Matrice RFM: perché usarla per la tua strategia e-commerce?
Dalle campagne più tradizionali alle attività di inbound marketing: troppo spesso, all’interno delle aziende l’attenzione di marketer e strategist è orientata all’acquisizione di nuovi clienti più che al mantenimento di quelli già acquisiti, di fatto una vera e propria ricchezza per l’azienda stessa.
A parità di prodotto, un acquisto effettuato da un cliente già acquisito costa mediamente 5 volte in meno all’azienda rispetto a quello effettuato da un nuovo cliente, un dato che dovrebbe stimolarci a riflettere e a capire l’importanza di conoscere e di valorizzare al meglio i cosiddetti clienti di ritorno.
Nell’articolo di oggi scopriamo come individuare e conoscere al meglio i nostri clienti migliori, grazie al modello di analisi della matrice RFM, particolarmente utilizzato in ambito marketing automation per l’implementazione di strategie di retention marketing e fidelizzazione dei clienti.
Matrice RFM: che cosa è e perché può rivelarsi importante per la strategia
Come anticipato, la matrice RFM è un modello di analisi che consente di individuare i clienti potenzialmente migliori per l’azienda, mediante la combinazione di tre diverse variabili.
- Recency: indica il tempo trascorso dall’ultimo acquisto;
- Frequency: indica il numero di volte in cui l’utente ha effettuato un acquisto in un dato periodo di tempo (di solito, 1 anno);
- Monetary: la spesa totale del cliente nel periodo di riferimento.
Tale modello si basa sulla teoria di Pareto, secondo la quale l’80% del fatturato viene generato dal 20% dei clienti e parte dalla considerazione di tre assunti fondamentali:
- i clienti che hanno acquistato più recentemente sono tendenzialmente più predisposti ad acquistare rispetto a chi non lo fa da tempo;
- i clienti che acquistano più spesso sono più facilmente interessati ad acquistare di nuovo rispetto a chi ha acquistato una sola volta;
- i clienti che spendono di più, si mostrano più intenzionati ad acquistare di nuovo.
Già da questa prima introduzione al modello RFM è possibile comprendere le potenzialità di tale analisi: gli utenti con punteggi RFM più alti saranno i nostri clienti migliori, quelli sui quali merita investire tempo ed energie.
Ma approfondiamo ancora di più l’argomento.
Matrice RFM: come costruirla ed implementarla
Implementare un modelli di analisi RFM manualmente, risulta piuttosto complesso, soprattutto in fase di manutenzione ed aggiornamento dei dati.
È per questo motivo che sono sempre di più le piattaforme di marketing automation, come Adabra, che offrono questa funzionalità integrata negli Analytics e come strumento di segmentazione della audience.
Ma partiamo dalle tre variabili base: analizzando i dati dei nostri clienti dovremmo, non solo determinarne i valori relativi alle tre variabili base, ma creare un sistema di scoring che consenta di attribuire loro un punteggio.
Quest’ultimo può essere basato su natura empirica e soggettiva, ovvero definendo a piacimento i valori delle varie soglie (forse più consigliato per piccoli business) o in modalità statistica mediante la stima di ponderazione o il calcolo dei percentili.
Partiamo da un esempio: i valori riportati sono da considerarsi meramente esemplificativi, in quanto score e valori delle soglie devono essere valutati sulla base dei dati relativi al proprio eCommerce.
Combiniamo adesso i valori dello score con i dati di frequency, monetary e recency, elaborati su tre clienti di esempio.
Sebbene ad un primo sguardo il cliente 1675 sembrerebbe il migliore, dato l’importo speso, la matrice rivela che il clienti migliore è 1289 con un acquisti effettuati in un periodo di tempo più recente.
Una volta individuati i diversi segmenti di utenti (utenti hero, utenti a rischio, utenti che acquistano frequentemente ma spendono poco, utenti che acquistano frequentemente, spendono molto ma non acquistano da tempo..) sarà possibile creare strategie ad hoc al fine di ringaggiarli, aumentando il loro valore nel tempo.
Analisi e strategia: quali leve commerciali mettere in campo
Come è facilmente intuibile la matrice RFM non solo permette di individuare i clienti migliori ma consente anche di mappare la propria audicence al fine di individuare i clienti potenzialmente più interessanti sui quali lavorare per portarli da un livello a quello successivo.
Tutto ciò comporta la messa in atto di strategie commerciali ad hoc.
Facciamo qualche esempio:
- ad un cliente che ha già fatto un acquisto > potremmo proporre uno sconto sul secondo acquisto
- ad un cliente che VIP > potremmo proporre un programma fedeltà o l’accesso a promo esclusive
- ad un utente che acquista di frequente > potremmo proporre dei benefit
Come è evidente la combinazione delle diverse variabili consente di dare vita a più segmenti:
- clienti che acquistano di frequente ma spendono poco (alta frequenza, bassa monetary);
- clienti che acquistano di frequente e che spendono molto ma non acquistano da tanto (alta frequenza, alta monetary, bassa recency);
- clienti che spendono molto, hanno acquistato da poco e che acquistano con frequenza (alta recency, alta monetary, alta frequency).
Per ogni segmento individuabile è, così, possibile mettere in campo un’offerta commerciale ed una proposta comunicativa mirata.
La matrice RFM ha enormi potenzialità e può essere alla base di strategie di marketing retention veramente efficaci: non concentrarti solo sull’acquisizione di nuovi clienti ma porta a reddito i tuoi investimenti pubblicitari e incrementa nel tempo il valore dei clienti già acquisiti.
