RFM

rfm

RFM atau yang lebih sering disebut sebagai Recency, Frequency, Monetary adalah metode market research untuk segmentasi dan menganalisis nilai pelanggan dengan menggunakan data berdasarkan perilaku dari pelanggan yang ada untuk memprediksi bagaimana kemungkinan tindakan pelanggan baru di masa depan.

Model RFM dibangun menggunakan tiga faktor utama:

  • Recency : pelanggan yang baru saja melakukan transaksi suatu brand
  • Frequency : keseringan pelanggan melakukan transaksi suatu brand
  • Monetary : jumlah nominal yang dihabiskan dari total selama menikmati layanan suatu brand

Sejarah RFM

Analisis RFM awalnya ditemukan dari yang lebih serinng disebut direct mail marketing, khususnya sebuah artikel tahun 1995 oleh Tom Wansbeek dan Jan Roelf Bult berjudul “Optimal Selection For Direct Mail”. Hasil penelitian dari 2 peneliti ini membantu menegaskan Prinsip Pareto.

Manfaat Analisis RFM

Analisis RFM memungkinkan marketing untuk meningkatkan pendapatan dengan cara menargetkan kelompok tertentu dari pelanggan yang ada dengan cara segmentasi pelanggan dengan pesan dan penawaran yang lebih relevan berdasarkan data terkait perilaku tertentu dari pelanggan itu sendiri. Ini mengarah pada peningkatan tingkat respons, retensi pelanggan (customer retention), kepuasan pelanggan (customer satisfaction), dan Customer Lifetime Value (CLTV).

Metrik dari masing-masing RFM merupakan cara yang efektif untuk memperkirakan perilaku pelanggan di masa yang akan datang dengan tujuan meningkatkan pendapatan dan menigkatkan potensi untuk kepuasan pelanggan. Pelanggan yang telah melakukan pembelian di masa lalu lebih mungkin untuk melakukannya dalam waktu dekat.

Mereka yang lebih sering berinteraksi dengan suatu brand yang berkemungkinan besar akan segera melakukannya lagi (repeat order). Terlebih lagi, pelanggan yang telah membelanjakan uang paling banyak cenderung menjadi pembelanja besar di masa depan.

Analisis RFM memungkinkan suatu brand untuk menargetkan pelanggan dengan pesan yang paling sesuai antara hubungan mereka dengan brand tersebut (customer relationship).

Cara Kerja Analisis RFM

Traditional market research bertuju pada data demografis dan psikografis (psychology marketing), yang digunakan marketing untuk melakukan segmentasi pelanggan. Titik data tersebut kemudian digunakan untuk memprediksi perilaku pelanggan di seluruh populasi yang jauh lebih besar yang memiliki serangkaian sifat yang sama. Namun, metode ini bergantung pada data dari sampel konsumen yang kecil.

Dengan munculnya sistem seperti Customer Data Platform (CDP) yang membantu mengumpulkan, dan menyatukan perilaku pelanggan, pemasar memiliki lebih banyak data yang lebih spesifik mengenai kebiasaan tiap individu pelanggan untuk menginformasikan segmentasi tersebut. Daripada segmentasi pelanggan yang hanya menggunakan data demografis dan psikografis, marketing kini dapat membuat segmen berdasarkan perilaku dari tiap individu dari pelanggan, termasuk riwayat pembelian di semua saluran (online maupun offline), riwayat penelusuran, dan banyak lagi. Jenis segmentasi ini disebut behavioral segmentation.

Masing-masing metrik dari RFM membagi perilaku dari pelanggan yang dapat terbagi menjadi 3 nilai, yaitu :

  • Nilai Recency : mengacu pada jumlah waktu sejak interaksi terakhir pelanggan dengan suatu brand, yang mencakup pembelian terakhir dari pelanggan, bisa juga kunjungan ke situs web, penggunaan aplikasi seluler, “like” di media sosial, dan banyak lagi. Recency adalah metrik utama karena pelanggan yang baru saja berinteraksi dengan suatu brand cenderung merespons upaya pemasaran baru.
  • Nilai Frequency : mengacu pada seberapa sering pelanggan melakukan pembelian atau berinteraksi dengan suatu brand selama periode waktu tertentu. Frequency adalah metrik utama karena menunjukkan seberapa dalam pelanggan terlibat dengan merek Anda. Frekuensi yang lebih besar menunjukkan tingkat loyalitas pelanggan (customer loyalty) yang lebih tinggi.
  • Nilai Monetary : mengacu pada jumlah nominal yang dihabiskan pelanggan untuk membeli produk dan layanan dari suatu brand selama periode dalam waktu tertentu. Monetary adalah metrik utama karena pelanggan yang telah menghabiskan nominal yang palign banyak di masa lalu memiliki kecenderungan akan membelanjakan lebih banyak di masa yang akan datang.

Analisis RFM untuk Segmentasi Pelanggan

Daripada menganalisis seluruh database pelanggan, ada baiknya untuk melakukan segmentasi pelanggan berdasarkan karakteristik seperti usia atau geografis dan memisahkan mereka ke dalam kelompok pelanggan. Dengan melibatkan mereka dalam segmen pemasaran yang tersegmen dengan baik, penawaran yang lebih relevan dan dipersonalisasi dapat dilakukann untuk pelanggan yang bernilai tinggi.

Menghitung RFM untuk aplikasi dunia nyata biasanya membutuhkan keahlian analisis khusus atau keterampilan matematika yang lebih lanjut. Seperti model market research lainnya, RFM dapat bervariasi dalam kompleksitas dari sederhana hingga yang model yang rumit. Segmentasi RFM dimulai dengan memberikan peringkat unntuk pelanggan di masing-masing dari tiga kategori : skor Recency, skor Frequency, dan skor Monetary. Nilai RFM biasanya berskala dari nilai 1 hingga 10. Nilai 10 mengindikasikan kalau ketiga nilai dari metrik RFM memiliki skor yang sangat tinggi. Sebaliknya juga, kalau pelanggan memiliki nilai skor 1, maka pelanggan memiliki skor rendah. Ini dapat dikategorikan sebagai berikut :

  • Best Customer : pelanggan yang mendapatkan skor tertinggi di setiap kategori. Mereka setia dan bersedia membelanjakan uang dengan sepuasnya (kencederungann untuk memiliki customer satisfaction yang tinggi), dan berkemungkinan besar untuk segera melakukan pembelian lagi.
  • Big Spenders : Segmen pelanggan ini hanya didasarkan pada satu dari tiga metrik RFM : pelanggan dengan nilai uang tertinggi. Biasanya, pemasar menargetkan segmen ini dengan penawaran mewah, tingkat langganan yang lebih tinggi, dan penjualan silang/peningkatan nilai tambah yang meningkatkan nilai pesanan rata-rata. Sekali lagi, mungkin masuk akal untuk tidak mengecilkan margin dengan menawarkan diskon.
  • Loyal Customer : Segmen pelanggan yang hanya mempertimbangkan satu dari tiga metrik: pelanggan dengan nilai frequency tertinggi. Meskipun sering melakukan pembelian, pelanggan belum tentu merupakan pembelanja terbesar untuk suatu brand.
  • Potential Loyal Customer : Pelanggan yang mendapat skor tinggi untuk frequency namun rendah dalam nilai monetary memiliki kenderungan untuk merespon rekomendasi produk dengan baik berdasarkan pembelian sebelumnya.
  • At-Risk Customer : Pelanggan yang pernah berada di tingkat teratas riwayat data pelanggan suatu brand (best, big spender dan loyal) namun sekarang mendapat skor yang rendah untuk Recency dan Frequency menghadirkan peluang yang khusus.

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *