Kundendaten verstehen: RFM-Analyse und Pareto-Analyse in der Praxis

12 Mai 2020 | von Anne-Kathrin Stolz

Kennen Sie das? Sie sollen kurzfristig eine Kampagne für Ihre TOP-Kunden erstellen, da diese Zielgruppe umsatztechnisch sehr vielversprechend erscheint. Aber wie definieren Sie diese Zielgruppe ohne Statistiker zu sein? 
In der Praxis der Customer Analytics gibt es zahlreiche Methoden Kundengruppen oder -segmente zu identifizieren. In diesem Beitrag beleuchten wir zwei dieser Methoden genauer: die RFM-Analyse und die Pareto-Analyse.

RFM-Analyse

Der Begriff RFM stammt aus dem Englischen und steht als Abkürzung für R = Recency (Aktualität), F = Frequency (Häufigkeit) und M = Monetary (Umsatz). Bei dieser Analysemethode stellen Sie sich also folgende Fragen:
•    Wie lange ist der letzte Kauf her?
•    Wie oft wurde insgesamt gekauft?
•    Wie viel Umsatz wurde generiert?

RFM-Analyse

Anhand dieser Kriterien lassen sich relativ schnell Ihre TOP-Kunden identifizieren. Lassen Sie sich die Daten in einem Venn-Diagramm (wie in der Abbildung exemplarisch) anzeigen, sehen Sie auf einen Blick die Überschneidungen der einzelnen Kriterien. Unsere TOP-Kunden bilden in diesem Fall das Segment in der Mitte: Der letzte Kauf ist noch nicht lange her, insgesamt wurde häufig gekauft und der Umsatzwert der Einkäufe ist hoch. Die Zielgruppe wäre damit bestimmt, nun fehlt nur noch die passende Kampagne für diese Kunden.

Sie finden auch Bilder sagen mehr als Tausend Worte? Dann schauen Sie sich unser kurzes Video zur RFM-Analyse in unserem Dashboarding-Tool Apteco Orbit an: https://youtu.be/wBIk9g87RJ4

Noch einen Schritt weiter mit RFM 

Jede Dimension der RFM-Analyse lässt sich noch durch zusätzliche Kriterien und Variablen erweitern. So könnten Sie beispielsweise in Bezug auf Recency Regelmäßigkeiten im Kaufverhalten beziehungsweise einen Kaufrhytmus bestimmen (z.B. alle drei Monate oder einmal im Halbjahr), um so den nächsten Kauf vorherzusagen und mit einem speziellen Angebot zu incentivieren. Die Frequenz könnten Sie um andere Ebenen erweitern und so beispielsweise zusätzlich die E-Mail-Interaktionen Ihrer Kunden analysieren. Analysieren Sie den Umsatzwert auch auf Mittelwerte, Varianzen oder beziehen Sie die nachfolgende Pareto-Analyse mit ein, erhalten Sie weitere wertvolle Insights.

Pareto-Analyse

Das Pareto-Prinzip ist auf Vilfredo Pareto (1848-1923) zurückzuführen und besagt, dass in der Regel 80% des Ergebnisses mit 20% des Aufwandes errreicht werden können. Auf die Kundenanlayse bezogen, stellen Sie sich bei der Pareto-Analyse also die Frage: Wer sind die 20% meiner Kunden, die 80% meines Umsatzes generieren? Oder anders gesagt: Wer sind meine wertvollsten Kunden in Bezug auf den Umsatz?

Pareto-Analyse

Für die Pareto-Analyse teilen Sie im ersten Schritt alle Umsätze beziehungsweise Bestellwerte in der Datenbank in zehn genau gleich große Teile (sogenannte Dezile), wie in dem ersten Diagramm dargestellt, ein. Im nächsten Schritt sortieren Sie alle Ihre Kunden und ordnen diese der zuvor generierten zehn Umsatz-Klassen zu. Diese Sortierung ist im zweiten Diagramm aufgezeigt. Sofort wird ersichtlich, dass ein relativ kleiner Teil meiner Kunden, nämlich der erste Balken im Diagramm, schon 10% des Gesamtumsatzes generieren, während der letzte Balken eine große Anzahl der Kunden beinhaltet, die gemeinsam ebenfalls 10% der Bestellwerte umsetzen. Nun ist es an Ihnen eine passende Kampagne für die Kunden zu planen, die den größten Teil Ihres Umsatzes generieren.

Noch einen Schritt weiter mit Pareto

Auch die Pareto-Analyse kann durch zusätzliche Kriterien ein noch tieferes Verständnis Ihrer wertvollsten Kunden ermöglichen. Sie könnten beispielsweise einen aktuelleren Blick auf Ihre wertvollsten Kunden werfen, indem Sie nur bestimmte Zeiträume (wie beispielsweise nur Bestellungen der letzten zwölf Monate) in die Analyse einfließen lassen. Außerdem lassen sich mit der Pareto-Analyse auch bestimmte Warengruppen genauer unter die Lupe nehmen.

Sie sind gerade dabei Ihre Kundendaten noch besser zu verstehen? Dann werfen Sie doch einen Blick in unsere weiteren Use Cases zum Thema „Kundendaten verstehen“ unter https://www.apteco.de/ressourcen/use-cases
 

Melden Sie sich zu unserem Newsletter an, um immer die neuesten Artikel rund um Customer Analytics und Campaign Automation zu erhalten.