This website uses some cookies, also managed by third parties, and other technology such as fingerprinting, in order to collect statistical information and to target messages in line with the users’ online navigation preferences. To withhold consent to this cookies, click here. If you continue browsing by accessing any other section or selecting any item on this website (e.g. by clicking a picture or a link), you signify your consent to the use of cookies and other technology for profiling purposes.

Obiettivo

In questo tutorial vedremo come elaborare dati e azioni compiuti dai tuoi clienti e collezionati nel profilo unificato, per ottenere informazioni riguardo l’RFM. Acronimo di Recency Frequency Monetary, è uno dei più semplici e al tempo stesso efficaci algoritmi di segmentazione in grado di rispondere a domande come Quali sono i top customer? oppure Quali clienti possono essere considerati come persi?

L’algoritmo permette quindi di partire da dati e informazioni raccolti sull’utente, elaborarli e ottenerne di nuovi che possono essere immediatamente utilizzabili, al momento in Contactplan per la creazione di audience e campagne puntuali, e prossimamente su Contacthub andando ad arricchire il profilo unico del contatto.

Descrizione dell’algoritmo

Calcolare l’RFM dei propri clienti è molto importante e vantaggioso in quanto permette ai brand di creare campagne di comunicazione, di promozione o di engagement più puntuali o di attivare strategie di retention ritagliate sulle esigenze dei singoli clienti.

Per calcolare l’RFM sono presi in considerazione i dati di transato di ogni contatto. E più nello specifico sono calcolati:

– la Recency di acquisto ovvero quanto recente è la sua ultima transazione

– la Frequency che indica quante volte ha acquistato

– la Monetary, quanto ha speso

in una finestra temporale che va dal giorno in cui viene eseguito l’algoritmo fino a N mesi precedenti.

Una volta identificate queste informazioni, il calcolo dell’RFM prevede l’assegnazione di un punteggio a ciascuna variabile.

Questo è un passaggio molto importante dell’algoritmo in quanto si definiscono le soglie di Recenza, Frequenza e Monetary per ottenere i rispettivi voti da attribuire ai contatti.
Spesso, tale punto, viene affrontato in modo qualitativo scegliendo dei valori soglia più o meno arbitrari. Si potrebbe per esempio definire una regola del tipo: per avere un voto di Recency alto, il cliente deve aver acquistato non più di 10 giorni fa.
Perché scegliere 10 giorni e non 20? Cosa ci può guidare nella scelta di tutte le altre soglie?

A tale proposito, la piattaforma di Contactlab non considera soglie fisse ma sono calcolate in modo auto-consistente in base alle distribuzioni di Recenza, Frequenza e Monetary dei dati a disposizione nel database. Più in dettaglio, le soglie vengono calcolate utilizzando i quantili.

Utilizzando questo metodo si garantisce un naturale adattamento delle soglie, che definiscono i segmenti, consistente con l’evoluzione dei dati a disposizione e si assicura la validità dei voti attribuiti ai clienti in qualsiasi tipo di business.

Tra i parametri configurabili dall’azienda rientrano lo Score Scale ovvero il voto massimo attribuibile e il Time Span, finestra temporale espressa in mesi nella quale considerare i dati.

L’attivazione di questo algoritmo permette di sfruttare le informazioni presenti nel database, calcolarli e utilizzare le i dati emersi in diversi modi:

– differenziare le comunicazioni a seconda del comportamento dei clienti e della classificazione ottenuta all’interno del proprio database

– creare strategie di retention per i clienti che non acquistano da tempo

– costruire strategie di re-engagement per clienti con alta spesa che non acquistano da tanto tempo

– ipotizzare campagne di up-selling per i clienti che hanno una spesa nella fascia media

Esempio

Procediamo ora con un esempio che potrebbe rendere più chiaro il funzionamento e le applicazioni possibili per l’RFM all’interno del tuo business.

Consideriamo un cliente che abbia fatto un acquisto l’anno scorso spendendo 100€.

L’algoritmo confronterà la Recenza = 1 anno, la Frequenza = 1 acquisto e la Monetary = 100€ con tutta la popolazione, assegnando i corrispettivi voti di RFM = 111. Le informazioni emerse ci indicando quindi un cliente che ha acquistato tanto tempo fa, pochissime volte e spendendo poco.

Al contrario, un cliente con RFM = 555 indicherebbe un cliente che ha acquistato di recente, molto frequentemente e ha speso tanto.

Procedimento

Per attivare l’RFM è necessario:

  • Accedere alla piattaforma (link) e clicca Contactdata
  • Seleziona Portfolio, Workspace e Nodo nel pannello Impostazioni
  • Entra nella sezione Enrich. Qui trovi i box con tutti gli algoritmi disponibili e attivabili.. Se attivo il bottone sarà verde, se disattivo grigio.

Per maggiori informazioni consulta la sezione Utilizzare i pannelli per visualizzare e attivare algoritmi o contatta il Servizio Clienti.