Como usar modelos rfm em marketing orientado dados

Quando o marketing de dados impulsionada estava chegando primeiro em destaque, os analistas desenvolveram uma técnica segmentação relativamente simples que ainda é amplamente utilizada hoje. A técnica foi desenvolvida pela primeira vez para o negócio do catálogo de vendas. A motivação era que os catálogos são caros para imprimir e enviar, por isso é importante para enviá-los para as pessoas que podem realmente usá-los.

O quadro RFM em marketing orientados a dados

O carácter recente, frequência, monetária técnica, conhecida como modelagem RFM, baseia-se olhando para três fatos sobre transações de clientes.

Video: O meu estúdio da RFM

• R é para o carácter recente. Há quanto tempo o cliente última comprar de você?

  Video: Concerto RFM Fingertips nas Caves das Terras do Demo

• F é para frequência. Quantas vezes ou quantos produtos que o cliente comprar?

• M é para o dinheiro. Bem, na verdade, é para valor monetário mas isso significa dinheiro. Quanto o cliente gastar?

A idéia básica é que cada um desses fatores individualmente é um pouco de previsão de taxas de resposta. Combinando os torna essas previsões ainda melhor.

modelos RFM são desenvolvidos usando dados de transações resumidos. contagens de transação, totais de compra e datas das transações recentes são agrupados em intervalos. Um modelo RFM simples só poderia distinguir alto, médio e baixo volume de transações, por exemplo.

Cada cliente é classificado em cada um dos três atributos. Os clientes são então segmentada com base em sua classificação combinada. Por exemplo, um segmento é composto de clientes que se enquadram na categoria de baixo em todos os três atributos. Há um outro segmento de muito recente volume baixo, e alto valor monetário. E assim por diante.

Video: Rádio - Programação - Emissão em directo

O número de segmentos fica grande rápido. Se cada atributo é dividido em três gamas, que acabam com 27 grupos de RFM distintas. Se você dividi-los dez maneiras, você acaba com 1.000 segmentos.

Como construir o modelo RFM em dados orientado de marketing

A verdadeira visão vem quando você aplicar esses segmentos para clientes que receberam campanhas de marketing de você no passado. Você olha para as taxas de resposta para cada um dos segmentos RFM. Normalmente, alguns segmentos superam drasticamente outros.

Como todos os modelos, você deve testar modelos RFM antes de usá-los na definição de público-alvo. A forma padrão de testar um modelo envolve dividir os clientes que você está analisando em dois grupos definidos aleatoriamente.

Você pode estar analisando as taxas de resposta de 100.000 clientes que receberam a sua campanha de primavera. Você quer dividir aleatoriamente desse grupo pela metade. Você usa o primeiro semestre para fazer sua análise e definir seus segmentos de alto desempenho. Então você usar a segunda metade para confirmar (ou não) de que esses segmentos realmente um desempenho melhor do que os outros.

Você pode fazer isso divisão aleatória com um gerador de números aleatórios. software de banco de dados, software analítico, e até mesmo planilhas têm funções que irão produzir números aleatórios entre 0 e 1. A ideia é que você gerar um número aleatório para cada registro de cliente. Se o número for inferior a 0,5, você colocar o registro em seu arquivo de análise. O restante dos registros de entrar em sua confirmação ou arquivo de teste.

Ao focar futuras campanhas nos segmentos de alto desempenho, você pode conseguir maiores taxas de resposta, reduzindo custos da campanha. Você deve considerar algumas questões técnicas na implementação de qualquer tipo de modelo analítico. Por um lado, você não quer assumir que os seus segmentos irá funcionar tão bem no futuro, como fizeram no passado.