Der Customer Lifetime Value ist ohne Frage eine der wichtigsten Steuerungsgrößen im Marketing und CRM. Doch wie kann man ihn berechnen? In diesem Fall führen viele Wege nach Rom. Eine der am häufigsten angewandte Methode ist die sogenannte RFM Analyse. Diese betrachtet drei wichtige Kennzahlen der Kunden und kombiniert sie in einem dreidimensionalen Modell miteinander.
Wie man sie genau anwendet und wie sich die Ergebnisse nutzen lassen, erfahrt ihr jetzt.
Was ist die RFM Analyse?
Die RFM-Methode ist ein Modell zur Ermittlung der Kundenqualität, wodurch sich Kunden in verschiedene Kategorien einteilen lassen. Ziel der Analyse ist es, ein Bild der Kundenlandschaft zu schaffen, von welchem sich konkrete Marketingmaßnahmen für die einzelnen, ermittelten Segmente ableiten lassen. Durch diese kann eine Erhöhung des Return on Investment erreicht werden. Die Analyse stellt somit eine wichtige Grundlage für die Allokation des Marketingbudgets dar. Zudem lassen sich Rücklaufquoten von Kampagnen näherungsweise durch die Analyseergebnisse prognostizieren.
Die Analyse nutzt vergangenheitsbezogene Daten zu den Kunden, welche aufbereitet werden, um Referenzwerte zu ermitteln. RFM steht dabei für Recency, Frequency und Monetary. Der Ansatz berücksichtigt also neben Umsatzwerten auch die zeitliche Komponente, indem der Zeitpunkt des letzten Einkaufs und die Zahl der Einkäufe pro Kunde einbezogen werden.
Recency: Wann hat der Kunde zuletzt gekauft?
- Je aktueller der letzte Kauf zurückliegt, desto wahrscheinlicher ist ein Kauf in Zukunft
- Je länger der letzte Kauf her ist, desto unwahrscheinlicher ist ein zukünftiger Kauf
Frequency: Wie häufig hat ein Kunde gekauft?
- Je öfter ein Kunde kauft, desto wahrscheinlicher ist ein Kauf in Zukunft
- Je seltener ein Kauf getätigt wird, desto unwahrscheinlicher ist ein zukünftiger Kauf
Monetary: Wie viel Geld gibt ein Kunde aus?
- Je höher der Umsatz, desto wahrscheinlicher ist ein höherer Umsatz in der Zukunft
- Je niedriger der Umsatz, desto unwahrscheinlicher ist ein hoher Umsatz in der Zukunft
Kategorienbildung
Bei der RFM-Analyse werden nun Kategorien gebildet. Die Zahl der Kategorien hängt von den individuellen Anforderungen der Unternehmen ab, sollte aber nicht zu hoch sein. Typisch sind Einteilungen in „hoch“, „mittel“ und „niedrig“, oftmals wird zusätzlich noch „sehr hoch“ genutzt.
Wichtig ist, dass die Kategorisierung nicht nur auf einer einzelnen Kennzahl beruht, sondern auf Kennziffern, die jeweils Recency, Frequency und Monetary widerspiegeln. Es handelt sich beim RFM also um ein dreidimensionales Modell, das abbildet, welchen Wert ein Kunde hat.
Beispielsweise für Recency: Kategorie „niedrig“ für einen letzten Kauf innerhalb den vergangenen 12 Woche, Kategorie „mittel“ für den letzten Kauf innerhalb von mehr als einer bis ca. 52 Wochen und Kategorie „hoch“ für den letzten Kauf von vor mehr als 52 Wochen. Je nach üblicher Kauffrequenz bieten sich andere Einteilungen an. Für die Zahl der Wiederkäufe und den Umsatz werden ebenfalls entsprechende Einteilungen gefunden.
Berechnung der RFM-Klassen
Im nächsten Schritt werden zwei Kategorien statistisch und visuell zusammengebracht. Hier wird beispielsweise angezeigt, welche Kunden in beiden Kategorien in „hoch“ eingestuft sind und welche Kunden in „hoch“ und „mittel“ und so weiter. Aus dem Zweiervergleich lassen sich schon erste Rückschlüsse ziehen, beispielsweise ist ein hoher Umsatz mit hohen Wiederkäufen meistens stark korreliert. Im nächsten Schritt wird die dritte Kategorie hinzugefügt.
Nun lassen sich die Kunden in drei Dimensionen beschreiben und Kundensegmente definieren. Bei drei Kategorien mit jeweils drei Einteilungen sind das maximal neun Segmente. Bei mehr Einteilungen entstehen entsprechend mehr Segmente. Beispielsweise wäre das Segment, in dem die Kunden in allen drei Kategorien „hoch“ sind, das Star-Segment mit den höchsten Kundenwerten. Sinnvollerweise lassen sich einige Kombinationen zu einem Segment zusammenfassen, weil beispielsweise ein ähnlicher Kundentyp unterstellt werden kann oder das Segment eine zu kleine Zahl an Kunden aufweisen würde.
Ergebnisse der RFM Analyse richtig nutzen
Mithilfe der Kundensegmentierung können nun unterschiedliche Kundenansprachen und Marketingmaßnahmen gefunden werden, um die einzelnen Kundensegmente gezielter anzusprechen und deren Potentiale voll auszuschöpfen. Während Kunden des einen Segments beispielsweise einen Treuebonus erhalten, gibt es für Kunden eines anderen Segments ein einmaliges Angebot. Wiederum andere Kunden aus eher uninteressanten Segmenten werden bei begrenztem Marketingbudget nicht mehr gezielt angesprochen.
Ob die Maßnahmen dann wirkungsvoll waren, kann an den Kundenbewegungen zwischen den Segmenten in der Folge beobachtet werden. Es ist also wichtig, die Analyse nicht nur einmal durchzuführen und sie als statisches Modell zu betrachten. Sie kann permanent als Screening des Kundenstamms eingesetzt werden, um Erfolge von Marketingmaßnahmen nachzuvollziehen und zu überprüfen.
Sie interessieren sich für das Thema Kundensegmentierung, Customer Lifetime Value und ähnliches und fragen sich, wie Sie diese Themen am besten in Ihrem Unternehmen umsetzten können? Kontaktieren Sie uns jetzt für mehr Infos!
[cp_modal display=“inline“ id=“cp_id_4c100″][/cp_modal]
