Chamerstrasse 44, 6331 Hünenberg
+41 41 511 10 10

Warum RFM-Modelle auch heute noch aktuell sind

Was sind schon wieder RFM-Modelle? Gerne gehe ich kurz auf die zugrundeliegende Idee dieser Modelle ein und stelle Ihnen unseren erweiterten RFM-Ansatz vor.

Was sind RFM-Modelle?

RFM-Modelle werden schon seit über einem Jahrhundert verwendet und stammen ursprünglich aus dem Versandhandel. Sie dienen der Kundensegmentierung und –selektion basierend auf den namensgebenden Kriterien «Recency», «Frequency» und «Monetary Value». Dabei bezeichnet Recency den Status der Neuheit/Kürzlichkeit und bedeutet in diesem Kontext die Dauer, die seit dem letzten Kauf vergangen ist. Frequency heisst Häufigkeit und meint die Anzahl Käufe in einer bestimmten Periode. Schliesslich steht Monetary Value für den Umsatz, den ein Kunde in einem definierten zeitlichen Horizont gemacht hat.

Die Erfahrung zeigt, dass die Dauer seit dem letzten Einkauf, die Häufigkeit der Einkäufe sowie die Verkaufsumsätze in einer gewissen Periode sehr gute Anhaltspunkte über das zukünftige Kaufverhalten von Kunden liefern. Damit können bspw. die Kaufwahrscheinlichkeit oder der erwartete Umsatz geschätzt und für das Scoring verwendet werden. Daher eignen sich RFM-Modelle ausgezeichnet für das Kampagnenmanagement oder im Rahmen einer Kundenanalyse.

RFM-Modelle sind also hilfreiche Werkzeuge, um Kunden zu scoren resp. zu selektieren. Viele Marketers gebrauchen dazu sehr simple RFM-Ansätze. Oft verwenden sie dabei je 5 Kategorien (1=”sehr schlecht” bis 5=”sehr gut”) für die drei Merkmale Dauer, Häufigkeit und Umsatz und teilen die Kundenbasis damit in 125 (5x5x5) Kundensegmente ein. Aufgrund dieser Segmente wird dann für die jeweilige Marketingkampagne selektiert.

Dynamische RFM-Modelle

Der soeben beschriebene Ansatz liefert jedoch nur beschränkt brauchbare Selektionen. Nicht immer sind alle drei Merkmale gleich wichtig für das Beschreiben des Kaufverhaltens. Deshalb verwenden wir dynamische RFM-Modelle basierend auf einem predictive Analytics-Ansatz. Dazu kreieren wir Attribute, welche aus den RFM-Merkmalen jedes Kunden abgeleitet werden. Im Modellierungsprozess finden wir heraus, welcher zeitliche Horizont jedes Attributs für das Scoring wirklich entscheidend ist und in welchem Ausmass. Zudem ist es möglich, weitere Merkmale aus dem Kaufverhalten und aus Kundeninformationen in die Modellierung einzubeziehen, wie z.B. Verkaufskanäle, Anfahrtszeiten, Warengruppen oder die Kontakthistorie der Kunden. Die Flexibilität dieses Ansatzes ist also seine grosse Stärke!

Überdies ist es entscheidend, die Kundenattribute dynamisch zu gestalten. Das bedeutet, dass wir immer von der Gegenwart mit definierten Horizonten in die Vergangenheit schauen und die Merkmale vor jedem Scoring aktualisieren.

Nutzen der Kontakthistorie

Besonders die Kontakthistorie hat sich neben den RFM-Attributen für das Scoring als relevant erwiesen. Jeder Versuch zur Kundenakquise ist in der Kontakthistorie abgelegt und fliesst folglich in den Score-Wert des Kunden ein. Wurde also ein Interessent mehrfach erfolglos kontaktiert, erhält er einen niedrigeren Score und damit sinkt die Wahrscheinlichkeit, diesen bei der nächsten Gelegenheit wieder zu selektieren. Hat ein Kunde hingegen eine hohe Response-Quote, fällt sein Score höher aus. Gleichzeitig lassen sich damit auch die Volumen von Kampagnen besser steuern, denn bei zu hohen Volumen werden gewisse (potenziellen) Kunden zu früh kontaktiert, was die Erfolgswahrscheinlichkeit schmälert.

Es ist folglich wichtig, die Kunden über alle Kontaktkanäle zu verfolgen und dies sauber in der Kontakthistorie zu erfassen. Nicht zuletzt erfahren wir dabei auch, für welchen Marketingkanal die Kunden eher affin sind, denn manche Konsumenten lassen sich leichter über Telemarketing gewinnen, andere via Postwerbung oder E-Mail-Newsletter.

Zusammenfassend sind geschickt erweiterte RFM-Modelle durch ihre Flexibilität auch heute noch äusserst nützlich, denn die daraus resultierenden Score-Karten tragen wesentlich zu einer optimierten Selektion bei. Gerne beraten wir Sie in Ihren Vorhaben im Bereich Scoring resp. Kampagnenmanagement oder zwecks einer Kundenanalyse mithilfe von RFM-Daten.

4. May 2017

Leave a reply