Como usar RFM Modelos em marketing Data Driven

Quando o marketing de dados impulsionada estava vindo pela primeira vez em destaque, os analistas desenvolveram uma técnica segmentação relativamente simples que ainda é amplamente utilizado 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 recência, freqüência técnica monetária, conhecida como modelagem RFM, baseia-se olhando para três fatos sobre transações dos clientes.

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

• 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 é que o cliente gastar?

A ideia básica é que cada um destes factores é um tanto individualmente preditivo 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 transação, por exemplo.

Cada cliente é classificado em cada um dos três atributos. Os clientes são, então, segmentados com base em sua classificação combinada. Por exemplo, um segmento é constituído por clientes que caem 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.

O número de segmentos fica grande rápido. Se cada atributo é dividido em três faixas, você acaba com 27 grupos 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 esse grupo pela metade. Você usa o primeiro semestre para fazer a sua análise e definir seus segmentos de alto desempenho. Em seguida, você usar o segundo semestre 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 idéia 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 segmentos irá funcionar tão bem no futuro, como fizeram no passado.