El análisis basado en RFM ha sido utilizado desde hace más de 50 años por los responsables de marketing directo de empresas de venta a distancia y mailing directo. Se trata de un método contrastado y que ofrece, si se plantea adecuadamente, elevadas tasas de conversión en las acciones de email marketing.
La idea de fondo es que los usuarios tendrán una inclinación mayor a responder a un mensaje cuanto más reciente haya sido su última interacción con la marca (tanto on como offline), cuanto más frecuente haya sido en el pasado su interacción con la marca y cuanto mayor gasto hayan tenido hasta el momento. De las tres variables, la recencia ha demostrado ser el indicador que mejor predice el comportamiento futuro de un usuario.
Aplicaciones al email marketing.
En primer lugar hemos de establecer qué métricas para cada una de las tres categorías vamos a utilizar. En el siguiente cuadro mostramos algunas basadas en las interacciones entre el usuario y la marca en contextos digitales
Una vez tenemos definidas las métricas con las que elaboraremos las celdas RFM, se trata de listar de mayor a menor a los usuarios según cada una de las tres categorías. La listas se dividirán en 5 grupos conteniendo cada uno el 20% del total de la lista. Así tendremos, para la recencia, 5 grupos ordenados de más reciente a menos reciente en cuanto a la última apertura (o visitas al site o cualquier otra métrica que consideremos pertinente para nuestro negocio).
Al grupo conteniendo el 20% de usuarios cuya apertura fue más reciente le asignaremos el valor 5, al grupo conteniendo el 20% de usuarios cuya apertura fue la siguiente en regencia, el valor 4, y así sucesivamente.
Este proceso lo replicaremos para las categorías frecuencia y valor monetario.
El modelo resultante será como este:
La variable Recencia tiene una capacidad predictiva mayor que la Frecuencia y el valor Monteario, y la Frecuencia lo tiene respecto al valor monetario. De ahí que tenga una puntuación más alta un usuario con una Recencia de 5 y frecuencia de 3 y valor monetario de 2, que un usuario con valor de Recencia de 4 y frecuencia de 5 y valor monetario de 5.
A continuación listaremos a los usuarios del siguiente modo:
- Aquellos que tengan el valor 5 en cada una de las tres categorías (555)
- Los que tengan el valor 5 en las dos primeras categorías y 4 en la segunda (554)
- Los que tengan el valor 5 en las dos primeras categorías y 3 en la segunda (553)
- etc..
Tendremos así 125 combinaciones posibles, de la 555 (los usuarios con mejor
puntuación) hasta la 111 (los usuarios con menor puntuación). Para poder manejar estas celdas, podemos hacer quintiles (5 grupos de 25 celdas cada uno) y trabajar con estos segmentos.
Si somos capaces de establecer un análisis RFM adaptado a la realidad de nuestro negocio, veremos que podemos predecir con un margen de error muy bajo qué respuesta podemos esperar en cada una de las acciones de Email Marketing que llevemos a cabo.
De este modo, podremos mejorar el ROI de las acciones y hacer más productivas las inversiones en marketing.
Gracias por el aporte.
Desconocía este análisis y sus posibilidades de aplicarlo al email marketing, haré pruebas a ver qué tal resultan.
Un saludo