RFM (recency, frequenza, valore monetario)

Cosa misurano effettivamente le tre dimensioni

La recency è il numero di giorni dall'ultimo ordine del cliente. È la più forte delle tre per la maggior parte dei cataloghi retail, per una ragione banale: il comportamento d'acquisto è abitudinario e le abitudini decadono, quindi la migliore prova disponibile che qualcuno acquisterà da te il mese prossimo è che ha acquistato da te il mese scorso. Un cliente che ha ordinato tre settimane fa si trova in uno stato diverso da uno che ha ordinato quattordici mesi fa, indipendentemente da quanto entrambi abbiano speso storicamente.

La frequenza è il numero di ordini in una finestra temporale definita, e la finestra è una decisione piuttosto che un dettaglio. "Ordini totali" premia l'anzianità e sovrastima permanentemente i clienti che erano attivi anni fa; una finestra mobile di 12 o 24 mesi descrive il cliente così com'è ora. Scegline una, dichiarala e non cambiarla silenziosamente, perché i punteggi di frequenza non sono comparabili tra finestre diverse.

Il valore monetario è la spesa totale nella stessa finestra — a volte il valore medio dell'ordine invece, che risponde a una domanda diversa. La spesa totale correla con la frequenza, quindi i due punteggi si duplicano parzialmente; il valore medio dell'ordine è più indipendente e più utile quando vuoi separare "acquista spesso, acquista a buon mercato" da "acquista raramente, acquista molto". Entrambi hanno lo stesso punto cieco, ossia che misurano il fatturato piuttosto che il margine.

Assegnazione del punteggio per quintili, spiegata

Il metodo standard consiste nel classificare la base clienti su ogni dimensione e dividerla in cinque gruppi uguali. Prendi un esempio di base di 10.000 clienti con almeno un ordine negli ultimi 24 mesi. Ordina per giorni dall'ultimo ordine, prendi i 2.000 più recenti e assegna loro un punteggio R = 5; i successivi 2.000 ottengono R = 4, e così via fino a R = 1 per i 2.000 che sono stati inattivi più a lungo. Ripeti indipendentemente per la frequenza e il valore monetario. Ogni cliente si ritrova con tre cifre, da 555 a 111.

I quintili sono usati piuttosto che soglie fisse perché sono auto-calibranti. Un catalogo in cui il divario mediano tra gli ordini è di tre settimane e uno in cui è di nove mesi producono entrambi un gruppo R = 5 sensato, e nessuno dei due ha bisogno di una regola hard-coded che diventi obsoleta man mano che l'attività cambia.

La tabella sottostante mostra come potrebbero apparire quei punti di taglio per l'esempio di base. La caratteristica importante non sono i numeri, è ciò che accade nella colonna della frequenza.

Il problema dei pareggi e come gestirlo

La frequenza di 1 appare due volte in quella tabella, negli ultimi due quintili, e in una vera base clienti e-commerce di solito si estende su tre o quattro di essi. La maggior parte dei clienti della maggior parte dei brand ha ordinato esattamente una volta. Non c'è modo di tagliare una colonna che ha il 70% di valori identici in cinque gruppi uguali, e ogni strumento che ci prova produce divisioni arbitrarie dove due clienti con comportamento identico finiscono in segmenti diversi.

Gli approcci praticabili sono classificare con i pareggi e accettare dimensioni di bucket disuguali, il che mantiene i punteggi onesti a costo di una griglia sbilanciata; assegnare un punteggio alla frequenza su soglie esplicite invece che su quintili — 1, 2, 3, 4–6, 7 o più — il che è leggibile e stabile; o ridurre la frequenza a un flag binario "ha ripetuto" per i cataloghi dove l'acquisto ripetuto è veramente raro. L'unica cosa da non fare è lasciare che una funzione percentile divida silenziosamente i pareggi e poi presentare il risultato come se i segmenti fossero diversi.

La stessa cautela si applica alla dimensione monetaria per una ragione diversa: conta il fatturato, non il contributo. Un cliente la cui intera cronologia è stata acquistata con il 40% di sconto ottiene un punteggio identico a uno che ha pagato il prezzo intero per lo stesso totale, e solo uno di loro vale la pena di acquisire di più. Se puoi calcolare il margine di contribuzione per cliente, usalo al posto della spesa — cambia quali clienti appaiono nei segmenti superiori più spesso di quanto la gente si aspetti.

I segmenti che i punteggi producono e l'azione che ciascuno implica

I punteggi sono utili solo una volta che vengono raggruppati in una manciata di gruppi nominati che implicano un'azione. Sei coprono la maggior parte dei cataloghi. I modelli seguenti sono le definizioni comuni; regola i confini alla tua distribuzione piuttosto che importare la griglia di qualcun altro.

Dove l'RFM smette di funzionare

Gli abbonamenti lo rompono strutturalmente. Ogni abbonato attivo ha un ordine recente per definizione, perché il sistema di fatturazione ne ha creato uno, quindi la recency misura la cadenza di fatturazione piuttosto che l'intento del cliente e ogni abbonato attivo ottiene un punteggio R = 5 sia che sia soddisfatto sia che abbia dimenticato di essere iscritto. La frequenza degenera in anzianità per la stessa ragione. Per una base di abbonati, sostituisci la recency con i giorni dall'ultima azione volontaria — un login, un salto, uno scambio, un'apertura di email, un articolo aggiunto — e sostituisci la frequenza con qualcosa che porti informazioni, come il numero di salti o la cronologia dei fallimenti di pagamento.

I cataloghi a bassa frequenza e ad alto valore lo interpretano in modo diverso. Per materassi, mobili o elettrodomestici, quasi ogni cliente ha una frequenza di 1, e un punteggio di recency basso è lo stato atteso piuttosto che un avvertimento: qualcuno che ha comprato un divano diciotto mesi fa si sta comportando esattamente come dovrebbe un cliente di divani. Classificarli come "a rischio" e inviare loro offerte di recupero è un errore di categoria. Qui gli assi utili sono categoria, valore dell'ordine e comportamento di referral, non RFM.

La limitazione generale è che l'RFM è descrittivo e retrospettivo. Ti dice cosa ha fatto un cliente, il che è una buona approssimazione di ciò che farà dopo, ma non ne spiega il motivo. Non può vedere che una coorte sta abbandonando perché una formulazione è cambiata o perché i tempi di consegna sono slittati, quindi indirizzerà fedelmente quei clienti in un segmento di recupero e offrirà loro uno sconto per risolvere un problema che uno sconto non risolve.

Niente di tutto ciò è un argomento contro di esso. L'RFM costa una query SQL, non richiede alcun modello né alcun fornitore, ed è un grande miglioramento rispetto all'invio dello stesso messaggio a tutti. Semplicemente non lasciare che sia l'unica lente, e rieseguilo a intervalli regolari — i punteggi calcolati una volta e congelati diventano costantemente più errati, perché la recency cambia per ogni cliente ogni giorno, che agiscano o meno.