RFM-analyse er en simpel måde at segmentere kunder på efter, hvor nyligt de har købt, hvor ofte de køber, og hvor meget de bruger, så du ved, hvem du skal belønne, hvem du skal vinde tilbage, og hvem du skal lade være. Det bruger data, som de fleste virksomheder allerede har i deres CRM eller salgsregistreringer, og det kræver ikke et datascience-team. Denne guide er til virksomhedsejere, markedsførere og customer success-teams, der ønsker at sende færre generiske kampagner og flere beskeder, der matcher hver enkelt kundes reelle adfærd.
Vigtigste pointer
- RFM står for Recency, Frequency og Monetary value: tre fakta om hver kundes købshistorik.
- Hver kunde får en score fra 1 til 5 for hver faktor, hvilket skaber klare segmenter som Champions, Loyale, I risiko og Tabte.
- Recency er ofte det stærkeste signal om, hvorvidt en kunde stadig er engageret, så mange teams starter der.
- Hvert segment har brug for sin egen handling: belønninger til de bedste kunder, pleje af nye og win-back-tilbud til dem, der er ved at glide væk.
- RFM er mest nyttigt, når scores opdateres automatisk i dit CRM, og kampagner udløses af segmentændringer.
Hvad er RFM-analyse?
RFM-analyse er en kundesegmenteringsmetode, der rangerer kunder ud fra tre dimensioner: Recency (dage siden seneste køb), Frequency (antal køb i en valgt periode) og Monetary value (samlet forbrug i den periode). Kombinationen af de tre scores viser, hvor værdifuld og hvor engageret hver kunde er lige nu, så du kan tilpasse tilbud, service og timing til hver enkelt gruppe.
Hvorfor RFM-segmentering virker
Det er baseret på adfærd, ikke gæt
Alder, by eller stillingsbetegnelse siger ikke meget om, hvorvidt nogen vil købe igen. Købsadfærd siger langt mere. RFM-segmentering bruger det, kunderne faktisk har gjort, hvilket gør det praktisk for næsten enhver virksomhed med genkøb.
Det er nemt at forklare
En salgschef, en markedsfører og en ejer kan alle forstå "købte nyligt, køber ofte, bruger meget". Det gør det nemmere at blive enige om handlinger.
Det peger på klare næste skridt
Hvert segment lægger op til en forskellig handling, fra en takkebesked til et genaktiveringstilbud. Du stopper med at sende den samme rabat til alle, inklusiv folk der alligevel ville have købt.
De data, du har brug for
For hver kunde har du brug for tre ting fra dit CRM, POS eller ordrehistorik:
- Datoen for det seneste køb eller betalte besøg.
- Antallet af køb i din analyseperiode, for eksempel de seneste 12 måneder.
- Den samlede omsætning fra den kunde i samme periode.
Vælg en periode, der matcher din købscyklus. En café kigger måske på de seneste 3 til 6 måneder; en B2B-servicevirksomhed har måske brug for 12 til 24 måneder. Før du scorer, bør du flette duplikerede kontakter og fjerne test- eller interne ordrer, da scorerne ellers vil være misvisende.
Sådan beregner du RFM-scores
Den mest almindelige metode er at sortere kunder efter hver faktor og opdele dem i fem lige store grupper (kvintiler). Den bedste femtedel får en score på 5, og den laveste femtedel får 1. For recency betyder færre dage siden seneste køb en højere score. For frequency og monetary value betyder højere tal en højere score.
Hver kunde ender med en trecifret kode, såsom 5-5-5 for en nylig, hyppig og storforbrugende kunde eller 1-1-2 for en person, der købte én gang for lang tid siden. Nogle teams kombinerer frequency og monetary til én score for at holde antallet af segmenter overskueligt. Hvis din kundebase er lille, kan du bruge faste tærskler i stedet for kvintiler, for eksempel "seneste køb inden for 30 dage = 5".
RFM-segmenter og hvad du skal gøre med hvert
Du har ikke brug for alle 125 mulige kombinationer. Gruppér dem i en håndfuld segmenter, som dit team kan handle på. Her er en illustrativ oversigt, du kan tilpasse:
| Segment | Typiske scores (R / F / M) | Hvem de er | Foreslået handling |
|---|---|---|---|
| Champions | R 5, F 4–5, M 4–5 | Købte nyligt, køber ofte, bruger mest | Tak dem, tilbyd tidlig adgang, bed om anmeldelser eller henvisninger |
| Loyale kunder | R 3–5, F 4–5 | Køber regelmæssigt, reagerer godt på kontakt | Loyalitetsbelønninger, mersalg af relaterede produkter eller tjenester |
| Potentielle loyale | R 4–5, F 2–3 | Nylige kunder med et par køb | Onboarding-tips, en grund til at vende tilbage snart, medlemskabsinvitation |
| Nye kunder | R 5, F 1 | Foretog deres første køb nyligt | Velkomstserie og en hjælpsom opfølgning |
| Kræver opmærksomhed | R 3, F 2–3, M 2–3 | Gennemsnitlige kunder, der er begyndt at trappe ned | Personlig henvendelse, tidsbegrænset tilbud |
| I risiko | R 1–2, F 3–5, M 3–5 | Plejede at købe ofte og bruge meget, men ikke på det seneste | Genaktiveringsbesked, bed om feedback, personligt opkald til de vigtigste kunder |
| Tabte | R 1, F 1–2 | Købte én gang eller sjældent, for lang tid siden | Ét genaktiveringsforsøg, derefter mindre kontakt |
Gruppen "I risiko" fortjener ofte den mest akutte opmærksomhed, fordi disse kunder var værdifulde før. At forstå, hvorfor de trapper ned, er tæt forbundet med kundeafgang.
Illustrativt eksempel: scoring af fem kunder
Tallene nedenfor er opdigtede for at vise metoden; de er ikke benchmarks.
Forestil dig en lille skønhedsbutik, der analyserer de seneste 12 måneder:
- Kunde A: seneste ordre for 5 dage siden, 14 ordrer, højt samlet forbrug. Scorer 5-5-5: en Champion.
- Kunde B: seneste ordre for 10 dage siden, 1 ordre. Scorer 5-1-1: en Ny kunde, der har brug for en velkomstserie.
- Kunde C: seneste ordre for 200 dage siden, 9 ordrer, højt forbrug. Scorer 1-4-4: I risikogruppen, værd at sende en personlig besked.
- Kunde D: seneste ordre for 60 dage siden, 4 ordrer, medium forbrug. Scorer 3-3-3: Kræver opmærksomhed.
- Kunde E: seneste ordre for 330 dage siden, 1 lille ordre. Scorer 1-1-1: Tabt; ét reaktiveringsforsøg er nok.
I stedet for ét nyhedsbrev til alle fem sender webshoppen nu fem forskellige, mere relevante beskeder.
Sådan kører du RFM-analyse i dit CRM (trin for trin)
- Definer tidsrammen. Vælg en periode, der afspejler din typiske købscyklus.
- Rens dataene. Sammenflet dubletter, knyt ordrer til den rigtige kontakt, og ekskluder refusioner eller testordrer.
- Beregn de tre værdier. Dage siden seneste køb, antal køb og samlet forbrug pr. kunde.
- Tildel scorer. Brug kvintiler eller faste tærskler til at give hver kunde en score fra 1–5 pr. faktor.
- Knyt scorer til segmenter. Start med fem til syv segmenter, ligesom i tabellen ovenfor.
- Gem segmenter i CRM'et. Gem scorerne og segmentet som felter eller tags på hver kontakt.
- Tilknyt handlinger. Opret kampagner, opgaver eller automatiseringer for hvert segment.
- Opdater regelmæssigt. Genberegn månedligt eller ugentligt, og udløs beskeder, når en kunde flytter sig mellem segmenter, for eksempel fra Loyal til I risikogruppen.
- Mål resultaterne. Sammenlign genkøbs- og reaktiveringsrater efter segment over tid.
At automatisere disse opdateringer er en god anvendelse af CRM-automatisering.
Typiske RFM-fejl du bør undgå
Anvendelse af den forkerte tidsramme
En tidsramme, der er for kort, får loyale sæsonkunder til at se tabte ud; en, der er for lang, skjuler seneste ændringer.
At behandle det som en engangsrapport
Scorer mister hurtigt værdi. RFM fungerer bedst som en levende segmentering, der opdateres og driver handlinger.
At give rabat til de bedste kunder
Champions har ofte ikke brug for en rabat for at købe. Anerkendelse, tidlig adgang og god service kan være et bedre match.
At ignorere konteksten
RFM kender ikke til klager, kontraktvilkår eller produkt-fit. Kombiner det med noter, feedback og dit teams vurdering.
Hvordan RFM passer sammen med andre kundemålinger
RFM ser tilbage på den seneste adfærd. Customer lifetime value estimerer en kundes samlede værdi over tid, mens lead scoring rangordner potentielle kunder, der endnu ikke har købt. Brugt sammen hjælper de dig med at beslutte, hvor du skal bruge tid og budget over hele kundens livscyklus.
Sådan gør du det i LUA CRM
Kundekort med købshistorik
Saml ordrer, besøg, betalinger og samtaler på ét kundekort, så recens, frekvens og forbrug stammer fra én kilde.
Segmenter og tags
Gem RFM-scorer eller segmentnavne som felter eller tags, og filtrer kundelister efter segment.
Automatiseringer og opgaver
Udløs velkomst-, loyalitets- og win-back-beskeder, eller opret en opkaldsopgave, når en vigtig kunde flytter til I risikogruppen.
Rapporter
Spor hvor mange kunder der befinder sig i hvert segment, og hvordan det ændrer sig fra måned til måned.
Klar til at stoppe med at sende den samme besked til alle? Prøv LUA CRM og opbyg dine første RFM-segmenter.
Ofte stillede spørgsmål
Recency (Recens), Frequency (Frekvens) og Monetary value (Monetær værdi): hvor nyligt en kunde har købt, hvor ofte de køber, og hvor meget de bruger i en valgt periode.
Ja, hvis kunderne køber eller fornyer mere end én gang. For abonnementer eller kontrakter kan du bruge fornyelser, ordrer eller betalte fakturaer i stedet for detailsalg.
Månedligt er en god start for de fleste virksomheder. Virksomheder med høj aktivitet, som f.eks. caféer eller onlinebutikker, kan have gavn af ugentlige opdateringer.
Ja, til en engangsanalyse. Ved at have det i dit CRM bliver det nemmere at opdatere scorer automatisk og handle på segmentændringer.
Start med fem til syv segmenter, som dit team kan handle på. Du kan opdele dem yderligere, når de grundlæggende kampagner fungerer.
Konklusion
RFM-analyse forvandler rå købshistorik til klare kundegrupper og klare handlinger. Start med rene data, en fornuftig tidsramme og et par segmenter, knyt hvert segment til én besked eller opgave, og opdater scorerne regelmæssigt. Over tid vil du bruge mindre energi på generiske kampagner og mere på de kunder, der betyder mest.
Forbered et gratis fakturagenerator i din browser. Ingen konto, og kladden bliver på denne enhed.
