ANALISI RFM. Recency Frequency - Monetary. Ijjou Akentour

Transcript

1 ANALISI RFM Recency Frequency - Monetary Ijjou Akentour

2 Cos è L analisi RFM è una tecnica utilizzata per scopi di targeting, permette infatti di identificare e classificare i clienti esistenti con l obiettivo di progettare azioni di marketing mirate, ottimizzando così le proprie risorse e sforzi. Questa analisi permette quindi di segmentare i clienti individuando i più profittevoli ed investendo su questi più risorse rispetto a quelli che invece garantiscono minori probabilità di ritorno. Secondo questa tecnica i clienti vengono classificati sulla base di 3 variabili: recentezza, frequenza e valore monetario.

3 Recency - Frequency - Monetary Value Recency: I clienti che hanno effettuato un acquisto più recentemente, effettueranno con probabilità più alta un altro acquisto, rispetto ai clienti che hanno effettuato acquisti in date meno recenti. Frequency: i consumatori che hanno fatto acquisti più frequenti avranno una propensione maggiore a riacquistare rispetto a quelli che hanno acquistato con minor frequenza. Monetary: I consumatori che mediamente spendono di più avranno una probabilità maggiore ad investire di più per i nostri prodotti rispetto a quelli che hanno speso di meno in passato.

4 Raccolta dei dati Vendita diretta Questi dati sono facilmente reperibili se si dispone di carte fedeltà. Queste infatti permetteranno innanzitutto di identificare il cliente che ha acquistato, grazie ai dati anagrafici che gli sono stati richiesti per il suo rilascio. Inoltre la carta fedeltà permetterà di registrare ogni acquisto effettuato, ottenendo così informazioni utili quali data dell ultimo acquisto (recentezza), frequenza con la quale acquista nel tuo negozio oppure individuare la tipologia di prodotto che acquista con maggior frequenza. Il totale di ciascuno scontrino permette inoltre di quantificare quanto il nostro cliente spende per i nostri prodotti (valore monetario).

5 Raccolta dei dati E-commerce Disporre di un sito e-commerce dà la possibilità di raccogliere utilissimi dati sui tuoi clienti o potenziali clienti. È possibile infatti, previa registrazione sul vostro portale web, determinare quanto recentemente un vostro cliente abbia visitato oppure acquistato sul vostro sito, oppure determinare quante volte abbia visitato (frequenza) il vostro portale o visto i dettagli di uno specifico prodotto. È possibile, inoltre, determinare l ammontare del suo carrello medio. Valori alti di questi indicatori ci permettono di fare una segmentazione della nostra clientela ed individuare quindi i clienti più profittevoli e quelli meno profittevoli.

6 Classificazione dei dati Una volta raccolti i dati il passo successivo è quello di inserirgli in un foglio di lavoro come ad esempio Excel, fogli google, ecc. I dati raccolti che servono per l analisi RFM sono per ciascun consumatore la data dell ultimo acquisto, ammontare della spesa media e frequenza degli acquisti. È molto importante disporre di altri dati come ad esempio mail, telefono, indirizzo, sesso, data di nascita questo per realizzare campagne di marketing mirate.

7 RFM CON EXCEL L applicazione del punteggio RFM per ciascun cliente presente sul nostro database richiede una serie di ponderazioni per ciascuna variabile considerata: Recentezza dell acquisto Frequenza di acquisto Valore monetario degli acquisti Ponderazione delle variabili RFM 20 per acquisti effettuati entro gli ultimi 3 mesi 10 per un acquisto effettuato entro gli ultimi 6 mesi 5 punti per un acquisto effettuato entro gli ultimi 9 mesi 3 punti per un acquisto effettuato entro gli ultimi 12 mesi 1 punto per un acquisto effettuato entro gli ultimi 24 mesi Numero di acquisti effettuati entro gli ultimi 24 mesi ponderati moltiplicando per 4 il numero di tali acquisti, fino ad un valore massimo di 20 10% del valore totale degli acquisti effettuati negli ultimi 24 mesi, fino ad un valore massimo di 20. Recency: 5 Frequency: 3 Monetary: 2

8 Una volta ponderati i dati delle variabili con i pesi riportati sopra è possibile ottenere la seguente tabella di valori. Il consumatore che otterrà il punteggio più alto dalla somma delle valutazioni ponderate espresse per recentezza frequenza e valore monetario, che corrisponde all ultima colonna della tabella sarà quello più profittevole e sul quale quindi conviene investire in campagne promozionali. Un altra possibilità è quella di assegnare una valutazione per ciascuna variabile considerata da 1 a 5 dove 5 corrisponde alla valutazione più alta. I consumatori che avranno ottenuto somme di queste valutazioni più alte saranno quelli più fedeli.

9 RFM CON SPSS Una volta preparato il dataset in cui devono essere presenti le variabili: data dell ultimo acquisto, ammontare della spesa media, frequenza degli acquisti si carica il file di dati sul software statistico Spss. ID SESSO DATA DI NASCITA FREQUENZA DATA ULTIMO AMMONTARE ACQUISTI ACQUISTO MEDIO SPESO (MENSILMENTE) Sergio Rossi M 11/12/ /01/ Sara Bianchi F 31/10/ /12/ Luigi Sforza M 05/06/ /10/ Cistina Perez F 02/05/ /10/ Sofia Bianchi F 02/07/ /02/ Marco Ambrosio M 07/10/ /03/ Sergio Pastore M 03/08/ /10/ Gianluca Mancini M 01/01/ /09/ Franca Filippi F 09/02/ /11/ Bijjou Natural F 02/01/ /12/

10 Una volta caricati i dati controllare che le variabili abbiano la giusta scala di misura e se necessario assegnare valori numerici ad eventuali modalità delle variabili ad esempio 1 = F, 2=M.

11 Successivamente selezionare la tipologia di dati nel nostro caso dati clienti. In quanto per ciascuna riga abbiamo le informazioni riguardanti uno specifico cliente. Nella barra degli strumenti selezionare la voce Direct marketing. Nella finestra che compare selezionare prima opzione che corrisponde ad analisi RFM.

12 Successivamente inserire le variabili richiese negli appositi spazi riportati a fianco che corrispondono a: Data o intervallo di transazione: recentezza Numero di transazioni: frequenza Importo: valore monetario

13 L output che si otterrà sarà composto da quattro punteggi per ogni cliente: Recency_score, Frequency_score, Monetari_score e RFM_score cioè i tre singoli punteggi concatenati in un solo valore. I clienti migliori, quelli che più probabilmente rispondono a un offerta, sono quelli con i punteggi RFM combinati più alti.