Müşteri RFM Analizi: Segmentasyon, Yaşam Boyu Değer ve Hedefleme

Tüm müşteriler eşit yaratılmamıştır. Müşterilerinizin en tepedeki yüzde 20'si muhtemelen gelirinizin yüzde 60 ila 80'ini oluşturuyor. En alttaki yüzde 20'lik kesimin hizmet maliyeti ödediklerinden daha fazla. Ancak orta ölçekli şirketlerin çoğu, tüm müşterilerine aynı şekilde davranır; aynı e-posta kampanyaları, aynı destek önceliği, aynı elde tutma çabaları.

RFM analizi, müşterileri davranışa göre segmentlere ayırmanın en basit ve en pratik çerçevesidir. Hedefli pazarlamayı, kişiselleştirilmiş hizmeti ve optimize edilmiş elde tutmayı teşvik eden eyleme dönüştürülebilir segmentler oluşturmak için halihazırda sahip olduğunuz üç veri noktasını kullanır: bir müşterinin en son ne zaman satın aldığı (Yenilik), ne sıklıkta satın aldığı (Sıklık) ve ne kadar harcadığı (Parasal).

Önemli Çıkarımlar

• RFM puanlaması, müşterileri 8 ila 12 eyleme geçirilebilir gruba ayırmak için üç davranışsal ölçüm (yenilik, sıklık, parasal) kullanır
• Her RFM segmenti farklı bir strateji gerektirir --- Şampiyonların sadakat programlarına ihtiyacı vardır, Risk altındaki müşterilerin yeniden etkileşime geçmesi gerekir, Kayıp müşteriler takip edilmeye değer olmayabilir
• Müşteri Yaşam Boyu Değeri (CLV) hesaplaması, segmentasyonu anlık görüntüden ileriye dönük bir planlama aracına dönüştürür
• RFM segmentleri, kaybolma tahmini ve pazarlama ilişkilendirmesi için doğrudan tahmin modellerine beslenir

---

RFM Puanlama Metodolojisi

RFM analizi, her müşteriyi üç boyutta puanlar, ardından puanları birleştirerek segmentler oluşturur.

Yenilik: En Son Ne Zaman Satın Aldılar?

Yenilik, müşterinin en son satın alma işleminden bu yana geçen gün sayısını ölçer. Yakın zamanda satın alan müşterilerin tekrar satın alma olasılıkları, aylar önce satın alan müşterilere göre daha yüksektir.

Puanlama yaklaşımı: Tüm müşterileri son satın alma tarihlerine göre beş eşit gruba (beşte birlik gruplara) bölün. En yeni beşte birlik dilim 5 puan alır, en yeni beşte birlik dilim ise 1 puan alır.

Kesin kesintiler iş döngünüze bağlıdır. Bir bakkal teslimat hizmeti aylar yerine haftaları kullanabilir. Bir B2B ekipman tedarikçisi çeyreklik kullanabilir.

Sıklık: Ne Sıklıkta Satın Alıyorlar?

Sıklık, belirli bir süre (genellikle 12 ila 24 ay) içindeki toplam işlem sayısını sayar.

Parasal: Ne Kadar Harcaıyorlar?

Parasal, aynı dönemde müşteriden elde edilen toplam geliri ölçer. Bazı uygulamalarda toplam harcama yerine ortalama sipariş değeri kullanılır; işletmeniz için neyin daha önemli olduğuna göre seçim yapın.

Puanları Birleştirme

Her müşteri üç haneli bir RFM puanı alır (örneğin, 5-4-5 yüksek güncellik, yüksek sıklık, yüksek parasal anlamına gelir). Boyut başına beş seviye ile 125 olası kombinasyon vardır. Bunlar 8 ila 12 anlamlı bölüme ayrılmıştır.

---

Segment Tanımları ve Stratejileri

RFM Segment Matrisi

Segmente Özel Başucu Kitapları

Şampiyonlar (5-5-5): Bu müşteriler sizin savunucularınızdır. Onları bir VIP sadakat programına kaydedin. Yeni ürünlere erken erişim sunun. İncelemeler, referanslar ve yönlendirmeler isteyin. İndirim yapmayın --- tam fiyattan satın alıyorlar. Bir Şampiyonu kaybetmenin gelir etkisi çok büyük olduğundan, bunları kaybetme tahmin modellerinde yakından izleyin.

Risk Altında (1-4-4 / 1-3-4): Bunlar sessiz kalan güçlü müşterilerdi. Yeniden katılım penceresi kapanıyor. Şahsen ulaşın (otomatik e-posta değil). Geri dönmek için önemli bir teşvik sunun. Neyin değiştiğini sorun. Kötü bir deneyim yaşadılarsa düzeltin. Bunları geri kazanmanın maliyeti, yenisini almaktan çok daha düşüktür.

Son Müşteriler (5-1-1): İlk izlenimler önemlidir. Onları ürün yelpazeniz hakkında eğiten bir karşılama dizisi gönderin. İlk satın aldıklarına göre ikinci satın almayı önerin. İade politikasını netleştirin. Amaç onları 60 gün içinde 5-1-1'den 5-2-2'ye taşımak.

Kayıp (1-1-1): Bu müşterilere pazarlama parası harcamayı bırakın. E-posta teslim edilebilirliğinizi artırmak ve kaynakları pozitif yatırım getirisi olan segmentlere odaklamak için bunları normal kampanyalardan kaldırın. Her 12 ayda bir son bir geri kazanma girişiminde bulunun ve ardından arşivleyin.

---

Müşteri Yaşam Boyu Değer Hesaplaması

RFM size müşterilerin bugün nerede olduğunu söyler. Müşteri Yaşam Boyu Değeri (CLV), tüm ilişki boyunca bunların değerinin ne olduğunu size söyler. RFM'yi CLV ile birleştirmek, segmentasyonu anlık görüntüden ileriye dönük bir planlama aracına dönüştürür.

Basit CLV Formülü

CLV = Average Order Value x Purchase Frequency x Customer Lifespan

Örnek:

• Ortalama sipariş değeri: 150$
• Satın alma sıklığı: Yılda 4 kez
• Ortalama müşteri ömrü: 3 yıl
• CLV = 150 ABD Doları x 4 x 3 = 1.800 ABD Doları

Elde Tutma Oranıyla Ayarlanmış CLV

Daha doğru bir formül, bir müşterinin kalma olasılığını hesaplar:

CLV = (AOV x Frequency x Gross Margin) / Churn Rate

Örnek:

• AOV: 150$
• Sıklık: Yılda 4 (müşteri başına yıllık gelir: 600 $)
• Brüt kar marjı: %40
• Yıllık kayıp oranı: %25
• CLV = (600$ x 0,40) / 0,25 = 960$

RFM Segmentine göre CLV

Bu tablo, bütçe tahsis kararlarını açıkça ortaya koyuyor: Şampiyonları ve Sadık müşterileri elde tutmaya yoğun yatırım yapın, Potansiyel Sadıkları, etkileşim yoluyla Sadıklara dönüştürün ve Kayıp müşterilere harcama yapmayı bırakın. Kanallar genelinde harcamayı optimize etmek için bu CLV hesaplamalarını pazarlama ilişkilendirme modellerine aktarın.

---

RFM Analizini Uygulama

Veri Çıkarma

RFM analizi müşteri başına üç alan gerektirir: müşteri kimliği, işlem tarihi ve işlem tutarı. Bunu veri ambarınızdan veya doğrudan Odoo ve Shopify'dan çıkarın.

Odoo için ilgili tablolar sale_order ve sale_order_line olup müşteri ayrıntıları için res_partner ile birleştirilmiştir.

Shopify için Siparişler API'si customer.id, created_at ve total_price'yi sağlar.

Puanlama Otomasyonu

RFM puanlamasını haftalık veya aylık bir programa göre otomatikleştirin:

1. Analiz penceresindeki (genellikle 12 ila 24 ay arası) tüm işlemleri çıkarın.
2. Her müşteri için güncelliği, sıklığı ve parasal değerleri hesaplayın.
3. Her boyut için beşlik puanlar (1'den 5'e kadar) atayın.
4. Birleştirilmiş puanı bir segment adıyla eşleştirin.
5. Segmenti veri ambarındaki müşteri boyutu tablosunda saklayın.
6. Satış ve pazarlama ekipleri tarafından kullanılmak üzere segment verilerini CRM'ye geri gönderin.

Görselleştirme

RFM segmentlerini self servis BI kontrol panellerinizde görüntüleyin:

• Segment dağılımı pasta grafiği: Her segmentte kaç müşteri var? Dağıtım sağlıklı mı?
• Segment geçiş ısı haritası: Müşteriler aydan aya segmentler arasında nasıl hareket ediyor? Şampiyonlar korunuyor mu? Yeni Müşteriler Sadık mı oluyor?
• Segmentlere göre gelir çubuk grafiği: Hangi segmentler gelire en çok katkıda bulunuyor?
• CLV dağılım grafiği: Müşterileri sıklığa (x ekseni) ve paraya (y ekseni) göre, yeniliği gösteren renkle çizin.

---

Gelişmiş RFM Uygulamaları

Tahmine dayalı RFM

Geleneksel RFM tanımlayıcıdır; size müşterilerin ne yaptığını anlatır. Tahmine dayalı RFM, bir müşterinin gelecekte kaç tane satın alma yapacağını tahmin etmek için BG/NBD (Beta Geometrik / Negatif Binom Dağılımı) modelini ve bunların parasal değerini tahmin etmek için Gama-Gama modelini kullanır.

Python lifetimes kütüphanesi hem modelleri uygular hem de şunları üretir:

• Müşteri başına gelecekteki satın almaların beklenen sayısı
• Belirli bir zaman dilimi için tahmini CLV
• Yaşama olasılığı (hala aktif bir müşteri)

RFM Tabanlı Kişiselleştirme

Kişiselleştirmek için RFM segmentlerini pazarlama otomasyon platformunuza (GoHighLevel, Mailchimp, Klaviyo) besleyin:

• E-posta içeriği: Şampiyonlar ek satış önerilerini görür. Risk altındaki müşteriler geri kazanma tekliflerini görür. Son Müşteriler ürün eğitimini görüyor.
• Reklam hedefleme: Benzer hedef kitle oluşturmak için Şampiyon ve Sadık müşteri listelerini Facebook/Google'a yükleyin. Kayıp müşterileri ücretli kampanyalardan hariç tutun.
• Destek önceliği: Şampiyon ve Risk Altındaki biletleri kıdemli temsilcilere yönlendirin. Bu, müşterilere sırf sırf uğruna farklı davranmakla ilgili değil; sınırlı kaynakları en yüksek getiriyi sağlayacak yere tahsis etmekle ilgili.

---

Sıkça Sorulan Sorular

RFM puanlarını ne sıklıkla güncellememiz gerekir?

Aylık, çoğu işletme için standart tempodur. Haftalık güncellemeler, yüksek hızlı e-Ticaret (günlük satın almalar) veya kayıp tespit hızının önemli olduğu abonelik işleri için uygundur. İş modeliniz gerçekten gerektirmediği sürece günlük güncellemelerden kaçının; çok sık yapılan güncellemeler gürültü yaratır ve segment geçiş takibini zorlaştırır.

İşletmemizde çok az sürekli müşteri varsa ne olur?

Çoğu müşteri yalnızca bir kez satın alırsa (mobilya veya emlak gibi tek seferlik satın alınan sektörlerde yaygındır), Sıklık boyutunda çok az değişiklik olur. Bu durumda, Sıklığın yerini Etkileşim (e-posta açma, web sitesi ziyaretleri, uygulama kullanımı) veya Odaklanma (keşfedilen ürün kategorisi sayısı) ile değiştiren değiştirilmiş bir RFM'yi düşünün. Davranışsal puanlama ilkesi, satın alma sıklığı düşük olsa bile hâlâ geçerlidir.

RFM dilimlerini mi yoksa özel eşikleri mi kullanmalıyız?

Beşte birlik gruplar (eşit boyutlu gruplar) standart başlangıç ​​noktasıdır. Ancak müşteri tabanınız çarpık olduğunda özel eşikler genellikle daha iyi çalışır. Müşterilerin yüzde 40'ı tam olarak bir satın alma işlemi gerçekleştirdiyse, beşte birlik dilimler eşit olmayan bölünmeler yaratır. Eşikleri iş anlamına göre tanımlayın: "en güncel", tipik geri satın alma döngünüz içindeki anlamına gelir; "yüksek frekans", sektörünüz için ortalamanın üzerinde anlamına gelir.

RFM'nin kayıp tahmin modelleriyle ilişkisi nedir?

RFM puanları, kaybolma tahmin modelleri için mükemmel özelliklerdir. Yenilik genellikle abone kaybının en güçlü tek göstergesidir. RFM segmenti (özellikle zaman içinde segmentler arasındaki hareketler), bireysel puanların ötesinde tahmin gücü katar. RFM'yi temel olarak, ML karmaşa modellerini ise gelişmişliğin bir sonraki düzeyi olarak düşünün.

---

Sırada Ne Var

RFM analizi müşteri analitiğinin temelidir. Tahmini kayıp modellerini besler, pazarlama ilişkilendirmesini bilgilendirir, kohort analizini geliştirir ve BI stratejinizdeki KPI seçimine rehberlik eder.

ECOSIRE, Odoo CRM ve Shopify mağazanızla entegre RFM analizi ve müşteri segmentasyonunu uygular. OpenClaw AI platformumuz puanlamayı otomatik hale getirir, tahmine dayalı CLV modelleri oluşturur ve segmentleri tekrar pazarlama araçlarınızla senkronize eder. Odoo danışmanlık ekibimiz, segmentlerinizi operasyonel hale getirmek için CRM görünümlerini ve otomasyon kurallarını yapılandırır.

Müşterilerinizi değer ve davranışa göre segmentlere ayırmaya başlamak için Bize ulaşın.

---

ECOSIRE tarafından yayınlandı --- işletmelerin Odoo ERP, Shopify eCommerce ve OpenClaw AI genelinde yapay zeka destekli çözümlerle ölçeklenmesine yardımcı oluyor.