Analiza RFM: jak policzyć i poprawić wynik

Analiza RFM rozdziela trzech klientów o tym samym przychodzie w tym kwartale, którzy mają zupełnie inną przyszłość. Jeden kupuje co miesiąc od dwóch lat, drugi wrócił po półrocznej przerwie, trzeci złożył pierwsze zamówienie wczoraj. W arkuszu wyglądają identycznie. Analiza RFM rozdziela te trzy sytuacje w jeden wynik, który da się policzyć, porównać i przypisać do konkretnej akcji. Poniżej wzór, interpretacja i to, co realnie zmienia liczby w firmach B2B.

Czym jest analiza RFM i jak policzyć wynik

Analiza RFM to metoda oceny klienta na podstawie trzech wymiarów: recency (jak dawno kupił), frequency (jak często kupuje) i monetary (ile pieniędzy zostawia). Nazwa recency frequency monetary to po prostu skrót od tych trzech angielskich słów. W B2B, gdzie cykl sprzedaży bywa długi, a zakupy wynikają z kontraktów i harmonogramów, te trzy zmienne są dostępne w każdym systemie ERP czy CRM i nie wymagają dodatkowych badań.

Punkt wyjścia to tabela transakcji: identyfikator klienta, data zakupu, kwota. Z niej liczymy trzy wartości dla każdego klienta:

• R = liczba dni od ostatniego zakupu do dnia analizy. Im mniejsza, tym lepiej.
• F = liczba transakcji w wybranym okresie, np. 12 lub 24 miesiące. W B2B lepiej liczyć zamówienia niż pozycje faktury.
• M = suma wartości zakupów w tym samym okresie, najlepiej w marży, nie w przychodzie.

Dalej każdą z trzech wartości zamieniamy na punktację, zwykle od 1 do 5. Najprostszy sposób to podział na kwintyle: klienci z najkrótszym R dostają 5, z najdłuższym 1; analogicznie dla F i M. Wynik klienta to kombinacja trzech cyfr, np. 5-4-5, albo suma od 3 do 15 punktów. Kombinacja mówi więcej niż suma, bo rozdziela klienta aktywnego i częstego od takiego, który kupił raz, ale za duże pieniądze.

Policzenie R, F i M to analiza. Dopiero grupowanie klientów o podobnych kombinacjach w segmenty to segmentacja RFM - i to ona nadaje się do przypisania działań.

Wartość dodana pojawia się, gdy zamiast ręcznego dzielenia na kwintyle użyjemy modeli probabilistycznych. W Handbook of Marketing Decision Models (2017) autorzy opisują rozróżnienie na relacje kontraktowe i niekontraktowe oraz wynikające z niego modele CLV, w których przewiduje się prawdopodobieństwo dalszego zakupu na poziomie pojedynczego klienta. Dla B2B oznacza to jedno: R, F i M to dopiero wstęp do prognozy, a nie jej koniec.

Skąd bierze się dobry, a skąd zły wynik

Wynik RFM nie jest oceną klienta w sensie ogólnym. To ocena jego zachowania zakupowego w konkretnym oknie czasowym. Zmiana okna potrafi przestawić połowę rankingu, więc zanim zaczniemy wyciągać wnioski, trzeba ustalić, co mierzymy.

Co podnosi wynik

• Krótki cykl zakupowy. Klient, który zamawia co kwartał, ma z definicji lepsze R niż ten, który zamawia raz w roku, nawet jeśli obaj są lojalni.
• Powtarzalność. Trzy zamówienia w roku to wyższe F niż jedno duże. W B2B powtarzalność często oznacza, że klient włączył nas do procesu zakupowego na stałe.
• Wzrost wartości zamówień. Jeśli M rośnie szybciej niż F, klient dokupuje kolejne kategorie, a nie tylko powtarza to samo.
• Aktywność poza zakupem. Odpowiedzi na maile, udział w spotkaniach, pobrania materiałów. To sygnały, które w modelach CLV przekładają się na prawdopodobieństwo kolejnego zakupu.

Co go obniża

• Długie przerwy. W B2B przerwa dłuższa niż typowy cykl zakupowy to sygnał, że klient obsługuje się u kogoś innego albo wstrzymał projekt.
• Zakupy jednorazowe o dużej wartości. Wysokie M i niskie F to często projekt, nie relacja. Taki klient wygląda dobrze w raporcie sprzedaży i słabo w prognozie.
• Zakupy tylko w jednej kategorii. Niskie M przy wysokim F oznacza, że klient traktuje nas jako dostawcę jednej pozycji, łatwego do zastąpienia.
• Zmiany w organizacji klienta. Rotacja osób decyzyjnych, fuzje, zmiany budżetów. Żadna z tych rzeczy nie jest w danych transakcyjnych, a wszystkie wpływają na R.

Wróćmy do rozróżnienia z literatury: w relacjach niekontraktowych, typowych dla B2B, klient nie musi nic wypowiadać, żeby przestać kupować. Dlatego wynik RFM trzeba czytać razem z danymi o kontakcie, nie w izolacji.

Jakie wyniki są typowe w B2B

Nie ma jednego benchmarku, który pasowałby do każdej firmy. Widełki różnią się między branżami, modelami sprzedaży i długością cyklu zakupowego. Producent opakowań będzie miał inne rozkłady R i F niż dostawca oprogramowania dla przemysłu, a dystrybutor z regionu kujawsko-pomorskiego inne niż firma sprzedająca usługi w całej Polsce.

Zamiast szukać uniwersalnej liczby, warto ustalić własne punkty odniesienia:

• Mediana R w Twojej bazie. Jeśli mediana wynosi 90 dni, klient z R równym 200 dni jest daleko w ogonie, nawet jeśli w innej firmie byłby gwiazdą.
• Rozkład F. W wielu firmach B2B ponad połowa klientów ma F równe 1 lub 2. To nie znaczy, że są źli. To znaczy, że baza jest płaska i cały potencjał siedzi w wąskiej grupie.
• Koncentracja M. Sprawdź, jaki procent przychodu pochodzi od 10% najlepszych klientów. Jeśli to 60-70%, ryzyko koncentracji jest wysokie i powinno wpłynąć na priorytety.
• Udział klientów w segmencie "champions". W zdrowych bazach B2B to zwykle kilka do kilkunastu procent. Jeśli wychodzi 30%, prawdopodobnie progi są zbyt łagodne.

Te liczby nie są benchmarkiem rynkowym, tylko punktem startowym do rozmowy o własnej bazie. Jeśli chcesz porównać się z tym, co dzieje się w firmach z regionu, zajrzyj do materiału o segmentacji klientów B2B, gdzie opisujemy praktyczne różnice między branżami.

Jak poprawić wynik analizy RFM

Poprawa wyniku zaczyna się od zmiany zachowań, które te punkty opisują - nie od edycji arkusza. Poniżej cztery działania, które w praktyce przekładają się na przesunięcia między segmentami.

1. Skróć przerwę między zakupami

Największy wpływ na R ma kontakt po zakupie, nie przed nim. Jeśli klient kupuje co 90 dni, przypomnienie w 60. dniu jest spóźnione. Warto ustalić dla każdego segmentu rytm kontaktu wynikający z historii zamówień i pilnować go w CRM. To działanie samo w sobie podnosi R, bo klient wraca wcześniej.

2. Zwiększ liczbę kategorii, nie liczbę zamówień

Klient z F równym 4 i M równym 4 to często ten sam produkt kupowany cztery razy. Klient z F równym 4 i M równym 5 to cztery różne kategorie. Druga sytuacja jest znacznie trudniejsza do odwrócenia przez konkurencję. Zamiast naciskać na częstsze zamówienia, sprawdź, jakie kategorie klient kupuje u innych dostawców i zacznij od jednej, najbardziej komplementarnej.

3. Reaguj na spadek R, zanim klient zniknie

W B2B odpływ jest zwykle widoczny w danych zanim stanie się faktem. Jeśli klient przekroczył 1,5-krotność swojego typowego cyklu zakupowego, to sygnał do kontaktu. Nie chodzi o wysyłanie oferty, tylko o sprawdzenie, czy projekt nie został wstrzymany i czy nie zmieniła się osoba decyzyjna. To najtańszy sposób na utrzymanie klienta w segmencie o wysokim R.

4. Połącz RFM z danymi o kontakcie

Sam wynik RFM mówi, co się stało. Nie mówi, dlaczego. Zestawienie go z liczbą odpowiedzi na maile, udziałem w spotkaniach i historią zgłoszeń do obsługi pozwala odróżnić klienta, który kupuje rzadko, bo tak działa jego branża, od takiego, który kupuje rzadko, bo jest niezadowolony. W praktyce agencji widzimy, że te dwie grupy wymagają zupełnie innych działań, a w samym RFM wyglądają identycznie.

Jeśli chcesz przełożyć segmenty na plan działań marketingowych i sprzedażowych, zobacz, jak budujemy strategię marketingową B2B w oparciu o dane z bazy klientów. Pamiętaj też, że segmentacja RFM jest narzędziem, a nie celem. Jej wartość pojawia się dopiero wtedy, gdy ktoś w firmie ma przypisane zadanie wynikające z danego segmentu.

Od czego zacząć: plan na pierwszy kwartał

1. Wyciągnij z ERP lub CRM transakcje z ostatnich 24 miesięcy: klient, data, kwota, kategoria.
2. Policz R, F i M dla każdego klienta i przypisz punktację 1-5 w każdym wymiarze.
3. Zbuduj tabelę segmentów i sprawdź, ile klientów i jaki procent przychodu przypada na każdy z nich.
4. Wybierz dwa segmenty, które w tym kwartale mają priorytet, i przypisz im konkretne działania oraz osobę odpowiedzialną.
5. Ustal datę przeglądu wyniku, np. za 90 dni, i zapisz, co ma się zmienić.

To wystarczy, żeby analiza RFM przestała być raportem, a zaczęła być narzędziem decyzyjnym. Reszta to konsekwencja w egzekucji.