Murat OvaRFM analizi, pazarlama çalışmalarınıza cevap vermesini beklediğiniz hedef müşteri kitlenizi belirlemek için kullanılan popüler bir analiz yöntemidir.
Bu analiz yönteminde müşterinin geçmiş alışveriş alışkanlıklarının yanı sıra, yaptıkları alışveriş sayısına ve bu alışverişlerin harcama miktarına bağlı olarak müşterilerin muhtemel satın alma eğilimlerinin belirlenmesi amaçlanır.
RFM Analizi Nedir?
RFM analizi, müşterileri segmentlere ayırmak için geçmiş satın alma davranışlarını baz alan bir müşteri segmentasyon tekniğidir.
RFM Açılımı
- Recency (R) – Yenilik – Son satım alımdan bugüne kadar geçen süre
- Frequency (F) – Sıklık – Toplam satış sayısı
- Monetary (M) – Parasallık (M) – Tüm satın alımların parasal değeri
“RFM analizi ilk olarak doğrudan posta endüstrisi tarafından kırk yıldan daha uzun bir süre kadar kullanıldı, ancak pazarlama çalışmalarınız esnasında hedef kitlenizi optimize etmek için hala etkili bir yöntem.”
RFM modeli bir müşteri segmentasyonu tekniğidir.
RFM Analizinin Faydaları
- Yanıt oranlarında artış (CTR, Response Rate vd.)
- Dönüşüm oranlarında artış (CR, X per User vd.)
- Hedefleme üzerinden gerçekleştirilen dijital pazarlama çalışmalarından elde edilen gelirde artış
RFM Analizi İle Müşteri Segmentasyonu
RFM analizine başlarken müşterilerimizi yenilik (R), sıklık (F) ve parasal (M) değer dağılımlarına göre gruplara ayırmaktayız.
Bu 3 ana değişkenle birlikte yalnızca 4 müşteri bilgisiyle dahi 64 (4x4x4) farklı müşteri segmenti oluşturabilmekteyiz.
| Yenilik (Recency) | Sıklık (Frequency) | Parasal (Monetary) |
|---|---|---|
| Müşteri 1 (R=1) | Müşteri 1 (F=1) | Müşteri 1 (M=1) |
| Müşteri 2 (R=2) | Müşteri 2 (F=2) | Müşteri 2 (M=2) |
| Müşteri 3 (R=3) | Müşteri 3 (F=2) | Müşteri 4 (M=2) |
| Müşteri 4 (R=4) | Müşteri 4 (F=4) | Müşteri 4 (M=4) |
Örnek, yukarıdaki tabloda ilk müşteriye baktığımızda;
- son zamanlarda satın alım yapmışlar arasında (R=1),
- en çok satın alım yapmışlar arasında (F=1),
- en çok harcama yapanlar arasında (M=1)
Bu müşterimiz geçmiş alışveriş işlemleri nedeniyle En İyi Müşteriler, segmentine ( 1-1-1 (R=1, F=1, M=1) ) girmektedir.
RFM Analizimizin Kilit Segmentleri
| Segment | RFM | Açıklama | Pazarlama Modeli |
|---|---|---|---|
| En İyi Müşteriler | 111 | Yakın zamanda satın alım yapmış, sıkça yüksek tutarda alışveriş gerçekleştirenler. | Yeni ürünler ve sadakat programlarıyla ilgili çalışmaların ana hedefi olabilirler. |
| Sadık Müşteriler | X1X | En çok satın alım gerçekleştirenler. | Yeni ürünler ve sadakat programlarıyla ilgili çalışmaların hedef kitlelerinden olabilirler, onları kendi aralarında alt segmentlere bölmek yararlıdır. |
| Büyük Harcama Yapanlar | XX1 | Alışveriş tutarı en yüksek müşteriler. | En pahalı ürünlerinizi pazarlayabilirsiniz, onlar büyük oynamayı seviyorlar. |
| Neredeyse Kayıp Müşteriler | 311 | Yakın zamanda alışveriş yapmamış fakat eskiden sıkça alışveriş gerçekleştirmiş olanlar. | Agresif indirim teklifleri ile onları geri ikna edebilirsiniz. |
| Kayıp Müşteriler | 411 | Uzun süredir alışveriş yapmamış fakat eskiden sıkça alışveriş gerçekleştirmiş olanlar. | İndirim teklifleri ile onları geri ikna edebilirsiniz. |
| Kaçan Müşteriler | 444 | Uzun süredir alışveriş yapmamış fakat eskiden de çok aktif olmayanlar. | Müşteriyi yeniden kazanmak önemli, fakat bunun için önemli bir bütçe harcamaya gerek yok. |
RFM Analizi Nasıl Yapılır?
Müşteri Segmentasyonu İle Veritabanınızdan Değer Yaratın
RFM analizi yapabilmek için tüm müşterilerinizin satın alma geçmişini içeren bir veritabanına ihtiyacınız olacaktır. Bu veritabanı, müşterilerinizin yaptığı tüm alışveriş işlemlerini içeren bir dosya da olabilir.
Bu veriler genellikle muhasebe yazılımınızdan veya CRM gibi kaynaklardan elde edilir.
Bu örneğimizde RFM analizini Python programlama dilini kullanarak gerçekleştireceğiz.
Adım 1: Buradan RFM analizinin komut dosyalarını ve örneğini indiriniz.
Adım 2: sample-orders.csv şablonunu kullanarak tüm müşterilerinizin sipariş bilgilerini ile birlikte bu dosyaya ekleyiniz.
| tarih | siparis_no | musteri_id | toplam_tutar |
|---|---|---|---|
| 2016-01-01 | TR-52653 | murat | 40 |
| 2016-01-02 | TR-52654 | burak | 70 |
| … | … | … | … |
Adım 3: RFM-analysis.py komut dosyasını, müşterilerinizin sipariş verilerini içeren dosyanın bulunduğu dizinde çalıştırın, komutumuz 3 argümana ihtiyaç duyacaktır.
python RFM-analysis.py -i sample-orders.csv -o rfm-segments.csv -d "2018-10-30"- Argüman 1: müşteriler ve sipariş bilgilerini içeren dosyanın adı (-i sample-orders.csv)
- Argüman 2: analiz sonrası müşteriler ve segmentlerini içerecek dosyanın adı (-o rfm-segments.csv)
- Argüman 3: sipariş bilgilerinin dışa aktarıldığı tarih, format: (-d “YYYY-mm-dd”)
Bu komut, sample-orders.csv adlı *.csv dosyasındaki müşteri verilerini RFM analizinden geçirir ve çıktısını rfm-segments.csv adlı dosyaya kaydeder, -o parametresinden sonra belirleyeceğiz dosya ismi, çıktı dosyasının ismini belirleyecektir.
RFM Analizi Çıktısını Yorumlamak (RFM Modelleme)
| Müşteri | Yenilik | Sıklık | Parasal Değer | RFM Sınıfı |
|---|---|---|---|---|
| Fyodor Dostoyevski | 4 gün | 58 sipariş | ₺ 2869 | 1-1-1 |
| Friedrich Nietzsche | 50 gün | 1 sipariş | ₺ 44 | 3-4-4 |
| Anton Çehov | 47 gün | 2 sipariş | ₺ 156 | 3-2-1 |
Fyodor Dostoyevski adlı müşteri En İyi Müşteriler segmentine aittir; çünkü kendisi yakın zamanda alışveriş gerçekleştirmiş (R=1), sık sık satın alım yapmış (F=1) ve en çok harcama yapanlar arasında yer almıştır (M=1).
Friedrich Nietzsche adlı müşteri Kaçan Müşteriler segmentine girmek üzeredir, bir süredir satın alım gerçekleştirmedi (R=3), az sayıda siparişi var (F=4) ve çok az harcama yaptı (M=4).
Anton Çehov adlı müşteri Neredeyse Kayıp Müşteriler segmentinde yer almaktadır, bir süredir satın alım gerçekleştirmedi (R=3), biraz sık alışveriş yaptı (F=2) ve aynı zamanda en çok harcama yapanlar grubunda da yer almaktadır (M=1).
Şimdiye kadar gördüğünüz RFM analizi adımlarıyla, müşteri bilgilerinizin yer aldığı veritabanınızı segmentlere ayırdınız. Şimdi, RFM segmentlerine göz atmak ve işletmeniz için önemli olanları belirlemek için ekip içi bir etkinlik düzenleyebilirsiniz.
RFM Analizi ile Google ve Facebook Reklamlarınızın Performansını Artırın
Örnek olarak bu çıktıdaki farklı segmentleri Google Ads, Facebook Ads ve e-posta adresi üzerinden re-marketing yapabileceğiniz tüm mecralarda her segmente farklı kampanya ve farklı teklif (CPA, CPC vd.) senaryoları kurgulayarak, veri ve segmentasyona dayalı efektif bir yeniden pazarlama senaryosu gerçekleştirebilirsiniz.
Analiz Çıktısını Görselleştirin
Veya, analiz sonuçlarından elde ettiğiniz verilerinizi görselleştirmek için aşağıdaki RFM analizi dashboard’u gibi özel bir Tableau veya Google Data Studio çalışması oluşturabilirsiniz.
Not: Dashboard dinamiktir, kaydırarak işlem yapabilirsiniz.*
RFM Segmentasyonu İle E-posta Pazarlamacılığınızı Yeni bir Seviyeye Taşıyın
Artık müşterilerinize ait e-posta listenizi RFM segmentasyonu ile zenginleştirme ve e-posta pazarlamacılığınızı daha yüksek bir seviyeye taşımanın zamanı geldi.
İşte RFM analizi ile bunu gerçekleştirmek için bir örnek:
- Kampanyanızda odaklanmak için RFM segmenti veya segmentleri seçin (En İyi Müşteriler, Kaybedilmek Üzereler vd).
- Bu RFM segmentleri için en uygun olan iletişim çalışması ve kampanya içeriğine dair bir hipotez oluşturun.
- Bu e-posta kampanyası ve hedeflediği RFM segmenti için hedeflerinizi (goal) ve KPI’larınızı tanımlayın.
- E-posta kampanyanızı doğru ölçümlemek için UTM’li link yapınızı oluşturun ve kontrol edin.
- Odaklandığınız RFM segmentine özel olarak uyarlanmış alternatif bir e-posta arayüzü ve tasarımı oluşturun.
- Kontrol grubunun orijinal hâlini gördüğü ve deney grubunun RFM segmentine uyarlanmış özel e-posta içeriğini gördüğü bir A/B test senaryosu ile kampanyanızı RFM segmentleri üzerinde test edin.
- Sonuçları analiz edin ve yineleyin, neyin işe yaramadığını bilmek dâhi daha fazlasını yapabilmeniz için içgörüler yaratacaktır.
RFM analizi çıktılarından yararlanabilmek adına Mailchimp veya kullanıyor olduğunuz e-posta pazarlama aracı için A/B test dökümanlarını inceleyin veya bu özelliklere sahip e-posta pazarlama servisleriyle çalışın.
Kapanış Notları
RFM analizi, pazarlama performansınızı önemli ölçüde artırabilecek görece basit bir tekniktir.
Oluşturmuş olduğunuz segment kombinasyonlarını Google Analytics’in data upload özelliği ile içeri aktarabilir ve kullanıcıları Google Ads ekosisteminde hedefleyebilirsiniz.
Analiz komutlarını otomatikleştirerek RFM modelinizi sürekli güncel tutmanız önemlidir.
Yazı ile ilgili sorularınız veya danışmanlık talepleriniz için LinkedIn üzerinden iletişime geçebilirsiniz.
Sonraki yazıda görüşmek üzere.
Kaynaklar:
https://joaocorreia.io/blog/rfm-analysis-increase-sales-by-segmenting-your-customers.html
https://rpubs.com/omerperach/RFM_IDC
https://rfm.rsquaredacademy.com/
https://rstudio-pubs-static.s3.amazonaws.com/485897_8ea8c97e33a24eafa15a095c3364a6d0.html
Ozan Aktaş
Cemil