Un vecchio adagio del Marketing recita “Conosci te stesso, e conosci i tuoi clienti”.

Ogni attività di marketing è finalizzata alla crescita, che possiamo realizzare solo raggiungendo e convincendo i clienti giusti. Quando riusciamo a capire cosa piace ai nostri clienti, quando conosciamo le loro abitudini, cosa amano e cosa odiano, diventa più facile trovare modi migliori per incrementare le vendite.

  • Chi sono i clienti che spendono di più?
  • Chi sono i clienti più fedeli che tornano ed effettuano un secondo, terzo, quarto, n-esimo ordine?
  • Chi sono i clienti più recenti?
  • Chi sono i clienti che sto per perdere?
  • Chi sono i clienti che ho già perso?

Al termine della lettura di questo articolo sarete in grado di identificare i vostri clienti migliori e conoscerete il loro comportamento d’acquisto. Incredibile, vero? C’è di più, sarete in grado di elaborare una strategia per stimolare quelli che vi conoscono, e recuperare quelli che non tornano a farvi visita da un po’.

via GIPHY

L’analisi RFM (Recency, Frequency, Monetary) compare per la prima volta nella sua forma teorica in un paper a firma di Bult and Wansbeek nel 1995. A partire dalla seconda metà degli anni 2000, l’impiego della metodologia cresce di pari passo con il boom del marketing digitale.

Nasce come risposta alla necessità di abbassare i costi e aumentare i ritorni dell’invio postale di materiale promozionale cartaceo, e ci permette di segmentare i clienti in base allo storico dei loro acquisti. Come? Rispondendo a queste 3 domande: (1) quanto recentemente, (2) quanto spesso acquista e (3) quanto spende il cliente.

Il motivo del successo dell’analisi RFM è evidente: è un modo per scoprire i comportamenti d’acquisto e si presta a sostenere i grandi temi del marketing come la centralità del cliente, la segmentazione, la personalizzazione, le campagne di marketing su misura e la stima del valore lifetime del cliente.

Quando si conoscono i comportamenti di acquisto dei clienti, siamo più vicini alla decodifica delle loro esigenze e preferenze. Facciamo quindi un passo in avanti verso la conversione e una maggiore fedeltà.

Secondo un articolo di Harvard Business Review (che potete leggere per intero qui),  “L’acquisizione di un nuovo cliente è da cinque a 25 volte più costosa rispetto al mantenimento di un cliente esistente. Ha senso: non devi spendere tempo e risorse per trovare un nuovo cliente”.

Inoltre, “Un aumento del 5% della fidelizzazione dei clienti può aumentare il fatturato del 25-95%.”

Fantastico! Da dove comincio?

Il primo passo è quello di dare un’occhiata al database dei vostri clienti, per estrarre questi dati:

Recency – Numero di giorni dall’ultimo acquisto. Più il numero è piccolo, più abbiamo ragione di considerare il cliente come attivo.

Frequency – Il numero di ordini/acquisti effettuati dal cliente. A valori più alti corrisponde chiaramente una maggiore fidelizzazione.

Monetary – Somma del valore di tutti gli ordini effettuati da un cliente. Valori più alti chiaramente individuano i clienti con maggiore disponibilità di spesa.

Come chiunque può constatare, si tratta di elementi davvero semplici e di immediata interpretazione.

Il secondo passo consiste nel raggruppare tutte e 3 le dimensioni, per dare un punteggio ad ogni gruppo.

Poi divideremo i valori raccolti in n parti uguali. Di solito, un modo opportuno di farlo è quello di dividere i valori per ogni dimensione in 5 parti uguali e assegnare a ciascuno un punteggio.

Per non sbagliare, è bene procedere attraverso una divisione dei dati secondo i quintili.

QUINTI…CHE? via GIPHY

Apriamo una parentesi più tecnica e complicata qui, ma non fatevi spaventare perchè tra qualche riga BIG vi regala un foglio Google per cominciare da subito a calcolare i vostri quintili :)

I quintili sono un concetto statistico al pari dei più celebri quartili, decili e percentili. Non è questa la sede per adottare l’approccio più rigoroso. Qui si vuole far intravedere le potenzialità dell’Analisi RFM e dei concetti utilizzati.

Calcoliamo i percentili, da cui poi poter calcolare i quintili. La “tabella di conversione” da percentili a quintili segue questa logica: i dati che sono nel primo 20% dell’insieme dei dati saranno inclusi nel primo quintile, e così via.

Percentile Quintile
0 <= 20% 1
20 <= 40% 2
40 <= 60% 3
60 <= 80% 4
80 <= 100% 5

 

Nel primo quintile avremo il 20% dei dati dell’insieme considerato. Ricordiamoci che la logica di classificazione della Recency prevede di dare il punteggio massimo al valore minimo, per cui il risultato che otteniamo nella colonna dei quintili va “capovolto”.

Riportiamo un esempio reale per chiarezza.

Dati da dividere (es. Recency di acquisto) Percentile Valori soglia Quintile Punteggio di Recency
1 20% 4,6 1 5
1 40% 11,2 1 5
1 60% 50,8 1 5
1 80% 70 1 5
2 100% 91 1 5
3 1 5
4 1 5
5 2 4
6 2 4
6 2 4
6 2 4
6 2 4
7 2 4
8 2 4
12 3 3
15 3 3
27 3 3
45 3 3
49 3 3
49 3 3
49 3 3
52 4 2
54 4 2
58 4 2
61 4 2
61 4 2
62 4 2
70 4 2
71 5 1
77 5 1
90 5 1
91 5 1
91 5 1
91 5 1

 

Potete sperimentare e calcolare le stime dei vostri quintili e ottenere i vostri punteggi per Recency, Frequency e Monetary, utilizzando questo foglio Google che BIG vi regala e che potrete utilizzare per i vostri progetti.

La stima dei quintili calcolata attraverso questo foglio rappresenta una stima abbastanza affidabile per lo scopo che abbiamo in questo momento: prendere confidenza con questo metodo. Per effettuare calcoli e analisi su dataset reali e/o di grosse dimensioni dobbiamo necessariamente fare affidamento a pacchetti statistici come R, SPSS, SAS.

 

https://docs.google.com/spreadsheets/d/1-zI1RJFkOhBcBxYNmoOkFlfy7bwheJSjhywTHdgxrvo/edit?usp=sharing

Dopo aver assegnato un punteggio a ciascun cliente per ogni parametro, uniamo le singole cifre come mostrato nella tabella d’esempio

Cliente R F M Punteggio RFM
Anna 5 5 5 555
Paolo 5 4 5 545
Cosimo 3 3 1 331
Marco 1 2 5 125
Ciro 5 3 1 531
Fra F 3 5 3 353
Fra Z 3 4 3 343

Dalla tabella dell’analisi RFM all’interpretazione

Chi è il cliente migliore? Ovviamente Anna, che ha la maggiore frequenza d’acquisto, ha acquistato di recente e ha anche speso un sacco!

Paolo è un’opportunità enorme per il nostro business, ha acquistato di recente e speso quanto Anna, ma ha acquistato meno frequentemente. Visto che è disposto a spendere tanto, coccoliamolo. Anche con un’azione one-to-one: la Recency e la Monetary ci dicono che ne vale la pena!

Cosimo non è un cattivo cliente, ma non possiamo puntare su quelli come lui per la crescita del nostro business. Si tratta di un cliente piuttosto fedele ma che spende davvero poco. Un azione su di lui e quelli come lui va quindi strategicamente impostata sull’acquisto ripetuto. Dovremo stare attenti qui a valutare bene il valore lifetime (ne parliamo diffusamente qui) per assicurarci di non rischiare troppo.

Marco ha speso tanti soldi presso di noi e lo ha fatto più di una volta, ma ce lo siamo un po’ perso per strada. Cosa è cambiato per Marco e per quelli come lui? Abbiamo smesso di parlare a quel segmento? Non gli abbiamo dedicato abbastanza attenzione? Fa parte di un segmento di clienti affezionato a un prodotto che non commercializziamo più?

Francesca Z e Francesca F sono un caso interessante al pari degli altri. Ogni tanto si ricordano di noi, e hanno una spesa interessante. Su loro e sui clienti simili attueremo strategie che mirano a cross– e upselling, legate a meccanismi che premiano la loro fedeltà.

Una volta conclusa l’analisi RFM dobbiamo porci queste domande:

  • Stai ricompensando adeguatamente i tuoi VIC (Very Important Customers)? (I nostri 555)
  • Stai offrendo sconti differenziati in base alle abitudini d’acquisto?
  • Stai facendo azioni per coltivare la relazioni con i tuoi clienti più fedeli, magari attraverso una chiamata di cortesia per scoprire la loro esperienza con i prodotti e servizi che stai fornendo?
  • Stai costruendo una relazione con il tuo cliente a partire dal processo di onboarding?
  • Stai parlando con quei clienti che stai per perdere?
  • Stai creando campagne di email personalizzate?

Questo è nel concreto il potere dello strumento strategico della segmentazione dei clienti, e l’analisi RFM è formidabile nel fornirci le giuste indicazioni per suddividere i clienti in base alle loro abitudini e alla relazione che noi costruiamo giornalmente con loro.

E voi? Quali strumenti utilizzate e quali sono le vostre strategie? Quali attenzioni dedicate ai vostri 555La sezione commenti è aperta, e per richieste specifiche e tutto il resto c’è info@webig.net ;)