Analisi RFM – Definizione

 

Analisi RFM si intende una modalità di segmentazione clienti basata su tre variabili, Recency (R) Frequency (F), Monetary (M). Questa tipologia di analisi rappresenta uno dei metodi più utilizzati nelle segmentazione delle basi clienti in diversi settori industriali.

L’obiettivo è di attribuire ad ogni cliente un valore/punteggio che possa successivamente collocarlo in un segmento specifico (es. clienti fedeli, clienti top, clienti con bassa frequenza, etc.) consentendo di pianificare differenti strategie di marketing e comunicazione sulla base dei segmenti che ne emergono.

 

Analisi RFM – Le variabili di partenza

 

Recency o recentezza: è l’intervallo di tempo rispetto all’ultima operazione di acquisto. Questa metrica si basa sull’assunto che chi ha effettuato un acquisto di recente ha una maggiore probabilità di acquistare ancora, magari prodotti o servizi complementari, alimentando quindi le logiche aziendali di cross selling.

Frequency o frequenza: quanto spesso il cliente acquista. Con questa sola variabile si possono segmentare i clienti in regolari, assidui, occasionali, etc. permettendo una personalizzazione dei contenuti e dei touch point con i quali si contatta la clientela (es. DEM con offerte esclusive a clienti occasionali, newsletter a clienti assidui, etc.).

Monetary o spesa del cliente: anche in questo caso è possibile segmentare la clientela nello stesso modo fatto per la variabile Frequency (clienti con spesa media, clienti con alta propensione alla spesa, etc.) personalizzando le successive attività di marketing e comunicazione sulla base della spesa del cliente.

 

Analisi RFM – Dalle variabili all’indicatore RFM

Le singole variabili, che come visto sopra permettono già una prima segmentazione della base clienti, sono gli ingredienti che alimentano l’indicatore RFM.

Tale metrica viene costruita con un sistema di pesi di ponderazione delle tre variabili. Il risultato della ponderazione è un punteggio attribuito ad ogni cliente.

L’indicatore RFM ora può essere utilizzato per creare una segmentazione che considera tutte e tre le variabili comportamentali dei clienti. Sulla base di questo si possono creare segmenti come:

  • clienti dormienti o poco attivi
  • clienti ad alta spesa e frequenza
  • clienti ad alta frequenza e bassa spesa
  • etc.

 

 

 

Se sei interessato a soluzioni per lo sviluppo di segmentazioni RFM contattaci saremo lieti di fornirti tutte le informazioni e rispondere alla tue domande.

All’interno della nostra Accademia del dato eroghiamo corsi di formazione in ambito Machine Learning & Data Intelligence.

Rimani sempre aggiornato con la nostra newsletter. Se non sei ancora iscritto clicca qui