So verwenden Sie RFM Modelle in Data Driven-Marketing

Wenn Daten driven-Marketing-erste in den Vordergrund kommt, so entwickelt Analysten eine relativ einfache Targeting-Technik, die noch heute weit verbreitet ist. Die Technik wurde erstmals für den Katalog-Sales-Geschäft entwickelt. Die Motivation war, dass Kataloge teuer sind und Schiff zu drucken, so ist es wichtig, sie zu Menschen zu schicken, die sie tatsächlich nutzen können.

Der RFM Rahmen in datengesteuerten Marketing

Die Aktualität, Häufigkeit Geld Technik, bekannt als RFM-Modellierung, basiert auf drei Fakten über Kundentransaktionen auf der Suche.

  • R ist für Aktualitäts. Wie lange es her, dass der Kunde zuletzt von Ihnen kaufen?

  • F ist für die Frequenz. Wie oft und wie viele Produkte hat der Kunde kaufen?

  • M ist für Geld. Nun, eigentlich ist es für Geldwert aber es bedeutet Geld. Wie viel hat der Kunde verbringen?

Die Grundidee ist, dass jeder dieser Faktoren einzeln etwas prädiktiven ist Ansprechraten. die Kombination von ihnen macht diese Prognosen sogar noch besser.

RFM-Modelle verwenden zusammengefasst Transaktionsdaten entwickelt. Transaktionszahlen, Kaufsummen und letzten Transaktion Termine sind in Bereiche gruppiert. Ein einfaches RFM-Modell könnte nur unterscheiden hoch, mittel und niedrig Transaktionsvolumen, zum Beispiel.

Jeder Kunde wird auf jeder der drei Attribute geordnet. Kunden segmentiert dann auf der Grundlage ihrer kombinierten Ranking. Zum Beispiel wird ein Segment aus Kunden gemacht, die auf allen drei Attribute in die unterste Kategorie fallen. Es gibt ein weiteres Segment für sehr junge, geringes Volumen und eine hohe Geldwert. Und so weiter.

Die Anzahl der Segmente wird groß schnell. Wenn jedes Attribut in drei Bereiche aufgeteilt ist, am Ende mit 27 verschiedene RFM Gruppen auf. Wenn Sie sie zehn Wege aufgeteilt, am Ende mit 1.000 Segmenten auf.

Wie Sie das RFM-Modell in Daten zu bauen driven-Marketing

Die wirkliche Einsicht kommt, wenn Sie diese Segmente an Kunden gelten, die Marketing-Kampagnen, von Ihnen in der Vergangenheit erhalten haben. Man schaut sich die Response-Raten für jede der RFM-Segmente. Typischerweise übertreffen einige Segmente dramatisch andere.

Wie alle Modelle, sollten Sie RFM-Modelle zu testen, bevor sie bei der Definition von Zielgruppen mit. Der normale Weg, ein Modell der Prüfung umfasst die Kunden Aufspaltung Sie in zwei zufällig definierten Gruppen zu analysieren.

Sie könnten die Ansprechraten von 100.000 Kunden werden zu analysieren, die Ihre Frühjahrskampagne erhalten. Sie wollen, dass die Gruppe in zwei Hälften zufällig aufgeteilt. Sie verwenden die erste Hälfte Ihrer Analyse zu tun und Ihre Hochleistungssegmente definieren. Dann nutzen Sie die zweite Hälfte zu bestätigen (oder nicht), dass diese Segmente wirklich besser führe als die anderen.

Sie können diese zufällige Split mit einem Zufallszahlengenerator erreichen. Datenbank-Software, analytische Software und sogar Tabellen haben Funktionen, die Zufallszahlen zwischen 0 produzieren und 1. Die Idee ist, dass Sie eine Zufallszahl für jeden Kundendatensatz zu generieren. Wenn die Zahl kleiner als 0,5 ist, setzen Sie den Datensatz in der Analysedatei. Der Rest der Aufzeichnungen gehen in Ihrer Bestätigung oder Testdatei.

zukünftige Kampagnen zu den hochleistungsfähigen Segmenten Durch die Fokussierung können Sie höhere Responseraten erzielen, während Kampagne Kosten zu senken. Sie sollten einige technische Probleme berücksichtigen, wenn jede Art von analytischen Modells umzusetzen. Für eine Sache, die Sie nicht wollen davon ausgehen, dass Ihre Segmente als auch in die Zukunft führen wird, wie sie in der Vergangenheit getan haben.

Menü