RFM (исследования рынка)

RFM — это метод, используемый для анализа потребительской ценности и сегментирования клиентов, который обычно используется в маркетинге баз данных и прямом маркетинге . Особое внимание ему уделяется в сфере розничной торговли и профессиональных услуг. ^[1]

RFM означает три измерения:

Недавность . Как давно клиент совершил покупку?
Частота – Как часто они совершают покупки?
Денежная стоимость – сколько они тратят?

Базовая модель

Покупки клиентов могут быть представлены в виде таблицы со столбцами для имени клиента, даты покупки и стоимости покупки. Существует множество подходов к количественному определению значений RFM, и лучший из них будет зависеть от пути клиента и бизнес-модели. ^[2] Один из подходов к RFM заключается в присвоении оценки каждому параметру по шкале от 1 до 10. Максимальный балл представляет собой предпочтительное поведение, и для расчета трех баллов для каждого клиента можно использовать формулу. Например, бизнес, основанный на услугах, может использовать следующие расчеты:

Recency = 10 – количество месяцев, прошедших с момента последней покупки клиента. ^[2]
Частота = максимум «количества покупок покупателя за последние 12 месяцев (с ограничением 10)» и 1
Денежный = наибольшая стоимость всех покупок покупателя, выраженная по отношению к некоторой контрольной стоимости.

Например, если денежный ориентир присвоит 10 баллов годовым расходам, превышающим 500 долларов США, для клиента, который сделал три покупки в прошлом году, последняя покупка была 3 месяца назад, и потратил 600 долларов США в этом году, его баллы будут следующими: : Р=7; Ф=3; М=10. ^[2] Альтернативно, для каждого атрибута можно определить категории, например, новизну можно разбить на три категории: клиенты, совершившие покупки в течение последних 90 дней; от 91 до 365 дней; и более 365 дней. Такие категории могут быть получены на основе бизнес-правил или с использованием методов интеллектуального анализа данных для поиска значимых разрывов.

После того как для каждого из атрибутов определены соответствующие категории, на пересечении значений создаются сегменты. Если бы для каждого атрибута было три категории, то результирующая матрица имела бы двадцать семь возможных комбинаций. Один хорошо известный коммерческий подход использует пять ячеек на каждый атрибут, что дает 125 сегментов. ^[3] Компании также могут принять решение свернуть определенные подсегменты, если градации кажутся слишком маленькими, чтобы быть полезными. Полученные сегменты можно упорядочить от наиболее ценных (наибольшая актуальность, частота и ценность) до наименее ценных (самая низкая давность, частота и ценность). Выявление наиболее ценных сегментов RFM может извлечь выгоду из случайных связей в данных, используемых для этого анализа. По этой причине настоятельно рекомендуется использовать другой набор данных для проверки результатов процесса сегментации RFM. Сторонники этого метода отмечают, что его достоинством является простота: не требуется специального статистического программного обеспечения , а результаты легко понятны деловым людям. В отсутствие других методов таргетинга это может повысить процент откликов на рекламные акции.

Использование

RFM широко используется для сегментации клиентов в сфере каталогов. Бриньольфссон и др . применить его для анализа поиска в Интернете и поведения продаж. ^[4]

Вариации

RFD – Recency, Frequency, Duration – это модифицированная версия RFM-анализа, которую можно использовать для анализа поведения потребителей бизнес-продуктов, ориентированных на аудиторию/читательскую аудиторию/серфинг. (Например, количество времени, которое пользователи проводят в Википедии )

RFE – Recency, Frequency, Engagement – это более широкая версия анализа RFD, в которой вовлеченность может быть определена как продолжительность посещения, количество страниц за посещение или другие подобные показатели.

RFM-I – новизна, частота, денежная стоимость – взаимодействия – это версия структуры RFM, модифицированная для учета давности и частоты маркетинговых взаимодействий с клиентом (например, для контроля возможных сдерживающих эффектов очень частых рекламных взаимодействий). ^[5]

RFMTC — новизна, частота, денежная стоимость, время, уровень оттока — это расширенная модель RFM, предложенная Yeh et al. (2009). ^[6] Модель использует последовательность Бернулли в теории вероятностей и создает формулы, которые рассчитывают вероятность покупки покупателем в следующей рекламной или маркетинговой кампании. Эта модель была реализована Александросом Иоаннидисом для таких наборов данных, как наборы данных по переливанию крови и CDNOW. ^[7]^[8]

Ссылки

^ Фейдер, П.С., Харди, Б.Г., и Ли, К.Л. (2005). RFM и CLV: использование кривых изо-значений для анализа клиентской базы. Журнал маркетинговых исследований, 42 (4), 415–430.
^ Jump up to: ^а ^б ^с Бойд, Дженнифер (29 августа 2022 г.). «Что такое RFM-моделирование в маркетинге?» . Проверено 27 февраля 2023 г.
^ «Отчетность по RFM для электронной коммерции» . 2020-12-12.
^ Бриньольфссон Э., Ху Ю. и Симестер Д., Прощай, принцип Парето, Привет, длинный хвост: влияние затрат на поиск на концентрацию продаж продукта , последняя редакция 19 июня 2014 г., по состоянию на 27 февраля 2023 г.
^ Ткаченко, Егор. Автономное управление CRM посредством приближения CLV с глубоким обучением с подкреплением в пространстве дискретных и непрерывных действий. (8 апреля 2015 г.). arXiv.org: https://arxiv.org/abs/1504.01840
^ Йе, И-Ченг, Ян, Кинг-Джанг и Тинг, Тао-Минг, «Обнаружение знаний в модели RFM с использованием последовательности Бернулли», Expert Systems with Applications, 2009.
^ «RFMTC (новая маркетинговая прогностическая модель / последовательность Бернулли) с использованием набора данных по переливанию крови: It21208/RFMTC-Using-the-Blood-Transfusion-Dataset» . 17 декабря 2018 г.
^ «GitHub — it21208/RFMTC-Implementation-Using-the-CDNOW-dataset» . 17 декабря 2018 г.

Внешние ссылки

[1] Фейдер, П.С., Харди, Б.Г., и Ли, К.Л. (2005). RFM и CLV: использование кривых изо-значений для анализа клиентской базы. Журнал маркетинговых исследований, 42 (4), 415–430.

[boyd-2] Jump up to: ^а ^б ^с Бойд, Дженнифер (29 августа 2022 г.). «Что такое RFM-моделирование в маркетинге?» . Проверено 27 февраля 2023 г.

[3] «Отчетность по RFM для электронной коммерции» . 2020-12-12.

[4] Бриньольфссон Э., Ху Ю. и Симестер Д., Прощай, принцип Парето, Привет, длинный хвост: влияние затрат на поиск на концентрацию продаж продукта , последняя редакция 19 июня 2014 г., по состоянию на 27 февраля 2023 г.

[5] Ткаченко, Егор. Автономное управление CRM посредством приближения CLV с глубоким обучением с подкреплением в пространстве дискретных и непрерывных действий. (8 апреля 2015 г.). arXiv.org: https://arxiv.org/abs/1504.01840

[6] Йе, И-Ченг, Ян, Кинг-Джанг и Тинг, Тао-Минг, «Обнаружение знаний в модели RFM с использованием последовательности Бернулли», Expert Systems with Applications, 2009.

[7] «RFMTC (новая маркетинговая прогностическая модель / последовательность Бернулли) с использованием набора данных по переливанию крови: It21208/RFMTC-Using-the-Blood-Transfusion-Dataset» . 17 декабря 2018 г.

[8] «GitHub — it21208/RFMTC-Implementation-Using-the-CDNOW-dataset» . 17 декабря 2018 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]