Bài tập lớn - Phân tích phân khúc khách hàng theo RFM môn Hệ thống thông tin quản lý | Học viện Ngân hàng

3.2.1.Tính phân khúc khách hàng theo RFM
a) Phân tích RFM ( RECENCY – FREQUENCY – MONETARY )
Là một kỹ thuật phân khúc khách hàng dựa trên hành vi mua hàng của họ trong quá
khứ. Phân tích RFM gồm có 3 chỉ số chính: -
Recency (R): Thời điểm giao dịch cuối cùng. -
Frequency (F): Tần suất mua hàng của khách hàng. -
Monetary (M): Số tiền giao dịch của khách hàng trong một khoảng thời gian.
Dựa vào những chỉ số phân tích, chúng ta có thể phân loại khách hàng một cách tương
đối chính xác dựa vào thói quen và lịch sử giao dịch của họ, từ đó có thể giúp các nhà
quản lý đưa ra những chiến lược phù hợp để duy trì và xây dựng mối quan hệ đối với khách hàng.
b) Cách để tính phân khúc khách hàng
Tính giá trị R - F - M. Để thực hiện phân tích, toàn bộ dữ liệu khách hàng mua thuốc
sẽ được lấy từ fanpage với chatbot và chia khách hàng thành các nhóm khác nhau theo
phân phối, phân vị cho tần suất mua, lần mua cuối cùng và tổng số tiền mua. •
ID / Email / Họ và tên: Các thông tin định danh của khách hàng. •
Recency (R) - Khoảng thời gian tính từ lần cuối giao dịch tới hiện tại,
được tính bằng cách lấy ngày khách hàng mua hàng cuối cùng trừ đi ngày khách
hàng thực hiên giao dịch đầu tiên. •
Frequency (F) - Tần suất giao dịch, được tính bằng cách lấy tổng số lần
mua hàng chia cho khoảng thời gian giữa lần đầu và lần cuối mua hàng. •
Monetary (M) - Tổng số tiền khách hàng đã chi trả cho công ty trong suốt
vòng đời mua hàng của họ, được tính bằng cách cộng gộp giá trị của tất cả số
tiền khách hàng đã thanh toán cho công ty.
Ở mỗi yêu cầu chúng em sử dụng thang điểm 5 mức độ từ 1 đến 5 theo yếu tố giảm dần
và chia danh sách khách hàng thành các phần bằng nhau.
Phương pháp 1: Cách chia đơn giản
Bạn có thể gán điểm Recency theo thang 5 điểm với các khoảng thời gian:
5 điểm: Khách hàng mới có giao dịch và mua hàng trong 24 giờ.
4 điểm: Khách hàng mới có giao dịch và mua hàng trong vòng 3 ngày qua.
3 điểm: Khách hàng có lần giao dịch và mua hàng cuối cùng trong 30 ngày qua.
2 điểm: Khách hàng có lần giao dịch và mua hàng cuối cùng trong vòng 180 ngày qua.
1 điểm: Khách hàng có lần cuối giao dịch xa hơn 180 ngày.
Phương pháp 2: Chia khách hàng thành 5 phần bằng nhau dựa trên giá trị đã có.
Recency (R): Chúng em tính số ngày từ thời điểm gần nhất khách hàng mua thuốc đến
thời điểm hiện tại, sau đó sắp xếp theo chiều tăng dần: 20% khách hàng hàng top đầu
là 1 (điểm) và 20% khách hàng top dưới cùng là 5 (điểm).
Frequency (F): Chúng em tính số lần khách đến mua thuốc, sau đó sắp xếp theo chiều
giảm dần: 20% khách hàng hàng top dưới cùng là 5 (điểm) và 20% khách hàng top đầu là 1 (điểm).
Monetary (M): Chúng em tính tổng số tiền khách đã bỏ ra để mua thuốc, sau đó sắp xếp
theo chiều giảm dần: 20% khách hàng hàng top dưới cùng là 5 (điểm) và 20% khách
hàng top đầu là 1 (điểm).
Như vậy, điểm sử dụng tốt nhất trong mô hình này là 1R-1F-1M hoặc ghi là: 111, trong
khi điểm thấp nhất là 5R-5F-5M hoặc ghi là 555. Do có những thuộc tính không tích
hợp sang được Hub Spot nên để tách thiểu sót thông tin nhóm sẽ trích dữ liệu từ chatbot
để ra Excel để thực hiện tỉnh điểm RFM. Kết quả sau khi tính chỉ số RFM cho từng khách hàng:
Hình ảnh kết quả chỉ số RFM cho từng khách hàng
Từ số liệu phân tích trên thì hệ thống nhà thuốc phải có sự điều chỉnh về chiến lược tiếp
thị để phù hợp với từng nhóm khách hàng khác nhau cũng như các chính sách mới. Sau đây là minh họa : Phân khúc Điểm Đặc điểm Chiến lược RFM Champions 111, Những khách
Giữ chân và duy trì tệp khách hàng: 112, 121 hàng mới giao
Tạo chương trình khách hàng thân thiết
dịch, mua thuốc cao cấp với các ưu đãi đặc biệt dành
thường xuyên và riêng cho nhóm khách hàng này. Chăm
mua với hóa đơn sóc khách hàng: Liên hệ với khách có giá trị cao.
hàng để tìm hiểu nhu cầu và sở thích
Tệp khách hàng của họ. Từ đó đưa ra các sản phẩm và
trung thành hoặc dịch vụ phù hợp.
sẽ sớm phát sinh Tăng trải nghiệm cá nhân hóa: Tạo trải giao dịch mới.
trải nghiệm mua sắm cá nhân hóa cho
khách hàng chẳng hạn như gửi email
hoặc tin nhắn chúc mừng sinh nhật… Loyal 235
Là những khách Tăng cường sự trung thành của khách Customers hàng chi tiêu ở hàng : mức trung
Tạo chương trình khách hàng thân thiết bìnhkhá nhưng
với các ưu đãi hấp dẫn, chẳng hạn như mua thuốc rất
tích điểm đổi quà, giảm giá,… thường xuyên.
Xây dựng cộng đồng khách hàng thân Potential 241
Là những khách thiết để khách hàng có thể tương tác với Customers hàng mới có
nhau và chia sẻ kinh nghiệm về sức giao dịch gần khỏe. đây, chỉ tiêu trung bình-khá và đã mua thuốc nhiều hơn một lần. Recent 155, 145 Những khách
Gửi email hoặc tin nhắn giới thiệu các Customers hàng mới mua
sản phẩm và dịch vụ mới. gần đây nhất,
Triển khai các chuong trình tăng quá giá trị giỏ hàng
như móc khóa, kẹo ngậm đối với thấp và không
khách hàng trẻ, hay cẩm nang sức khỏe thường xuyên
dành cho đối tượng trung niên… Tên mua thuốc.
nhà thuốc, địa chỉ, số điện thoại liên hệ Promising 252
Là những khách nhà thuốc sẽ được gần nên móc khóa hàng mới mua cẩm nang đó. thuốc, sức mua
Tạo trải nghiệm mua sắm thuận tiện và
hàng lớn nhưng dễ dàng cho khách hàng chẳng hạn như chưa thường
giao hàng tận nơi, thanh toàn trực xuyên. tuyến. Customers 414
Là những khách Khôi phục sự quan tâm khách hàng Needing
hàng có tần suất Gửi email hoặc tin nhắn nhắc nhở Attention mua thuốc và
khách hàng về các sản phẩm và dịch giá trị giỏ hàng vụ mới.
ở mức khá, chưa Cung cấp các ưu đãi hấp dẫn để quay lại mua
khuyến khích khách hãng mua thuốc thuốc gần đây. trở lại. At Risk 534,
Là những khách Tìm hiểu nguyên nhân khiến khách
525, 515 hàng đã khá lâu hàng không mua thuốc nữa, từ đó đưa không quay lại
ra các giải pháp phù hợp. và đã từng mua thuốc rất thường xuyên và giá trị giỏ hàng ở mức trung hình-khá. Hibernating 553
Là những khách Khuyến khích khách hàng mua sắm
hàng đã khá lâu thường xuyên hơn. không quay lại,
Không dành quá nhiều thời gian vào sức mua yếu nhóm khách hàng này. (tần suất mua
Thu thập đủ dữ liệu từ nhóm khách thấp và giá trị
hàng không tiềm năng này để lấy các giỏ hàng không
thông tin hữu ích về hành vi mua thuốc cao).
của khách hàng. Dữ liệu này giúp nhà Lost
554, 555 Là những khách thuốc cải thiện sản phẩm và dịch vụ, từ 545,455 hàng rất lâu
đó thu hút thêm khách hàng mới. không quay lại tần suất mua và giá trị giỏ hàng cũng rất thấp. Nhóm này thường là những khách hàng có hành vi mua tìm kiếm sự đa dạng hoặc chỉ duy nhất một lần để trải nghiệm và so sánh các sản phẩm khác.
c) Ưu điểm và nhược điểm của phương pháp RPM Ưu điểm:
Nhắm mục tiêu marketing hiệu quả hơn: Cho phép bạn tạo các chiến dịch marketing
được cá nhân hóa cho từng phân khúc khách hàng, tăng tỷ lệ phản hồi và chuyển đổi.
Cải thiện lòng trung thành của khách hàng: Bằng cách nhận diện và thưởng cho những
khách hàng giá trị nhất, bạn có thể củng cố mối quan hệ và tăng lòng trung thành. Giảm
tỷ lệ khách hàng rời bỏ: Nhận diện những khách hàng có nguy cơ rời bỏ và thực hiện
các hành động để giữ chân họ.
Tối ưu hóa chi phí marketing: Tập trung nguồn lực vào các phân khúc khách hàng có
khả năng mang lại lợi nhuận cao nhất.
Hiểu rõ hơn về hành vi khách hàng: Cung cấp cái nhìn sâu sắc về cách các nhóm khách
hàng khác nhau tương tác với doanh nghiệp của bạn. Nhược điểm:
Mặc dù phân khúc khách hàng theo RFM có rất nhiều ưu điểm, nhưng không thể phủ
nhận rằng kỹ thuật này vẫn còn một số sai sót và hạn chế như:
Khi được tính toán và thực hiện phân nhóm một cách thủ công, các phép tính có thể xảy ra các lỗi sai.
Phân tích RFM cũng chỉ dựa trên ba đặc điểm của hành vi tiêu dùng cơ bản và phân
tích hoàn toàn từ dữ liệu lịch sử trong quá khứ.
Vì vậy, những insight rút ra từ những phân tích này chủ yếu được áp dụng cho những
khách hàng hiện tại và chỉ mang tính dự báo cơ bản về hành vi tiêu dùng trong tương
lai của những khách hàng đó, đồng thời cũng không trực tiếp giúp doanh nghiệp đưa ra
các đề xuất có thể thu hút khách hàng mới.
Mặt khác, phân tích RFM có thể khiến các marketer bỏ qua những khách hàng ở nhóm
thấp dù một số khách hàng đó vẫn có tiềm năng để mua hàng với value và volume nhiều
hơn. Các phân tích RFM này có thể không tính đến yếu tố tác động từ các yếu tố bên
ngoài như các chương trình khuyến mại trước đây hoặc tính thời vụ (khách hàng có thể
mua hàng vào các dịp sinh nhật hoặc ngày kỷ niệm).