comportamento d’acquisto

Matrice RFM per la segmentazione dei clienti

Case History Moreschi: la matrice RFM per la segmentazione dei clienti in base al comportamento d’acquisto e quanto influisce su una strategia di marketing

E’ sempre più importante per le aziende riuscire a comprendere il comportamento dei propri clienti. Le strategie di marketing necessitano infatti informazioni sempre più specifiche e dettagliate per poter competere sul mercato, ridurre i costi e, al tempo stesso, incrementare i fatturati.

Una strategia marketing che riesce a comprendere le esigenze e a segmentare i propri clienti permette all’impresa un vantaggio competitivo sulla concorrenza, in termini sia di tempo che di budget. Poter capire quali siano i cluster simili consente, infatti, di effettuare azioni mirate e rapide su un piccolo segmento dell’utenza, riducendo i costi e con risultati migliori rispetto a quelli ottenuti considerando tutti i clienti in complesso. Ci sono infatti grosse differenze all’interno della clientela e riuscire a trovare le similarità tra taluni gruppi può dare indubbiamente una marcia in più all’azienda.

La matrice RFM

Uno dei metodi più utilizzati dalle imprese per la segmentazione è quello della cosiddetta “Matrice R-F-M”, ovvero una classificazione di ciascun cliente, attraverso l’attribuzione di un punteggio per alcuni parametri. Le metriche solitamente utilizzate sono tre, ovvero la Frequenza (quante volte il cliente abbia effettuato un acquisto), la Recenza (termine coniato per indicare quando è stata l’ultima volta in cui c’è stato un acquisto) e l’importo Monetario (quanto abbia speso il cliente in complesso).

Quali sono i vantaggi della matrice RFM?

L’unione di questi parametri e la relativa somma determina un ranking per ogni cliente e permette di capire quali siano i consumatori migliori oppure quelli su cui fare azioni di marketing specifiche da parte dell’azienda: ad esempio, coloro che hanno un’alta frequenza di acquisto ma che non fanno acquisti da qualche mese, oppure chi ha effettuato alte spese in passato ma non è più cliente da un periodo elevato di tempo e così via.

La Matrice RFM prende spunto dal Principio di Pareto, ovvero la cosiddetta “Legge 80/20”. Un fenomeno, in questo caso applicato al business aziendale, per cui l’80% dei profitti di un’impresa viene determinato dal 20% dei suoi clienti, e attraverso l’analisi della matrice si è in grado di definire tale segmento.

Case History Moreschi

Sintra Digital Business ha ideato ed applicato la matrice RFM per Moreschi: un brand di calzature ed accessori artigianali made in Italy, con cui collaboriamo da parecchi anni.

Creazione del Database

A partire dai dati presenti nel gestionale, contenenti lo storico degli ordini e-commerce (sin dal 2014), abbiamo creato un database con tutte le caratteristiche relative agli ordini e ai prodotti creando un ID utente anonimo. Tale database contiene tutti i dati più significativi di ogni ordine: data, importo, tipo prodotto acquistato, categoria, collezione, taglia, magazzino di spedizione, codice prodotto, eventuale motivo del reso, ecc. ed ogni mese viene aggiornato inserendo gli ordini del mese precedente per l’elaborazione di tabelle dinamiche e grafici ad hoc su ciascuna variabile esaminata.

Creazione della Matrice

In tale modo è possibile assegnare un punteggio per ognuno dei parametri presi in considerazione per la matrice RFM: la recenza degli acquisti viene suddivisa in base a periodi mensili stabiliti, variabili nel tempo (es. negli ultimi 6 mesi, tra 7 e 12 mesi fa, oltre un anno fa, ecc.) e allo stesso modo l’importo viene categorizzato in classi (sia sul singolo ordine che sul totale degli acquisti) basate su diverse fasce di costo.

I parametri che determinano il ranking del cliente

La struttura del database visualizzata attraverso l’elenco di tutti i clienti di Moreschi (invece che rispetto agli ordini) permette di calcolare anche il parametro della frequenza di acquisto, associando ad ogni riga i dati di ogni acquirente. In tal modo è possibile analizzare per ciascun cliente tutti i dati relativi agli acquisti: quante volte hanno comprato, quando hanno acquistato, quanto hanno speso, il numero di prodotti contenuti negli ordini, l’importo medio e così via.

Anche in questo caso si assegna un punteggio alla frequenza di acquisto (per esempio: 1 ordine, 2-3 ordini, ecc.) e l’insieme dei tre parametri sommati (R-F-M) determina il ranking del cliente, convenzionalmente compreso tra 12 (o 15) punti (il massimo, ovvero un cliente con tanti acquisti, di cui almeno uno recente, e con alto importo monetario) e 3 punti (il minimo, ovvero un cliente che ha effettuato un solo ordine, molto datato come tempistica e di basso importo).

Come utilizzare i dati della Matrice RFM

Tutti questi cluster entrano in una matrice i cui incroci ci dicono il comportamento degli utenti, dai più virtuosi a quelli meno performanti e da questi incroci possono essere utilizzate le strategie di marketing da parte dell’azienda (i dati contenuti nel grafico sono esemplificativi e contengono valori fittizi, inseriti al solo scopo di mostrare la struttura della matrice).

Matrice RFM

Tra i vari cluster, può essere preso in considerazione, infatti, il segmento di coloro che hanno speso tanto ma hanno una recenza bassa (ovvero che non fanno acquisti da un po’) ed operare con specifiche campagne di remarketing. Oppure possono essere previste promozioni o vantaggi negli acquisti solamente per i clienti “top”, o ancora si potrebbe scegliere di escludere dagli invii di mail o newsletter gli utenti presenti nel cluster peggiore, cioè coloro con un solo acquisto, di basso importo e con recenza lontana.

Ma non solo. Per coloro che hanno già speso una determinata cifra ma non acquistano da un po’ di tempo possono essere create campagne di upselling, oppure fare altre azioni mirate per chi ha effettuato tanti acquisti ma non nel periodo più recente… e così via: quasi ogni cluster può essere utilizzato per una differente strategia di marketing. In questo modo gli utenti sono coinvolti in una strategia “personalizzata” in base al loro comportamento di acquisto e risulta più facile migliorare tre parametri molto importanti per il business: la fidelizzazione del cliente, il tasso di risposta e il tasso di conversione.

Conclusioni

E’ noto ed abbastanza intuitivo (ma tale informazione si può desumere attraverso la matrice R-F-M) che i clienti più ricettivi siano quelli che hanno acquistato recentemente, ma anche i clienti abituali e quelli che spendono di più, rispetto alle altre categorie di acquirenti. Valorizzare tali clienti, ma nello stesso tempo riuscire a fare azioni migliorative anche sugli altri, porta, ovviamente, grossi benefici per l’azienda, in quanto acquisire un cliente nuovo ha costi molto superiori al mantenimento di un cliente già presente.

Pertanto risulta evidente come ciascun e-commerce dovrebbe analizzare i dati di vendita anche in questa ottica per poter applicare le strategie più appropriate sui propri clienti, con l’obiettivo di far crescere ancora i volumi e migliorare le proprie KPI aziendali.

 

CONTATTACI SUBITO PER UNA CONSULENZA

 

Questo articolo è stato utile
Siamo felicissimi di questo 🙂
Grazie per il tuo feedback!
Siamo veramente dispiaciuti 🙁
Grazie per il tuo feedback!

26 Novembre /