Bei der RFM-Analyse handelt es sich um ein Scoringverfahren, mit dem sich Kunden anhand spezieller Kriterien in unterschiedliche Zielgruppen und Segmente einteilen lassen. Das Verfahren zielt in erster Linie darauf ab, potenzielle Kunden zu identifizieren, bei denen es am wahrscheinlichsten ist, dass sie auf ein Angebot im Rahmen diverser Marketing-Maßnahmen reagieren. RFM-Analysen werden primär im sogenannten „Direct Marketing“ eingesetzt. Möglich sind jedoch auch Anwendungen in der Optimierung bestehender Kampagnen, E-Mail-Marketing oder dem Database- und Performance-Marketing.
Inhalt
Allgemeine Informationen zum Thema
Der Kundenwert des Kaufverhaltens
Im Rahmen des modernen Marketings gibt es eine Vielzahl unterschiedlicher Methoden, um den Wert eines Kunden oder einer bestimmten Kundengruppe für ein Unternehmen zu definieren. Die gängigsten Methoden sind:
- die Customer-Lifetime-Value
- die ABC-Analyse
- die RFM-Analyse
Die RFM-Analyse ist ein Modell, das sich relativ leicht umsetzen lässt und in erster Linie bei der Berechnung der Kundenqualität eingesetzt wird. Das Verfahren ist unkompliziert, schnell und kann praktisch von jedem Unternehmen angewandt werden, das in seiner CRM-Datenbank Daten über das Kaufverhalten seinen einzelnen Kunden zuordnen kann. Durch den Einsatz der RFM-Analyse können Sie einen Kundenwert ermitteln, der anhand unterschiedlicher Kriterien bemessen wird. Kunden können so in bestimmte Käufergruppen eingeteilt werden, um genau bestimmen zu können, welche Kundengruppen besonders profitabel sind und bei welchen Gruppen sich bestimmte Marketing-Maßnahmen weniger lohnen. Das primäre Ziel von RFM-Analysen ist, den Return on Investment (ROI) zu erhöhen und die Rücklaufquoten von Marketing-Kampagnen bis zu einem gewissen Grad prognostizieren zu können.
Bestandteile der RFM-Analyse im Überblick
Bei der RFM-Analyse handelt es sich um ein empirisches Verfahren, das im hohen Maß von Daten aus dem Customer-Relationship-Management (CRM), der Webanalyse oder den Transaktionen abhängig ist. Während eine Vielzahl aktueller Marketingansätze primär auf demografischen Eigenschaften basiert, ergänzt die RFM-Analyse Marketing-Kampagnen um eine verhaltensbasierte Komponente. Dazu werden die folgenden vier Variablen im direkten Verhältnis zueinander näher betrachtet:
- R – Recency (deutsch: Aktualität): Wann hat der Kunde das letzte Mal ein Produkt gekauft? Die Aktualität eines Kaufs ist ein wichtiges Kriterium, um Kunden ausfindig zu machen, die vor kurzer Zeit einen Kauf getätigt haben. Kunden, bei denen ihr letzter bestätigter Kauf nicht lange zurückliegt, werden mit größerer Wahrscheinlichkeit auf ein neues Angebot reagieren, als Kunden, die vor längerer Zeit etwas gekauft haben. Hierbei handelt es sich um den bedeutendsten Faktor einer RFM-Analyse.
-
Wie verhalten sich meine Kunden?
F – Frequency (deutsch: Häufigkeit): Die Häufigkeit eines Kaufs wird mit Frequency gekennzeichnet. Bei einem Kunden, der häufiger gekauft hat, ist die Wahrscheinlichkeit für eine positive Reaktion höher, als bei einem Kunden, der nur selten etwas gekauft hat.
- M – Monetary Value (deutsch: der monetäre Wert): Dieses Kriterium bezieht sich auf die Gesamtheit aller getätigten Käufe eines Kunden. Kunden, die beim Einkaufen mehr Geld ausgeben, haben eine höhere Wahrscheinlichkeit auf Angebote zu reagieren, als Kunden, die kleinere Beträge ausgeben.
Wie berechnen sich die RFM-Werte?
RFM-Werte und Analysen lassen sich in der Praxis häufig automatisiert berechnen. Bei vielen modernen CRM-Systemen und ähnlichen Business Intelligence-Lösungen sind derartige Funktionalitäten häufig bereits implementiert. Das Scoring-Verfahren, das wir im folgenden Beispiel erläutern, ist in drei Schritten realisierbar und ist primär von den zugrundeliegenden Daten abhängig. Lesen Sie hier alles zu Business Intelligence.
- Auf Basis des letzten Kaufs bekommen Kunden einen bestimmten Score zugewiesen, der sich auf die Aktualität bezieht. Für diesen Zweck lassen sich sowohl Zeitintervalle als auch das Datum des letzten Kaufs verwenden. Die genaue Zuweisung kann anhand individuell gebildeter Einstufungen erfolgen. So können beispielsweise vier oder weniger Kategorien verwendet werden, um Kundengruppen nach dem Datum ihres letzten Kaufs einzustufen.
- Auf der Grundlage der gleichen Daten werden Kunden mit einem bestimmten Häufigkeitsscore gekennzeichnet. Dieser gibt an, wie oft Kunden seit einem bestimmten Datum oder in einem bestimmten Zeitintervall Käufe getätigt haben. Auch hier lässt sich die Einteilung in Kundengruppen relativ frei gestalten, soweit es den Unternehmenszielen dient.
- Im letzten Schritt bekommen Kunden einen monetären Wert zugewiesen, wobei die Kundengruppe mit den größten Umsätzen den höchsten Wert erhält. Bei sieben Kategorien kann man zum Beispiel Geldwerte von 1 bis 7 wählen.
Nachdem der Ermittlung aller relevanten Werte bildet sich der RFM-Score. Die Werte lassen sich addieren und ergeben die RFM-Scores für die einzelnen Kundengruppen.
Wie lassen sich die RFM-Werte nutzen?
Das Marketing steuert die wichtigen Maßnahmen.
Mit der RFM-Analyse können Unternehmen anhand objektiver Kriterien fortlaufen die Qualität ihrer Kunden beurteilen. Mit diesem Wissen können Organisationen ihre Marketing-Maßnahmen gezielter steuern, indem sie beispielsweise im Rahmen eines neuen Loyalitätsprogramms nur die Kundengruppe mit einem RFM-Score von mindestens 15 Punkten anschreiben. Darüber hinaus haben Unternehmen die Möglichkeit zu überprüfen, wie sich der CRM-Score eines bestimmten Kunden oder gesamter Kundengruppen im Laufe der Zeit verändert.
Es lässt sich generell behaupten, dass der größte Vorteil des Systems in der Einfachheit des RFM-Scores liegt. Schließlich ist eine moderne CRM-Kundendatenbank in der Lage, binnen kürzester Zeit Millionen von Daten zur Verfügung zu stellen. Diese Daten sinnvoll zu nutzen und die richtigen Schlüsse daraus zu ziehen, stellt für Unternehmen die größte Herausforderung dar.
Rechenbeispiel
Die Berechnung der Werte wird nach dem folgenden Schema realisiert: Für jeden RFM-Wert lässt sich beispielsweise eine Bewertungszahl zwischen 1 und 10 vergeben. Hier ein ausführliches Beispiel:
Gehen wir davon aus, dass Sie Betreiber eines Fleisch- und Wurstwarenhandels sind und Lukas Ihr Kunde ist. Sie kennen ihn, weil er ein alter Stammkunde ist. Dabei speichern Sie jedes Mal, was Lukas kauft und legen diese Daten in Ihrer Kundendatenbank ab. Sie haben folgende Ratings für Recency, Frequency und Monetary Ratio nach einer umfassenden Analyse Ihrer Kundschaft festgelegt:
Recency
– Letzter Einkauf von bis zu 10 Tagen: 5 Punkte
– Letzter Einkauf von bis zu 30 Tagen: 2 Punkte
Lukas hat vor 8 Tagen das letzte Mal bei Ihnen einen Kauf getätigt. Demnach erhält er einen Recency-Wert von 5 Punkten.
Frequency
Wie berechnet sich das Scoring-Verfahren?
– Einkauf weniger als 6 Mal in den letzten 12 Monaten: 2 Punkte
– Einkauf mindestens 12 Mal in den letzten 12 Monaten: 4 Punkte
Lukas ist Stammkunde und hat in den letzten 12 Monaten insgesamt 18 Mal bei Ihnen eingekauft. Somit hat er einen Frequency-Score von 4 Punkten.
Monetary Ratio
– Umsatz der letzten 12 Monate ist gleich oder kleiner als 200 Euro: 2 Punkte
– Umsatz der letzten 12 Monate ist gleich oder kleiner als 200 Euro: 4 Punkte
Lukas hat im letzten Jahr insgesamt 286 Euro bei Ihnen ausgegeben. Sein Monetary Ratio beträgt somit 4 Punkte.
Es folgt eine Addition der einzelnen Werte (5+4+4), die so zum RFM-Wert des Kunden „Lukas“ führen.
