Klantwaarde management met het RFM-model
Leestijd 4 minuten
Het Recency, Frequency, Monetary (RFM) model is een krachtig instrument voor klantsegmentatie gebaseerd op aankoopgedrag. Dit model wordt veelvuldig ingezet door ondernemers om de bestaande kopers te segmenteren. Op basis van deze inzichten worden vervolgens keuzes gemaakt met betrekking tot de marketingactiviteiten.
Wat is het RFM model?
Bij het Recency, Frequency, Monetary (RFM) model worden klanten ingedeeld in groepen op basis van hun aankoopgedrag. Daarbij kijk je naar drie factoren:
- Hoe recent heeft iemand nog een aankoop gedaan (R)
- Hoe frequent doet iemand een aankoop (F)
- Wat is de gemiddelde waarde van die aankopen (M)
Op basis hiervan kun je klanten indelen in segmenten als “Heel recent, gemiddeld frequent, hoge waarde” en “Niet recent, heel frequent, lage waarde”. Het aantal groepen dat je samenstelt, is aan jou. Sommige marketeers maken per factor drie groepen, waardoor er 27 segmenten ontstaan. Heb je een omvangrijk klantbestand? Dan kan dit zelfs oplopen tot 125 groepen (5x5x5).
Om het overzichtelijk te houden, zie je vaak een indeling op basis van getallen. Waarbij 3 (of 5) het hoogste/beste is en 1 het laagste. Het eerste voorbeeld hierboven (“Heel recent, gemiddeld frequent, hoge waarde”) wordt op een driepunt schaal: 323.
Betere direct marketing met het RFM-model
Een RFM-indeling kan de basis vormen voor personalisatie. Klanten die laag op recency scoren (en hoog op de andere factoren) wil je een campagne voorschotelen om een nieuwe aanschaf te doen. En klanten met een lage monetaire waarde wil je verleiden een duurder product te kopen.
Elke organisatie is uniek en daarmee ook de toepassing van het RFM-model. In een grotere B2B organisatie zou je dit model kunnen implementeren in je marketing automation systeem. Bij een organisatie met een klein aantal klanten, gaat de toepassing misschien niet om campagnes, maar om bij welke klant je een keer extra op bezoek gaat. Zo kan je jouw direct marketingstrategie meer vorm geven.
Dashboarding
Het RFM-model kan ook helpen in het monitoren van de ontwikkeling van je klantenbestand. Zie je het aantal klanten dat op alle drie de factoren hoog scoren toenemen? Of zakt juist een van die factoren weg? Het krijgt hiermee een plek op het marketing dashboard.
Voorbeeld van klantsegmenten
Je kan dus op je eigen manier klantsegmenten maken met het RFM-model, maar online zie je veel voorbeelden van segment-indelingen en namen. Hieronder de indeling van Putler uitgelicht:
| Segment | RFM-score |
|---|---|
| Champions | Heel recent, heel vaak en geven veel geld uit (333) |
| Loyale klanten | Geven veel uit en reageren goed op promoties |
| Potentiële loyalist | Heel recent, een mooi bedrag uitgegeven en hebben al meer dan een herhaal aankoop gedaan, maar scoren nog niet heel hoog op frequentie |
| Recente klant | Heeft het meest recent gekocht, maar niet veel |
| Beloftes | Heeft recent gekocht, maar niet veel uitgegeven |
| Klanten die aandacht nodig hebben | Hebben normaal een boven gemiddelde recency, hoge frequentie en geven veel geld uit, maar hebben nu al een tijd geen aankoop meer gedaan |
| Bijna in slaap | Scoren lager dan gemiddeld op alle drie de factoren. Dit zijn de klanten die je gaat verliezen als je ze niet reactiveert door een actie als een promotie |
| In gevaar | Scoren hoog op waarde (M) en frequentie, maar hebben al een tijd niks gekocht |
| Deze wil je niet kwijt | Scoren nog hoger op waarde en frequentie dan de klanten in het segment ‘in gevaar’, maar zijn al een hele lange tijd niet teruggekomen |
| Winterslaap | De laatste aankoop was lang geleden, met een lage waarde en hebben daarvoor ook niet vaak besteld |
| Lost | Dit zijn de klanten die ‘111’ scoren. Zij hebben dus de laagste frequentie, waarde en hun aankoop is lang geleden. Je zou dit segment kunnen remarketen voor een nieuwe aankoop, maar als de waarde altijd al laag was, zou je er ook voor kunnen kiezen je tijd te richten op de klanten in het segment ‘in gevaar’ vallen |
Versimpelde voorstelling van de werkelijkheid
Zoals elk model is ook het RFM een versimpelde voorstelling van de werkelijkheid en kent daarmee zijn beperkingen. RFM kijkt alleen naar het aankoopgedrag en laat ander klantgedrag (websitebezoek, contact met klantenservice, klanttevredenheidsonderzoek, productgebruik) en klantkenmerken (geografisch, demografisch, interesses en voorkeuren) buiten beschouwing.
Echter, in deze beperking zit ook juist de kracht: je hebt niet heel veel klantdata nodig om er mee aan de slag te gaan. Juist door het terug te brengen naar de transactiegegevens is het een laagdrempelige manier van segmenten. Het geeft je richting waar je de volgende stappen (binnen personalisatie) kan zetten.
Dit artikel is gebaseerd op een eerder verschenen artikel van Pim Wennekes op Customertalk.nl
Meer weten over CRM?
Wil je meer te weten komen over CRM? Neem dan een kijkje bij een CRM opleiding of training. Hierbij verreik je je operationele, tactische & strategische kennis op het gebied van CRM.
Delen
