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]](https://no-cache.hubspot.com/cta/default/53/adb6963d-d6a0-45a6-8e69-8cdb8928eecc.png)
Was ist eine RFM-Analyse?
Die RFM-Analyse ist ein Bewertungsverfahren zur Segmentierung von Kundengruppen. Für das Scoring kommen die 3 Kennzahlen Recency (R), Frequency (F) und Monetary Value (M) zum Einsatz. Durch eine RFM-Analyse können Unternehmen ihr Marketing auf die profitablen Käuferschichten fokussieren.
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.
RFM-Segmentierung
Es gibt grundsätzlich zwei Arten, eine Kundensegmentierung mittels RFM-Analyse durchzuführen:
- 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.
- 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.
Titelbild: campaign_creators / Unsplash
