數據管理

行銷人必知的客戶管理工具!RFM模型輕鬆計算顧客價值

2020 年 8 月 4 日

行銷,一半是創意,一半是數據。想要做好行銷,除了要有想法、有執行力之外,更重要的是,行銷人的創意都應該建立在數據觀察之上,才能避免天馬行空,做出精準的決策。想要幫助企業深化與顧客的關係,首先要瞭解「顧客價值(Customer Value)」,即顧客能為企業帶來的持續性價值,也可以理解為顧客在一段時間內的購買行為。分析顧客的購買行為後,企業不但能針對不同消費習慣的群體做分眾行銷,還可以針對價值較低的顧客加強促銷。

該如何衡量顧客價值?-RFM模型

依據數據做出分析與行銷決策,不但幫助企業更精準舉辦促銷活動,也因為分群而節省大量行銷成本。其中一個最被廣泛使用的工具即為RFM模型,以下將以簡易數據分析介紹RFM。

RFM分別代表顧客價值的三個構面:

R-是顧客的最近購買日(Recency)

F-是購買頻率(Frequency)

M-是購買金額(Monetary)

將顧客的消費數據輸入資料庫中,整理出以上三個構面數據,接著按照比例分別給予RFM分數。當顧客的最近購買日越近、購買頻率越高、購買金額越大,代表該位顧客對品牌的忠誠度越高,也因此分數會較高。

RFM分數加總後可得總分,即顧客價值的量化數據,代表每位顧客整體來說對企業的價值高低。依據總分排名後,可以瞭解哪些客戶的整體價值較低,圖一用最簡化的顧客資料來解釋RFM模型,將各項數據匯入計算後,可得出ID003的顧客排名最末,代表著品牌應該投入更多方法與資源來促進他的購買行為。

(圖一:RFM模型)

RFM模型的優化版本

圖一的例子中,RFM三者分數佔總分的比重相同。然而,有些產業可能更重視顧客價值的某個構面,以信用卡公司為例,顧客的刷卡頻率(F)最能代表顧客對信用卡公司的忠誠度,反而刷卡金額(M)並非信用卡公司實際所得金流,因此重要性應該位居最末。顯然,信用卡公司的F和M應該調整比重,學者Bob Stone提出更能適應產業特性的計算方式,也就是加權比例計算。

(圖二:RFM模型)

各產業依照自身特性設計出計算方式,如圖二所示,該產業更為重視購買次數,因此加權比例深深影響著RFM總分,和圖一的結果有所差異,ID002成為分數最低的顧客。以信用卡公司為例,公司應該針對002提出更多日常刷卡優惠方案,刺激該名顧客的刷卡頻率,提升002的顧客價值。 

RFM模型告訴我們的事

顧客價值絕對不是一種感知或印象,而是根據顧客購買行為產生的量化數據。顧客價值也絕對不能只看單一指標,僅從顧客購買頻率或購買金額來判斷,容易產生偏差。RFM模型是最初步、最易上手的顧客價值衡量工具,它所包含的三個構面,暗示著顧客價值即「客戶在一段期間內能貢獻企業的金額大小」。RFM僅是一個切入工具而已,最重要的仍是企業的數據分析思維。企業若能善用這些工具來分析顧客,將能更輕鬆管理客戶關係,也能制定出更精準的行銷策略。

除了RFM,還有哪些客戶關係指標?

其他和客戶經營相關的指標,例如:顧客終身價值(Customer Lifetime Value)、舊客留存率(Retention Rate),都有助於數據化顧客行為,進而輔助分析。企業甚至可以藉由口碑行銷工具,和顧客建立口碑與連結。若能善用這些工具來分析顧客,將能更輕鬆管理客戶關係,也能制定出更精準的行銷策略。

    Leave a Reply