Strategie e-mail marketingowe Część 2. Analiza RFM

W poprzednim artykule z cyklu wspominałem o analizie RFM – jednym z najbardziej skutecznych narzędzi używanych przez marketerów dla zrozumienia ich odbiorców i klientów. W tym numerze „Marketera+” chciałbym pochylić się nad tym, jak w praktyce można wykorzystać tę formę analizy zachowania Twoich odbiorców do tworzenia odpowiednich segmentów i odpowiednich komunikatów skierowanych do każdego z nich.

Wskaźnik RFM (ang. Recency, Frequency, Monetary) to jedno z najbardziej popularnych narzędzi służące do wartościowania klientów na podstawie ich wcześniejszych zakupów. Jest ono szczególnie wykorzystywane przez marketerów, którzy zajmują się marketingiem bezpośrednim. Dzięki niemu mogą określić wartość klienta (co ma niebagatelne zastosowanie w późniejszej jego obsłudze), ale także przewidzieć jego reakcję na przyszłe działania marketingowe. Wykorzystanie tej techniki w działaniach e-mail marketingowych może w prosty sposób nie tylko zwiększyć efektywność wykorzystania tego kanału komunikacji, ale także poprawić reputację marketera wśród dostawców skrzynek pocztowych (ci bardzo dokładnie obserwują, jak na komunikację mailingową reagują odbiorcy – im lepiej dopasowana komunikacja, tym lepsza reakcja odbiorców, a to z kolei zwiększa reputację nadawcy wśród adminów). Ważne jest, aby marketer, chcąc maksymalnie wykorzystać tę metodę analizy, dokładnie zbierał dane o zachowaniu swoich odbiorców zarówno po stronie systemu do e-mail marketingu, jak i sklepu internetowego. Niezmiernie istotne staje się w tym wypadku synchronizowanie danych pomiędzy różnymi systemami za pomocą API.

Przystępując do analizy RFM, marketer powinien „zwartościować” każdego odbiorcę/klienta w trzech płaszczyznach. Po pierwsze, ile czasu upłynęło od ostatniego zakupu? Zasadniczo im jest to okres krótszy, tym wartość danego klienta jest większa. Po drugie, jak często/ile razy dany odbiorca dokonywał zakupów w naszym sklepie? Im częściej to robił, tym jego wartość jest większa. Ostatnim pytaniem, na jakie musi sobie odpowiedzieć marketer, jest: ile klient zostawił w sumie pieniędzy podczas zakupów? Oczywiście: im więcej, tym wartość klienta jest większa. Zgodnie z tradycyjnym podejściem do analizy RFM w kolejnym kroku marketer powinien każdej z cech przypisać odpowiednią wagę w zależności od specyfiki branży, w jakiej działa. Na potrzeby działań e-mail marketingowych i jasności przekazu tego artykułu spokojnie możemy tę część pominąć i skupić się na samej ocenie odbiorców.

Słuchaj „Marketer+” Podcast

Osobiście jestem zwolennikiem podejścia, jakie proponuje w swoich opracowaniach Database Marketing Institute (www.dbmarketing.com), i rozpoczęcia segmentowania posiadanej bazy w oparciu o wartość dotyczącą tego, kiedy nastąpił ostatni zakup (recency) przez odbiorcę. W zależności od źródła można znaleźć wiele wskazówek, na ile segmentów powinna być podzielona baza, czyli jak będziemy wartościować odbiorców. Osobiście sugerowałbym wykorzystanie skali 1-5, co zresztą rekomenduje Jim Novo w swojej publikacji „Drilling Down: Turning Customer Data into Profits with a Spreadsheet”. Tak więc pierwszym krokiem powinno być podzielenie całej bazy odbiorców na 5 równych segmentów. Wartość 5 przypisujemy 20% klientów, którzy ostatnio dokonali zakupów, wartość 1 przypisujemy 20% klientów, którzy od dawna u nas nic nie kupili. Pozostaje bardzo istotne pytanie, co rozumiemy przez pojęcie „ostatnio kupili” czy „od dawna nie dokonali zakupów. Niestety, nie ma jednej metody na określenie tego przedziału – dlatego tak ważne jest, aby każda grupa miała mniej więcej taką samą ilość przypisanych odbiorców. Bardzo często doradzając osobom prowadzącym działalność na rynku e-commerce, staram się sugerować podział klientów ze względu na następujące okresy „ostatniego zakupu”:

• 5 pkt. – w ciągu ostatniego tygodnia;
• 4 pkt. – w ciągu ostatniego miesiąca;
• 3 pkt. – w ciągu ostatnich 2 miesięcy;
• 2 pkt. – w ciągu ostatnich 3 miesięcy;
• 1 pkt. – powyżej 3 miesięcy.

Jeżeli masz już podzieloną bazę na 5 segmentów ze względu na datę ostatniego zakupu, czas podzielić odbiorców – również na 5 równych grup, ale tym razem ze względu na ilość dokonanych przez nich zakupów w całej historii Waszego kontaktu. Analogicznie do pierwszego podziału przyjmujemy, że 5 to wartość najwyższa i dotyczy tych klientów, którzy dokonali najwięcej zakupów, natomiast 1 przypada na osoby, które dokonały tych zakupów najmniej. W ten oto sposób stworzoną masz macierz 25 pól opisujących Twoich odbiorców.

[opis]Scoring RF[/opis]

[zrodlo] Opracowanie własne[/zrodlo]

Patrząc na ten rysunek, możesz już łatwo zobaczyć kilka prawidłowości:

• osoby, które są nowymi klientami, mają wartość 51 (bardzo wysoki wskaźnik recency, bardzo niski wskaźnik frequency);
• osoby, które mają wartość 55, są prawdopodobnie Twoimi najwierniejszymi odbiorcami i musisz o nich szczególnie dbać;
• osoby, które mają wartość 11, są grupą, do której będzie Ci najtrudniej dotrzeć ze swoim przekazem.

Teraz przyszedł czas na ostatnią część analizy – czyli określenie tego, ile dana osoba w całej historii zakupowej relacji zostawiła u Ciebie pieniędzy. Analogicznie do wcześniejszych podziałów i w tym wypadku warto zastosować skalę od 1 do 5, dzieląc przy tym każdy z 25 segmentów, które powstały ze scoringu RF. W ten sposób właśnie zbudowałeś macierz 125 pól i w każdym z nich znajdują się odbiorcy, z którymi powinieneś się komunikować w odpowiedni sposób. Każdy z tych segmentów powinien mieć mniej więcej taką samą ich liczbę

Strategie wykorzystania segmentów

Mając stworzonych 125 segmentów, możesz sobie pogratulować – do końca Twojej drogi zostało już niewiele. Teraz warto się zastanowić, jak komunikować się z każdym z odbiorców. Rozważając to, w jaki sposób będziesz tworzył komunikację i oferty dla poszczególnych grup, warto sięgnąć do wspomnianej już przeze mnie książki Jima Nova, który jasno określa następujące zależności:

• konsumenci, którzy ostatnio (recency) coś u nas kupili, są bardziej skłonni do kolejnego zakupu niż ci, którzy od jakiegoś czasu nie robili zakupów;
• klienci, którzy robią zakupy często (frequency), chętniej zrobią to ponownie niż ci, którzy kupili coś jeden lub dwa razy;
• klienci, którzy w sumie wydali u nas dużo pieniędzy (monetary), prawdopodobnie kupią u nas znowu.

Osobiście nie jestem zwolennikiem tworzenia 125 strategii komunikacji z każdym z segmentów odbiorców. Na początku więc najlepiej będzie, jeśli przygotujesz dwie, trzy strategie w zależności od wysokości wskaźnika RFM, mając na uwadze, że klienci, którzy mają wysoki RFM, są bardziej skłonni do kontynuowania „znajomości” z marką i nowych akcji. Dodatkowo dużo szybciej i lepiej reagują na marketingowe promocje. Z takimi osobami warto nawiązać dialog, który nie będzie komunikacją sprzedażową. Warto zapytać je o opinię na temat Twoich produktów i usług, czy zaprosić do przetestowania nowych produktów. Nie zapomnij, by wysłać im e-maila z życzeniami świątecznymi – przy czym dobrze by było, aby taka wiadomość nie wyglądała jak „zwykły e-mail świąteczny”, ale jak wysoce spersonalizowany e-mail napisany przez człowieka do człowieka. Jeżeli oferujesz jakieś usługi – może warto zaproponować wsparcie dedykowanego doradcy, opiekuna itp.

Z kolei osoby, które mają niski wskaźnik RFM, są mniej skłonne do kontynuowania „znajomości” z marką i nowych akcji. Dużo wolniej i gorzej reagują na marketingowe promocje – stąd też wielkość przysłowiowej oferowanej im marchewki musi być odpowiednio duża (np. odpowiednio duży rabat lub darmowa wysyłka w przypadku działań e-commerce). A skoro już mowa o wielkości rabatów, to warto zastanowić się, czy wszystkim o niskim wskaźniku RFM warto dawać rabat o takiej samej wartości. Jim Novo sugeruje, aby w tym wypadku dokładnie przyjrzeć się wartości R i w zależności od niej odpowiednio dostosowywać rabat. I tak: osoby, które mają wskaźnik R na wysokim poziomie (wartość 4), a pozostałe wskaźniki niskie, powinny otrzymać najmniejszy rabat. Wraz ze spadkiem wartości R wysokość rabatu powinna rosnąć.

Jednocześnie osoby, które mają bardzo niski wskaźnik RFM, powinniśmy spróbować zaangażować za pomocą specjalnych kampanii, o których więcej napiszę w kolejnym numerze „Marketera+”.

Wielu marketerów wyznaje również zasadę, iż najlepiej wyszukać w macierzy tylko tych odbiorców, którzy mają przynajmniej dwie wartości na najwyższym poziomie i odpowiednio komunikować się z nimi, starając się tak dobrać komunikaty, aby trzeci parametr zwiększył swoją wartość. W ten sposób, jeżeli mamy odbiorców, którzy mają niski wskaźnik R, możemy im zaproponować specjalną ofertę, ale dostępną tylko teraz – tak aby jej komunikat był nastawiony przede wszystkim na wzbudzenie poczucia pilności. Osobom, które mają niski wskaźnik F, można zaproponować specjalny program lojalnościowy, który będzie je angażował w częstsze robienie zakupów. Natomiast w przypadku osób o niskim M być może warto pomyśleć o odpowiednim rabacie, który w ostatecznym rozrachunku sprawi, że tacy odbiorcy zostawią u nas więcej pieniędzy.

A co jeżeli nie prowadzę sprzedaży online?

Wielu marketerów zastanawia się, czy można wykorzystać analizę RFM w momencie, gdy prowadzą działania e-mail marketignowe, ale nie sprzedają swoich produktów bezpośrednio przez internet, lub ich działania nie są nastawione stricte na sprzedaż (np. wysyłka newslettera, który edukuje odbiorców). Oczywiście w takim wypadku również warto skorzystać z pewnej wersji analizy RFM. Po pierwsze, warto pomyśleć nad uproszczeniem analizy i scoringowaniem odbiorców w skali 1-3. Dodatkowo – ponieważ nie mamy wiedzy o zakupach – musimy przyjąć, że R będziemy traktować jako ostatni e-mail, w którym odbiorca dokonał kliknięcia w dowolny link. W takim wypadku F będziemy traktowali jako sumę wszystkich kliknięć, jakie odbiorca dokonał od początku bycia naszym subskrybentem. Jeżeli jesteś w stanie określić „wartość” poszczególnych linków (np. link do strony głównej – wartość 1, link do dowolnego newsa – 2, link do głównego newsa – 3), możesz wtedy traktować je jako wskaźnik M. Natomiast jeżeli uważasz, że wszystkie linki są jednakowo dla Ciebie ważne, możesz w analizie pominąć wartość M i przeprowadzić scoring odbiorców w oparciu o wartości RF.

Odbiorców, którzy w tej analizie dostaną wysoką punktację (ilustracja 1.: komórki zielone), warto nagrodzić za lojalność i zaangażowanie. Do takich osób możemy przesłać dostęp do wyjątkowego raportu (który zobaczą jako pierwsze) lub do innych ekskluzywnych materiałów, które dla innych odbiorców będą dostępne dopiero za jakiś czas. Nie zaszkodzi także po prostu podziękować im za to, że są zapisani na Twój newsletter i z przyjemnością go czytają.

Z drugiej strony, odbiorców o niskim wskaźniku RF warto bardziej zaangażować. Dobrze w tej roli sprawdza się zaproszenie ich na minikurs poświęcony interesującym ich zagadnieniom, który będzie realizowany za pomocą cyklicznych, dość często wysyłanych e-maili. Dzięki temu możemy wzbudzić w nich odpowiednie przywiązanie do regularnego czytania wiadomości, jakie chcemy im przesyłać.

Czy analiza RFM działa?

Wielu marketerów po przeczytaniu powyższego tekstu stwierdzi: wszystko super – jednak to wymaga bardzo dużego zaangażowania z naszej strony, a nie wiadomo, czy w ogóle to nam się opłaci. Wszystkim osobom mającym w tym temacie jakiekolwiek wątpliwości sugerowałbym zrobić mały eksperyment, który jakiś czas temu zaproponowałem jednemu ze swoich klientów. Korzystając z funkcji „targetowanie po lojalności” dostępnej w naszym systemie, wybraliśmy z całej bazy grupę odbiorców, którzy reagowali na 80% wysłanych w przeszłości do nich e-maili. Następnie grupę tę podzieliliśmy na dwie równe części. Do pierwszej z nich wysłaliśmy mailing ze specjalną ofertą i rabatem w wysokości 20%. Do drugiej grupy wysłaliśmy identyczną ofertę z tą drobną różnicą, że rabat wynosił jedynie 10%. Teoretycznie większy rabat powinien wygenerować większą liczbę kliknięć i w rezultacie większą konwersję. Co w rzeczywistości nastąpiło, jednak wskaźnik CTR w obu wysyłkach różnił się o 0,03 punktu procentowego – co możemy potraktować jako błąd statystyczny. Analogiczna różnica wystąpiła następnie w konwersji na stronie.

Ten prosty eksperyment, który przeprowadziliśmy z klientem, uświadomił mu, jak dużo wiedzy można czerpać z zachowania odbiorców – obecnie prowadzimy dla klienta pełną analitykę RFM, która w rezultacie (po 8 miesiącach) doprowadziła do wzrostu wszystkich wskaźników zarówno po stronie e-mail marketingu, jak i rentowności, oraz zaangażowania każdego z odbiorców komunikacji e-mailowej.