ثبت‌نام
بازاریابی داده‌محور

بخش‌بندی RFM و LRFM؛ راهنمای عملی برای تیم بازاریابی

نوشته‌ی تیم محتوای شکلات آخرین بازبینی: ۱۱ دقیقه مطالعه
بخش‌بندی RFM و LRFM؛ راهنمای عملی برای تیم بازاریابی

بخش‌بندی RFM روشی برای دسته‌بندی مشتریان بر اساس سه بعد رفتار خرید است: تازگی آخرین خرید (Recency)، تناوب خرید (Frequency) و مبلغ خرید (Monetary). مدل LRFM یک بعد چهارم، یعنی طول عمر رابطه (Length)، به آن اضافه می‌کند. برخلاف بخش‌بندی جمعیت‌شناختی، این مدل بر پایه‌ی رفتار واقعی و ثبت‌شده تصمیم می‌گیرد، نه بر پایه‌ی حدس درباره‌ی مشتری.

چرا بخش‌بندی جمعیت‌شناختی کافی نیست

بیشتر تیم‌های بازاریابی مشتریان را بر اساس سن، جنسیت یا شهر دسته‌بندی می‌کنند. مشکل این است که این ویژگی‌ها رفتار خرید را پیش‌بینی نمی‌کنند. دو نفر با سن و شهر یکسان می‌توانند الگوی خرید کاملاً متفاوتی داشته باشند: یکی ماهی سه بار خرید می‌کند و دیگری یک سال است خریدی نداشته.

بخش‌بندی رفتاری این مشکل را حل می‌کند، چون مستقیماً از داده‌ای استفاده می‌کند که به تصمیم بازاریابی مربوط است: مشتری چه زمانی، چند بار و چقدر خرید کرده است.

سه بعد اصلی مدل RFM

بعدچه چیزی را می‌سنجدچرا اهمیت دارد
تازگی (Recency)چند روز از آخرین خرید گذشتهقوی‌ترین پیش‌بینی‌کننده‌ی خرید بعدی
تناوب (Frequency)تعداد خریدها در بازه‌ی مشخصنشان‌دهنده‌ی عادت و وابستگی به برند
مبلغ (Monetary)مجموع یا میانگین مبلغ خریدنشان‌دهنده‌ی ارزش اقتصادی مشتری

در میان این سه، تازگی معمولاً بیشترین قدرت پیش‌بینی را دارد. مشتری‌ای که هفته‌ی گذشته خرید کرده، به‌مراتب بیشتر از مشتری‌ای که یک سال پیش خرید کرده احتمال دارد دوباره خرید کند، حتی اگر مشتری دوم در گذشته مبلغ بیشتری خرج کرده باشد.

بعد چهارم: طول عمر رابطه

مدل RFM یک نقطه‌ی کور مهم دارد. فرض کنید دو مشتری هر دو در ماه گذشته سه بار خرید کرده‌اند و مبلغ مشابهی پرداخته‌اند. در مدل RFM این دو امتیاز یکسانی می‌گیرند و در یک بخش قرار می‌گیرند. اما:

  • مشتری اول سه هفته پیش اولین خریدش را انجام داده است.
  • مشتری دوم چهار سال است که مشتری شماست.

این دو به دو استراتژی کاملاً متفاوت نیاز دارند. اولی در مرحله‌ی شکل‌گیری عادت است و به تثبیت نیاز دارد؛ دومی سرمایه‌ی بلندمدت برند است و به قدردانی و حفظ نیاز دارد. بعد طول عمر (Length) دقیقاً همین تفاوت را آشکار می‌کند.

افزودن این بعد سه مزیت عملی دارد:

  • تفکیک مشتری تازه‌وارد پرخرید از مشتری وفادار قدیمی
  • شناسایی مشتریانی که با وجود سابقه‌ی طولانی، در حال فاصله گرفتن‌اند
  • سنجش واقع‌بینانه‌تر ارزش طول عمر مشتری

امتیازدهی: چگونه از داده‌ی خام به بخش برسیم

روش استاندارد، تقسیم مشتریان به پنج گروه مساوی (چارک‌بندی) در هر بعد است:

  1. مرتب‌سازی: مشتریان را در هر بعد به‌صورت جداگانه مرتب کنید.
  2. تقسیم به پنج گروه: هر گروه ۲۰٪ از مشتریان را در بر می‌گیرد.
  3. امتیاز ۱ تا ۵: بهترین گروه امتیاز ۵ می‌گیرد. توجه کنید که برای بعد تازگی، عدد کمتر بهتر است؛ یعنی مشتری با آخرین خرید ۵ روز پیش باید امتیاز ۵ بگیرد، نه ۱. این رایج‌ترین خطای پیاده‌سازی است.
  4. ترکیب: هر مشتری یک کد مانند ۵-۴-۵ می‌گیرد.

استفاده از گروه‌بندی نسبی به‌جای آستانه‌ی ثابت مهم است: آستانه‌ی ثابت با تغییر فصل یا رشد کسب‌وکار بی‌اعتبار می‌شود، اما گروه‌بندی نسبی همیشه با وضعیت فعلی پایگاه مشتریان تنظیم می‌ماند.

بخش‌های استاندارد و اقدام متناظر هر کدام

بخش‌بندی بدون اقدام صرفاً یک گزارش است. جدول زیر بخش‌های رایج و اقدام پیشنهادی هر کدام را نشان می‌دهد:

بخشمشخصهاقدام مناسب
قهرمانانتازگی، تناوب و مبلغ بالادسترسی زودهنگام، قدردانی، برنامه‌ی معرفی دوستان
وفادارانتناوب بالا، مبلغ متوسطافزایش سبد خرید، پیشنهاد مکمل
مستعد وفاداریخرید اخیر، تناوب متوسطتشویق به خرید سوم برای تثبیت عادت
تازه‌واردهاتازگی بالا، تناوب پایینمسیر آشناسازی، پیام خوش‌آمد ساختاریافته
در معرض ریزشتناوب و مبلغ خوب، تازگی پایینپیام بازگشت با انگیزه‌ی مشخص
از دست رفتههمه‌ی ابعاد پایینکمپین احیای کم‌هزینه یا حذف از فهرست فعال

مهم‌ترین بخش برای اقدام فوری، در معرض ریزش است. این‌ها مشتریان ارزشمندی هستند که هنوز نرفته‌اند اما نشانه‌های فاصله‌گرفتن را نشان می‌دهند. روش تعیین آستانه‌ی این بخش و نشانه‌هایی که پیش از سکوت کامل ظاهر می‌شوند در شناسایی زودهنگام مشتری در معرض ریزش آمده است. هزینه‌ی نگه‌داشتن آن‌ها معمولاً به‌مراتب کمتر از هزینه‌ی جذب مشتری جدید است. برای فهم بهتر این محاسبه، شاخص‌هایی که باید در باشگاه مشتریان بسنجید را ببینید.

اشتباهات رایج در پیاده‌سازی

معکوس کردن امتیاز تازگی. همان‌طور که گفته شد، در بعد تازگی عدد کمتر بهتر است. این خطا کل بخش‌بندی را وارونه می‌کند و معمولاً دیر تشخیص داده می‌شود.

ساختن بخش‌های بیش از حد ریز. ترکیب کامل سه بعد پنج‌سطحی، ۱۲۵ بخش می‌سازد. هیچ تیم بازاریابی نمی‌تواند برای ۱۲۵ بخش کمپین طراحی کند. بخش‌ها را به ۶ تا ۹ گروه قابل‌اقدام تجمیع کنید.

بخش‌بندی ایستا. بعد تازگی هر روز تغییر می‌کند. بخش‌بندی‌ای که ماهی یک‌بار دستی به‌روز شود، بخش قابل‌توجهی از زمان بی‌اعتبار است.

نداشتن اقدام متناظر. اگر برای یک بخش برنامه‌ی مشخصی ندارید، ساختن آن بخش ارزشی تولید نمی‌کند.

نادیده گرفتن تفاوت صنعت. چرخه‌ی خرید یک رستوران با یک فروشگاه پوشاک تفاوت بنیادی دارد. «تازگی پایین» در رستوران ممکن است دو هفته باشد و در پوشاک شش ماه. آستانه‌ها باید با چرخه‌ی خرید واقعی صنعت شما تنظیم شوند؛ نمونه‌های صنعتی را در صفحات راهکار پوشاک و راهکار رستوران ببینید.

از بخش‌بندی تا اجرا

بخش‌بندی زمانی ارزش تولید می‌کند که به اجرای خودکار متصل باشد. مسیر کامل این‌گونه است:

  1. داده‌ی تراکنش جمع‌آوری و یکپارچه می‌شود.
  2. امتیازدهی به‌صورت دوره‌ای و خودکار محاسبه می‌شود.
  3. هر مشتری به بخش متناظر خود منتقل می‌شود.
  4. ورود مشتری به هر بخش، کمپین مربوط به آن بخش را فعال می‌کند.
  5. نتیجه سنجیده و آستانه‌ها تنظیم می‌شوند.

مرحله‌ی چهارم همان جایی است که بیشتر پروژه‌ها متوقف می‌مانند، چون اجرای دستی کمپین برای هر بخش، در عمل شدنی نیست. اتصال بخش‌بندی به اتوماسیون بازاریابی این حلقه را می‌بندد.

شکلات این بخش‌بندی را به‌صورت خودکار و بر پایه‌ی داده‌ی تراکنش‌های موجود انجام می‌دهد و نتیجه را مستقیماً در اختیار موتور کمپین قرار می‌دهد. جزئیات این قابلیت در صفحه‌ی قابلیت‌های شکلات آمده است.

جمع‌بندی

بخش‌بندی RFM ساده‌ترین راه برای گذر از حدس‌زدن به تصمیم‌گیری بر پایه‌ی رفتار واقعی مشتری است، و افزودن بعد طول عمر آن را برای کسب‌وکارهایی که رابطه‌ی بلندمدت با مشتری دارند دقیق‌تر می‌کند. نقطه‌ی شروع، همان داده‌ای است که همین حالا در سیستم فروش شما ثبت می‌شود. برای مسیر گام‌به‌گام اجرا، نقشه‌ی راه پیاده‌سازی بخش‌بندی را ببینید و اگر هنوز در مرحله‌ی انتخاب روش هستید، راهنمای جامع بخش‌بندی مشتریان مقایسه‌ی روش‌ها را می‌دهد.

سؤالات پرتکرار

تفاوت RFM و LRFM چیست؟

RFM مشتریان را بر اساس سه بعد تازگی، تناوب و مبلغ خرید می‌سنجد. LRFM یک بعد چهارم به نام طول عمر رابطه اضافه می‌کند که نشان می‌دهد مشتری از چه زمانی با کسب‌وکار در ارتباط است. این بعد چهارم اجازه می‌دهد مشتری تازه‌وارد پرخرید را از مشتری قدیمی وفادار تفکیک کنید؛ دو گروهی که در RFM ساده ممکن است امتیاز یکسان بگیرند اما به دو استراتژی کاملاً متفاوت نیاز دارند.

برای شروع بخش‌بندی RFM چه داده‌ای لازم است؟

حداقل داده‌ی لازم، تاریخچه‌ی تراکنش‌ها شامل شناسه‌ی مشتری، تاریخ هر خرید و مبلغ هر خرید است. به داده‌ی جمعیت‌شناختی، پرسشنامه یا اطلاعات اضافی نیازی نیست. اگر سیستم فروش شما همین سه فیلد را ثبت می‌کند، امکان اجرای بخش‌بندی وجود دارد.

بخش‌بندی RFM را هر چند وقت باید به‌روز کرد؟

بعد تازگی به‌طور مداوم تغییر می‌کند، بنابراین بخش‌بندی ایستا خیلی زود بی‌اعتبار می‌شود. برای کسب‌وکارهایی با چرخه‌ی خرید کوتاه مانند خرده‌فروشی و رستوران، به‌روزرسانی روزانه یا هفتگی منطقی است. برای چرخه‌های خرید بلندتر، بازه‌ی ماهانه کافی است.

آیا بخش‌بندی RFM برای کسب‌وکارهای B2B هم کاربرد دارد؟

بله، اما معمولاً به تنظیم نیاز دارد. در B2B تعداد مشتریان کمتر و مبلغ هر تراکنش بیشتر است، بنابراین تقسیم‌بندی پنج‌تایی ممکن است بخش‌های بسیار کوچکی بسازد. در این حالت استفاده از سه سطح به‌جای پنج سطح و وزن‌دهی بیشتر به بعد مبلغ نتیجه‌ی کاربردی‌تری می‌دهد.

مقالات مرتبط