Conoscere il comportamento di acquisto di ciascun cliente è il sogno di ogni azienda. Queste informazioni sono molto difficili da estrarre, oppure sono troppo costose. Si pensi, ad esempio, a quelle aziende che sottopongono la loro clientela a interminabili questionari, interviste telefoniche, sondaggi e molto altro ancora. Estrarre le informazioni in questo modo è costoso e spesso controproducente, in quanto si abusa del tempo dei nostri visitatori. Tempo che è una risorsa sempre più scarsa nella vita odierna. La nostra proposta vuole essere rivoluzionaria nella sua semplicità. Costruire un’analisi accurata dei comportamenti di consumo dei clienti conoscendo solamente l’importo e la data dello scontrino.

RFM Analysis

L’RFM (Recency Frequency Monetary value) è un modello che analizza il comportamento di acquisto di ogni singolo consumatore sulla base di tre dimensioni:

RECENCY: quanti giorni sono passati, ad oggi, dall’ultimo acquisto?

FREQUENCY: quante volte ha acquistato in un determinato lasso temporale?

MONETARY VALUE: qual è l’importo medio speso nelle varie transazioni

comportamento d'acquistoNonostante sembrino tre informazioni banali possiamo già capire quali clienti contribuiscono in misura maggiore alla formazione del fatturato, quali non vengono più da troppo tempo e quali sono dei veri devoti del nostro marchio.

L’obiettivo ultimo è fare delle campagne di marketing ad hoc per ogni cliente. Un cliente che ha acquisti medi molto elevati ma viene raramente in negozio ha probabilmente bisogno di essere stimolato da promozioni che gli ricordino la nostra presenza. Un cliente che non viene da molto potrebbe essersi trasferito, e quindi andrebbe reindirizzato in un’altra filiale o nello store online.

Profilare i vari consumatori in pochi minuti.

La nostra analisi basata sul modello RFM si avvale dei più moderni strumenti di Data Discovery e consente agli analisti di business di profilare i vari consumatori in pochi minuti. Oltre ad evidenziare in modo statico dove si posizionano i clienti lungo le dimensioni, proponiamo anche la versione dinamica del modello nella quale viene calcolato il delta rispetto ai periodi precedenti. Capire come si spostano gli acquirenti all’interno del modello attraverso il tempo, ci permette di ottenere un feedback sulle nostre campagne di comunicazione indirizzate all’incremento delle vendite.

La maggior parte dei clienti ha subito uno spostamento verso le zone ‘nobili’ del quadrante? Gli scostamenti positivi hanno riguardato in misura maggiore chi è stato interessato da vaste operazioni di marketing? Queste informazioni sono il vero valore aggiunto che mettiamo a disposizione degli analisti.

I punti di forza della RFM Analysis

1.Si basa su tre dimensioni facilmente rilevabili e presenti su ogni base dati. La data di emissione dello scontrino e l’importo non possono infatti non essere rilevati.

  1. L’identità di chi effettua la transazione è un dato sempre più popolato. Da un lato molti clienti sottoscrivono le carte fedeltà, altri acquistano in internet dopo essersi registrati oppure registrano lo scontrino nella fase di post-acquisto per ottenere sconti e benefit vari.
  2. È navigabile! Filtrando i dati (per area geografica, periodo temporale, prodotto acquistato, gruppo di clienti) posso scovare le aree più performanti del mio business, e quelle invece più critiche. Gli indicatori di performance principali sono rilevati in pochi secondi.
  3. Monitorare come cambia il comportamento di acquisto nel corso del tempo, con la possibilità di prevedere scenari futuri.

Abbinare lo scontrino ad una persona fisica ci permette di creare un modello comportamentale di enorme utilità. Lasciando perdere la complessa ricerca di dati destrutturati sui clienti, questa evoluzione del CRM classico permette di approfondire la conoscenza della clientela con un investimento contenuto.


Sei interessato a una dimostrazione?

Autore: Chantal Soppelsa