RFV سرواژه سه کلمه Recency, Frequency, Value به معنای تازگی، دفعات و ارزش است. این کلمه گاهی به شکل RFM نیز به کار می‌رود که سرواژه “Recency, Frequency, Monetary Value” است. RFV تکنیکی است که تحلیلگران پایگاه داده برای تقسیم‌بندی داده‌های مشتریان خود با ترسیم مشتریان در یک فضای سه بعدی و با استفاده از سه معیار استفاده می‌کنند:
- تازگی (Recency): معیاری است که نشان می‌دهد آخرین خرید مشتری چقدر به زمان حال نزدیک است.
- دفعات (Frequency): تعداد دفعات خرید مشتری در یک دوره زمانی معین را نشان می‌دهد.
- ارزش (Value): مقدار پولی که در یک دوره زمانی معین خرج می کنند.
از آنجایی که در حال ترسیم مشتری روی سه محور هستیم، می‌توانیم پایگاه داده موضوع را به عنوان یک مکعب در نظر بگیریم. با فرض این که مشتری، تازگی را از محور X، دفعات را از محور Y و ارزش را از محور Z دارد، می توانیم از این مقادیر برای ترسیم هر مشتری در یک فضای سه‌بعدی استفاده کنیم.
اکنون، بیایید تصور کنیم که هر محور در مکعب شما مانند یک مکعب روبیک تقسیم شده است – با تقسیم هر محور به سه طبقه که آنها را طبقه بالا، طبقه وسط و طبقه پایین می‌نامیم. در داخل مکعب، این محورهای ۳x3x3 به شما ۲۷ بخش می‌دهد.
یک بلوک را در گوشه‌ای از مکعب روبیک تصور کنید. این بلوک می‌تواند شامل آن دسته از مشتریانی باشد که:
- در ماه گذشته خرید داشته‌اند (R)
- حداقل ۱۲ بار در سال خرید کرده‌اند (F)
- بیش از ۵ میلیون تومان در سال خرج کرده‌اند (V)
حالا یک قطعه را در گوشه مقابل بلوک تصور کنید. این قطعه می‌تواند شامل مشتریانی باشد که:
- ۱۱ ماه هیچ خریدی نداشته‌اند (R)
- فقط یک بار در سال گذشته خرید داشته‌اند (F)
- فقط ۲۰۰ هزار تومان خرج کرده‌اند (V)
مشتریان مجموعه دوم در مقایسه با مجموعه اول، ارزش پولی کمتری دارند.
وقتی ارزش همه مشتریان خود را بدانید، در همه بخش‌ها، می‌توانید با انتقال آنها از یک بخش RFV به بخش دیگر، ارزش تغییر توزیع آنها را در پایه محاسبه کنید.
بنابراین، برای مثال، اگر بخشی از مشتریان را در بخش‌های RFV با پایین‌ترین ارزش به یکی از بخش‌های همسایه با ارزش بالاتر منتقل کنیم، می‌توانیم درآمد سالانه خود را چند برابر افزایش دهیم.
می‌توانیم تخمین بزنیم که اگر ۵۰۰۰ مشتری را از یک بخش به بخش دیگر با افزایش دفعات خرید از ۱ در سال به ۲ تغییر دهیم و ارزش آنها را از ۲۰۰ هزار تومان به ۴۰۰ هزار تومان افزایش دهیم، درآمد حاصل از آن مشتریان را از ۱۳۰ میلیون تومان به ۲۶۰ میلیون تومان افزایش خواهیم داد. اگر می‌توانستیم تغییرات RFV دیگری را در سایر مشتریان پایه ایجاد کنیم، ممکن است درآمد را از ۵۱۰ میلیون تومان به ۷۶۰ میلیون تومان و بیشتر افزایش دهیم.
بنابراین، RFV، بازاریابان مبتنی بر داده را قادر می‌سازد تا ساختار پایگاه داده مشتری را درک کنند و استراتژی‌هایی را برای هدف قرار دادن درآمدهای بالقوه شناخته شده در پایگاه مشتری توسعه دهند. با برآورد سود حاصل از درآمد، می‌توان برای فعالیت‌ها و انگیزه‌های مورد نیاز برای تحریک تغییر هدف در رفتار و برآورد بازگشت سرمایه (ROI) آتی آن فعالیت هزینه کرد.
از این سه عامل مدل RFM می توان برای پیش بینی منطقی اینکه چقدر احتمال (یا بعید) خرید مجدد مشتری از یک شرکت وجود دارد، استفاده کرد.
تحلیل RFM یا RFV چیست؟
تجزیه و تحلیل RFM (تجزیه و تحلیل RFV) ارزیابی می‌کند که کدام مشتریان بالاترین و کمترین ارزش را برای یک سازمان بر اساس تازگی خرید، دفعات خرید و ارزش پولی دارند تا به طور منطقی پیش بینی کند که کدام مشتریان احتمال بیشتری برای خرید مجدد در آینده دارند.
نحوه محاسبه RFV
مرحله ۱: امتیازدهی RFV
تجزیه و تحلیل RFV مشتریان را با یک رتبه‌بندی عددی برای هر یک از سه دسته طبقه‌بندی می‌کند و مشتری ایده‌آل بالاترین امتیاز را در هر یک از سه دسته کسب می‌کند. این روش به عنوان امتیازدهی RFV شناخته می‌شود.
به عنوان مثال، با توجه به چرخه خرید محصول یا خدمات شرکت خود، ممکن است مشتریان را از نظر تازگی در مقیاس ۱-۱۰ ارزیابی کنید، با امتیاز ۱۰ که نشان می‌دهد مشتری در ماه گذشته از شرکت شما خرید کرده است. امتیاز ۱ نشان می‌دهد که آخرین خرید آنها ۱۰ تا ۱۲ ماه قبل بوده است.
مرحله ۲: اجرای تجزیه و تحلیل RFV
وقتی یک شرکت در مورد مقیاس ۱ تا ۱۰ خود برای هر یک از سه دسته تصمیم گرفت، می تواند CRM خود را بررسی کند و به هر مشتری برای هر دسته امتیاز دهد. سپس، با جمع کردن سه امتیاز ترکیبی، شرکت‌ها می‌توانند تجزیه و تحلیل RFV را برای تعیین این موضوع اجرا کنند که کدام شرکت‌ها احتمالاً به زودی دوباره خرید می‌کنند و از این اطلاعات برای اولویت‌بندی نحوه دسترسی و ایجاد ارزش برای مشتریان با ارزش بالا استفاده کنند.
مرحله ۳: تبلور ارتباطات مشتری
توجه به این نکته مهم است که اگرچه تجزیه و تحلیل RFV می‌تواند برای اولویت دادن به تلاش‌های پرورش مشتری و ایجاد وفاداری او یک تصویر فوری و لحظه‌ای از مشتریانی ارائه دهد که اخیراً خرید داشته‌اند ، اما لزوماً به این معنی نیست که آنها می‌خواهند همیشه همه پیشنهادهای شما را بشنوند. اطمینان حاصل کنید که هنوز یک سیستم شفاف برای ارتباط با مشتریان دارید تا آنها دائماً با ایمیل ها و تماس‌های همکاران شما بمباران نشوند. این کار می‌تواند آنها را از برند شما دور کند و در نهایت به سمت برند رقیب سوق دهد. نمرات بالا در تجزیه و تحلیل RFV باید سیگنالی برای یادگیری از مشتری باشد، نه این که سعی کنید در همان لحظه بیشتر به آنها بفروشید.
تجزیه و تحلیل RFV برای رشد پایگاه مشتریان
تجزیه و تحلیل RFV به سادگی ابزاری است که به شما ایده می‌دهد که چه مقدار از درآمد شما از مشتریان دائم و چه مقدار از آن از مشتریان جدید به دست می‌آید، و از چه اهرم‌هایی می‌توانید برای خوشحال کردن مشتریان جدید استفاده کنید تا آنها را به خریداران دائمی تبدیل شوند. تجزیه و تحلیل RFV نشان می‌دهد که مشتریان پس از خرید اول از محصول یا خدمات شما راضی نیستند، یا مشتریانی که به فروش می‌رسند یا فروش متقاطع دارند، بیشتر از مشتریان دیگر خرید می‌کنند.
تجزیه و تحلیل RFV به شما کمک می‌کند تا اشتراکات و تفاوت‌های بین مشتریانی که خرید را تکرار می‌کنند و مشتریانی که این کار را انجام نمی‌دهند پیدا کنید تا به شما در یادگیری نقاط ضعف در تجربه مشتری کمک کند.
و در پایان این که…
امیدوارم این مطلب به درک یکی دیگر از شاخص‌های بازاریابی شما کمک کرده باشد. اگر شما هم اطلاعات بیشتری در مورد مبحث RFV دارید، نظر خودتان را در بخش نظرات با من در میان بگذارید!