Marketingbudget ist begrenzt. Daher ist es wichtig, lukrative Kunden und Kundinnen von weniger lukrativen zu unterscheiden. Nur so lassen sich Marketingkampagnen zielgruppengerecht gestalten und auf die Wünsche und Bedürfnisse der Umsatztreiber und Umsatztreiberinnen anpassen. Die RFM-Analyse ist eine effiziente Methode, um unterschiedliche Kundengruppen zu definieren und die eigenen Marketingstrategien zu optimieren.

→ Vorlage für Ihre Vertriebsstrategie [Kostenloser Download]

Einsatz der RFM-Analyse

Verschiedene Zielgruppen reagieren jeweils anders auf bestimmte Marketingmaßnahmen. Unternehmen sollten daher den Schwerpunkt ihres Marketings auf profitable Kundensegmente mit einem hohen Kundenwert fokussieren.

Das Ziel der RFM-Analyse besteht darin, die einzelnen Käuferschichten zu bestimmen und festzulegen, wie viel Budget in die jeweiligen Gruppen investiert wird. Am häufigsten kommt die RFM-Analyse daher im Direktmarketing zum Einsatz. Weitere gängige Einsatzgebiete sind das Performance-Marketing, E-Mail-Marketing sowie Database Marketing.

Wie funktioniert die RFM-Methode?

Bei einer RFM-Analyse kommen drei Kennzahlen (KPIs) zum Einsatz:

1. Recency (R):

Die Aktualität beschreibt, wie lange der letzte Kauf eines Kunden oder einer Kundin zurückliegt. Kunden und Kundinnen, die vor kurzem etwas gekauft haben, reagieren eher auf Marketingmaßnahmen als solche, deren letzter Kauf schon länger zurückliegt.

2. Frequency (F):

Die Häufigkeit gibt an, wie oft Kunden oder Kundinnen in einem Shop einkaufen. Stammkunden und Stammkundinnen reagieren auf Marketingmaßnahmen eher als Personen, die nur selten etwas bei Ihnen kaufen.

3. Monetary (M):

Auch der monetäre Wert eines Kaufs, der Umsatz, ist von Relevanz. Wer größere Summen ausgibt, lässt sich von Marketingmaßnahmen eher beeinflussen als jemand, der nur geringe Summen ausgibt.

Die Summe dieser drei KPIs ergibt den sogenannten RFM-Score. Hierbei ist zu beachten, dass „Recency“ (dt. Aktualität) der wichtigste Faktor ist, dem die beiden anderen Faktoren nachgeschaltet sind.
Grafik RFM-Analyse

RFM-Segmentierung

Es gibt grundsätzlich zwei Arten, eine Kundensegmentierung mittels RFM-Analyse durchzuführen:

  1. Einteilung anhand fester Werte: Bei diesem Vorgehen werden die Kunden und Kundinnen anhand fester Werte unterschiedlichen Gruppen zugeordnet. In Bezug auf die „Recency“ wären das beispielsweise die Tage seit dem letzten Einkauf. Personen, die in den letzten 10 Tagen eingekauft haben, bekommen den Wert 5, wer in den letzten 20 Tagen eingekauft hat, bekommt den Wert 4, wer in den letzten 30 Tagen eingekauft hat, den Wert 3 und so weiter. Je höher das Scoring, desto relevanter ist die Person oder die Gruppe für das Marketing und Ihre Zielerreichung.
  2. Einteilung anhand von Quantilen: Bei einem Quantil unterteilen Sie die Messergebnisse in fünf Gruppen zu jeweils 20 %. Hierdurch sind die Ergebnisse weniger statisch als bei den festen Werten und können flexibler für das Marketing genutzt werden.

Bei einer RFM-Analyse können grundsätzlich 7 Kundencluster gebildet werden:

1. Top-Kunden und -Kundinnen

Diese Gruppe kauft aktuell und regelmäßig ein und generiert hohe bis sehr hohe Umsätze. Bei Ihrer Budgetplanung spielen die Top-Kunden und -Kundinnen daher eine besonders wichtige Rolle.

2. Aktive-Kunden und -Kundinnen

Diese Gruppe kauft aktuell und regelmäßig ein und generiert mittlere Umsätze.

3. Wachstumskunden und -kundinnen

Diese Gruppe kauft aktuell teilweise und recht regelmäßig ein und generiert mittlere Umsätze. Sie eignet sich speziell für Cross-Selling und Up-Selling. Beim Cross-Selling werden der Kundschaft in Abhängigkeit von den bisher gekauften Produkten weitere passende Artikel vorgeschlagen. Beim Up-Selling bekommen potenzielle Käufer- und Käuferinnen Empfehlungen für teurere Produktversionen des ursprünglich vorgesehenen Produkts.

4. Gelegenheitskunden und -kundinnen

Diese Gruppe kauft selten und mit mittlerer bis niedriger Aktualität ein, generiert aber mittlere bis hohe Umsätze. Auch bei dieser Gruppe ist Potenzial für Cross- und Up-Selling gegeben.

5. Gefährdete Kunden und Kundinnen

Diese Gruppe kauft selten ein, generiert aber teilweise hohe Umsätze.

6. Inaktive Kunden und Kundinnen

Diese Gruppe zeichnet sich durch eine niedrige Aktualität und Häufigkeit aus und generiert mittlere bis sehr niedrige Umsätze.

7. Verlorene Kunden und Kundinnen

Diese Gruppe hat eine sehr niedrige Aktualität und Häufigkeit, hat in der Vergangenheit aber über alle Umsatzklassen hinweg eingekauft.

Beispiel RFM-Analyse

Die folgenden Tabellen zeigen, wie Sie die RFM-Analyse anwenden und eine Kundensegmentierung durchführen können:

1. Recency

Zuerst ranken Sie die Kunden und Kundinnen anhand der Aktualität Ihrer Käufe. Hierbei geben Sie an, wie viele Tage der letzte Einkauf zurückliegt und ordnen diesem anhand von Quantilen einen R-Score zu.

Kundennummer Recency (Aktualität) Rang R-Score
100 -1 1 5
102 -2 2 5
300 -3 3 5
234 -5 4 4
657 -8 5 4
987 -8 6 4
133 -10 7 3
123 -12 8 3
876 -15 9 3
111 -18 10 2
899 -23 11 2
976 -30 12 2
566 -34 13 1
764 -45 14 1
456 -56 15 1

2. Frequency

Anschließend erfolgt die Ranglisten-Einteilung und F-Score-Zuteilung basierend auf der Häufigkeit der Käufe der Kundschaft.

Kundennummer Frequency (Häufigkeit) Rang F-Score
100 15 1 5
657 14 2 5
234 13 3 5
102 12 4 4
111 11 5 4
876 10 6 4
123 09 7 3
133 08 8 3
566 07 9 3
300 06 10 2
764 05 11 2
987 04 12 2
456 03 13 1
899 02 14 1
976 01 15 1

3. Monetary

In einem dritten Schritt werden die Umsätze bewertet, die durch die einzelnen Kunden und Kundinnen erwirtschaftet wurden. Jeder Umsatz wird dabei einem M-Score zugeordnet.

Kundennummer Monetary (Umsatz) Rang M-Score
100 1245 1 5
657 999 2 5
876 889 3 5
234 789 4 4
764 712 5 4
102 678 6 4
456 600 7 3
123 456 8 3
976 455 9 3
987 410 10 2
133 340 11 2
899 290 12 2
566 200 13 1
111 150 14 1
300 123 15 1

4. Summe:

Zuletzt berechnen Sie die RFM-Klasse jedes Kunden und jeder Kundin anhand der individuellen R-, F- und M-Scores.

Kundennummer R-Score F-Score M-Score RFM-Klasse
100 5 5 5 555
102 5 4 4 544
300 5 2 1 521
234 4 5 4 454
657 4 5 5 455
987 4 2 2 422
133 3 3 2 332
123 3 3 3 333
876 3 4 5 345
111 2 4 1 241
899 2 1 2 212
976 2 1 3 213
566 1 3 1 131
764 1 2 4 124
456 1 1 3 113

Vor- und Nachteile der RFM-Analyse

Mit einer RFM-Analyse sind verschiedene Vor- und Nachteile verbunden:

Vorteile

Mit der RFM-Analyse gehen viele Vorteile einher. Sie ist einfach durchzuführen und lässt sich auf verschiedene Geschäftsmodelle, vom E-Commerce- bis hin zum Abo-Modell, anwenden. Die Methode hilft dabei, einzelne Zielgruppen zu bestimmen und zu verstehen. So können Sie passgenaue Marketingkampagnen entwickeln und anwenden. Auf diese Weise lassen sich die Direktmarketingkosten reduzieren.

Das RFM-Modell kann im Kundenbeziehungsmanagement angewandt werden und hilft dabei, lukrative Kundenbindungsmaßnahmen zu entwickeln.

Nachteile

Nachteilig ist, dass das RFM-Modell keine Aussagen über zukünftiges Kaufverhalten treffen kann, sondern lediglich auf dem vergangenen Kaufverhalten basiert. Zudem ist es über die Kennzahl „Recency“ nicht möglich, den Kaufzyklus von Kunden und Kundinnen zu berücksichtigen. Darüber hinaus ist die RFM-Methode für Erstkaufende kaum und für Leads gar nicht anwendbar.

Nicht zuletzt kann das RFM-Modell zu einer Überoptimierung führen. So werden Top-Kunden und -Kundinnen überproportional oft kontaktiert, wodurch diese sich gestört fühlen und von weiteren Käufen absehen könnten.

Fazit: Bessere Umsätze dank Kundensegmentierung

Die RFM-Analyse ist ein nützliches Tool zur Kundensegmentierung. Es hilft dabei, profitable und umsatzstarke Kunden und Kundinnen zu ermitteln und mittels individueller Maßnahmen gezielt anzusprechen. Für die Nutzung des RFM-Modells gibt es unterschiedliche Varianten. Richtig eingesetzt führt eine RFM-Analyse zu höheren Umsätzen und einer verbesserten Kundenbeziehung.

New call-to-action

Titelbild: campaign_creators / Unsplash

Ursprünglich veröffentlicht am 21. März 2023, aktualisiert am März 21 2023

Themen:

Vertriebsstrategie