E-Commerce e Matrice RFM

Cos’è e a cosa serve

La Matrice RFM è una tecnica di segmentazioni dei clienti legata al comportamento d’acquisto degli stessi, utilizzata soprattutto per strategie di Customer Retention.
Nell’e-commerce essa è utile per profilare i clienti e segmentarli in maniera da poter avviare una comunicazione di marketing targettizzata al singolo individuo attraverso la Marketing Automation.
L’analisi RFM è legata al concetto di Customer Lifetime Value, cioè il valore economico che il cliente assume per l’azienda nell’arco della sua “vita da acquirente”.
Aumentare il Lifetime Value significa guadagnare di più nel tempo dai clienti già acquisiti.
Collocare questi ultimi in un cluster specifico ci permette di capire quali sono i clienti migliori e come sta andando il nostro business.
Approfondisco il LTV nella pagina dedicata al Retention Marketing.

La matrice

La matrice RFM è essenzialmente composta da tre variabili:

  • Recency: tempo dall’ultimo ordine.
  • Frequency: n. di ordini.
  • Monetary: totale speso dal cliente.
Rappresentazione matrice RFM
Rappresentazione cubica matrice RFM

Nella fase di profilazione RFM dovremo selezionare un intervallo di tempo (solitamente un anno) e ricavare dai nostri strumenti (CMS, CRM ecc.) i dati relativi alle tre variabili per ogni cliente (spesso si utilizza l’ID cliente).
Per grandi database questa analisi viene automatizzata attraverso dei software per poter in seguito avviare un processo di marketing automation.
Vediamo però un esempio di profilazione clienti attraverso una tabella Excel:

Esempio Excel profilazione analisi RFM

Segmentazione e analisi

A questo punto grazie all’analisi RFM possiamo segmentare i nostri clienti in gruppi omogenei.
La segmentazione può avvenire per singola variabile o utilizzando la combinazione delle stesse.
Oltre che per valore assoluto possiamo creare i cluster assegnando punteggi a seconda del valore della variabile (Ad esempio, nel caso della Recency: 1 punto per chi ha acquistato più di 30 giorni prima, 2 punti per chi ha acquistato da 30 a 15 giorni prima ecc.)
Grazie a questa segmentazione possiamo scoprire i nostri clienti “migliori” (con valori più alti nelle tre variabili), quelli peggiori (con valori più bassi), quelli che stiamo per perdere (basse recency e frequency) ecc.
Nel mezzo avremo varie tipologie di clienti a cui applicare comunicazione differenziata a seconda delle proprie caratteristiche per cercare di portarli al segmento successivo.

Immagine esempio segmentazione clienti analisi RFM


Incrociando i dati dell’analisi RFM con altri dati in tuo possesso sarà anche possibile scoprire i comportamenti di determinate tipologie di clienti rispetto ad azioni effettuate sul tuo sito. Ad esempio quale segmento di clienti abbandona di più il carrello o visita di più una categoria del sito ecc.

Retention Marketing

L’analisi RFM ci permetterà quindi di applicare delle strategie di marketing ad hoc per ogni segmento di clienti.
Le scelte sono infinite e da studiare per il singolo caso concreto. In ogni caso propongo di seguito alcuni esempi delle strategie di retention marketing applicabili a dei possibili segmenti di utenti:

  • Clienti che hanno fatto un solo acquisto e spendono poco: offrire prodotti a basso costo o promozioni.
  • Clienti che acquistano costantemente e spendono più della media (i più importanti): campagne fedeltà.
  • Clienti che hanno fatto un solo acquisto costoso: cross-selling e campagne fedeltà.
  • Clienti che hanno fatto molti acquisti recenti e spendono poco (spesso la maggioranza): coupon con soglia minima di spesa.
  • Cliente che non acquista da mesi ma ha già speso una cifra considerevole: campagna di upselling.

Inoltre un’analisi RFM può aiutare nella customer acquisition fornendo dati per ingaggiare un pubblico simile (ad esempio su Facebook con il pubblico simile basato sul valore) ai nostri clienti migliori.

L’applicazione dell’analisi RFM nell’e-commerce

Questo sito consente l’invio di cookie tecnici necessari per il corretto funzionamento del sito, nonché di cookie di “terze parti”.  Se vuoi saperne di più o negare il consenso a tutti o ad alcuni cookie leggi la policy estesa. Cliccando su “accetta” acconsenti all’uso dei cookie.