Кіріспе
RFM – клиенттердің құндылығын талдау және клиенттерді сегменттеуге қолданылатын әдіс, ол деректер базасы мен тікелей маркетингте кеңінен қолданылады. Бұл әдіс бөлшек сауда және кәсіби қызметтер салаларында ерекше назар қадаған. RFM үш өлшемді білдіреді:
Жақында – Клиент соңғы рет қашан сатып алды?
Жиілік – Олар қанша рет сатып алады?
Ақшалай құн – Олар қанша ақша жұмсайды?
Recency – How recently did the customer purchase? Frequency – How often do they purchase? Monetary Value – How much do they spend?
Негізгі үлгі
Клиенттердің сатып алулары клиент аты, сатып алу күні және сатып алу құны бағаналары бар кесте арқылы көрсетілуі мүмкін. RFM мәндерін сандық тұрғыдан анықтаудың көптеген тәсілдері бар, ал ең жақсы тәсілдер клиенттің саяхаты мен бизнес-моделіне байланысты болады. RFM-ге бір тәсіл – әр өлшемге 1-ден 10-ға дейінгі шкала бойынша балл қою. Ең жоғары балл қалаулы мінез-құлықты көрсетеді және әрбір клиент үшін үш баллды есептеу үшін формула қолданылуы мүмкін. Мысалы, қызмет көрсету бизнесі мынадай есептеулерді пайдалана алады: Жақындау = 10 – клиенттің соңғы сатып алуынан бері өткен айлар саны. Компаниялар, егер градациялар пайдалы болмайтынша тым кішкентай болып көрінсе, кейбір сегменттерді біріктіруге шешім қабылдауы мүмкін. Нәтижедегі сегменттер ең құндыдан (ең жоғары жақындау, жиілік және құндылық) ең аз құндыға (ең төмен жақындау, жиілік және құндылық) дейін реттелген болуы мүмкін. RFM-нің ең құнды сегменттерін анықтау осы талдау үшін қолданылатын деректердегі кездейсоқ байланыстарды пайдалануға мүмкіндік береді. Осы себепті RFM сегментация процесінің нәтижелерін тексеру үшін басқа деректер жиынтығын пайдалану ұсынылады. Бұл техниканың жақтастары оның қарапайымдылығын атап көрсетеді: арнайы статистикалық бағдарламалық құрал қажет емес және нәтижелер бизнес өкілдеріне оңай түсінікті. Басқа мақсатты әдістердің болмауы жағдайында, ол акцияларға жауап беру деңгейін арттыруға көмектеседі.
Recency = 10 – the number of months that have passed since the customer last purchased Companies may also decide to collapse certain subsegments, if the gradations appear too small to be useful. The resulting segments can be ordered from most valuable (highest recency, frequency, and value) to least valuable (lowest recency, frequency, and value). Identifying the most valuable RFM segments can capitalize on chance relationships in the data used for this analysis. For this reason, it is highly recommended that another set of data be used to validate the results of the RFM segmentation process. Advocates of this technique point out that it has the virtue of simplicity: no specialized statistical software is required, and the results are readily understood by business people. In the absence of other targeting techniques, it can provide a lift in response rates for promotions.
Қолданылуы
RFM клиенттерді сегменттеу үшін каталог индустриясында кеңінен қолданылады. Brynjolfsson және авторлар оны интернеттегі іздеу және сату әрекеттерін талдау үшін пайдаланады.
Вариациялар
RFD – Жақында, Жиілік, Ұзақтығы – көрермендерге/оқырмандарға/серфингке бағытталған бизнес өнімдерінің тұтынушылық мінез-құлқын талдау үшін қолданылатын RFM талдауының өзгертілген нұсқасы. (Мысалы, серфингшілердің Wikipedia-да өткізген уақытының мөлшері).
RFE – Recency, Frequency, Engagement is a broader version of the RFD analysis, where Engagement can be defined to include visit duration, pages per visit or other such metrics. RFM I – Recency, Frequency, Monetary Value – Interactions is a version of RFM framework modified to account for recency and frequency of marketing interactions with the client (e. g. to control for possible deterring effects of very frequent advertising engagements). RFMTC – Recency, Frequency, Monetary Value, Time, Churn rate is an augmented RFM model proposed by Yeh et al. (2009). The model utilizes Bernoulli sequence in probability theory and creates formulas that calculate the probability of a customer buying at the next promotional or marketing campaign. This model has been implemented by Alexandros Ioannidis for datasets such as the Blood Transfusion and CDNOW data sets.
RFE – Жақында, Жиілік, Белсенділік – RFD талдауының кеңейтілген нұсқасы, онда Белсенділікке сапар ұзақтығы, сапар барысында қарастырылған беттер саны сияқты көрсеткіштерді қосуға болады.
RFE – Recency, Frequency, Engagement is a broader version of the RFD analysis, where Engagement can be defined to include visit duration, pages per visit or other such metrics. RFM I – Recency, Frequency, Monetary Value – Interactions is a version of RFM framework modified to account for recency and frequency of marketing interactions with the client (e. g. to control for possible deterring effects of very frequent advertising engagements). RFMTC – Recency, Frequency, Monetary Value, Time, Churn rate is an augmented RFM model proposed by Yeh et al. (2009). The model utilizes Bernoulli sequence in probability theory and creates formulas that calculate the probability of a customer buying at the next promotional or marketing campaign. This model has been implemented by Alexandros Ioannidis for datasets such as the Blood Transfusion and CDNOW data sets.
RFM I – Жақында, Жиілік, Ақшалай құн – өзара әрекеттесулер – бұл клиенттермен маркетингтік өзара әрекеттесудің жақындағылығы мен жиілігін ескеретін RFM аясының өзгертілген нұсқасы (мысалы, тым жиі жарнамалық іс-қимылдардың ықтимал теріс әсерлерін бақылау үшін).
RFE – Recency, Frequency, Engagement is a broader version of the RFD analysis, where Engagement can be defined to include visit duration, pages per visit or other such metrics. RFM I – Recency, Frequency, Monetary Value – Interactions is a version of RFM framework modified to account for recency and frequency of marketing interactions with the client (e. g. to control for possible deterring effects of very frequent advertising engagements). RFMTC – Recency, Frequency, Monetary Value, Time, Churn rate is an augmented RFM model proposed by Yeh et al. (2009). The model utilizes Bernoulli sequence in probability theory and creates formulas that calculate the probability of a customer buying at the next promotional or marketing campaign. This model has been implemented by Alexandros Ioannidis for datasets such as the Blood Transfusion and CDNOW data sets.
RFMTC – Жақында, Жиілік, Ақшалай құн, Уақыт, Ауысу деңгейі – Yeh және авторлар ұсынған (2009 ж.) RFM моделінің кеңейтілген түрі. Модель ықтималдықтар теориясынан Бернулли тізбегін пайдаланады және келесі жарнамалық немесе маркетингтік науқанда клиенттің сатып алу ықтималдығын есептейтін формулаларды құрайды. Бұл модельді Александрос Иоаннидис қан құю және CDNOW деректер жиынтығы сияқты деректер жиынтықтары үшін қолданды.
RFE – Recency, Frequency, Engagement is a broader version of the RFD analysis, where Engagement can be defined to include visit duration, pages per visit or other such metrics. RFM I – Recency, Frequency, Monetary Value – Interactions is a version of RFM framework modified to account for recency and frequency of marketing interactions with the client (e. g. to control for possible deterring effects of very frequent advertising engagements). RFMTC – Recency, Frequency, Monetary Value, Time, Churn rate is an augmented RFM model proposed by Yeh et al. (2009). The model utilizes Bernoulli sequence in probability theory and creates formulas that calculate the probability of a customer buying at the next promotional or marketing campaign. This model has been implemented by Alexandros Ioannidis for datasets such as the Blood Transfusion and CDNOW data sets.