Segmentacja RFM za pomocą Excela

Analiza RFM jest prawdopodobnie najpopularniejszym sposobem segmentacji bazy klientów, która pozwala na odpowiednie dobieranie działań sprzedażowych. Jest ona obecnie oferowana jako usługa przez wiele firm i systemów, jednak jej założenia są na tyle proste, że możemy ją zrobić samodzielnie, korzystając z arkuszy kalkulacyjnych. W tym artykule przyjrzymy się temu, jak robić to w programie Microsoft Excel.

Dla kogo jest to rozwiązanie?

RFM pozwala zidentyfikować różne grupy klientów w bazie przez nadanie im numerycznego scoringu w trzech wymiarach: daty ostatniej transakcji (recency), częstotliwości transakcji (frequency) i sumy wydanych środków (monetary). W klasycznej wersji RFM tworzy 125 szczegółowych segmentów o wartościach od 111 do 555.

Od razu można zwrócić uwagę, że RFM jest skierowane do firm z bazami klientów przekraczającymi rząd wielkości setek i prowadzących powtarzalną sprzedaż. Jeżeli mamy dwustu klientów z miesięcznymi abonamentami, to ta segmentacja nie będzie dla nas przydatna. Przy mniejszej liczbie klientów można zastosować, np. skalę czterostopniową, która stworzy nam nie 125, ale 64 segmenty, natomiast przy sprzedaży ciągłej (np. subskrypcji) zdecydowanie ważniejsze, niż data ostatniej transakcji, będzie zaangażowanie klienta w usługę, np. data ostatniego logowania.

Segmentacja RFM jest niezwykle użytecznym narzędziem przy planowaniu działań sprzedażowych i marketingowych, ponieważ pozwala określić m.in.:

• którzy klienci są najbardziej lojalni;
• którzy klienci mogą przynieść więcej przychodu;
• z którymi klientami warto skontaktować się w pierwszej kolejności;
• do których klientów należy zwrócić się z propozycją rabatu.

Szef sprzedaży na podstawie scoringu RFM klientów może ewaluować przypisanych do nich pracowników albo też decydować o podziale leadów, np. klient o scoringu 221 może zostać przydzielony mniej doświadczonemu pracownikowi w ramach wdrożenia – ze względu na datę ostatniej transakcji (R=2) możemy go uznać za prawie straconego. Co prawda suma wydanych środków (M=1) wskazuje na małą potencjalną wartość dla firmy, niemniej częstotliwość (F=2) wskazuje, że zakupy klienta nie były przypadkowe, więc jest szansa, że nasza usługa lub produkt rzeczywiście zaspokajały jego potrzeby.

Jak wyznaczyć wartości osi?

Wyznaczenie wartości, według których będziemy dzielili bazę, jest właściwie dowolne. Jeśli jednak zdecydujemy się na ich wymyślenie na podstawie naszego przeczucia, np. „moi najlepsi klienci to ci, którzy sumarycznie zapłacili 1000 zł i zrobili zakupy w ciągu ostatniego miesiąca” – ryzykujemy, że analiza nic nowego nie powie o naszej bazie klientów. Warto oprzeć się tutaj na automatycznym dzieleniu bazy według wartości procentowych, czy ściślej – percentyli.

W tym modelu proponuję podział osi na pięć równych części w trzech wymiarach. Dwudziestoprocentowe odstępy w każdym wymiarze gwarantują, że otrzymane segmenty nie będą zbyt małe ani zbyt duże, więc będą użyteczne.