Una delle analisi più interessanti per comprendere come è fatta la nostra base clienti è senz'altro la cosiddetta analisi RFM, un noto modello di marketing che classifica i clienti in base al loro comportamento d'acquisto facendo uso di tre variabili: Recency, Frequency e Monetary. In pratica ci dà informazioni su quando un cliente ha acquistato l'ultima volta (Recency) , quante volte (frequency) fa acquisti nell'arco di tempo oggetto di analisi e, infine, quanto ha speso (monetary) nell’arco temporale.
Questo modello di analisi deriva dal marketing diretto, dove era nato con lo scopo di capire come ottimizzare i costi delle promozioni (in particolare costi di stampa e spedizione), inviando le comunicazioni ai clienti più affini alla promo.
Il passaggio al digitale ha reso questa metodologia ancora più interessante perché oggi è molto più facile raccogliere, sistematizzare e analizzare i dati. Queste informazioni permettono di identificare cluster di clienti che possiamo poi far oggetto di campagne perfettamente tarate sui loro comportamenti. E quindi possiamo creare target che vogliamo fidelizzare, oppure che vogliamo far tornare a comprare da noi dopo un po' di tempo o clienti a cui vorremmo innalzare lo scontrino medio.
L'analisi ci offre molti vantaggi, ma alla fine le tre cose fondamentali sono: minori costi di gestione, minori spese di advertising e passaparola positivo.
Come funziona l'analisi RFM?
L'analisi RFM è in pratica un metodo di segmentazione che ordina i clienti sulla base di un punteggio individuale, calcolato sulla base delle tre metriche introdotte in precedenza: Recency, Frequency e Monetary.
Illustriamo le tre variabili:
- Recency: questa variabile misura il tempo trascorso dall’ultimo acquisto di un certo cliente. Ci aspettiamo che più questo è vicino, maggiore è la probabilità che quel cliente ci scelga di nuovo in futuro.
- Frequency: riflette il numero di acquisti ripetuti da un cliente. Anche in questo caso, la probabilità di un eventuale acquisto futuro cresce all’aumentare della frequenza.
- Monetary: indica l’ammontare speso del cliente nel periodo di riferimento.
In generale i clienti migliori per la segmentazione RFM sono quelli che hanno dei valori più elevati nelle nostre tre variabili, cioè sono quelli che:
- Hanno effettuato un acquisto recentemente
- Hanno acquistato con maggiore frequenza in un dato periodo di tempo
- Hanno effettuato acquisti di importo elevato
Come si fa l'analisi?
In pratica, dobbiamo assegnare al cliente dei valori per ciascuna delle tre variabili in modo da determinare un punteggio finale. A questo punto posso raccogliere i clienti in cluster definiti secondo necessità (es. quelli che vengono più frequentemente e spendono poco, oppure quelli che vengono poco e spendono molto, ecc.) . Questi valori possono essere impostati mediante due tipologie di classificazione: a base empirica o statistica.
La classificazione a base empirica è più rapida e semplice ma è necessario assegnare correttamente i punteggi e i pesi perché altrimenti si rischia di ottenere risultati fuorvianti. Tuttavia è molto usata per la sua semplicità e permette di segmentare senza eccessiva difficoltà.