RFM Analizi ile Müşteri Segmentasyonu

RFM Analizi Nedir?

RFM Analizi, müşterilerin geçmiş satın alma davranışları baz alınarak, benzer satın alma davranışlarına sahip kişilerin ya da kurumların segmentlere ayırılması için kullanılan bir tekniktir. Pazarlama stratejilerinin belirlenmesi, nokta atışı mesajlar verilmesi, reklam ve tanıtımlar için hedef kitlenin anlaşılmasında önem arz eder. Hangi müşteriye ne kadar personel tahsis edilmeli, pazarlama ekibi ne kadar vaktini ayırmalı, hangi gruba ne kadar yatırım yapılmalı gibi konularda fikir verir.

RFM Metrikleri

RFM tekniği ile müşteri segmentasyonunun 3 temel metriği bulunmaktadır. Recency, Frequency ve Monetary.

Recency (R) : Güncellik. Müşterinin son satın alma tarihinden bu yana geçen zamanı ifade eder. Daha yakın zamanda alışveriş yapmış müşterilerin, ürünlerimizi kullanıyor olduğunu, yakın zamanda bizimle temas kurduğunu, firmamızı tekrar tercih etme ihtimalinin yüksek olduğunu düşündürür. Dolayısıyla Recency’nin düşük olması, yani son satın alma tarihinin yakın olması, daha yüksek skorları netice verecektir.

Frequency (F) : Sıklık. Müşterinin satın alma sayısıdır, basitçe fatura sayısı olarak düşünülebilir. Müşteri firmamızı ne kadar çok sayıda tercih etmişse, gelecekte bu davranışını sürdürmesini bekleyebiliriz.

Monetary (M) : Parasallık. Müşterinin satın almalarında ne kadar para ödediğini ifade eder. Frequency’ye benzer şekilde ödenen para miktarı, gruplandırmada üst segmentlerde yer almak konusunda pozitif etki eder.

RFM nasıl uygulanıyor?

Recency, Frequency ve Monetary metriklerinde, müşteri tabanlı bir skorlama yapılıyor.

Müşterinin, bu üç metrikte, tüm müşterilerin aynı zaman dilimindeki davranışları düşünüldüğünde kaçıncı basamakta yer aldığı belirleniyor. Örneğin daha 3 gün önce ürün alan müşteri, Recency skorlamasında 5 alırken; en son 120 gün önce satın alma gerçekleştiren bir başka müşteri 1 skorunu alabiliyor. Tüm müşterilerin Recency değerlerine göre genellikle 5 ayrı aralık belirlenir. Firma sektörü, ürün ve müşteri dağılımına göre daha özelleştirilmiş aralıklar da belirlenebilir.

Benzer şekilde Frequency ve Monetary için de bir skorlama yapılıyor. Daha çok sayıda alışveriş yapan, daha fazla miktarda harcama yapan müşteriler, bu metrikler özelinde daha iyi skorlar alıyor.

Örnek bir çalışma yapalım

Bu çalışma için Online Retail II isimli veri setini tercih ettim. Bu adresten ulaşılabilir: https://archive.ics.uci.edu/ml/datasets/Online+Retail+II

Veri seti İngiltere merkezli online bir satış mağazasının 01/12/2009–09/12/2011 tarihleri arasındaki satışlarını içeriyor.

Veri setine ait ilk gözlemler:

Veri setindeki eksik verilerin çıkarılması, iade ya da iptal faturaların çıkarılması gibi işlemler konumuzun dışında olduğu için bu kısma değinilmemiştir.

Faturalarda yer alan ürünler ayrı satırlarda verilmiş, ürün birim fiyatı (Price) ve müşterinin bu üründen kaç adet aldığı (Quantity) belirtilmiş. Bu ürün için müşterinin ödediği toplam tutarı da hesaplayarak veriye TotalPrice olarak ekleyelim.

Ürün için ödenen toplam tutar (Total Price) = Quantity x Price

Veriyi müşteri kodu üzerinden gruplayarak, ihtiyacımız olan metrikleri hesaplayalım:

1. Müşterinin Recency’si:

Bugünün tarihi (ya da eski bir veriyse, veride yer alan en son tarihten bir kaç gün sonrasını kullanmak mantıklı olacaktır) — Müşterinin son satın alma tarihi

2. Müşterinin Frequency’si:

Toplam tekil fatura adedi

3. Müşterinin Monetary’si:

Tüm satın almaları için ödediği toplam tutar

Bundan sonrasında, müşteri kodları ve bu metriklerin yer aldığı, bu gruplandırılmış veri bizim için yeterli.

Bu 3 metrikteki değerleri 5 segmente ayırıp, metrik özelinde bir skorlama yapalım.

Ben çalışmamda basitçe Pandas kütüphanesinin Qcut fonksiyonu ile skorları belirledim, 1’den 5’e kadar bir skorlama tercih ettim.

Artık bizim için müşterinin Recency değeri değil, Recency skoru, yani hangi grupta yer aldığı önemli.

Bu 3 skoru yan yana getirip genel RFM Skorumuzu oluşturalım.

RFM skoru üzerinden müşterileri segmente edebiliriz.

Örneğin 555 skoru, hem yakın zamanda alışveriş yapan, hem ilgili zaman diliminde çok sayıda ve yüksek tutarda satın almalarda bulunan, en yüksek skora sahip müşterilerimizi temsil eder. Bu grubu şampiyonlar olarak görebiliriz.

51 ile başlayan skorlar, Recency’si 5, Frequency’si 1 olan, yani yakın zamanda alışveriş yapan, sipariş sayısı çok düşük yeni müşterilere aittir.

15 ile başlayan skorlar, eskiden çokça alışveriş yapan, fakat uzun süredir herhangi bir satın almada bulunmamış müşterilerdir.

34, 35, 44, 45 gibi rakamlarla başlayan skorlar sadık müşteriler olarak düşünülebilir.

İstenirse Monetary değeri dahil edilmeden sadece Recency ve Frequency üzerinden de segmentasyon yapılabilir, ya da Monetary değeri yerine sitemizi ziyaret etme, çağrı merkezine ulaşma gibi, etkileşim metriği (Engagement) kullanılabilir.

Özetle tüm müşterileri tek tek değerlendirmek yerine, benzer satın alma davranışlarına sahip olanları beraber değerlendirip, bunun üzerinden pazarlama stratejileri tayin edip; gruba özel kampanyalar belirlenebilir, müşteriye daha çok hitap eden, kendisini daha özel hissettirecek temaslarda bulunulabilir.

Data Scientist