RFM-analyse: identificeer welke klanten het waard zijn
Een groeistrategie kan gefocust zijn op het overtuigen van nieuwe klanten om voor jouw product of dienst te kiezen. Aan de andere kant loont het om het bestaande klantenbestand aandachtig te analyseren om deze groep beter te bedienen. In deze blog wordt het traditionele concept van de RFM-analyse onder de loep genomen met gebruik van Tableau.
Waarom kiezen voor bestaande klanten?
De wetenschappelijke marketingliteratuur is eenduidig over het feit dat het loont moeite en energie te steken in het bestaande klantenbestand. Een gedegen aanpak kan zorgen voor een significante groei, dit maakt het werven van nieuwe klanten overbodig. Volgens Mandina (2014) kost het letterlijk ‘2 tot 20 keer meer’ om een nieuwe klant aan te trekken, dan om een bestaande te behouden en over te halen tot een herhalingsaankoop. Bestaande klanten zijn al bekend met jou en jouw bedrijf, waardoor de drempel om voor jouw product of dienst te gaan lager is dan bij de verkoop aan nieuwe klanten.
RFM-analyse
De kosten voor het aantrekken van nieuwe klanten zullen zwaar op de marketinguitgaven drukken, terwijl het anders kan. Jouw klantdata brengt de uitkomst om ervoor te zorgen dat bestaande klanten beter bediend worden. De waarde en potentie uit deze groep bestaande klanten halen is enorm belangrijk en wordt vaak vergeten. Om te starten met jouw klantenbestand en deze zo optimaal mogelijk te benutten biedt de traditionele RFM-analyse uitkomst. In de RFM-analyse wordt ingezoomd op de Recency, Frequency en de Monetary Value van een bestaande klant. Deze componenten databedreven onder de loep nemen zorgt ervoor dat jij meer waarde uit bestaande klanten kan halen. De RFM-analyse beantwoordt per klant de volgende vragen:
Recency: Hoe recent heeft een klant een aankoop gedaan?
Frequency: Hoe frequent koopt een klant?
Monetary value: Wat is de waarde van de aankopen van deze klant?
RFM-analyse in Tableau
Na het beantwoorden van de vragen van de RFM-analyse kan er in Tableau een visualisatie gemaakt worden. Eerst is het van belang de data te verkennen. Voor deze verkenning heb ik een scatterplot gemaakt waarbij de Recency en Frequency op de assen geplot staan, de Monetary Value is toegevoegd in de maatvoering van de rondjes. Te zien is dat de meeste klanten een Frequency (aantal aankopen) van 2 of minder hebben, een handje vol slechts 6 keer of meer kocht en dat de Recency (in aantal dagen) voor bepaalde klanten behoorlijk hoog ligt. Verder zien we een enorme bandbreedte wat betreft de Monetary Value (in euro’s) per klant.
De visualisatie geeft slechts een eerste inzicht op basis van de RFM-analyse. Daarom zijn er een aantal vervolgvragen die we willen beantwoorden:
- Welke klanten verdienen mijn aandacht en energie?
- Op welke moet ik mij focussen? Bijvoorbeeld door ze te her-activeren omdat ik weet dat ze al even geen aankoop hebben gedaan? Of moet ik meer investeren in after sales, omdat bepaalde klanten niet frequent kopen?
- Zijn er klanten waar ik minder energie in moet steken? Of beter afscheid van kan nemen, puur omdat ze weinig geld in het laatje brengen?
Klant- of doelgroepsegmentatie
Om bovenstaande vragen goed te kunnen beantwoorden helpt het om je klantenbestand op te delen in groepen, dit wordt ook wel klant- of doelgroepsegmentatie genoemd. Bij segmenteren gaan we op zoek naar verschillende klantgroepen op basis van meerdere variabelen (in dit geval de componenten van de RFM-analyse). Hierbij wordt gepoogd klantgroepen te vinden die ten opzichte van elkaar zo veel mogelijk verschillen, terwijl de individuen binnen een specifieke klantgroep juist erg op elkaar moeten lijken. Aangezien de RFM-analyse een traditioneel model is, kies ik ervoor om een minstens zo traditionele methode voor het segmenteren te implementeren, namelijk die van Goud, Zilver en Brons. Het keuzemenu veranderen geeft een weergave van het gesegmenteerde klantenbestand.
RFM per doelgroep
Op de gevonden doelgroepen wordt voortgeborduurd in de ontwikkelde dashboards. Deze visualisaties geven meer informatie over de uitkomsten van de RFM-analyse en brengen cijfers per doelgroep in kaart. Zo wordt meer informatie gegeven over het gesegmenteerde klantenbestand.
Te zien is de verdeling van het klantenbestand over de vier segmenten. Het zilveren segment kent duidelijk de meeste klanten, terwijl het gouden segment (op basis van de opbrengst) met recht goud genoemd mag worden.
Nadat we de uitkomsten hebben gezien en begrepen, moet er actie worden ondernomen. Met de huidige inzichten van de RFM-analyse kunnen we ervoor kiezen om het volgende te doen:
- Klanten her-activeren die al lang niet meer bij je gekocht hebben
- Van een bronzen klant een zilveren klant proberen maken. Of van een zilveren een gouden.
- Een onderzoek doen op basis van de potentie in de bronzen groep.
- Minimale aandacht, energie en minder budget voor klanten in de ‘let them go’ groep.
RFM-analyse; altijd de juiste weg?
Idealiter komen klanten frequent terug voor een herhalingsaankoop. Maar dit is natuurlijk niet op ieder bedrijf van toepassing. We moeten niet vergeten dat verschillende factoren een rol spelen hoe en in welke mate een herhaling plaatsvindt; de mate waarin marketing wordt bedreven en/of klantbehoeften hebben onder anderen effect. Het is goed voor te stellen dat in een markt van FMCG (supermarkten, drogisterijen, etc.) de Recency & Frequency omvangrijker zijn dan in een markt die gekenmerkt wordt door duurdere producten (bijvoorbeeld mobiele telefoons, meubels, etc.).
Daarom dient de RFM-analyse als een solide basis om een overkoepelend gevoel te krijgen bij wie je klanten zijn. Het geeft dusdanig veel waardevolle informatie om op voort te borduren. Terwijl het tegelijkertijd directe vervolgvragen oproept. Het is na het verkrijgen van eerste inzichten altijd noodzakelijk om verder te brainstormen en meer kansen en mogelijkheden te zien. Op deze manier leer je je klant beter kennen en bovendien beter te bedienen. Hiervoor is het raadzaam om nieuwe vragen te stellen. Gedacht kan worden aan:
- Zijn er mogelijkheden tot cross- en upsell?
- Welke persoonlijke kenmerken (bijvoorbeeld leeftijd, geslacht, woonplaats, gedrag, etc.) hebben mijn klanten?
- Zijn er op basis van deze persoonlijke kenmerken doelgroepen te ontdekken? Zo ja, hoe moet ik mijn (online)marketingkanalen inrichten om deze verschillende doelgroepen het best van dienst te zijn?
- Is het mogelijk om te personaliseren op basis van wat ik van een klant weet?
Wat zijn de kosten voor het implementeren van een RFM-model