مدل RFM یک ابزار بازاریابی است که به کمک آن بهترین و وفادارترین مشتریان یک کمپانی یا کسب و کار شناسایی می‌شود.
نام RFM از سرواژه‌های سه کلمه‌ی Recency (آخرین بار خرید)، Frequency (تعداد دفعات خرید) و Monetary Value (ارزش خرید) شکل گرفته است. در واقع در این مدل تحلیلی، با استفاده از این سه فاکتور، برترین مشتریان کسب و کار شناسایی می‌شوند.
درک بهتر مدل RFM
همان طور که پیش از این نیز گفتیم، مدل RFM بر اساس سه فاکتور کمی شکل گرفته:
- آخرین بار خرید یا Recency: آخرین باری که مشتری از کسب و کار خرید انجام داده، چه زمانی بوده.
- تعداد دفعات خرید یا Frequency: تعداد دفعاتی که مشتری خرید انجام داده، چندتا بوده.
- ارزش خرید یا Monetary Value: مشتری چه میزان هزینه برای خریدهایش کرده.
در تحلیل مشتریان با استفاده از مدل RFM، مشتریان در هر کدام از سه دسته‌ی بالا، رتبه بندی می‌شوند و رتبه‌ای از ۱ تا ۵ می‌گیرند (۱ بالاترین و ۵ پایین‌ترین رتبه است). بهترین مشتریان آن‌هایی هستند که در هر سه دسته، رتبه ۱ را گرفته باشند.
با استفاده از این مدل، بازاریابان قادر هستند تا احتمال خرید دوباره توسط مشتریان را پیش‌بینی کنند.
مفهوم استفاده از این سه فاکتور برای اولین بار در مقاله‌ای به نام «انتخاب بهینه در ارسال نامه» توسط جان رولف بالت (Jan Roelf Bult) و تام ونزبیک (Tom Wansbeek) در سال ۱۹۹۵ و در مجله‌ی علم بازاریابی منتشر شد.
یک مثال بسیار معروفی در دنیای بازاریابی وجود دارد که می‌گوید معمولاً ۸۰ درصد از درآمد کسب وکارها از طریق ۲۰ درصد از مشتریان تأمین می‌شود. تحلیل و مدل RFM نیز دقیقاً همین موضوع را اثبات می‌کند.
در ادامه نگاه دقیق‌تری خواهیم داشت به فاکتورهای تعیین کننده‌ای که در این مدل وجود دارند.
آخرین بار خرید یا Recency
هر چه که از آخرین باری که یک مشتری از کسب و کار خرید انجام داده، زمان کمتری گذشته باشد، احتمال بازگشت این مشتری و انجام خرید دوباره بالاتر است. واضح است احتمال کمی وجود دارد که مشتریانی که مدت‌ها یا ماه‌هاست که خریدی انجام نداده‌اند، خرید دوباره‌ای انجام دهند. بنابراین هر چه از آخرین خرید مشتری بیشتر گذشته باشد، احتمال خرید دوباره او بیشتر می‌شود و بالعکس، هر چه از آخرین باری که یک مشتری خرید انجام داده، کمتر گذاشته باشد، احتمال خرید دوباره‌اش بیشتر می‌شود.
با استفاده از این فاکتور، می‌توان برای مشتریانی که به تازگی خرید انجام داده‌اند، یک سری برنامه‌های بازاریابی ویژه‌ای تدارک دید. از طرف دیگر نیز می‌توان برای مشتری‌هایی که مدت‌هاست خرید نکرده‌اند، بازاریابی اختصاصی انجام داد و آن‌ها را به خرید دوباره تشویق کرد.
تعداد دفعات خرید یا Frequency
تعداد دفعاتی که یک مشتری از کسب و کار خرید می‌کنند، به فاکتورهای مختلفی بستگی دارد از جمله: نوع محصول، قیمت محصول و نیاز یا عدم نیاز به جایگزین کردن محصول. در برخی موارد، با تحلیل خریدهای کاربر، می‌تواند چرخه خرید را پیش‌بینی کرد. مثلاً اگر محصول مورد نظر، مواد غذایی باشد، با استفاده از مدل‌ها می‌یابیم که مشتری در چه بازه زمانی دقیقاً مواد غذایی‌اش تمام می‌شود و در همین زمان باید یک بازاریابی ویژه برای چنین مشتری‌ای انجام داد.
ارزش خریدها یا Monetary Value
این فاکتور موجود در مدل RFM، میزان مبلغ صرف شده توسط مشتری را نشان می‌دهد. منطق بازاریابی به ما می‌گوید که بیشتر انرژی و وقت خود را باید صرف مشتریانی کنیم که حاضرند مبلغ بیشتری از ما خرید کنند. هدف از قرار دادن این فاکتور در این مدل هم دقیقا همین است.
با این حال یک ریسک بزرگ در این استراتژی وجود دارد. مشتری‌ای که یک یا چند بار خرید با ارزش بالا انجام داده، لزوماً خواهان این نیست که این خریدها را تکرار کند. فرض کنید که یک مشتری از فروشگاه شما موبایل و لپتاپ خریده که رقم نسبتاً بالایی دارند. اما طبعاً تا مدت زیادی، این مشتری دیگر نیازی به خرید موبایل و لپتاپ ندارد، بنابراین این خریدها را تکرار نخواهد کرد. فلذا این نکته را نیز باید در فعالیت های بازاریابی در نظر گرفت.
نحوه انجام تحلیل بر اساس مدل RFM
تحلیل مشتریان بر اساس مدل RFM زمانی میسر است که ما اطلاعات و دیتای مشتریان خود را به صورت کامل در اختیار داشته باشیم. پلتفرم های جمع آوری داده مانند CRM ها و یا CDP در این زمینه کمک زیادی به ما می‌کنند. در چنین پلتفرم‌هایی اطلاعات کامل مشتریان از جمله تراکنش‌ها، تعداد تراکنش‌ها و تاریخ آن‌ها مشخص است. بنابراین با استفاده از آن‌ها، ما به سه فاکتور اصلی در این مدل دسترسی داریم.
همچنین پلتفرم های جمع آوری داده ممکن است دارای ابزارهای تحلیلی برای مدل RFM نیز باشند که به صورت خودکار، مشتریان را بر اساس فاکتورهای تعیین شده، رتبه بندی می‌کند. با این حال تحلیل مشتریان بر اساس این مدل، می‌تواند به صورت دستی و با استفاده از نرم افزار اکسل نیز انجام شود. کافی است تا اطلاعات مربوط به تعداد تراکنش‌ها، تاریخ تراکنش‌ها و ارزش هر تراکنش از پلتفرم خروجی بگیرید.
تعیین این که در هر فاکتور، بر چه اساسی به مشتریان رتبه بدهید، به کسب و کار و شما و شرایط آن بستگی دارد. مثلاً برخی کسب و کارها محصولاتی ارائه می‌کنند که ارزش بالایی دارند و از طرفی تکرار خرید در آن‌ها کم اتفاق می‌افتد. یا این که برخی دیگر محصولاتی ارائه می‌کنند که نسبتاً قیمت پایین‌تری دارند، ولی نوع محصول به گونه‌ای است که مشتری نیاز دارد تا مدام از آن بخرد. مشخص است که در هر کدام از این‌ها، رتبه‌بندی‌ها معنای مختلفی دارند. در یکی ممکن است خرید تا پانصد هزار تومان، رتبه ۵ بگیرد و در دیگری خرید تا صد هزار تومان رتبه ۵ بگیرد.
بنابراین باید بر اساس ویژگی‌های کسب و کار خود، این رتبه‌ها را تعیین کنید.
معایب مدل RFM
تا اینجا بیشتر در مورد مزایای این مدل صحبت کردیم. ولی بهتر است تا کمی از معایب و کاستی‌های آن نیز بگوییم. یکی از بزرگ‌ترین کمبودها و نقصان‌های این مدل تحلیلی، این است که در تحلیل مشتریان بسیاری از فاکتورهای تأثیر گذار مثل جنسیت، سن و نژاد را در نظر نمی‌گیرد. یعنی کاملاً بدون توجه به این موارد، به تحلیل مشتریان می‌پردازد. در حالی که می‌دانیم این موارد نقش بسیار پررنگی در بازاریابی ایفا می‌کنند.
با توجه به همین مسئله، این احتمال وجود دارد که پیش‌بینی‌های انجام شده توسط این مدل، درست از آب در نیاید. چرا که فاکتورهای بسیار تعیین‌کننده‌ای در آن نادیده گرفته شده است.
با این حال می‌توان با ابزارهای تحلیلی قوی‌تر، این فاکتورها را هم وارد مدل کرد و نتایج دقیق‌تری گرفت.