RFM analizi, pazarlama çalışmalarınıza cevap vermesini beklediğiniz hedef müşteri kitlenizi belirlemek için kullanılan popüler bir analiz yöntemidir.
Bu analiz yönteminde müşterinin geçmiş alışveriş alışkanlıklarının yanı sıra, yaptıkları alışveriş sayısına ve bu alışverişlerin harcama miktarına bağlı olarak müşterilerin muhtemel satın alma eğilimlerinin belirlenmesi amaçlanır.
Recency (R) – Yenilik – Son satın alımdan bugüne kadar geçen süre
Frequency (F) – Sıklık – Toplam satış sayısı
Monetary (M) – Parasallık – Tüm satın alımların parasal değeri
Bu değerlerin 1 ile 5 arasında puanlanarak müşterilerin gruplara ayrılması işlemine de “Müşteri Segmentasyonu” denir. 5 çok iyi, 1 ise çok kötü anlamına gelmektedir.
Daha sonra bu değerlere göre müşterileri aşağıdaki gibi satınalma davranışlarına göre gruplara ayırabiliriz. Bu sayede kişiye özel satış arttırma faaliyetlerini planlamak mümkün olacaktır.
Temel müşteri grupları şu şekildedir;
Champions (Şampiyonlar) Sizin sadık müşterileriniz. Yakın zamanda satın alım yapmış ve sık sık alışveriş yapmaya devam edenler.
“Promising” (Gelecek Vaat Eden) Yakın zamanda sizden alışveriş yapanlar. Onları şampiyonlar kategorisine yükseltmek için sadakat programları, ücretsiz deneme sürümleri ve üyelik ayrıcalıkları sunabilirsiniz.
“At risk” (Risk Altındaki Müşteriler) Eskiden sık alışveriş yapan fakat son zamanlarda alışveriş yapmamış olan müşteriler. Bu noktada doğru soruları sormak ve neden sizden satın almayı bıraktıklarını araştırmak önemlidir. Bu müşterileri tekrar aktif hale getirmek için onlara kişiselleştirilmiş emailler, sınırlı süreli indirimler ve fırsat ürünleri gönderebilir, en son aldıkları ürünlere benzer ürünler önerebilirsiniz.
“About to sleep” (Neredeyse Kayıp Müşteriler) Sık alışveriş yapmayan, uzun süredir satın alım yapmamış müşteriler. Bu müşterilere özel indirim teklifleri sunabilir ve popüler ürünleri önerebilirsiniz. Bu kategoride daha önce yüksek tutarda alışveriş yapmış müşterilere özellikle dikkat etmek gerekir.
Power BI’da Örnek Veriseti ile RFM Analizi
Veri setini aşağıdaki linkten indirebilirsiniz.
https://kaggle.com/nathaniel/uci-online-retail-ii-data-set
Modelimiz şu şekildedir;
Veri seti eski tarihli olduğundan, müşterilerin son temasından bugüne kadar olan süreyi hesaplamak doğru sonuç vermeyecektir. Bu nedenle veri seti üzerinden bir “bugün” değeri belirledim. Buna göre bugünün tarihi olarak, veri seti üzerindeki en son tarihli günü aldım.
Veri setinde satıştan iadeler de mevcut (negatif değerler), bunları dikkate almadan aşağıdaki measure’lar ile recency, frequency ve monetary değerlerini her bir müşteri için hesaplıyoruz.
Müşterilerin ilgili değerlerini kullanarak gruplara ayırmak için literatürde pek çok hesaplama yöntemi bulunmaktadır. Bu çalışmada aşağıdaki yöntemler kullanılmıştır.
Puanlama yapıldıktan sonra müşteri grupları belirtilen aralıklara göre tespit edilmiştir
Gruplara göre müşteri sayılarını hesaplamak için kullanılan measure;
RFM analiz sayesinde müşteriler; ne sıklıkla satın aldıklarına, en son ne zaman mağazayı/web sayfasını ziyaret ettiklerine ve ne kadar harcama yaptıklarına bakılarak gruplanmakta ve bu gruplara uygun tutundurma çabalarını daha etkin kullanmak mümkün olmaktadır.
