RFM Analizi Nedir?

Data Science & Insights - 04 Eylül 2022

Data Science & Insights

Ürün Analitiği & Veri

Bir şirket için en değerli varlık nedir? Maddi varlıkları ya da stokları mı? Gerek tedarik zincirlerindeki gelişme, gerekse finansal çözümlerin geldiği seviye göz önüne alındığında, özellike e-ticaret firması iseniz sizin için en değerli varlığınız müşterilerinizdir. 

Satışlarınızın yanı sıra stok durumunuzu, reklam yatırımlarınızı ve birçok operasyonel faaliyetlerinizi kurgularken, müşterilerinizin gelecekteki davranışları göz ardı etmemeniz gereken bir olgudur.

Dijitalleşmenin ve bireyselleşmenin arttığı günümüzde müşterilerinizi tanımanız, biriken büyük veri ile kolaylaşırken, söz konusu müşteri hacminin ve çeşitliliğinin artması ile zorlaşmaktadır. 

Bu yazımızda müşterilerinizi tanıyarak, efektif kitleler oluştururken kullanabileceğiniz temel analizlerden olan RFM analizinden bahsedeceğiz.

RFM Analizi Nedir?

RFM analizi, müşterileri alışveriş verileri üzerinden belirli segmentlere ayırarak müşteri kitleleri oluşturmanızı sağlar. Algoritma olarak, gözetimsiz öğrenme yöntemlerinden olan kümeleme algoritmalarını (K-means) kullanır. RFM analizi ismindeki 3 harf ile başlayan 3 temel metriğe dayanır. Öncelikle bu üç kavramın ne olduğuna bakalım.

Recency  

Müşterinin gerçekleştirdiği alışverişlerin tarihleri baz alınarak hesaplanır. Müşterinin son alışveriş tarihi ile analiz tarihimiz yada baz aldığımız tarih arasında geçen gün sayısıdır.

Frequency 

Analiz için belirlenen tarih aralığında müşterinin gerçekleştirdiği alışverişlerin sayısıdır. Bu metrikte sadece bir kez alışveriş yapan müşteri sayısının, toplam müşterilere oranla yüksek olması durumunda asimetrik dağılım olacağı için analizin daha sağlıklı gerçekleştirilebilmesi açısından tek seferlik alım yapan müşteriler ayrı değerlendirilebilir.

Monatery 

Analiz için belirlenen tarih aralığında müşterinin gerçekleştirdiği alışverişlerin toplam parasal değeridir. Burada dikkat edilmesi gereken iki konu bulunmaktadır. Alışverişler farklı para birimleri ile gerçekleştirilebiliyorsa, tek para birimine dönüşüm yapılmalıdır. Perakende satışlarımız arasında toptan alım yapan müşterileriniz de var ise metriğin dağılımını bozacağı için analiz dışı bırakılmalıdır.

RFM Analizi Hangi Soruları Yanıtlar?

RFM analizi, temelde müşterilerin alışveriş davranışlarına dayansa da, stratejilerinizi belirleme noktasında birçok sorumuza cevap verebilir niteliktedir. Gerek yeni kazanılan müşteriler gerekse mevcut müşterileriniz ile alakalı cevaplayabileceği bazı sorular; 

• Şirket için en değerli müşteriler kimler?
• Kaybetmek üzere olduğumuz müşteriler kimler?
• Elde tutmak için sarf edilecek çabaya değecek müşteriler hangileri?
• Hangi müşteriler için benzer pazarlama stratejileri uygulayabiliriz?

RFM Analizi Neden Önemlidir?

Tüm marketing uzmanlarının bildiği gibi mevcut müşterilerin elde tutulması, yeni müşteri kazanımına göre çok daha ucuz bir stratejidir. Elde geçmiş alışveriş davranışlarına ilişkin veri bulunan, hali hazırda etkileşimi bulunan müşterilerin elde tutulması, Yeni müşteri kazanımı ile kaybettiğiniz müşterilerin yerinin doldurulmasından daha önemlidir.

RFM analizi ile mevcut müşterilerinizin conversion'a yada churn'e ne kadar yakın oldukları belirlenerek gerekli aksiyonlar alabilir, kaybedeceğiniz müşterilerinizi elde tutarken, devam eden müşterilerinizin de hacmini artırabilirsiniz. Ayrıca yeni kazanılan müşterileri, başlangıçta edindiğiniz veriler ile mevcut segmentlere dağıtarak, verilerinin birikmesini beklemeden, efektif pazarlama aksiyonları alabilirsiniz.

Analizde Kullanılacak Veri Nasıl Olmalı?

RFM analizi müşterilerin alışveriş verileri baz alınarak yapılmaktadır. Dolayısıyla kullanılacak veri CRM kaynaklarından alınan sipariş verileri ya da Google Analytics gibi web verilerinin toplandığı platformlardan alınan transaction verileridir. Analizin sağlıklı sonuç verebilmesi için, sektöre özel alışveriş davranışlarına bağlı olarak en az bir yıl, tercihen iki yıllık veri kullanılmalıdır. Veride bulunması gereken kolonlar; 

• Kullanıcıya ait tekil ve müşteriyi hedeflemede kullanılabilecek kod (user id)
• Alışverişin gerçekleştiği tarih
• Alışveriş kodu
• Alışveriş Tutarı

Ham veri oluşturulduktan sonra, database üzerinde ya da analizin yapıldığı platform üzerinden, Müşterinin alışveriş sayısı, alışveriş tutarı ve son alışverişinden baz alınan tarihe kadar geçen süre metrikleri çıkartılır.

Kitlelerin Ayrıştırılması ve Tanımlanması

Müşteriler, söz konusu metriklere göre, istenilen küme sayısına (genellikle 4 küme kullanılır) bölünerek segmente edilir. Recency, Frequency ve Monatery kümeleri kombinlenerek müşteriler hem skorlanabilir hemde bulundukları küme kombinasyonlarına göre kitlelere ayırılabilir. Örnek tablo üzerinden incelersek;

Frequency ve Receny sınıfları en yüksek olan müşterilerinizi Champions olarak ayırırken, Frequency sınıfı yüksek iken Recency sınıfı düşük olan müşterilerinizi Can’t Lose Them, At Risk gibi farklı aksiyonlar alınabilecek kitlelere ayırabilirsiniz. Örneğin At Risk ve Can’t Lose Them kitlelerine uygun indirim kuponlarıyla ‘Sizi Özledik’ gibi mesajlarla ulaşırken, Champions, Loyalist müşterilere yüksek Monatery kitlelerine uygun premium ürünler önerebiliriz. 

Ayrıca Frequency ve Recency üzerinden periyodik alışveriş dönemleri belirlenen müşteri kitlelerine hatırlatma bildirimleri yollanabilir.

Müşterilerin sınıfları (iş modelinize göre önem katsayıları kullanılabilir) toplanarak (R+F+M) müşteri skorları oluşturulur, bu skorlar kullanılarak Platinum, Gold, Silver, Bronze gibi segmentler yaratılabilir. Skorlarına göre ayrılan kitlelere ayrı reklam kampanyaları girilerek kampanya maliyetlerini doğru kitlelere yönlendirebilir, reklam bütçemizi efektif bir şekilde kullanabilirsiniz.

Temelde müşterilerin satınalma davranışlarını kullanarak benzer davranış gösteren müşterileri aynı kitleye toplayan RFM analizi, müşterilerinizi tanımanızı sağlarken, reklam harcamalarınızın optimize edilmesine ve daha isabetli satış tahminlemesi yapmamıza olanak sağlayan bir analizdir.

RFM Analizinde Kullanılabilecek Metrik Önerileri

RFM analizinde mevcut 3 metriğe ilave olarak;

• Duration: Müşterinin web sitesimizde ne kadar vakit geçirdiği, ortalama session süresi yada sayfalarda geçirilen süre gibi.
• Engagement,Interactions: Müşterilerin websitemizle ne yoğunlukta etkileşime geçtiği, gezilen sayfa sayısı, session yada click sayısı gibi metrikler kullanılabilir.
• Tenure: Müşterinin şirketimizle olan ilişkisinin ne zamana dayandığını ölçmek için kullanılır, ilk sipariş tarihinden bugüne kadar geçen süre.
• Churn rate: Farklı bir analiz ile tahminlenen müşterinin kaybedilme olasılığı

Gibi birçok ilave metrik kullanılarak müşteriler belirli segmentlere ayırabilir, hedeflemelerde efektif biz dağılım sağlayabiliriz.

Next-Step’te Neler Yapılabilir?

Müşterileriler kitlelere ayrıldıktan sonra demografik özellikleri, platform tercihleri, site gezinme patternleri, coğrafi konumları gibi karakteristik özellikleri kullanılarak kitle içerisindeki patternler yakalanılarak, henüz alışveriş yapmamış müşterilerin hangi kitleye daha yakın olduğu belirlenebilir.

Ayrıca hacmi ve frekansı yeterli seviyede olan bir veriye sahipsek, müşterilerin tüm alışverişleri yerine belirli ürün kategorileri ya da tüketim patternlerine göre ürün grupları belirlenerek, ilgili kategori/grup özelinde metrikler hesaplanabilir. Söz konusu metrikler üzerinden yapılacak kümeleme analiziyle kitleleri alt kırılımlara bölerek daha niş kitleler elde edebilir, hedeflemelerimiz daha kesin hale getirilebiliriz. 

Kitleler özelinde Attribution Model çalışılarak satın alma sürecine ilişkin belirli patternler üzerinde çalışabilir, kitlelere ilişkin satınalma patternleri, benzer davranışlardaki kullanıcıları ilgili kitlelerle ilişkilendirmek için kullanılabiliriz. Ayrıca site içi yönlendirmelerle kitleler satın alma patternine göre yönlendirilebilir.

Müşterilerinizi tanıma konusunda önemli insightlar sunan RFM analizi ile sadece alışveriş verilerini kullanarak pazarlama stratejilerinizde optimizasyon sağlayabilir, kitlelerinizi doğru tanımlayarak iletişiminizi düzenleyebilir, kaybedeceğiniz müşterileri geri kazanma noktasında aksiyonlar alabilirsiniz.

RFM analizi konusunda yayınladığımız blog içeriğimizi faydalı bulduysanız, diğer insanlarında erişebilmesi için sosyal medya hesaplarınızda paylaşarak bizlere destek olabilirsiniz.

Kaynaklar

• https://en.wikipedia.org/wiki/RFM_(market_research)
• https://www.ojs.utmmataram.ac.id/index.php/explore/article/view/548/pdf
• https://www.investopedia.com/terms/r/rfm-recency-frequency-monetary-value.asp
• https://iopscience.iop.org/article/10.1088/1742-6596/1869/1/012085/pdf