Краткое руководство по RFM-анализу

Давайте послушаем историю.

Введение

В 2020 году Gifty (фиктивная компания) сильно пострадала от COVID-19. Розничные магазины закрыты, клиенты заперты в своих домах, и никто ничего не покупает у Gifty.

Как магазин, торгующий рождественскими подарками, мы не можем позволить себе обанкротиться. Дух дарения должен жить!

Доктор Санта, генеральный директор Gifty, поручил мне сохранить жизнь Gifty. Это означает 2 вещи:

  1. Снижение стоимости
  2. Увеличить доход

Как директор по маркетингу, я буду спасать Gifty с помощью Project Bullseye. Как следует из слова «Яблочко», мы сосредоточим наши усилия на перенацеливании наших клиентов. Прежде чем нацеливаться на наших клиентов, нам придется их сегментировать.

Когда мы говорим о сегментации клиентов, мы часто думаем о методах машинного обучения, таких как K-NN, K-средних или полиномиальная логистическая регрессия. Из-за рецессии и бюджетных ограничений у нас недостаточно ресурсов для машинного обучения. Следовательно, я буду полагаться на RFM-анализ для Project Bullseye.

Вкратце, Project Bullseye:

  1. Сегментируйте клиентов в соответствии с их критериями RFM.
  2. Свяжите свои показатели RFM с их скоростью отклика на маркетинговые предложения.
  3. Оптимизировать наши текущие маркетинговые усилия.

Что такое RFM?

RFM означает:

  • Правильность - когда покупатель совершил последнюю покупку? Он рассчитывается как время, прошедшее (дни / месяцы / год) с момента последней покупки товара клиентом.
  • Частота - как часто покупатель совершает у нас покупки? Он рассчитывается исходя из общего количества покупок за определенный период времени.
  • M в денежном выражении - Сколько денег покупатель тратит на нас? Это рассчитывается путем взятия долларовой стоимости покупок в течение определенного периода времени. Если временные рамки неясны, рекомендуется брать средние расходы вместо общих расходов.

После расчета значения RFM для каждого клиента мы затем группируем клиентов в соответствии с их значением RFM. Например:

  • Топ-10% спонсоров получит М "5".
  • Следующим 10% будет присвоен рейтинг M из «4».
  • 10% участников с наименьшими расходами получит M «1».
  • Это повторяется для каждого R, F и M

Обратите внимание, что количество ящиков полностью зависит от вас. Люди обычно разбиваются на группы по 5 человек.

Затем клиенты разделяются на каждую из 125 групп (5 * 5 * 5).

Основываясь на показателях R, F и M каждого клиента, мы должны иметь возможность получить приблизительную оценку того, насколько этот клиент прибылен для Gifty. Например, нашим наиболее прибыльным клиентам следует:

  1. Имеет R = 5, что означает, что покупка была совершена недавно.
  2. Имеет F = 5, что означает частые покупки.
  3. M = 5, это означает, что было потрачено много денег.

Затем мы можем разработать индивидуальные маркетинговые мероприятия для каждой группы, что будет обсуждаться позже.

Улучшенная сегментация RFM

Постойте ... кажется, существует огромная проблема с традиционным методом сегментации RFM.

  1. Существует высокая корреляция между показателями R, F и M наших клиентов, где
  2. Люди, которые покупают часто, скорее всего, совершили покупку недавно.
  3. В результате у нас ОГРОМНОЕ количество клиентов с R = 5, F = 5, но ...
  4. НОЛЬ клиентов с R = 1, F = 5.
  5. Все 125 групп очень неравномерны!
  6. Это катастрофа, поскольку доктор Санта убьет меня, если я потрачу весь наш бюджет на работу с такой огромной группой клиентов.

Не волнуйтесь, есть улучшенная версия RFM-сегментации:

Это обеспечит равное количество клиентов в каждой из наших 125 групп, поскольку внутри каждой R = 1, 2, 3, 4, 5 мы дополнительно разбиваем на 5 равных групп в соответствии с их F и далее по их М.

RFM в 3 этапа

Время уходит. Давайте приступим к делу!

1. Создание необработанных значений RFM

Во-первых, мы должны рассчитать значения R, F и M для каждого из наших клиентов. На основе вашего набора данных вам придется спроектировать свои данные для получения значений. Хорошей практикой будет создание 3 разных функций, каждая из которых вычисляет R, F и M соответственно.

Не волнуйтесь, коды есть в моем репозитории на Github.

2. Сегментируйте по критериям RFM.

Теперь, когда у нас есть необработанные значения RFM, мы можем начать их группирование, используя улучшенный метод сегментации RFM, также известный как метод вложенного группирования.

Если бы мы наблюдали строки 11 и 17, мы могли бы увидеть, как мы вкладываем наши бункеры.

3. Связывание показателей RFM с количеством откликов на маркетинговые предложения.

Интеллект должен быть ДЕЙСТВИТЕЛЬНЫМ. Нет смысла сегментировать наших клиентов, если мы не извлекаем из этого какие-либо выводы. Поэтому я решил проанализировать скорость отклика на маркетинговые предложения каждого сегмента.

Не стесняйтесь связывать это с любым другим предсказуемым поведением, таким как вероятность сбивания, вероятность приобретения или вероятность совершения мошенничества.

Оптимизация маркетинговых усилий

А вот и самая важная часть проекта "Яблочко". Последний и последний шаг - начать действовать в соответствии с нашим анализом. Во-первых, мы рассмотрим 5 основных групп RFM.

  • Активировать неактивные группы. В пределах 5 ведущих групп мы наблюдаем клиентов с низкой ценностью давности (не покупали в течение длительного времени). Поскольку они - наши самые прибыльные клиенты, мы должны выяснить причину, по которой они перестали покупать у Gifty, и повторно активировать их. Gifty может строить отношения с ними, используя персонализированные маркетинговые сообщения.
  • Награждайте лучшие группы RFM. Gifty может вознаградить такие группы бесплатным членством, скидками или бесплатной доставкой, пытаясь заставить их покупать больше.
  • Распространяйте реферальные программы. Клиенты могут быть вознаграждены, если они порекомендуют Gifty своим друзьям или семьям.
  • Те, кто больше всего тратит на допродажу. Gifty может порекомендовать связанные или новые продукты в попытке продать им больше.

Нам никогда не следует уделять слишком много внимания тем, кто больше всего тратит. Тем, кто тратит нижнюю часть, также следует обратить внимание.

  • Прекратите связываться с низшими группами RFM. Многие клиенты из низших групп RFM вообще не реагируют на маркетинговые усилия. Gifty следует прекратить тратить ресурсы на рассылку им писем или каталогов.
  • Направляйте ресурсы в ведущие группы RFM. Сэкономленные ресурсы можно направить в ведущие группы RFM или в другое место. Например, средства можно было бы использовать для разработки новых способов связи с нижними группами RFM, таких как использование рекламы в социальных сетях или вирусных маркетинговых кампаний.
  • Увеличьте контакт со случайными группами RFM. Для Gifty не менее важно контактировать со случайными группами RFM. Gifty должна постоянно и количественно отслеживать изменения в своих основных показателях, таких как продажи, с течением времени, чтобы определять эффективность своих маркетинговых усилий для таких групп.

Вывод

В рамках Project Bullseye мы увидели, как можно использовать простой RFM-анализ для оптимизации маркетинговых усилий Gifty.

Каждый специалист по данным должен быть уверен, что его данные могут рассказать историю. Данные есть, чтобы нам помочь. Внутри данных скрыто множество информации. Все, что нам осталось сделать, это выкопать его.

использованная литература

Код: https://github.com/bensjx/RFM-Analysis/blob/master/RFM.ipynb