RFM-Modell – Datenbank erfolgreich segmentieren

Massen-E-Mails funktionieren nicht – das ist eine Tatsache. Sie bereiten einen Newsletter vor, geben ein paar Angebote, Artikel, Kontakt zum Kundenservice und klicken: an die gesamte Datenbank senden. Nach ein paar Tagen prüfen Sie die Statistiken in der Hoffnung auf eine 40% hohe OR und hier kommt die Enttäuschung: OR = 5% und CTR = 0,8%. Es ist nicht mal die Frage, dass Kunden aktuell wählerisch sind. Natürlich haben wir eine Gruppe von bewussten Verbrauchern, denen Sie das neueste Smartphone X Modell um nichts in der Welt andrehen werden, wenn sie das Modell Y haben möchten. Sie bilden jedoch keinen enormen Prozentsatz der allgemeinen Kundenanzahl. In Wirklichkeit geht es um die Anpassung der Inhalte und Intensität von Marketingmitteilungen zum Kundenengagement, seinen Kontostand oder Lebensstil. Gute Nachricht ist diese, dass man kein Nostradamus sein muss, um das Kundenverhalten und seine Bedürfnisse vorhersehen muss. Viele Plattformen zur Marketing Automatisierung ermöglichen genaue Verhaltensprofile zu erstellen und deren Verhaltensweisen (die vergangenen und die aktuellen) zu analysieren, was wiederum ermöglicht Predictive Marketing einzuführen. Software-Hersteller haben noch ein Ass im Ärmel. Es sind RFM-Modelle, die in hohem Maße die komplexe Analyse der Datenbank (oder ein Teil davon) erleichtern, was mit genauerer Segmentierung und Personalisierung der Marketingmitteilung verbunden ist.

Was bedeutet RFM?

Die Abkürzung RFM bedeutet Recency – Frequency – Monetary Value. Diese Werte sind Teile der Analyse des Kundenprofils im RFM-Modell. Schauen wir sie uns genauer mal an:

• Recency – es ist die Zeit ab dem letzten Kauf einer jeweiligen Person. Dank diesem Wert werden Sie Leads folgend klassifizieren können: Kunden, die vor Kurzem gekauft haben, Kunden, die in letzter Zeit gekauft haben und die, deren Zeit ab dem letzten Kauf schon längst her ist. Es ist klar, dass alle Leads wichtig sind, doch die Erfahrung legt uns nahe, dass diejenigen, die ihre Einkäufe erst vor Kurzem gemacht haben, werden wiederkommen und etwas kaufen.
• Frequency – gibt uns an, wie oft wir einkaufen. Es gibt 3 Arten von Kunden: die oft, regelmäßig und gelegentlich kaufen. Dank Frequency können Sie die Anzahl und den Wert der Transaktionen in bestimmten Bereichen verfolgen und sie ermöglicht uns die zusätzliche Personalisierung der Marketingmitteilung. Seltene und mehr exklusive Angebote können Sie an gelegentliche Kunden senden, die viel Geld bei Ihnen lassen. Nachrichten mit wöchentlichen Angeboten senden Sie an Kunden, die regelmäßig bei Ihnen kaufen.
• Monetary Value – kurz und bündig gesagt: es ist das Geld, das der Kunde bei Ihnen ausgibt. Dieselbe Kundengruppe, die Sie bereits nach Recency unterteilt haben, können Sie die analysieren, indem Sie als Variable das ausgegebene Geld annehmen. Sie bekommen wieder 3 Gruppen – sparsame Kunden, durchschnittliche Kunden und Premium Kunden. In der Praxis hilft es Ihnen deren Verhaltensweisen besser zu kontrollieren. Wenn Sie wissen, dass die sparsamen Kunden häufiger kaufen doch für wenig Geld, und die durchschnittlichen Kunden geben fast so viel aus, wie die Premium Kunden, so können Sie den Inhalt der Mailings oder Banner entsprechend auswählen.

Varianten des RFM-Modells

Das beschriebene Modell der Verhaltensanalyse von Kunden kann nach Bedürfnissen jeweiliger Unternehmen mit unterschiedlichen Business-Profilen modifiziert werden.

• RFD-Modell – Recency, Frequency, Duration – untersucht den Wert des Kaufs und nicht wie lange sich Besucher auf Ihrer Webseite aufhalten. Es bewahrheitet sich in Situationen, wenn Sie überprüfen wollen, wie lange der User Artikel auf der Seite gelesen hat.
• RFE-Modell – Recency, Frequency, Engagement – eine erweiterte Version des RFD-Modells. Die letzte Variable ist das User-Engagement.
• RFM-I-Modell – Recency, Frequency, Monetary Value – Interactions. Fügt in die Grundversion die Variable „Interaktionen” hinzu und kann zur Messung der Effektivität von Werbekampagnen verwendet werden.

Was kann noch das RFM-Modul und warum sollte man es verwenden?

Das RFM-Modul verfügt nicht nur über leere Daten und Teilung von Leads in bestimmte Gruppen. Gute Software sichert die Möglichkeit einer weiteren Bearbeitung der vorläufig vorbereiteten Daten. Die einfache und elegante Lösung ist die Zusammensetzung von Variable-Paaren in Matrizen und die Interferenz jeweiliger Sektoren. Wenn wir dieser Spur folgen, können wir je nach Bedürfnissen ganz genau auserwählte Empfängergruppen vorbereiten, z.B. Premium Kunden, die mit durchschnittlicher Häufigkeit bei Ihnen kaufen, doch letztens einen größeren Einkauf machten, oder neue Kunden, die sehr vorsichtig und auf Probe etwas Kleines kauften. Den Erstgenannten können Sie ruhig ein Angebot mit Produkten oder komplementären Dienstleistungen in einer Deluxe-Version senden. Für die Zweitgenannten starten Sie eine Lead Nurturing Bildungsserie, um sie in loyale Kunden zu verwandeln und mit ihnen eine dauerhafte Relation aufzubauen.

Wer nutzt RFM?

Außer Adressaten dieser Methode wie E-Commerce oder B2B, sind von dem RFM-Modell Online-Redaktionen (dank Anwendung einer der Modellversionen, prüfen sie das Leserverhalten und deren Engagement) und Non-Profit-Organisationen überzeugt. Dank der Anwendung von RFM-Analyse können sie potentielle Spender finden.

Wie ist Ihre Erfahrung mit dieser analytischen Methode? Nutzten Sie sie? Teilen Sie Ihre Erfahrung in den Kommentaren!