Product Philosophy

Son Yazılar


RFM Analizi İle Satışlarınızı Nasıl Artırırsınız?

Müşterilerinizi segmentlere ayırmak için etkili ve pratik bir yöntem olan RFM analizi için basit bir rehber.

Murat OvaMurat Ova

RFM 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 – Yenilik (R) – Son satım alımdan bugüne kadar geçen süre
Frequency – Sıklık (F) – Toplam satın alım sayısı
Monetary – Parasallık (M) – Tüm satın alımların parasal toplamı

“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 Analizinin Faydaları

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 Değer (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=3)Müşteri 3 (M=3)
Müşteri 4 (R=4)Müşteri 4 (F=4)Müşteri 4 (M=4)

Örnek, yukarıdaki tabloda ilk müşteriye baktığımızda;

Bu müşterimiz geçmiş alışveriş işlemleri nedeniyle En İyi Müşteriler, segmentine ( 1-1-1 (R=1, F=1, M=1) ) girmektedir.

RFM Analizimizin Kilit Segmentleri

SegmentRFMAçıklamaPazarlama Modeli
En İyi Müşteriler111Yakın zamanda satın alım yapmış, sıkça yüksek tutarda alışveriş gerçekleştirenler.Yeni ürünler ve sadakat programlarıyla ilgili çalışmaların ana hedefi olabilirler.
Sadık MüşterilerX1XEn çok satın alım gerçekleştirenler.Yeni ürünler ve sadakat programlarıyla ilgili çalışmaların hedef kitlelerinden olabilirler, onları kendi aralarında alt segmentlere bölmek yararlıdır.
Büyük Harcama YapanlarXX1Alışveriş tutarı en yüksek müşteriler.En pahalı ürünlerinizi pazarlayabilirsiniz, onlar büyük oynamayı seviyorlar.
Neredeyse
Kayıp
Müşteriler
311Yakın zamanda alışveriş yapmamış fakat eskiden sıkça alışveriş gerçekleştirmiş olanlar.Agresif indirim teklifleri ile onları geri ikna edebilirsiniz.
Kayıp Müşteriler411Uzun süredir alışveriş yapmamış fakat eskiden sıkça alışveriş gerçekleştirmiş olanlar.İndirim teklifleri ile onları geri ikna edebilirsiniz.
Kaçan Müşteriler444Uzun 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: ornek-siparis-verisi.csv şablonunu kullanarak tüm müşterilerinizin sipariş bilgilerini ile birlikte bu dosyaya ekleyiniz.

tarihsiparis_nomusteri_idtoplam_tutar
2016-01-01TR-52653murat40
2016-01-02TR-52654burak70

Adım 3: rfm-analizi.py komut dosyasını, müşterilerinizin sipariş verilerini içeren dosyanın bulunduğu dizinde çalıştırın, komutumuz 3 argümana ihtiyaç duyacaktır.

>python rfm-analizi.py -i ornek-siparis-verisi.csv -o rfm-segmentleri.csv -d "2018-10-30"

Bu komut, ornek-siparis-verisi.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)

MüşteriYenilikSıklıkParasal DeğerRFM Sınıfı
Fyodor Dostoyevski4 gün58 sipariş₺ 28691-1-1
Friedrich Nietzsche50 gün1 sipariş₺ 443-4-4
Anton Çehov47 gün2 sipariş₺ 1563-2-1

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:

  1. Kampanyanızda odaklanmak için RFM segmenti veya segmentleri seçin (En İyi Müşteriler, Kaybedilmek Üzereler vd).
  2. Bu RFM segmentleri için en uygun olan iletişim çalışması ve kampanya içeriğine dair bir hipotez oluşturun.
  3. Bu e-posta kampanyası ve hedeflediği RFM segmenti için hedeflerinizi (goal) ve KPI’larınızı tanımlayın.
  4. E-posta kampanyanızı doğru ölçümlemek için UTM’li link yapınızı oluşturun ve kontrol edin.
  5. Odaklandığınız RFM segmentine özel olarak uyarlanmış alternatif bir e-posta arayüzü ve tasarımı oluşturun.
  6. 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.
  7. 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.

12+ yıl deneyimli full stack yazılım mühendisi, kantitatif analist ve dijital pazarlama uzmanı.

Büyük perakendecilerin dijital dünyadaki kompleks büyüme hedefleri için insan doğası ve kar maksimizasyonu odaklı müşteri deneyimi ile yapay zeka tabanlı karar destek sistemleri (Decision Support Systems) geliştirmektedir.

Apple / Tesco / L’oreal / Carrefour / Trendyol / Vestel / Boyner / Doğan Grubu / DeFacto / ETS Tur / Morhipo / Anadolu Sağlık / Pronet / Koçtaş ve daha birçok FMCG/Perakende/Hizmet/E-ticaret markasının, dijital kanalarında veri analisti ve full-stack performans danışmanı olarak yer almıştır.

Şu anda Digital Partners’da Data Science & Growth Analytics Director olarak görev almaktadır, aynı zamanda kendi danışmanlık şirketi olan Stochastic Minds ile, orta doğu menşeili firmalara stokastik veri modelleme danışmanlığı yapmaktadır.

Yorumlar4
  • Ozan Aktaş
    Posted on

    Ozan Aktaş Ozan Aktaş

    CevaplaAuthor

    Yabancı kaynaklardan okuduklarımla sıkça uygulamaya çalışıyordum fakat türkçe içerikle karşılaşmak harika oldu.


    • Murat Ova
      Posted on

      Murat Ova Murat Ova

      CevaplaAuthor

      Teşekkür ederim, umarım faydalı olmuştur.


  • Cemil
    Posted on

    Cemil Cemil

    CevaplaAuthor

    Mantıklı olan kaç tane rfm kombinasyonu oluşturmak?


    • Murat Ova
      Posted on

      Murat Ova Murat Ova

      CevaplaAuthor

      Merhaba Cemil,

      Bu rakam; pazarlama stratejinize göre müşterileri kaç farklı kombinasyonda ayırt etmek ve hedeflemek istiyorsanız buna göre değişecektir. Her kombinasyon için ayrı bir reklam ve iletişim çalışması yapılması gerektiğini de unutmamak gerek.