L’analisi R F M con Excel
I clienti non sono tutti uguali. Alcuni acquistano occasionalmente (mensilmente, annualmente), mentre altri lo fanno regolarmente (settimanalmente o anche quotidianamente). Diversi tipi di consumatori si riflettono in acquisti diversi: le campagne di marketing di maggior successo saranno quelle adattate alle esigenze specifiche dei differenti clienti.
Quando si è in grado di identificare le tendenze comportamentali all’interno dei gruppi di consumatori, è possibile personalizzare il piano marketing per raggiungerli con il messaggio giusto al momento giusto, ottenendo un tasso di conversione più elevato.
Ad esempio, se tramite un e-commerce un rivenditore di caffè sa che la maggior parte dei clienti effettua un ordine ogni 30 giorni, un’offerta tramite e-mail avrà più successo 25 giorni dopo il loro ultimo acquisto.
La domanda è: come capire a chi inviare l’email e quanto inviarla?
Per risponde a queste e ad altre domande ci viene in aiuto l’analisi R F M.
R F M è un acronimo che sta per Affezionabilità, Frequenza, Valore (in inglese: Recency, Frequency e Monetary value).
Ma che cos’è l’analisi R F M e perché è rilevante per i professionisti del marketing?
L’analisi R F M aiuta a segmentare i clienti in base a quando e quanto spendono, nonché a chi spende di più. L’analisi R F M risponde a queste domande:
- Quanto tempo è passato da quando un cliente ha acquistato qualcosa?
- Con che frequenza un consumatore acquista.
- Il valore totale degli acquisti di un cliente.
In base a questi criteri è possibile suddividere i consumatori in differenti categorie per vedere chi acquista molti articoli regolarmente, chi acquista poche cose ma frequentemente e chi non acquista qualcosa da molto tempo.
I clienti, anche se si pensa il contrario, rispondono poco ad offerte promozionali di carattere generale. Il R F M è un eccellente strumento di segmentazione per analizzare e prevedere le reazioni dei clienti, ottimizzare le interazioni e incrementare le vendite.
I dati sul comportamento dei clienti vengono utilizzati dal R F M per valutare il modo migliore per comunicare, interagire e lavorare con ciascun gruppo di clienti.
Analisi R F M: come funziona.
Il R F M divide i consumatori in categorie in base a quanto tempo fa hanno effettuato l’ultimo acquisto, quanto spesso fanno acquisti e la dimensione media dei loro ordini. I clienti vengono assegnati a una delle tre classi usando dei numeri compresi tra 1 e 3 (ma è possibile usare anche classi maggiori impostando – vedere dopo – differenti percentili), secondo il seguente schema:
Affezionabilità:
- Clienti di lungo periodo.
- Clienti relativamente recenti.
- Clienti recenti.
Frequenza:
- Acquisti effettuati raramente (ordini singoli).
- Transazioni poco frequenti
- Transazioni frequenti
Valore:
- Scarso valore di acquisto.
- Valore medio di vendita.
- Alto valore di acquisto.
I clienti vengono quindi identificati tramite i valori R F M (Affezionabilità, Frequenza e Valore) assegnati.
Il cliente 111, ad esempio, ha effettuato un ordine molto tempo fa di valore monetario basso. Il cliente 333, invece, effettua spesso ordini massicci e ne ha fatto uno (o più di uno) di recente. I clienti che ottengono tre “3” in ogni categoria sono, chiaramente, i clienti più importanti.
Come impostare l’analisi con Excel.
L’analisi R F M può essere eseguita in due modi: con OWOX BI o con Excel (o Google Sheets).
In questo articolo affrontiamo l’analisi R F M in Excel.
Il primo passo da fare è scaricare i dati delle transazioni dal CRM, inclusi il nome del cliente, la data di acquisto e gli importi degli acquisti effettuati.
Le formule che seguono sono in inglese: la conversione in italiano è, a dir poco, banale.
Useremo una tabella pivot per definire la data della transazione più recente di ciascun cliente, il numero totale di volte in cui il cliente ha acquistato e l’importo totale di tutti questi ordini.
In realtà, anche avendo i dati su un semplice foglio di lavoro, è comunque possibile impostare una analisi R F M. L’importante è che i dati siano posti nella medesima forma di quanto evidenziato nella immagine sotto e che siamo presenti le colonne “Customer” (Cliente), “Last order date” (Data ultimo ordine), “Order Frequency” (Frequenza: il numero di acquisti effettuati da ogni cliente) e “Purchase amount” (Importo degli acquisti: la somma degli importi degli acquisti effettuati da ogni cliente).
Nel caso in cui, quindi, non si abbia la necessità di usare una tabella pivot, si può passare direttamente alla descrizione delle formule impiegate nell’analisi R F M.
Tornando alla tabella pivot: bisogna combinare gli acquisti di ogni cliente in un’unica riga perché alcuni clienti CRM potrebbero non aver mai acquistato alcunché. A tal fine, aggiungiamo il valore Customer (Cliente) alla voce Rows.
Dobbiamo quindi contare il numero di ordini che ogni cliente ha effettuato. A tale scopo, aggiungiamo “Purchase date” (“Data di acquisto”) a “Values” (assicurandosi che COUNTA sia selezionato nella casella Summarize).
Quindi, per ogni cliente, calcoliamo l’importo totale di tutti gli ordini. Aggiungiamo “Purchase Amount” a “Values” come da immagine sotto.
Procediamo allo stesso modo per determinare la data dell’ultimo acquisto fatto: specificando MAX nella casella Summarize.
Concludendo: per misuare i valori R F M, spostiamo i dati in una nuova scheda.
Le formule Excel
Rinominiamo le colonne in Customer, Last Order Date, Order Frequency e Purchase Amount.
Inseriamo quindi una colonna successiva a Last Order Date e chiamiamola Recency.
Per misurare quanti giorni fa un cliente ha effettuato l’ultimo acquisto utilizziamo, in cella C2, la formula =TODAY() – B2. Copiamo la formula in tutta la colonna “Recency”.
A questo punto possiamo calcolare R in maniera quantistica e non lasciata alla sensibilità di ognuno.
Per farlo utilizzeremo la formula che permette il calcolo del Percentile.
In due celle esterne alla tabella, per esempio in cella M1 e N1, inseriamo =INC.PERCENTILE (C2: C12; 0.33) e =INC.PERCENTILE (C2: C12; 0.66). Ricordiamo che l’intervallo C2:C12 rappresenta l’intera colonna di valori di “Recency”.
L’uso delle 2 formule ci permette di scoprire che il 33% dei clienti, nel foglio di lavoro in figura, ha acquistato dei prodotti negli ultimi 61 giorni e il 66% negli ultimi 93 giorni.
Di conseguenza, assegniamo il valore massimo di 3 ai clienti che hanno acquistato negli ultimi 61 giorni. Un valore di 2 a coloro che hanno effettuato un ordine tra 61 e 93 giorni fa e un valore di 1 a chi ha acquistato più di 93 giorni fa. Tutto questo può essere calcolato automaticamente utilizzando la formula =IF(C2<61; 3; IF(AND(C>62;C2<93); 2; 1)) che andiamo ad inserire in una apposita colonna denominata R.
Misuriamo i valori per F (Frequenza) e M (Valore monetario) utilizzando lo stesso principio: partiamo definendo i percentili e quindi attribuendo in maniera automatica i valori 1,2 e 3.
Ultimo passaggio: raggruppare in un unico risultato i valori di R F M:
Lo facciamo usando la formula = D2 * 100 + F2 * 10 + H2.
La segmentazione dei clienti.
Si può ottenere un quadro completo di cosa sta succedendo raggruppando i clienti in base ai valori R F M.
Prendiamo ad esempio qualche classe di clienti, segmentati attraverso l’analisi R F M.
Punteggio 333 sulla scala R F M: i migliori clienti
Chi sono: consumatori che hanno acquistato recentemente, spesso e generato grande volume di fatturato. Sono i clienti ideali.
Strategia di marketing: programmi di fidelizzazione e sul lancio di nuovi prodotti. Non serve utilizzare campagne di sconti per incrementare le vendite perché questi consumatori hanno mostrato disponibilità a pagare. Al contrario, è opportuno concentrarsi su offerte a valore aggiunto come suggerimenti di prodotti basati su transazioni passate. Lanciare quindi un programma di premi, invitarli a eventi speciali o chiedere loro come vorrebbero che l’azienda crescesse sono tutti modi per aumentare l’interazione. È importante mostrare a questi clienti che sono apprezzati e che sono i benvenuti.
Punteggio X3X sulla scala R F M: i clienti più fedeli
Chi sono: i clienti che frequentano di più lo shop.
Strategia di marketing: i servizi di fidelizzazione sono sicuramente utili per questa tipologia di clienti. Ma anche strategie di investitura, come la possibilità di lasciare recensioni, possono trasformare questi clienti in portavoce del brand. Utile impostare, a questi clienti, servizi aggiunti come la spedizione gratuita o altri vantaggi simili.
Punteggio XX3 sulla scala R F M: i clienti che spendono di più
Chi sono: i clienti che hanno portato più soldi allo shop.
Strategia di marketing: questi clienti hanno mostrato un alto livello di disponibilità a pagare. Per aumentare il valore medio degli ordini, si possono prendere in considerazione offerte premium, piani di abbonamento, beni di lusso o a valore aggiunto. Gli sconti sono uno spreco di margine.
Punteggio X31 sulla scala R F M: i clienti promettenti
Chi sono: clienti che visitano spesso lo shop ma non spendono molti soldi.
Strategia di marketing: sono clienti già fedeli che però spendono poco. È possibile aumentare la monetizzazione formulando consigli sui prodotti in base alle vendite precedenti e offrendo ricompense in base ai livelli di acquisto.
Punteggio 31X sulla scala R F M: i clienti più recenti
Chi sono: i nuovi clienti del sito.
Strategia di marketing: la maggior parte dei consumatori è occasionale. Cioè non progredisce mai verso la fedeltà: effettua un acquisto e quindi si sposta su altri shop. Talvolta torna ma senza mai sviluppare una fedeltà completa. Mettere in atto semplici strategie per i nuovi clienti, come l’invio di e-mail di benvenuto, può aumentare il livello di fedeltà.
Punteggio 11X sulla scala R F M: i clienti una volta fedeli
Chi sono: consumatori di lunga data che non acquistano da molto tempo.
Strategia di marketing: i clienti smettono di effettuare acquisti per una serie di motivi. Contenimento dei prezzi, uscita di nuovi prodotti e altre misure di incentivo all’acquisto, per esempio servizi aggiunti come la spedizione gratuita, possono essere appropriate a seconda della situazione. A questa classe di clienti dovrebbe essere concesso del tempo per risvegliare l’interesse per il marchio: come visto, si può provare a suggerire loro i prodotti più venduti in aggiunta a quelli che hanno acquistato in precedenza.
Punteggio 111 sulla scala R F M: clienti da pochi acquisti e di poco valore.
Chi sono: clienti occasionali.
Strategia di marketing: nonostante questi consumatori sembrino essere i meno promettenti, non bisognerebbe ignorarli. Hanno infatti mostrato interesse per qualche prodotto almeno una volta. È possibile differenziare ulteriormente il gruppo, all’interno di un’analisi R F M. Si può pensare di effettuare una pubblicità provocatoria, del tipo: “solo per i nuovi arrivati” per dividere questi consumatori in due gruppi: quelli che sono “decisamente disinteressati alla merce” e quelli che sono “promettenti”. I clienti che si mostrano promettenti possono essere spostati al livello superiore.
Portare tutto a termine
L’approccio R F M non è perfetto, ma è uno strumento fantastico per valutare la base dei clienti: permette di adottare un approccio individuale con un piccolo sforzo.
Allo stesso tempo, bisogna tenere presente che le stagioni, le promozioni e le festività hanno un impatto sui dati. Se un consumatore con una lunga cronologia di acquisti per il mese corrente non acquista nulla il mese successivo, non è necessario trasferirlo immediatamente a un’altra categoria. Può essere l’effetto della stagionalità.
