Advanced
Search
  1. Home
  2. RFM Segmentasyonu Nedir?

RFM Segmentasyonu Nedir?

  • 14 Ocak 2021
  • 0 Likes
  • 230 Views
  • 0 Comments

Bu yazı, RFM Segmentasyonunun bir açıklamasını sağlar. Okuduktan sonra müşterilerinizi hızlı bir şekilde sıralamanıza ve önceliklendirmenize olanak tanıyan bu veri modelleme yöntemini daha iyi anlayacaksınız.

RFM Segmentasyonu nedir?

RFM Segmentasyonu, pazarlamacıların, kendi özel davranışlarıyla çok daha ilgili olan iletişimle belirli müşteri kümelerine odaklanmalarına, böylece çok daha yüksek yanıt yüzdelerinin yanı sıra artan sadakat ve müşteri yaşam boyu değeri üretmelerine olanak tanır. Özel muamele için müşteri gruplarını belirlemenin etkili bir yoludur.

RFM Segmentation kısaltması

RFM Segmentasyonu, Yenilik, Sıklıkve Parasal değer.

Yenilik

Müşterinin markayla olan en son faaliyeti veya işleminden bu yana ne kadar zaman geçti? Bazen başka varyasyonlar kullanılsa da, bu aktivite bir satın alma olabilir. Bunlar, bir web sitesine yapılan son ziyaret veya bir mobil uygulamanın kullanımı olabilir. Mesele şu ki, bir müşteri bir markayla ne kadar yakın zamanda etkileşime girerse veya ilgilenirse, markadan gelen iletişime yanıt verme olasılıkları o kadar artar.

Sıklık

Bir müşteri belirli bir dönemde markayla ne sıklıkla işlem yaptı veya etkileşimde bulundu? Sık sık faaliyet gösteren müşterilerin bir markayla yalnızca nadiren etkileşimde bulunan müşterilerden daha fazla etkileşimde olduğu ve muhtemelen daha sadık olduğu açıktır.

Parasal değer

Bu faktör, bir müşterinin belirli bir dönemde markaya ne kadar harcadığını gösterir. Büyük harcama yapanlara genellikle çok fazla harcama yapmayan müşterilerden farklı şekilde davranılmalıdır. Parasal değerin frekansa bölünmesi, müşterileri segmentlere ayırırken dikkate alınması gereken önemli bir ikincil faktör olan ortalama satın alma davranışını gösterir.

Pazarlamacılar genellikle satın alma geçmişi, göz atma geçmişi, önceki kampanya yanıt modelleri ve demografik bilgiler dahil olmak üzere mevcut müşterileri hakkında birçok veriye sahiptir. Bunlar, ilgili tekliflerle yaklaşılabilecek belirli müşteri gruplarını tanımlamak için kullanılabilir.

RFM Segmentasyonu öncelikle aşağıdaki üç nedenden dolayı kullanılır:

  • Yüksek kalitenin özlü ve bilgilendirici bir temsilini sağlayan nesnel, sayısal ölçekler kullanır.
  • Bu basit bir yöntemdir; pazarlamacılar, veri bilimcilerine veya gelişmiş yazılıma ihtiyaç duymadan bunu etkili bir şekilde kullanabilir.
  • Sezgiseldir; bu segmentasyon yönteminin çıktısının anlaşılması ve yorumlanması kolaydır.
  • Neden RFM segmentasyonu?

    RFM segmentasyonu, müşterileri hızlı bir şekilde kategorilere ayırmanıza ve sıralamanıza olanak sağladığından, ayrıca müşteri davranışını tanımlamanın çok etkili bir yoludur. RFM puanları, birçok yararlı müşteri segmenti oluşturmanıza olanak tanır. En iyi müşterilerinizin her üç boyutta da yüksek puanları vardır. Bunlar, yenilik ve parasal değer açısından iyi puan alan ama yakın zamanda satın aldıkları için sıklıkları daha düşük olan müşterilerdir. Öte yandan, “çalkalanan” müşteriler var. Bunlar, bir süredir hiçbir şey satın almadıkları için temelde kaybettiğiniz müşterilerdir. Sıklık ve parasal değer söz konusu olduğunda yüksek puanlar alırlar ama yenilikler düşüktür. Son olarak, muhtemelen hiçbir değeri olmayan, her üç boyutta da düşük puanlara sahip düşük değerli müşteriler var. Bu kullanıcıları filtreleyerek ve açma ve tıklama yüzdelerini iyileştirerek pazarlamadan tasarruf edebilirsiniz.

    RFM Segmentasyon analizi aşağıdaki soruları yanıtlar:

    • En iyi müşterilerim kimler?
    • Hangi müşteriler kaybetmek üzere?
    • Kim daha karlı müşterilere dönüşme potansiyeline sahip?
    • Çok fazla çaba göstermemeniz gereken kayıp müşteriler kimler?
    • Hangi müşterilere bağlı kalmalısınız?
    • Sadık müşterileriniz kimler?
    • Mevcut kampanyanıza en çok hangi müşteri grubu yanıt veriyor?

    RFM Segmentasyonuna Başlarken

    RFM Segmentasyon analizi, müşterileri satın alma işlemlerinin sıklığına ve değerine göre bölümlere ayırmanıza ve en çok para harcayan müşterileri belirlemenize olanak tanır.

    • Yenilik: ne kadar zaman önce bir müşteri sizden bir şey satın aldı?
    • Sıklık: bir müşterinin sizden ne sıklıkla satın aldığı.
    • Parasal değer: Müşterinin yaptığı satın alımların toplam değeri.

    Bu istatistikler, hangi müşterilerin sık sık çok şey satın aldığını, hangilerinin çok ama çok satın aldığını ve hangilerinin bir süredir hiçbir şey almadığını bilmek için müşterilerinizi gruplara ayırmanıza olanak tanır.

    Genel olarak konuşursak, müşterilerin yalnızca küçük bir yüzdesi genel tekliflere yanıt verecektir. RFM segmentasyonu, müşteri yanıtını tahmin etmek, etkileşimi geliştirmek ve kârı artırmak için mükemmel bir segmentasyon yöntemidir. RFM Segmentasyonu, her bir müşteri grubuna nasıl yaklaşmanız gerektiğini belirlemek için müşteri davranış verilerini kullanır.

    RFM segmentasyonu ve RFM analizini adım adım kullanma

    Burada, RFM segmentasyonuna yönelik adım adım bir yaklaşım izlenmektedir.

    RFM Segmentasyon Örneği

    Örnek müşteri kümesi analizi sonucu
    Aşağıdaki grafik, bir e-ticaret web sitesinin müşterileri için yapılan üç boyutlu bir küme analizinin sonucunu göstermektedir. Bu analiz, dört müşteri kişisinin keşfedilmesiyle sonuçlandı.
    Küme analizi yoluyla keşfedilen ayrı müşteri kişiliği, pazarlamacıların müşterilerini modellemelerine ve çok daha iyi etkinlik için pazarlama çabalarını kişiselleştirmelerine olanak tanır.

    İkinci RFM Segmentasyon Örneği

    RFM Segmentasyon modeli, bir müşterinin size bir şey satın almak için en son ne zaman geldiğini (yenilik), bir şeyi ne sıklıkla satın aldığını (sıklık) ve bu satın almaların değerinin (parasal değer) ne olduğunu belirleyen bir araçtır. Üç faktörün tümü, örneğin 1’den 5’e kadar bir ölçek kullanılarak puanlanabilir. A 1 düşük, 5 yüksek bir puandır. Temel olarak, 1’den 5’e veya 1’den 100’e kadar bir ölçek kullanmanız önemli değildir; müşterileri ve müşteri gruplarını ayırt edebildiğiniz sürece.

    Aşama 1

    Bir RFM Segmentasyon modeli oluştururken ilk adım, her müşteriye yenilik, sıklık ve parasal değerler atamaktır. Şirketin CRM veya işlem veritabanlarında anında bulunması gereken işlenmemiş veriler bir Excel elektronik tablosunda veya veritabanında toplanabilir:

    • Yenilik, müşterinin son işleminden bu yana geçen zamandır (günleri, aynı zamanda ayları, haftaları veya saatleri de kullanabilirsiniz.)
    • Sıklık, müşterinin gerçekleştirdiği (belirli bir dönem boyunca) toplam işlem sayısıdır.
    • Parasal değer, müşterinin tüm işlemlere harcadığı toplam tutardır (tanımlanan dönem boyunca).

    2. Adım

    İkinci adım, örneğin bir excel sayfası veya başka bir araç kullanarak müşteri listesini üç boyutun (R, F ve M) her biri için gruplara ayırmaktır. Müşterilerin her boyut için dört katmana bölünmesi önerilir, böylece her boyuttaki her müşteri bir katmana atanır:

    • Yenilik Sıklığı Parasal
    • R tier-1 (en yeni) F tier-1 (en sık) M tier-1 (en yüksek harcama)
    • R tier-2F-diagram-2 M-diagram-2
    • R-diyagramı-3 F-diyagramı-3 M-diyagramı-3
    • R katman-4 (en az yeni) F katman-4 (yalnızca bir işlem) M katman-4 (en düşük harcama)

    Bu durum 64 farklı müşteri segmenti (4x4x4) ile sonuçlanır. Üç katman kullanmak da mümkündür (27 segmentle sonuçlanır). Artan kullanım zorluğu daha yüksek ayrıntıya değmeyeceğinden dörtten fazla kullanılması tavsiye edilmez.

    Daha gelişmiş ve daha az manuel yaklaşımlar – K ortalamaları küme analizi gibi – yazılım kullanılarak gerçekleştirilebilir, bu da daha homojen özelliklere sahip müşteri grupları ile sonuçlanır.

    Aşama 3

    Üçüncü adım, temsil edildikleri RFM segmentlerine göre belirli iletişim türlerinin gönderileceği müşteri gruplarını seçmektir.

    İlginç bölümlere adlar atamak iyi bir fikirdir. Örnekler şunları içerir:

    • En iyi müşteriler – bu grup, R katman 1, F katman 1 ve M katman 1’de bulunabilen müşterilerden oluşur; bu, yakın zamanda işlem yaptıkları, sık işlem yaptıkları ve diğer müşterilerden daha fazla harcama yaptıkları anlamına gelir. Bu segmenti tanımlamanın daha kısa yolu 1-1-1’dir; bundan sonra bunu kullanacağız.
    • Çok harcayan yeni müşteriler – bu gruplar 1-4-1 ve 1-4-2 müşteriden oluşur. Bunlar, yalnızca bir işlemi olan ama yakın zamanda gerçekleşen ve çok harcayan müşterilerdir.
    • En düşük sadakate sahip aktif sadık müşteriler – bu grup 1-1-3 ve 1-1-5 segmentlerindeki müşterilerden oluşur (yakın zamanda işlem yapmışlar ve sık sık yaptırıyorlar ama en az harcıyorlar).
    • En iyi sadık eski müşteriler – bu segment 4-1-1, 4-1-2, 4-2-1 ve 4-2-2 gruplarındaki müşterilerden oluşur (sık işlem yaptılar ama uzun zamandır sonuncusu).

    Pazarlamacılar için, kendi özel iş hedefleri ve elde tutma hedefleri ile en alakalı grupları oluşturmaları çok önemlidir. Buna SMART pazarlama da denir

    4. adım

    Dördüncü adım aslında RFM segmentasyonunun ötesine geçiyor: her bir müşteri grubuna göre uyarlanmış kişisel mesaj oluşturma. RFM pazarlaması, belirli grupların davranış kalıplarına odaklanarak, pazarlamacıların müşterilerle çok daha etkili iletişim kurmasını sağlar.

    Ne düşünüyorsunuz?

    RFM segmentasyonunun açıklamasını biliyor musunuz veya ekleyeceğiniz bir şey var mı? Bu yöntemin hangi senaryolarda etkili olacağını düşünüyorsunuz?
    Bu teorinin pratik uygulamasına katkıda bulunan başarı faktörlerinin neler olduğuna inanıyorsunuz?

    Düşüncelerinizi ve bilginizi aşağıdaki yorum kutusunda paylaşabilirsiniz.

    Bu makaleyi beğendiyseniz, modeller ve yöntemler hakkındaki en son gönderiler için bültenimize kaydolabilirsiniz.

    Kaynakça

  • Kohavi, R. ve Parekh, R. (2004, Nisan). RFM segmentasyonunu görselleştirme. 2004 SIAM uluslararası veri madenciliği konferansı Bildirilerinde (s. 391-399).
    Endüstriyel ve Uygulamalı Matematik Derneği.
  • McCarty, JA ve Hastak, M. (2007). Veri madenciliğinde bölümleme yaklaşımları: RFM, CHAID ve lojistik regresyon karşılaştırması.
    İşletme araştırması dergisi, 60 (6), 656-662.
  • Miglautsch, JR (2000). RFM puanlaması üzerine düşünceler. Veritabanı Pazarlama ve Müşteri Stratejisi Yönetimi Dergisi, 8 (1), 67-72.
  • Yang, AX (2004). RFM segmentasyonuna yeni yaklaşımlar nasıl geliştirilir. Pazarlama için Hedefleme, Ölçme ve Analiz Dergisi, 13 (1), 50-60.
    • Share:

    Leave Your Comment