Segmentasi RFM untuk toko Shopify Anda

Kami telah berbicara tentang pendekatan yang berbeda untuk segmentasi pelanggan di posting kami sebelumnya. Kali ini, kami akan fokus pada analisis RFM dan menjelaskan cara kerjanya, mengapa metode ini lebih baik daripada metode segmentasi lainnya, dan cara mengotomatiskannya di Shopify.

Apa itu analisis RFM?

RFM adalah singkatan dari keterkinian, frekuensi, dan nilai moneter dari pesanan. Model RFM mengelompokkan pelanggan menggunakan parameter ini: model ini mengevaluasi kapan terakhir kali seseorang melakukan pembelian, seberapa sering mereka memesan, dan berapa banyak yang mereka belanjakan.

Berdasarkan evaluasi ini, setiap pelanggan diberi skor RFM. Penghitungan bergantung pada rentang dari 1 hingga 5 untuk setiap parameter (keterkinian, frekuensi, dan nilai moneter) dan menghasilkan skor RFM dari 111 hingga 555.

Bagaimana cara menghitung segmen RFM?

Prosesnya berjalan sebagai berikut:

1. Tetapkan nilai untuk setiap skor dalam setiap parameter
2. Tentukan apakah beberapa parameter lebih penting bagi Anda daripada yang lain
3. Filter data pesanan pelanggan berdasarkan nilai skor Anda
4. Buat segmen pelanggan RFM

Sekarang beberapa rincian lebih lanjut.

Dalam rentang skor, 1 mewakili terendah (misalnya, pelanggan yang melakukan satu pembelian) dan 5 mewakili tertinggi (pelanggan yang membawa pesanan paling banyak). Meskipun analisis RFM adalah perhitungan murni, terserah Anda untuk menetapkan tingkatan tertentu untuk setiap parameter: untuk frekuensi, misalnya, Anda dapat menetapkan 5 poin ke pelanggan dengan 20, 50, atau 100+ pesanan—jumlahnya tergantung pada Anda bisnis.

Anda dapat memilih cara menghitung skor RFM: Anda dapat memperlakukan setiap parameter secara setara atau memberikan bobot yang lebih besar pada satu atau dua parameter . Jika Anda menjual produk tahan lama, nilai moneter mungkin akan menjadi yang paling signifikan tetapi jika Anda menjual sesuatu yang diperbarui setiap bulan atau lebih, maka frekuensi akan menjadi parameter utama Anda.

Ketika Anda memiliki tabel dengan semua skor, Anda dapat membuat segmen pelanggan RFM. Mereka yang memiliki skor keseluruhan tertinggi adalah pelanggan Anda yang paling setia dan mereka yang berada di ujung terendah berada pada risiko churn tertinggi.

Mungkin ada sejumlah grup yang berbeda — Anda memutuskan apa yang masuk akal untuk toko Anda. Dengan aplikasi Loyal, kami memilih 6 segmen pelanggan RFM yang membedakan yang paling penting untuk berkomunikasi secara berbeda:

Manfaat dari strategi segmentasi RFM

Segmentasi RFM murni berdasarkan data riwayat pesanan, yang menjadikannya metode yang paling objektif. Ini tidak berarti bahwa semua metodologi lain harus ditolak: kapan pun itu berlaku untuk bisnis Anda, Anda dapat membedakan kelompok pelanggan berdasarkan demografi, geografis, dan karakteristik lainnya. Tetapi dengan rumus RFM, Anda mendapatkan segmen dan rincian pelanggan paling universal berdasarkan seberapa besar kepercayaan dan loyalitas yang mereka tempatkan di toko Anda.

Berbicara tentang keuntungan yang paling signifikan, segmentasi pelanggan RFM adalah:

• 100% berbasis data dan akurat. Analisis RFM tidak rentan terhadap kesalahan manusia dan interpretasi subjektif. Ini semata-mata bergantung pada data riwayat pesanan dan memberi Anda segmen pelanggan yang mudah dicerna berdasarkan cara mereka berinteraksi dengan toko Anda.

Selain itu, selalu up to date. Tidak seperti metode segmentasi lain yang mungkin sulit diperbarui tepat waktu karena mengandalkan data pihak ketiga yang berbeda, model RFM selalu akurat dan mutakhir.

• Membantu dalam mengoptimalkan anggaran pemasaran. Data RFM memungkinkan pedagang untuk memahami grup pelanggan mana yang layak untuk dibuat kampanye dan mana yang lebih baik untuk diabaikan, menghemat sumber daya.

Ketika analisis RFM pertama kali digunakan pada 1990-an, tujuan utamanya adalah untuk mengoptimalkan biaya pemasaran. Bisnis ingin mengurangi biaya pengiriman surat langsung ke konsumen yang tidak akan bermanfaat bagi mereka dengan membuat perkiraan permintaan yang lebih tepat.

• Otomatis dengan mudah. Anda dapat melakukan analisis RFM di Excel, tetapi tidak perlu membahas parameter kebaruan, frekuensi, dan nilai moneter secara manual—beberapa alat akan melakukannya untuk Anda.

Anda dapat menemukan berbagai peluang dalam layanan untuk analitik pelanggan: misalnya, Panoply menawarkan segmentasi RFM sederhana dengan kueri SQL, dan RFM Calc menawarkan laporan RFM berdasarkan data pesanan yang diekspor dari Shopify. Selain itu, aplikasi Shopify mungkin didedikasikan untuk atau menyertakan data RFM.

Segmentasi Shopify RFM dengan bantuan aplikasi

Lihat aplikasi ini di Shopify untuk segmentasi pelanggan RFM:

• Loyal (gratis): aplikasi secara otomatis membedakan 6 kelompok pelanggan berdasarkan rumus RFM. Anda dapat menjalankan analisis sesering yang Anda inginkan untuk selalu memiliki laporan baru—terlepas dari skala toko Anda, aplikasi akan mengevaluasi data pesanan Anda dalam hitungan menit. Plus, Loyal memberi Anda kiat tentang cara membuat kampanye bertarget laser untuk setiap segmen RFM. Dan semua itu gratis!

INSTAL LOYAL GRATIS

• RetentionX Analytics (mulai $179 per bulan): aplikasi membedakan 6 grup pelanggan dari yang teratas hingga yang terburuk. Ini juga terintegrasi dengan berbagai layanan untuk menghitung metrik seperti biaya akuisisi pelanggan, nilai pesanan rata-rata, tingkat pengembalian produk, dan margin kotor.
• Mengungkapkan: Platform Data Pelanggan (tersedia paket gratis, mulai dari $99 per bulan untuk segmen RFM yang dibuat khusus dan fitur lainnya): aplikasi ini membuat 11 grup pelanggan dan memberi mereka nama yang menyenangkan (Anda akan memiliki "belahan jiwa" sebagai pelanggan paling setia dan "putus" sebagai sekelompok pelanggan yang hilang). Dalam paket berbayar, Anda dapat menyesuaikan segmen dan mendasarkannya pada parameter yang berbeda dari RFM: pendapatan vs. margin, CLV, dan lainnya.
• Repeat Customer Insights (mulai $29 per bulan): aplikasi mengidentifikasi 10 grup pelanggan dan menampilkannya di grid RFM yang berbeda, dengan hanya mempertimbangkan dua parameter (jadi ini adalah model frekuensi kebaruan, frekuensi dan nilai moneter, atau nilai moneter dan keterkinian).

Contoh aplikasi analisis RFM dalam kampanye pemasaran

Ada banyak cara untuk mendekati segmen pelanggan yang berbeda. Mari kita lihat beberapa contoh bagaimana Anda dapat menggunakan segmen RFM untuk lebih terlibat dengan pelanggan Anda dan menjual lebih banyak.

• Peluncuran produk yang efektif. Saat Anda memiliki rencana rilis produk baru, masuk akal untuk memberikan akses awal kepada pelanggan Anda yang paling berdedikasi. Mereka akan menghargai eksklusivitas penawaran Anda dan dapat menyebarkan berita tentang produk Anda. Jika reaksi pelanggan setia baik, Anda dapat menggunakan ulasan mereka saat mempromosikan produk baru kepada orang lain.

Ini dapat bekerja untuk produk fisik dan perangkat lunak. Misalnya, perusahaan yang memproduksi yang terakhir dapat mengundang pelanggan lama untuk pengujian beta eksklusif dari fitur baru. Anda dapat memakukan dua burung dengan satu batu: dapatkan umpan balik tentang produk Anda dan buat pelanggan merasa lebih terlibat dan karenanya lebih setia kepada Anda.

• Keterlibatan dengan pembeli pertama kali baru-baru ini. Sangat penting untuk berkomunikasi dengan pelanggan baru agar tidak melewatkan kesempatan untuk membuat mereka kembali ke toko Anda. Ke grup pelanggan baru, Anda dapat mengirim email dengan diskon pada pesanan berikutnya, undangan ke program loyalitas, penjelasan tentang manfaat produk yang relevan, penawaran penjualan silang, dll.

• Retensi pelanggan yang belum aktif. Analisis RFM akan menunjukkan kepada Anda sekelompok orang yang berisiko kehilangan Anda. Anda dapat terlibat kembali dengan mereka dengan mengingatkan mereka tentang produk Anda, peluncuran baru, promosi, dll.

Segmentasi RFM untuk memenangkan lebih banyak pelanggan

Menurut definisi, segmentasi RFM bergantung pada tiga karakteristik urutan: kebaruan, frekuensi, dan nilai moneter. Keindahan metode ini adalah bahwa metode ini berpusat pada data yang akurat dan akurat—Anda tidak akan salah dengan grup pelanggan yang dibuat dengan analisis RFM. Ini membantu Anda memahami persentase pelanggan setia dan mereka yang berisiko churn, mengidentifikasi siapa yang memiliki potensi untuk membeli lebih banyak dan lebih mempercayai Anda, dan membedakan mereka yang dapat Anda abaikan untuk menghemat uang pemasaran.