Skip to content

Recency-Frequency-Monetary Value Modell

Segmentierung und Bewertung von Kundenpotential - Teil 1

Bewertung von Kunden und Kundenbeziehungen ist seit jeher eine Herausforderung für Marketing Abteilungen. Zugleich ist es ein wichtiges Steuerungselement für die Kommunikationsstrategie, der Mediaplanung und Budgetierung. In dieser Artikelreihe werden wir unterschiedliche Ansätze der Kundenbewertung beschreiben und deren Vor- und Nachteile hervorheben.

Im ersten Teil beschreiben wir das Recency-Frequency-Monetary Value Modell (RFM) bietet einen quantitativen Ansatz zur Kundensegmentierung.

Kurzgesagt

1. Bewertung von Kunden ist für sowohl die Planung als auch die Kommunikationsstrategie substanziell.

2. Recency-Frequency-Monetary Value Modelle (RFM) bietet einen schlanken und einfachen Ansatz für die Bewertung dieser Segmente.

3. Recency beschreibt den Zeitraum seit dem letzten Kauf, Frequency die Frequenz des Wiederkauf und Monetary Value den Warenkorb des Nutzers.

4. Basierend auf den Kaufdaten von Nutzern können somit übersichtliche Segmente geschaffen werden, welche auf den jeweiligen Business Case maßgeschneidert werden kann.

Das berühmte Pareto-Prinzip besagt, dass 20% der Kunden für 80% des Umsatzes eines Unternehmens verantwortlich sind. Zu bestimmen, welche der Kunden diese 20 Prozent sind, ist auf vielen Ebenen hilfreich. Von Clusteranalysen über komplexe Gruppierungsmethoden gibt es verschiedene Methoden, um dieses Ziel zu erreichen. Das Recency-Frequency-Monetary Value (RFM)- Prinzip ist dabei eine übersichtliche und durchdachte Variante, welche die wesentlichen Aspekte der Kundeneinordnung abdeckt und eine Segmentierung ermöglicht.

Wie bereits aus dem Namen abzuleiten ist, kombiniert RFM drei verschiedene Faktoren der Kundenbewertung. Recency bezeichnet den Zeitraum seit dem letzten Kauf eines Kunden. Ein mögliches Maß dafür ist die Anzahl an seit dem Kauf vergangener Wochen oder alternativ eine standardisierte Skala von 1-10 wie etwa „10 minus der Anzahl an Monaten seit dem letzten Kauf“, wobei eine höhere Bewertung den Kunden als „wichtiger“ einordnet.

Frequency ist das Maß für die Zahl an Käufen innerhalb eines bestimmten Zeitraums und soll so die Loyalität eines Kunden bemessen. Welcher Zeitraum hier gewählt wird, hängt von Unternehmen und Produkt ab, beispielsweise werden Autos deutlich unregelmäßiger gekauft als Elektronikgeräte. Während man bei Elektronikgeräten die Käufe innerhalb des letzten Jahres heranziehen könnte, sollte der Zeitraum bei Autoverkäufen länger gewählt werden.

Der Monetary Value Aspekt bezieht den Wert des „Warenkorbs“ in die Segmentierung mit ein. Eine mögliche Größe ist der durchschnittliche Preis eines gekauften Produkts oder das teuerste gekaufte Produkt innerhalb eines Zeitraums. Zum Zwecke einer Standardisierung könnte dieser Wert mit einem unternehmensspezifischen Benchmark-Value verglichen werden (etwa Benchmark = Monetary Value 5; je mehr, desto höherer Score, darunter niedriger).

Die RFM Analyse kombiniert die Bewertung der drei Faktoren für jeden Kunden und ordnet ihn dementsprechend ein. Ein Kunde, der in allen drei Kategorien hohe Scoring-Werte aufweist, also häufig, erst kürzlich und mit hohem Warenwert kauft, ist demzufolge ein „premium“ Kunde, welcher eine hohe Loyalität zu dem Unternehmen und hohen Bedarf an den Produkten hat.

Das Modell nimmt keine Wertung zwischen den Faktoren vor. Zwei Kunden mit gleichem Monetary Value, wobei einer höhere Frequency und der andere höhere Recency aufweist, werden vom Modell als gleich wichtig bewertet. Je einfacher das Scoring-System der einzelnen Faktoren ist, desto leichter fällt die Gruppeneinteilung der Kunden, etwa in wichtige Kunden, Wachstums-Kunden, inaktive Kunden, gefährdete Kunden und weniger wichtige Kunden, die selten um wenig Geld Produkte erwerben. Geteilt nach hoher und niedriger Recency sind in folgenden beiden Graphen beispielhafte Segmentierungen zu finden, welche als Vorlage dienen und je nach Unternehmen angepasst werden müssen.

Mögliche Kundensegmente für hohe Recency (oben) und niedrige Recency (rechts).

Fazit

Die RFM-Analyse ist ein guter Weg, um mit bestehenden Kaufdaten Kunden in übersichtliche Segmente aufzuteilen. Anhand der drei Bewertungsfaktoren wird eine transparente und nachvollziehbare Kundengruppierung erstellt, auf deren Basis Marketing-Maßnahmen an die Kundengruppen angepasst werden können. Das Modell bietet zwar nur einen groben Überblick, kann jedoch ohne viel Aufwand und sofern die Daten vorhanden sind um weitere Faktoren ergänzt werden und so zu einer noch genaueren Kundenkategorisierung beitragen. Für Unternehmen, welche bisher keine Kundengruppensegmentierung vorgenommen haben, bietet die RFM-Analyse einen ausgezeichneten Startpunkt.

Quellen

Want to know more?