Nach dem ich in den vergangenen Post den Mittelwert, den Modalwert und den Modus vorgestellt habe, ist es sicherlich keine Überraschung, dass dies nur einen sehr geringen Teil der Realität einnimmt.
Ich habe in der letzten Zeit viel darüber nachgedacht, was ich als nächstes veröffentliche und mich entschieden eine Projekt aus meiner praktischen vorstelle. Dies ist noch nicht fertig, aber ich möchte Euch an meinen Schritten teilhaben lassen. Also worum geht es.
Die Fragestellung
Ein Kunde trat an mich heran und erzählte mir, dass er mit der aktuellen Einteilung seiner Kunden nicht mehr zufrieden sei. Diese werden derzeit nur nach den Ländern klassifiziert, wobei einige Kunden wiederum Händler sind. Damit erhält er keinen Überblick über seine Kunden.
Die Frage war nun, Fux was kannst du da machen. So aus der Hüfte geschossen, sagte ich: „Ich kann was machen, aber was ich kann, gib mir ein paar Tage“….
Ich und meine vorlaute Klappe, da ich von Kundensegmentierung nur im Studium mal was gehört hatte, bestand meine erste Aufgabe in der Literaturarbeit. Puh da gibt es ja Möglichkeiten wie Sand am Meer.
Nach einigen Gesprächsrunden mit dem Kunden, einigten wir uns auf folgende Parameter bzw. Frage die der Kunde geklärt haben wollte:
- Wie lange ist der letzte Einkauf eines Kunden her
- Wie häufig hat ein Kunde eingekauft
- Für wie viel hat ein Kunde eingekauft
Um eine dies ein wenig zu normieren haben wir uns entschieden, dies in Jahresscheiben zu betrachten und untereinander zu vergleichen. Das Modell habe ich mit nicht selbst ausgedacht. Dies ist das rfm-Modell oder die rfm-Analyse
Die rfm-Analyse – ein kurzer Abriss
rfm steht für recency(Akutalität), frequncey(Häufigkeit) und monetary (Umsatz). Damit könnten sich die oben genannten Teilfragen beantworten lassen.
Die RFM-Analyse kann auf verschiedene Arten durchgeführt werden. Eine Möglichkeit ist, jedem Kunden einen RFM-Score zuzuweisen, der sich aus den drei Kriterien ergibt. Die Scores können dann verwendet werden, um Kunden in verschiedene Segmente zu gruppieren. Zum Beispiel könnten Kunden mit einem hohen RFM-Score als „Top-Kunden“ klassifiziert werden, während Kunden mit einem niedrigen RFM-Score als „Inaktive Kunden“ klassifiziert werden.
Einmal segmentiert, können Unternehmen unterschiedliche Marketing-Strategien für die einzelnen Segmente entwickeln. Zum Beispiel könnten Unternehmen Top-Kunden mit exklusiven Angeboten und Rabatten belohnen, während sie Inaktive Kunden mit Wiederanlaufkampagnen ansprechen.
Die RFM-Analyse kann für verschiedene Marketingziele eingesetzt werden, z. B.:
- Umsatzsteigerung: Unternehmen können die RFM-Analyse nutzen, um die Kundensegmente mit dem höchsten Potenzial für Umsatzsteigerung zu identifizieren. Diese Kunden können dann mit gezielten Marketingmaßnahmen angesprochen werden.
- Kundenbindung: Unternehmen können die RFM-Analyse nutzen, um Kundensegmente zu identifizieren, die ein hohes Risiko für Abwanderung aufweisen. Diese Kunden können dann mit Maßnahmen zur Kundenbindung angesprochen werden, z. B. mit Treueprogrammen oder Sonderangeboten.
- Neukundengewinnung: Unternehmen können die RFM-Analyse nutzen, um Kundensegmente zu identifizieren, die ähnliche Kaufmuster wie ihre bestehenden Top-Kunden aufweisen. Diese Kunden können dann mit gezielten Marketingmaßnahmen angesprochen werden, um sie als neue Kunden zu gewinnen.
Die RFM-Analyse ist ein effektives Tool zur Kundensegmentierung und zur Entwicklung von zielgerichteten Marketingstrategien. Sie kann Unternehmen dabei helfen, ihre Marketingausgaben zu optimieren und ihre Kundenbeziehungen zu stärken.
Okay, die Theorie ist geklärt. Wie gehts weiter?
Das kommt in den nächsten Post. Wir fangen mit der Datenbeschaffung und bereinigung an.
Euer fux!