مدیریت ارتباط با مشتریان ، خوشه بندی (تقسیم بندی مشتریان)

موضوع:

مدیریت ارتباط با مشتریان ، خوشه بندی (تقسیم بندی مشتریان)

تحلیل RFM برای تقسیم بندی موفق مشتریان – قسمت دوم

نویسنده :

جناب آقای مهندس بهنام بهزادی فر / مدیر محترم ارتباط با مشتریان برند زعفران مصطفوی

به تصویر کشیدن داده های RFM

نمایش گرافیکی RFM به شما و سایر تصمیم گیرندگان سازمانتان کمک می کند تا تحلیل RFM سازمان را بهتر درک کنند. R ، F و M دارای مقادیری مابین 1 تا 5 هستند، در مجموع = 1255*5*5 از ترکیب مولفه های RFM محاسبه می گردد. سه مولفه R ، F و M را به عنوان سه بعد می توان به بهترین وجه در یک نمودار 3D (سه بعدی) ترسیم کرد. اگر بخواهیم ببینیم که برای هر مقدار RFM چه تعداد مشتری داریم، باید 125 نقطه از داده ها را بررسی کنیم. اما کار کردن با نمودارهای سه بعدی روی کاغذ یا صفحه کامپیوتر آنچنان کارایی نخواهد داشت. ما به چیزی در دو بعد نیاز داریم، چیزی که بتوان آن را آسان تر به تصویر کشید و درک کرد.

ارائه ساده ترتحلیل RFM

در این روش، ما F + M را بر روی محور Y (دامنه 0 تا 5) و R (دامنه 0 تا 5) را در محور X رسم می کنیم. با این کار ترکیب های احتمالی از 125 به 50 کاهش می یابد. ترکیب کردن F و M به یک مولفه، منطقی است زیرا هر دو مربوط به میزان خرید مشتری هستند. R در محور دیگر به ما نگاه سریع به سطح تعامل مجدد با مشتری را می دهد.

به عنوان مثال یک کسب و کار که بر پایه ایجاد اشتراک برای مشتری است را در نظر بگیرید. برای مشتری با اشتراک ماهانه 100 هزار تومان، M وی 1.2 میلیون تومان برای کل سال خواهد بود، اما F آن به وجود دلیل صورتحساب ماهیانه 12 می باشد. از طرف دیگر، کسب و کاری را در نظر بگیرید که مدل آن به صورت ماهیانه نباشد یا اشتراک را سالانه به مبلغ 1.2 میلیون تومان ارائه دهد، این کسب و کار، M خوبی را نشان می دهد اما F به دلیل یکبار خرید در سال، فقط 1 است. مشتری در هر دو مورد به یک اندازه مهم است و رویکرد ما در ترکیب امتیازات F و M به آنها اهمیت یکسانی در تحلیل RFM می دهد.

درک 50 بخش و نمونه از RFM الان هم ممکن است خسته کننده باشد. بنابراین ما تجزیه و تحلیل را در 11 بخش خلاصه کردیم تا مشتریان خود را بهتر درک کنیم. اگر خاطرتان باشد، در ابتدای این یادداشت در قسمت اول در مورد این بخشها بحث کردیم.

به جدولی که در پایین ارائه نموده ایم دقت نمایید. این جدول پیشنهاد میدهد که چگونه می توانید 11 بخش بندی مختلف از مشتریان را بر اساس امتیاز RFM ایجاد کنید.

ارائه تحلیل نهایی RFM

اختصاص دادن رنگ های متمایز به هر بخش امکان یادآوری آسانتر را از هر بخش فراهم می کند. اگر رنگ ها را به طرز معقول و بر اساس پروتکل خاصی انتخاب کنیم، ارائه تصویری گزارشاتمان به شکل بسیار مطلوبی قابل اشتراک گذاری با دیگران و همچنین به میزان زیادی قابل فهم تر می شود.

گزارش نهایی خلاصه از تحلیل RFM را در شکل زیر میتوانید مشاهده کنید.

راهکارهای نرم افزاری تحلیل RFM

با افزایش تمرکز بر مدیریت ارتباط با مشتری(CRM) ، RFM به بخشی جدایی ناپذیر از بازاریابی و تجزیه و تحلیل کسب و کار تبدیل شده است. اگر در حال ارزیابی یکباره ی رفتار خرید مشتریان خود هستید، می توانید با انجام تجزیه و تحلیل دستی یا نیمه خودکار RFM به راحتی از پس کارتان برآیید. اما اگر پایگاه داده ی بزرگی دارید، لازم نیست همه محاسبات پیچیده را خودتان انجام دهید.

محاسبات RFM با استفاده از اکسل

بروس هاردی و پیتر فادر یادداشت مفصلی در مورد استفاده از اکسل برای محاسبه امتیازات RFM نوشتند. آنها همچنین یک نمونه فایل اکسل دارند که می توانید استفاده کنید. اما این یادداشت مربوط به سال 2008 است و ممکن است نیاز به به روزرسانی داشته باشد. فایل اکسل پیشنهادی آن دو را میتوانید از طریق کلیک بر روی لینک زیر دانلود کنید.

http://www.brucehardie.com/notes/022/creating_CDNOW_RFM_summary.zip

یک الگوی اکسل دیگر هم وجود دارد که آن را UMass Business Solutions ارائه کرده است و برای استفاده از آن باید چیزی حدود 8 دلار هزینه کنید که شاید برای ما ایرانی ها راه حل آسانی نباشد. اما لینک آن را در زیر قرار میدهم تا به آنجا هم سری بزنید.

http://www.umacs-business-solutions.com/customer-lifetime-value.html

یک راه حل دیگر هم برای تنظیم محاسبات RFM با استفاده از اکسل در سایت Cog iView ارائه شده است که سر زدن به ان نیز ضرری نخواهد داشت.

http://www.cogniview.com/blog/how-to-use-excel-to-identify-your-best-customers/

برخی از ابزارهای CRM

نرم افزارهای CRM بسیاری وجود دارد که می توانند به طور خودکار امتیاز RFM را محاسبه کرده و مشتریان شما را تقسیم بندی کنند. اگر ابزارتان از پشتیبانی RFM برخوردار بوده و از آن بهره ای نمیبردید و یا حتی مطمئن نیستید که چنین خدمتی را ارائه میدهد، حتما با CRM خود تماس بگیرید.

تحلیل RFM با استفاده از برنامه های Python / R و سایر ابزارهای تجزیه و تحلیل

برنامه های R و Python برای تجزیه و تحلیل آماری و کسب و کار، بسیار پر طرفدار هستند. اگر در سازمانتان تیم “علوم داده” یا “Data Science” را دارید، اولا خوش به حال سازمان بالغتان! و ثانیا بهترین کار این است که با استفاده از ابزارها و برنامه های موجود، یک مدل سفارشی RFM برای کسب و کارتان بنویسید.

RFM برای نرم افزارهای فروشگاهی مانند Shopify، BigCommerce و TicTail

Retention Grid یک سرویس نرم افزاری اختصاصی در زمینه تحلیل RFM است. این راهکار می تواند داده ها را از برنامه هایShopify ، BigCommerce یا Tic Tail در فروشگاه شما وارد کند و گزارشات متنوع با نمای بسیار عالی گرافیکی از بخش های مختلف RFM را نشان دهد.

تجزیه و تحلیل RFM برای فروشگاه های آنلاین

نرم افزار Putler تجزیه و تحلیل جامعی از RFM ارائه می دهد، و بسیاری از ابزارها و راهکارهای دیگر تجزیه و تحلیل و گزارش کسب و کار را به شما ارائه می دهد. این برنامه برای تجارت الکترونیکی ساخته شده و از همگام سازی خودکار با درگاه های پرداخت عمده و سیستم های تجارت الکترونیکی پشتیبانی می کند. به بیان دیگر فرایند Integration با سایر سیتم ها و نرم افزارهای مالی را مقدور میسازد. پاتلر همچنین در بسیاری از موارد دیگر مانند فروش، محصولات، بازدید کنندگان و غیره مستواند گزارشات مفصلی را به شما ارائه می دهد.

تجزیه و تحلیل RFM در Putler در داشبورد مشتری وجود دارد که بریده ای از این نرم افزار را برای شما در زیر آورده ایم:

تنوع مدل های RFM

RFM یک چارچوب ساده برای تعیین کمیت رفتار مشتری است. یعنی ما را قادر میسازد تا مولفه رفتار که کیفی است را به کمک آیتم های عددی بسنجیم و به کمک اعداد کمُی تحلیل دقیقی از آن داشته باشیم. بسیاری از افراد مدل تقسیم بندی RFM را گسترش داده و تنوع ایجاد کرده اند.

دو مورد از شاخص ترین مدل ها عبارتند از:

RFD (Recency, Frequency, Duration) – Duration یا دوره زمانی، در اینجا زمان صرف شده است. این روش به خصوص هنگام تجزیه و تحلیل رفتار مصرف کننده برای خوانندگان مجلات و روزنامه ها و کتب و…، بینندگان، و خدمات و محصولات مرتبط با گشت و گذار بسیار مفید است.
(Recency, Frequency, Engagement) RFE – Engagement میتواند یک مقدار ترکیبی باشد که بر اساس زمان صرف شده در صفحات وب، تعداد صفحات وب در هر بازدید، نرخ پرش، تعامل در شبکه های اجتماعی و غیره به ویژه برای مشاغل آنلاین مفید است.

شما می توانید RFM را برای کل مشتری های خود یا فقط یک زیرمجموعه از آن ها انجام دهید. به عنوان مثال، شما ممکن است ابتدا مشتریان را براساس منطقه جغرافیایی یا سایر اطلاعات جمعیتی تقسیم بندی نمایید، سپس توسط RFM برای بخشهای رفتاری و سوابق بر معاملات نیز بخش بندی کنید.

به شما توصیه میکنم با یک کار ساده شروع کنید، بیازمایید و کسب تجربه کنید، و ادامه دهید تا موفق شوید.