Hoe werkt een RFM-analyse?
De methode komt uit de direct marketing. Je vat het aankoopgedrag van elke klant samen in drie getallen:
- Recency: hoe lang geleden de laatste aankoop was.
- Frequency: hoeveel aankopen de klant in totaal deed.
- Monetary: hoeveel de klant besteedt. Sommige modellen nemen het gemiddelde bedrag per aankoop, andere het totaal.
Daarna sorteer je je klanten per kenmerk en verdeel je ze in even grote groepen. De onderzoekers Peter Fader, Bruce Hardie en Ka Lok Lee gebruikten drie groepen per kenmerk. Het meest recente derde deel kreeg R=3, het middelste R=2 en het minst recente R=1. Hetzelfde deden ze voor frequentie en bedrag. Dat gaf 27 combinaties, plus een aparte groep klanten zonder herhaalaankoop.
RFM-groepen in Shopify
Je hoeft de scores niet altijd zelf te berekenen. Shopify werkt met vaste RFM-groepen per klant, die je ook via de Admin API opvraagt. Een greep uit de groepen:
| Groep | Kenmerken volgens Shopify |
|---|---|
| Champions | Zeer recente aankopen, veel bestellingen, hoogste bestedingen |
| Loyal | Recente aankopen, veel bestellingen, hoogste bestedingen |
| New | Zeer recente aankopen, weinig bestellingen, lage bestedingen |
| Promising | Recente aankopen, weinig bestellingen, lage bestedingen |
| At risk | Geen recente aankopen, wel een sterke geschiedenis |
| Previously loyal | Geen recente aankopen, wel een zeer sterke geschiedenis |
| Almost lost | Geen recente aankopen, minder bestellingen, lagere bestedingen |
| Dormant | Geen recente bestellingen, zelden besteld, lage bestedingen |
Daarnaast is er een groep Prospects: klanten die nog niets hebben besteld. Met zulke groepen stem je je e-mailmarketing af. Nieuwe klanten krijgen een welkomstreeks, terwijl klanten in At risk een actie krijgen om terug te komen.
RFM en customer lifetime value
De basis van RFM: gedrag in het verleden is een sterke voorspeller van toekomstig gedrag. Fader, Hardie en Lee koppelden RFM in 2005 aan customer lifetime value. Hun model berekent met alleen RFM-gegevens wat een klant in de toekomst nog waard is. Ze testten het op klantdata van de muziekwinkel CDNOW.
Een opvallende uitkomst: klanten die na hun eerste aankoop anderhalf jaar niets kochten, waren samen nog goed voor bijna 5% van de toekomstige waarde van de hele groep. Veel managers zouden die klanten al als verloren beschouwen. Schrijf eenmalige kopers dus niet te snel af. Klassieke scoremodellen met RFM voorspellen wel alleen de volgende periode, niet de hele klantrelatie.
Voorbeeld: drie klanten van een kaaswinkel
Webwinkel Kaasboer Jansen uit Gouda geeft elke klant per kenmerk een score van 1 tot 3. Drie klanten vallen op:
| Klant | Laatste aankoop | Aantal aankopen | Gemiddeld bedrag | RFM-score |
|---|---|---|---|---|
| Anouk | 2 weken geleden | 9 | € 45 | 3-3-2 |
| Bram | 14 maanden geleden | 7 | € 60 | 1-3-3 |
| Chantal | 1 maand geleden | 1 | € 20 | 3-1-1 |
Anouk is een trouwe klant en krijgt als eerste de nieuwe seizoenskazen te zien. Bram kocht vaak en veel, maar is al lang weg. Daarom krijgt Bram een persoonlijke mail met een reden om terug te komen. Chantal is nieuw; voor haar draait het om de tweede bestelling. Zo krijgt elke groep een andere boodschap in plaats van één nieuwsbrief voor iedereen.
Veelgestelde vragen over RFM-analyse
Waar staat RFM voor?
RFM staat voor recency, frequency en monetary. Het gaat om hoe recent een klant kocht, hoe vaak en hoeveel die klant besteedde.
Wat is het verschil tussen RFM en customer lifetime value?
RFM beschrijft het aankoopgedrag tot nu toe. Customer lifetime value schat wat een klant in totaal oplevert, ook in de toekomst. RFM-gegevens zijn een goede basis om die waarde te voorspellen.
Hoe vaak moet je een RFM-analyse doen?
Klanten verschuiven in de loop van de tijd van groep. Werk de scores daarom regelmatig bij, bijvoorbeeld elke maand of na elke campagne.