następnie wyniki łączy się w kod RFM, który pozwala budować segmenty, takie jak aktywni klienci o wysokiej wartości, nowi nabywcy z potencjałem rozwojowym, klienci okazjonalni czy osoby nieaktywne od dłuższego czasu.

Analiza RFM ma charakter ilościowy, ponieważ bazuje na danych transakcyjnych i behawioralnych. W badaniach rynku zyskuje dodatkową wartość po połączeniu z danymi deklaratywnymi, dotyczącymi potrzeb, satysfakcji, motywów wyboru marki, wizerunku lub barier zakupowych.

Zastosowanie analizy RFM w praktyce

Analiza RFM jest stosowana przez zespoły marketingu, CRM, sprzedaży, e-commerce, customer experience oraz analityków danych. Jej podstawowym celem jest różnicowanie komunikacji i działań wobec klientów, zamiast kierowania identycznego przekazu do całej bazy.

W praktyce segmentacja RFM może wspierać między innymi:

• dobór grup do kampanii utrzymaniowych i reaktywacyjnych,
• identyfikację klientów o wysokim potencjale do programów lojalnościowych,
• planowanie ofert dosprzedażowych i sprzedaży produktów uzupełniających,
• ocenę zmian w strukturze bazy klientów w czasie,
• dobór respondentów do badań deklaratywnych lub jakościowych,
• analizę skuteczności działań CRM w różnych grupach klientów.

W handlu detalicznym analiza RFM pozwala oddzielić klientów regularnie kupujących od osób, które dokonały jednorazowego zakupu podczas promocji. W e-commerce może wspierać automatyzację komunikacji po zakupie, przypominanie o produktach kupowanych cyklicznie albo działania kierowane do klientów, którzy przestali odwiedzać sklep. W sektorze B2B segmentacja RFM bywa wykorzystywana do klasyfikacji kont według aktywności zamówieniowej, wartości współpracy i ryzyka osłabienia relacji handlowej.

Istotnym zastosowaniem badawczym jest łączenie segmentów RFM z badaniem deklaratywnym. Klientom przypisanym do różnych segmentów można zadawać te same pytania dotyczące satysfakcji, lojalności, postrzeganej jakości, cen lub powodów ograniczenia zakupów. Dzięki temu można sprawdzić, czy klienci o wysokiej wartości różnią się od klientów nieaktywnych nie tylko zachowaniem, ale także potrzebami, oceną marki i deklarowaną gotowością do dalszej współpracy.

Przykładowo, długi czas od ostatniego zakupu może wynikać z niezadowolenia, zmiany potrzeb, problemów z dostępnością produktu albo naturalnej sezonowości zakupów. Same dane transakcyjne nie wyjaśniają przyczyny. Badanie ankietowe lub wywiady pogłębione pozwalają interpretować wzorce wykryte przez analizę RFM i projektować działania adekwatne do rzeczywistych barier.

Analiza RFM a powiązane metody

Analiza RFM należy do metod segmentacji behawioralnej. Różni się od segmentacji demograficznej, geograficznej czy psychograficznej tym, że klasyfikuje klientów na podstawie zarejestrowanych zachowań zakupowych, a nie cech społeczno-demograficznych, lokalizacji lub deklarowanego stylu życia.

Segmentacja RFM może być łączona z innymi narzędziami analitycznymi. Szczególnie istotne są następujące powiązania:

• CLV, czyli Customer Lifetime Value – analiza RFM opisuje dotychczasową aktywność klienta, natomiast CLV służy do szacowania jego wartości w całym przewidywanym okresie relacji z marką. Wysoki wynik Monetary nie zawsze oznacza wysokie CLV, zwłaszcza gdy zakupy były jednorazowe lub koszt obsługi klienta jest wysoki.
• Analiza churnu – RFM pomaga wskazywać klientów potencjalnie zagrożonych odejściem, szczególnie gdy spada świeżość lub częstotliwość zakupów. Model churnowy idzie dalej, ponieważ wykorzystuje różne zmienne do oszacowania prawdopodobieństwa rezygnacji.
• Analiza kohortowa – kohorty grupują klientów według momentu pozyskania lub pierwszego zakupu. Analiza RFM klasyfikuje ich według aktualnej aktywności. Połączenie obu podejść pokazuje, jak zachowują się klienci pozyskani w różnych okresach.
• Badania satysfakcji i lojalności – wyniki ankiet, wskaźniki rekomendacji i oceny doświadczenia klienta mogą wyjaśniać różnice między segmentami RFM.

Analiza RFM nie powinna być traktowana jako pełny obraz klienta. Nie uwzględnia automatycznie kosztów pozyskania i obsługi, kanału zakupu, kategorii produktów, sezonowości, zwrotów ani przyczyn zachowań. Jej siłą jest prostota i użyteczność operacyjna, natomiast pełniejsza interpretacja wymaga zestawienia danych transakcyjnych z danymi marketingowymi oraz wynikami badań klientów.

Jak przeprowadzić analizę RFM klientów?

Odpowiedź na pytanie, jak przeprowadzić analizę RFM klientów, wymaga przede wszystkim ustalenia celu biznesowego i zakresu danych. Inne kryteria będą właściwe dla sklepu internetowego z częstymi zakupami, a inne dla firmy B2B realizującej rzadkie, wysokowartościowe zamówienia.

Proces analizy RFM zwykle obejmuje kilka etapów:

1. Przygotowanie danych transakcyjnych – konieczne są co najmniej identyfikator klienta, data transakcji i wartość zakupu. Dane należy oczyścić z duplikatów, anulowanych zamówień, zwrotów oraz błędów identyfikacji.
2. Ustalenie okresu analizy – okres powinien odpowiadać cyklowi zakupowemu. Przy zakupach sezonowych zbyt krótki horyzont może błędnie klasyfikować aktywnych klientów jako nieaktywnych.
3. Obliczenie wskaźników R, F i M – dla każdego klienta wyznacza się czas od ostatniego zakupu, liczbę transakcji oraz wartość zakupów w analizowanym okresie.
4. Nadanie punktów i budowa segmentów – wyniki można podzielić według kwantyli, progów biznesowych albo reguł opartych na specyfice kategorii. Kluczowe jest zachowanie spójnej logiki klasyfikacji.
5. Interpretacja i walidacja – segmenty należy porównać z dodatkowymi danymi, takimi jak kanał pozyskania, kategoria zakupów, historia kontaktów czy wyniki badań deklaratywnych.

Dobrze przeprowadzona analiza RFM powinna prowadzić do konkretnych decyzji, a nie wyłącznie do utworzenia etykiet segmentacyjnych. Warto określić, jakie działania będą kierowane do poszczególnych grup, jak zostanie oceniona ich skuteczność oraz czy segmentacja powinna być aktualizowana cyklicznie. W projektach mixed-methods analiza RFM może stanowić punkt wyjścia do doboru respondentów i pogłębienia wiedzy o tym, dlaczego klienci zachowują się w określony sposób.