In marketing, market segmentation is the process of dividing a broad consumer or business market, normally consisting of existing and potential customers, into sub-groups of consumers (known as segments) based on some type of shared characteristics – Wikipedia
Vì sao phải cần phân loại khách hàng ? Bởi vì bạn không thể đối xử với họ giống như nhau, sử dụng cùng một loại nội dung, cùng một kênh truyền thông và cùng độ ưu tiên. Họ sẽ dần tìm kiếm một dịch vụ khác có thể hiểu họ tốt hơn, ai cũng có nhu cầu được đối xử một cách đặt biệt.
Ví dụ rõ nhất ở đây là xã hội ngày càng phát triển, bạn và ba mẹ cùng sống trong một ngôi nhà. Cách đây 20 năm điện thoại và internet không phổ biến như bây giờ nên đa số mọi người cập nhật tin tức qua báo và xem TV, còn bạn thì chắc chắn là sử dụng điện thoại và máy tính cá nhân rồi, hay bạn còn được gọi là Gen Z (thế hệ được sinh trong khoảng 1995-2012) còn ba mẹ của bạn là Millennials.
Bạn cập nhật tin tức từ nhiều nguồn khác nhau như mạng xã hội (Facebook, Instagram), báo điện tử, ... Rõ ràng việc quảng cáo cho 2 thế hệ khác nhau cũng yêu cầu phải phân loại và lựa chọn kênh truyền thông thích hợp, cụ thể ở đây là dựa vào độ tuổi. Hay đơn giản nhất là dựa trên mức chi tiêu, cửa hàng thường phân làm 3 loại khách hàng là Normal, VIP, VVIP
Ngoài yếu tố về độ tuổi như đã nói ở trên thì còn rất nhiều các yếu tố khác ảnh hưởng đến việc phân loại: Mức thu nhập, số lượng con cái, mức chi tiêu hằng tháng, số lượng đơn hàng đã mua, vùng miền, thiết bị sử dụng (Android hay iOS), ...
Mỗi khách hàng có hành vi và đặc điểm (attribute) khác nhau nhưng nhìn chung vẫn có mối liên hệ mục đích của chúng ta là tìm ra các mối liên hệ đó và nhóm họ lại.
Phân loại khách hàng theo RFM - RFM Segmention
RFM là viết tắt của:
- Recency: Được hiểu là từ lúc mua hàng lần cuối cùng đến hiện tại là bao nhiêu ngày, các bạn cũng biết là khách hàng càng mua hàng gần đây thì càng dễ gắn kết với thương hiệu hơn so với những người lâu rồi không quay lại mua.
R (days) = now - last_purchase_date
- Frequency: Là tần suất mua hàng, đơn giản là bạn chỉ cần cộng số đơn hàng lại
F = total number of orders
- Monetary: Là tổng số tiền khách hàng đã bỏ ra để mua hàng (tổng giá trị các đơn hàng của khách hàng)
M = total money spent
Như mình cũng có nói ở trên có rất nhiều yếu tố ảnh hưởng đến việc phân loại, mô hình RFM này sử dụng 3 yếu tố chính là Recency - Frequency - Monetary để phân nhóm khách hàng, số lượng nhóm khách hàng sẽ tuỳ thuộc vào định nghĩa của bạn
Ở mức đơn giản nhất chúng ta sẽ chia thành 3 nhóm dưới đây:
- Nhóm khách hàng có giá trị thấp (Low value): bao gồm các khách hàng đã lâu rồi chưa quay lại mua, số lượng đơn hàng ít và tổng giá trị đơn hàng thấp
- Nhóm khách hàng có giá trị trung bình (Mid Value): là nhóm khách hàng có 3 chỉ số RFM trung bình, không cao cũng không thấp
- Nhóm khách hàng có giá trị cao (High Value): là nhóm khách hàng có mua hàng gần đây, số lượng đơn hàng nhiều và có tộng giá trị cao
Thông thường sẽ ít công ty chia thành 3 nhóm như trên, họ sẽ chia nhiều nhóm hơn và mỗi nhóm mang ý nghĩa rất đặt biệt. Nhưng để cho phần code và giải thích đơn giản, dễ hiểu thì mình tạm thời chia thành 3 nhóm, sau phần code chúng ta sẽ cùng tìm hiểu thật sự các công ty sử dụng RFM như thế nào nhé.
Code các bạn có thể tham khảo và thực hành ở đây nhé, cám ơn bạn tác giả joaolcorreia, để hiểu được đoạn code bên dưới bạn chỉ cần tìm hiểu khái niệm Percentitle là gì ? Nó khác biệt gì so với Mean và Average ?
Bước cuối cùng là phân thành 3 nhóm thì bạn tác giả không đề cập đến ở đây, có lẽ bạn ấy muốn mình sẽ tự do phân nhóm theo ý thích. Bạn nhớ rằng nhóm RFM (RFM class như ở trên) thì khác so với nhóm khách hàng thật sự muốn chia, cụ thể là 3 nhóm: Low, Mid và High Value
Dưới đây là hình giải thích cách tính giá trị RFM Class, nhờ vào Percentile bạn có thể chia dữ liệu R-F-M thành 4 phần đều nhau (tứ phân vị) được đánh Label từ 1 đến 4. Label càng nhỏ thì giá trị càng tốt (Label=1 là tốt nhất), điểm cần lưu ý ở đây là Recency, giá trị của nó càng cao thì càng không tốt, chứng tỏ khách hàng đã lâu không quay lại mua
Kế tiếp là phân nhóm từ RFM Class, rõ ràng bạn có thể thấy là nhóm có giá trị cao nhất sẽ là 111, họ vừa chi nhiều tiền nhất, có số lượng đơn hàng nhiều nhất và mới mua hàng gần đây, nhóm ít có đóng góp nhất sẽ là 444
def segment(value):
if value =='111':
return 'High'
elif value == '444':
return 'Low'
else:
return 'Mid'
rfmSegmentation['Class']=rfmSegmentation['RFMClass'].apply(segment)
Ứng dụng RFM vào Business như thế nào ?
Thông thường thì RFM được sử dụng để giải quyết những bài toán cụ thể, tức là khi bạn có vấn đề về Business: cải thiện mối quan hệ với khách hàng, gửi các email ưu đãi đến tập khách hàng đặt biệt,... Tức là trước khi bạn bắt tay vào code thì bạn phải biết trước mình định làm gì và phục vụ cho ai. Điều này sẽ ảnh hưởng trực tiếp đến việc chia nhóm của bạn nên mình khuyên là các bạn nên làm rõ nhu cầu của mình trước khi bắt tay vào làm nhé.
Giả sử bạn đang là nhân viên của đội Marketing, bạn mong muốn có thể hiểu rõ khách hàng của mình hơn, bạn muốn cải thiện số lượng khách hàng vào website. Cụ thể là gửi email hoặc thông báo trên ứng dụng cho tập khách hàng đã lâu không quay lại (gửi cho tất cả hay là một nhóm khách hàng cụ thể thôi ?). Hoặc bạn đang có trong tay 100 mã giảm giá (voucher). Bạn muốn gửi nó đến nhóm khách hàng thích hợp, thì RFM có thể hỗ trợ bạn.
Bây giờ chúng ta quay lại ví dụ ở phía trên, có lẽ bạn đang tự hỏi hình như có điều gì không đúng trong cách chia nhóm. Đối với những khách hàng thuộc nhóm 211 họ đã lâu không quay lại nhưng lại mua rất nhiều đơn hàng, giá trị lại rất cao. Sẽ không hợp lí nếu xếp họ ở nhóm Mid Value.
Bạn sẽ đặt ra giả thiết có thể họ đã không hài lòng với sản phẩm trong đơn hàng cuối cùng, gửi yêu cầu giải quyết do hàng có hư hỏng, đợi rất lâu nhưng lại không có phản hồi từ phía công ty hoặc là họ đã chuyển chỗ ở sang nơi khác,... Đây là tập khách hàng tiềm năng vì đã gắn bó với thương hiệu chúng ta rất lâu hay còn gọi là khách hàng trung thành (Loyal Customers).
Thật ra cũng không loại trừ khả năng chúng ta không có nhiều ưu đãi cho họ bằng các đối thủ cạnh tranh mới ra trên thị trường. RFM sẽ ít nhất giúp bạn phát hiện ra nhóm khách hàng này và việc chăm sóc họ như thế nào thì còn tuỳ thuộc vào bạn đấy
Bạn có thể tham khảo gợi ý phân nhóm dưới đây của Putler
Customer Segment | Activity | Actionable Tip |
---|---|---|
Champions | Bought recently, buy often and spend the most! | Reward them. Can be early adopters for new products. Will promote your brand. |
Loyal Customers | Spend good money with us often. Responsive to promotions. | Upsell higher value products. Ask for reviews. Engage them. |
Potential Loyalist | Recent customers, but spent a good amount and bought more than once. | Offer membership / loyalty program, recommend other products. |
Recent Customers | Bought most recently, but not often. | Provide on-boarding support, give them early success, start building relationship. |
Promising | Recent shoppers, but haven’t spent much. | Create brand awareness, offer free trials |
Customers Needing Attention | Above average recency, frequency and monetary values. May not have bought very recently though. | Make limited time offers, Recommend based on past purchases. Reactivate them. |
About To Sleep | Below average recency, frequency and monetary values. Will lose them if not reactivated. | Share valuable resources, recommend popular products / renewals at discount, reconnect with them. |
At Risk | Spent big money and purchased often. But long time ago. Need to bring them back! | Send personalized emails to reconnect, offer renewals, provide helpful resources. |
Can’t Lose Them | Made biggest purchases, and often. But haven’t returned for a long time. | Win them back via renewals or newer products, don’t lose them to competition, talk to them. |
Hibernating | Last purchase was long back, low spenders and low number of orders. | Offer other relevant products and special discounts. Recreate brand value. |
Lost | Lowest recency, frequency and monetary scores. | Revive interest with reach out campaign, ignore otherwise. |
Chúc bạn ứng dụng thành công RFM vào công việc !
Bạn có thể nhấn vào link này để tham gia vào nhóm và nhận thêm nhiều tài liệu hữu ích khác về Data nhé!
Bài viết liên quan
Tìm hiểu SQL: Hướng dẫn Prompt SQL với ChatGPT, Copilot
Dec 07, 2024 • 11 min read
Database (Cơ sở dữ liệu) là gì? Những loại Database phổ biến nhất hiện nay
Sep 01, 2024 • 11 min read
Python là gì? Những đặc điểm nổi bật và Ứng dụng của Python
Aug 28, 2024 • 14 min read
Ứng dụng Hypothesis Testing - Kiểm định giả thuyết trong Y học
Jul 18, 2024 • 8 min read
Google Colab là gì? Hướng dẫn sử dụng Google Colab cho người mới
Jul 02, 2024 • 10 min read
Hướng dẫn cách lấy dữ liệu Facebook Ads Tự động Mỗi ngày Miễn phí - Phần 2
Jun 24, 2024 • 6 min read