การตลาดและปฏิบัติการ

ใช้ข้อมูลที่มีอยู่แล้ว · RFM

แบ่งกลุ่มลูกค้าด้วย RFM

อ่าน 7 นาที

ทำไมส่งโปรฯ แบบเดียวกันถึงได้ผลน้อยลงเรื่อย ๆ

เจ้าของร้านที่มีฐานลูกค้าสมาชิกมักทำผิดพลาดแบบเดียวกัน คือส่งข้อความโปรโมชั่นชุดเดียวให้สมาชิกทุกคน พร้อมกันทุกครั้ง ในช่วงแรกอาจได้ผลดีเพราะเป็นเรื่องใหม่ แต่พอเวลาผ่านไป ผลตอบรับจะค่อย ๆ ลดลง เพราะ ลูกค้าในฐานข้อมูลไม่ได้เป็นคนกลุ่มเดียวกัน — คนที่ซื้อทุกสัปดาห์กับคนที่ซื้อครั้งเดียวแล้ว หายไปนาน ต้องการเหตุผลกลับมาคนละแบบกันโดยสิ้นเชิง

RFM คือแว่นที่ทำให้เห็นว่าใครเป็นใคร

RFM เป็นเครื่องมือง่าย ๆ ที่ใช้ข้อมูลที่ร้านมีอยู่แล้ว (ประวัติการซื้อ) มาจัดกลุ่มลูกค้าให้ชัดเจน:

Recency
ซื้อครั้งล่าสุดเมื่อไหร่
Frequency
ซื้อบ่อยแค่ไหน
Monetary
ใช้จ่ายรวมเท่าไหร่

เมื่อนำ 3 มิตินี้มาจัดกลุ่มสมาชิก 500 คน จะเห็นกลุ่มที่ชัดเจน เช่น "ลูกค้าประจำ" (R ใกล้ + F สูง) "เสี่ยงหาย" (เคย F สูงแต่ R เริ่มห่าง) "ลูกค้าใหม่" (เพิ่งซื้อครั้งแรก) และ "หายไปแล้ว" (R ไกลมาก) แต่ละกลุ่มควรได้รับข้อความและข้อเสนอที่ต่างกัน ซึ่งเป็นเรื่องที่จะลงรายละเอียดในบทถัดไป

เอาไปใช้กับธุรกิจคุณยังไง

  1. ดึงประวัติการซื้อของสมาชิกออกมา ไม่ว่าจะเป็นระบบ POS ไลน์ OA หรือสมุดจด
  2. ให้คะแนนแต่ละคนตาม R, F, M แม้จะเป็นแค่ระดับ สูง/กลาง/ต่ำ ก็เพียงพอสำหรับเริ่มต้น
  3. จัดกลุ่มลูกค้าออกเป็น 3-4 กลุ่มหลัก เช่น ลูกค้าประจำ, เสี่ยงหาย, ลูกค้าใหม่, หายไปแล้ว
  4. หยุดส่งข้อความเดียวกันให้ทุกคน — เตรียมพร้อมออกแบบข้อเสนอที่ต่างกันในแต่ละกลุ่มต่อจากนี้

ลองคิดดูก่อน: เจอเคสนี้จะทำยังไง?

ร้านเบเกอรี่ของคุณมีลูกค้าลงทะเบียนในระบบสมาชิกผ่านไลน์ OA อยู่ 500 คน ทุกเดือนคุณส่งข้อความ โปรโมชั่นเดียวกันให้ทุกคน "ลดขนมปังทุกชิ้น 10%" ผลตอบรับเคยดีตอนแรก (คนกดใช้คูปอง 8% ของสมาชิก) แต่ 4 เดือนหลังลดลงเหลือแค่ 3% ทั้งที่ข้อความยังส่งสม่ำเสมอ ทีมงานเสนอให้เพิ่มส่วนลดเป็น 20% ให้ทุกคนเพื่อกระตุ้นยอด

ถ้าเป็นคุณ จะเพิ่มส่วนลดเป็น 20% ให้สมาชิกทุกคนเลยไหม?

ควิซท้ายบท

ตอบให้ครบทุกข้อ แล้วกดตรวจคำตอบ

1. RFM ย่อมาจากอะไร?
2. ทำไมการส่งโปรโมชั่นแบบเดียวกันให้ลูกค้าทุกคน ถึงได้ผลตอบรับลดลงเรื่อย ๆ?
3. Recency ใน RFM หมายถึงอะไร?
4. เพิ่มส่วนลดเป็น 20% ให้สมาชิกทุกคนเท่ากัน มีความเสี่ยงอะไร?