Meer conversie uit je e-mailmarketing? Zet de RFM-analyse in

Geen reacties
Tags: , , , , , , , , ,
Posted 10 jun 2014 in nieuws

Wie zijn je klanten? Wanneer hebben ze voor het laatst iets gekocht? Wat zetten zij gemiddeld om? Dit zijn allemaal vragen die iedere (online) marketeer beantwoord wil zien. Het analyseren van en anticiperen op deze resultaten is voor velen echter nog een brug te ver. Daarom meer over de RFM-analyse die je kunt inzetten voor het analyseren van dit soort klantdata.

RFM staat voor Recentheid, Frequentie en Monetaire waarde. Een methode die zich heeft bewezen als een effectieve aanpak van het voorspellen van respons en het verbeteren van de effectiviteit van onder andere e-mailmarketingstrategieën.

Recentheid, Frequentie en Montaire waarde
De RFM-analyse is gebaseerd op twee gegevens. Ten eerste op het marketingprincipe ‘80 procent van de omzet komt van twintig procent van de klanten’. Daarnaast is het gebaseerd op de aanname dat mensen die recentelijk iets van je hebben gekocht, veel eerder reageren op een nieuwe aanbieding, dan iemand die een tijd geleden zijn laatste aankoop bij je heeft gedaan. Het toepassen van de RFM-methode binnen je e-mailmarketingstrategie is dan ook een ideale methode om interessante segmenten te herkennen waarmee je vervolgens je eerste customer lifecycles kunt inrichten. Maar hoe start je hier precies mee?

Analyseren klantdata
Om een customer lifecycle zo efficiënt en effectief mogelijk in te richten is het raadzaam om eerst de reeds verzamelde klantdata te analyseren. Binnen de RFM-methode heb je hiervoor de volgende informatie nodig:

  • Recentheid (R)
    Wat is de meest recente aankoopdatum? Kennis hiervan is belangrijk omdat je met behulp van deze informatie kunt inschatten of iemand in de toekomst geneigd zal zijn om een herhaal-aankoop te doen. Stel, iemand heeft ruim een half jaar geleden voor het laatst iets gekocht, dan is de ‘recentheidsscore’ erg laag. En deze ‘recentheidsscore’ is de sterkste indicator of iemand op een volgende e-mailcampagne zal reageren.
  • Frequentie (F)
    Hoe vaak heeft de klant in de afgelopen periode een product aangeschaft? Ligt het aantal transacties erg laag? Dan is de kans aannemelijk dat hier geen verbetering in zal plaatsvinden in de aankomende tijd.
  • Monetaire waarde (M)
    Hoeveel heeft de klant omgezet? Heeft iemand veel geld gespendeerd? Op basis van deze informatie kun je gaan inschatten of deze klant in de toekomst nog meer geld zal uitgeven. Is de ‘monetairescore’ hoog? Met andere woorden: heeft de klant veel geld uitgegeven? Dan is hij of zij het waard om tijd en geld in te investeren!

Heb je al deze drie belangrijke factoren van klantdata verzameld? Dan is het moment aangebroken om de RFM-scores te gaan berekenen. Om tot deze rekensom te komen adviseer ik om de volgende stappen te nemen:

Stap 1
Maak een datamodel van alle transacties in een bepaalde periode en zorg ervoor dat je van iedere klant de R, de F en de M kunt bepalen. Met andere woorden: hoeveel dagen is het geleden dat deze persoon voor het laatst iets heeft gekocht? Hoeveel heeft men toen gekocht en wat was de omzet?

Stap 2
Nu je deze informatie hebt verzameld, is het gemakkelijk om alle type klanten in groepen te verdelen. Deze verdeling doe je voor alle parameters (R, F & M) op basis van een score van één tot vier.

Stap 3
Als laatste stap ga je de R, F en M-score per klant samenvoegen. Dit resulteert in 64 segmenten, waarbij het 444-segment staat voor de meest rendabele klant tot 111 voor klanten die het minst waardevol zijn.

In een Excel-overzicht ziet dit er dan als volgt uit:

Afb 1

Bron: http://www.emailmarketingtipps.de/

Bereken de RFM-score
Na het nemen van deze drie stappen kun je de RFM-score berekenen. Dit is de combinatie van de drie afzonderlijke scores. Wanneer de RFM-score van een klant bijvoorbeeld 442 is, dan scoort deze een vier voor Recentheid (heeft pas nog een product aangeschaft). Een vier voor Frequentie (koopt regelmatig een product). En een twee voor Monetaire waarde (het bedrag dat wordt uitgegeven is gemiddeld).

Inrichten customer lifecycles
Nu je door middel van deze rekensommen nog meer inzicht hebt gekregen in het gedrag van jouw klanten is het moment eindelijk aangebroken om hier gericht jouw e-mailcampagnes op aan te passen. Dit doe je door het inrichten van customer lifecycles waarmee je heel doelgericht het gedrag van klanten middels e-mailings probeert te sturen.

De kracht van customer lifecycles zit hem in een aantal punten. Doordat je weet met wat voor type klant je te maken hebt ben je in staat om veel relevantere boodschappen in de e-mailing te plaatsen. Zo kun je inspelen op het gedrag van de klant of zijn/haar status. Hierdoor is de boodschap in de e-mailing automatisch ook veel relevanter dan in een normale e-mailing.

Klanttypes
Ik kan mij zo voorstellen dat je je afvraagt voor welke klanten je een customer lifecycle moet gaan inrichten. Nu kun je natuurlijk enkel de focus leggen op de klanten met code 444 (meest winstgevend), maar het is juist de truc om voor ieder type klant een customer lifecycle campagne in te richten. Want wie zegt dat de 111-klant niet gevoelig is voor een activatie (korting) e-mailing? Houd er alleen wel rekening mee dat je een klant maar in één lifecycle campagne opneemt. Een klanttype 444 verwacht namelijk een hele andere benadering dan het type 111.

Vergeet vooral niet het effect van de lifecycles te meten. Dit kun je het beste doen door te werken met een controlegroep van circa tien procent. Deze controlegroep moet aan het begin van de campagne worden uitgesloten en ontvangt de normale e-mailing. Want meten = weten. Je hebt natuurlijk niet zo veel tijd en effort gestoken in het bereken van de RFM-score om aan de eindstreep de kantjes er vanaf te lopen.

Inspiratie
Ik hoop je met deze blogpost te hebben geïnspireerd om nog eens kritisch naar jouw eigen klantdata te kijken en je nu de handvatten te hebben gegeven waarmee je aan de slag kunt gaan. Je zit op een pot met goud en de tijd is nu aangebroken om hier ook gebruik van te gaan maken. De tijd en effort die je erin stopt zal zich altijd uitbetalen. Kijk bijvoorbeeld maar naar deze interessante case van fotoboekenproducent Albelli. Hun lifecycle campagnes hebben geresulteerd in dubbele confirmed open rates en tot 36 procent hogere klantwaarde.

Veel succes! Wil je meer weten? Neem dan contact met mij op of je kunt me bereiken via de LinkedIn-groep “E-mailmarketing Nederland”. Join the discussion!

*) Dit artikel is tevens gepubliceerd op de website van DDMA.



Lees het volledige bericht op Emerce »


Add Your Comment