RFM

Der Customer Lifetime Value ist ohne Frage eine der wichtigsten SteuerungsgrĂ¶ĂŸen im Marketing und CRM. Doch wie kann man ihn berechnen? In diesem Fall fĂŒhren viele Wege nach Rom. Eine der am hĂ€ufigsten 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 KundenqualitĂ€t, wodurch sich Kunden in verschiedene Kategorien einteilen lassen. Ziel der Analyse ist es, ein Bild der Kundenlandschaft zu schaffen, von welchem sich konkrete Marketingmaßnahmen fĂŒr die einzelnen, ermittelten Segmente ableiten lassen. Durch diese kann eine Erhöhung des Return on Investment erreicht werden. Die Analyse stellt somit eine wichtige Grundlage fĂŒr die Allokation des Marketingbudgets dar. Zudem lassen sich RĂŒcklaufquoten von Kampagnen nĂ€herungsweise durch die Analyseergebnisse prognostizieren.


Die Analyse nutzt vergangenheitsbezogene Daten zu den Kunden, welche aufbereitet werden, um Referenzwerte zu ermitteln. RFM steht dabei fĂŒr Recency, Frequency und Monetary. Der Ansatz berĂŒcksichtigt also neben Umsatzwerten auch die zeitliche Komponente, indem der Zeitpunkt des letzten Einkaufs und die Zahl der EinkĂ€ufe pro Kunde einbezogen werden.

Recency: Wann hat der Kunde zuletzt gekauft?

  • Je aktueller der letzte Kauf zurĂŒckliegt, desto wahrscheinlicher ist ein Kauf in Zukunft
  • Je lĂ€nger der letzte Kauf her ist, desto unwahrscheinlicher ist ein zukĂŒnftiger Kauf

Frequency: Wie hĂ€ufig hat ein Kunde gekauft?

  • Je öfter ein Kunde kauft, desto wahrscheinlicher ist ein Kauf in Zukunft
  • Je seltener ein Kauf getĂ€tigt wird, desto unwahrscheinlicher ist ein zukĂŒnftiger 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 hĂ€ngt von den individuellen Anforderungen der Unternehmen ab, sollte aber nicht zu hoch sein. Typisch sind Einteilungen in „hoch“, „mittel“ und „niedrig“, oftmals wird zusĂ€tzlich 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 fĂŒr Recency: Kategorie „niedrig“ fĂŒr einen letzten Kauf innerhalb den vergangenen 12 Woche, Kategorie „mittel“ fĂŒr den letzten Kauf innerhalb von mehr als einer bis ca. 52 Wochen und Kategorie „hoch“ fĂŒr den letzten Kauf von vor mehr als 52 Wochen. Je nach ĂŒblicher Kauffrequenz bieten sich andere Einteilungen an. FĂŒr die Zahl der WiederkĂ€ufe und den Umsatz werden ebenfalls entsprechende Einteilungen gefunden.

Berechnung der RFM-Klassen

Im nĂ€chsten 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 RĂŒckschlĂŒsse ziehen, beispielsweise ist ein hoher Umsatz mit hohen WiederkĂ€ufen meistens stark korreliert. Im nĂ€chsten Schritt wird die dritte Kategorie hinzugefĂŒgt.

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 wĂ€re 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 Ă€hnlicher Kundentyp unterstellt werden kann oder das Segment eine zu kleine Zahl an Kunden aufweisen wĂŒrde.

RFM Analyse

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. WĂ€hrend Kunden des einen Segments beispielsweise einen Treuebonus erhalten, gibt es fĂŒr 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 durchzufĂŒhren und sie als statisches Modell zu betrachten. Sie kann permanent als Screening des Kundenstamms eingesetzt werden, um Erfolge von Marketingmaßnahmen nachzuvollziehen und zu ĂŒberprĂŒfen.

Sie interessieren sich fĂŒr das Thema Kundensegmentierung, Customer Lifetime Value und Ă€hnliches und fragen sich, wie Sie diese Themen am besten in Ihrem Unternehmen umsetzten können? Kontaktieren Sie uns jetzt fĂŒr mehr Infos!

Bild3

Jetzt Ihren Kundenwert erhöhen

Wir stellen Ihnen vor, wie Sie den Predictive Customer Lifetime Value in Ihrem CRM erfolgreich umsetzten und dadurch nachhaltig Ihren Kundenwert steigern.
-Unverbindlich und kostenfrei-
Mehr Informationen 
07145 / 9250255

oder
Jetzt starten
Folge uns!
onpost_follow
Tweet