Jak segmentować klientów za pomocą analizy RFM?

Mar 11 2023

Wraz z rozwojem technologii w dzisiejszym świecie znacznie wzrosła wartość i wykorzystanie danych. Każdego dnia miliony ludzi kupują produkty lub usługi.

Wraz z rozwojem technologii w dzisiejszym świecie znacznie wzrosła wartość i wykorzystanie danych. Każdego dnia miliony ludzi kupują produkty lub usługi. Tu właśnie pojawia się wartość wspomnianych danych. Każda transakcja dokonywana za pośrednictwem kanałów online lub offline jest przetwarzana pod nazwą „dane”.

Co więc robią te dane?

Jestem pewien, że to pytanie pojawiło się w głowach wielu osób w przeszłości. Opierając się na tym pytaniu, wiele firm korzysta dziś z danych przy określaniu swoich strategii marketingowych. Analiza RFM to metoda analizy, która powstała zgodnie z tymi wymaganiami strategii. Skrót od Recency, Frequency i Monetary, analiza RFM jest ważnym rodzajem analizy wykorzystywanej przez firmy do określania segmentacji klientów i strategii marketingowej.

Składa się z inicjałów słów Recency , Frequency i Monetary .

Recency: Jak długo klient otrzymał usługę.

Częstotliwość: Jak często klient dokonuje zakupu.

Pieniężne: suma wydatków klienta.

W dalszej części artykułu wyjaśnimy krok po kroku, jak przeprowadzić analizę RFM za pomocą języka programowania Python .

Krok 1: Zbieranie danych
Istnieje wiele metod gromadzenia danych. Przykłady gromadzenia danych obejmują badanie dokumentów lub zapisów oraz zbieranie danych z ankiet i dużych prób. Dodatkowo, jeśli analiza RFM ma zostać przeprowadzona w ramach firmy, można również wykorzystać dane zebrane z produktów lub usług oferowanych przez firmę. W tym badaniu jako dane wykorzystany zostanie zbiór danych internetowej firmy zajmującej się handlem detalicznym w Anglii. Źródło zbioru danych: (http://archive.ics.uci.edu/ml/datasets/Online+Retail+II)

Krok 2: Import niezbędnych bibliotek
Przed przystąpieniem do badania zbioru danych, jak w każdym badaniu, należy pobrać niezbędne biblioteki. Biblioteki potrzebne w tej analizie to biblioteki Pandas i DateTime.

Krok 3: Załadowanie zbioru danych
Po pobraniu zbioru danych na komputer jest on ładowany do środowiska pracy z rozszerzeniem .xlsx wraz z biblioteką Pandas.

Krok 4: Przygotowanie danych
Analizowane dane często nie są czystymi danymi. Dlatego etap przygotowania danych jest bardzo ważny. Na tym etapie niechciane dane są czyszczone zgodnie z celem. Liczbowej funkcji podsumowania statystycznego można użyć do wywnioskowania, czy istnieją niepożądane dane.

Krok 5: Obliczanie wyników RFM
W tym kroku wartości RFM są obliczane dla każdego klienta. Następnie wyniki RFM są obliczane poprzez standaryzację 1–5. Na koniec wartości aktualności i częstotliwości są łączone w łańcuch, aby uzyskać kolumnę RFM SCORE.

Krok 6: Segmentacja klientów
Po znalezieniu ocen RFM segmenty klientów odpowiadające każdej punktacji są obliczane za pomocą mapy segmentacji.

Mapa segmentacji RFM

W wyniku wszystkich prac określony jest docelowy segment klientów zgodnie ze strategią marketingową firmy i możliwe jest przeprowadzenie różnych kampanii marketingowych, ofert itp. Działania.