经济衰退证明你的营销支出

经济衰退证明你的营销支出 　　在行动 　　RFM 　　特别是在像编目，保险，零售银行，电信和其他行业 - 　　RFM是由营销人员在B-2-C最初的空间利用。有许多的得分的方法，可以与RFM可以使用。我们就来看看三： 　　RFM - 基本排行 　　RFM - 在母细胞排行 　　RFM - 加权手机排行 　　每种方法经历了争论一个比其他支持者。问题的关键是从某个地方开始，并尝试找到最适合您的公司效果最好的之一，你的客户群。让我们来看看几个例子。 　　RFM - 基本排行 　　这种方法涉及基于每个RFM因子分别打分客户。它从基于近因你的客户分类，即，几天或几个月，因为他们的最后一次购买的数量。一旦按升序排序(最新的买家在顶部)，客户，然后分成五分位，或五等份组。最高分位客户代表客户的20%，大多数最近从您购买。 　　这个过程然后进行频率和货币也是如此。每个客户是在5细胞为R，F中的一个，并且M 　　经验告诉我们，对于即将到来的竞选前景最好的是那些客户是在五等分5每个因子 - 已经购买最近一段时间，最频繁，并已度过了最赚钱的客户。事实上，一个共同的方法来创建一个汇总得分是来连接各个RFM分数一起造成125细胞(5×5×)。 　　一位顾客的得分范围从555为最高可到111为最低。 　　RFM - 在母细胞排行 　　RFM分析的最大支持者之一 - 　　这种方法是由亚瑟·米德尔顿休斯主张。它开始像上面那样的，即基于近因所有客户初步分为5个细胞。接下来的步骤需要用户在给定的近因细胞 - 细胞说5号，然后排名基于频率的客户。那么客户在55(RF)细胞是由货币价值排名。 　　RFM - 加权排行 　　使用RFM从业 　　比重有所不同。例如有人主张加入RFM得分在一起 - 从而每个因素赋予相同的权重。因此，分数范围从15(5 +5 +5)至3(1 +1 +1)。另一个常用的权重安排，3xR + 2XF + 1xM。在这种情况下，分数范围从30到3。 　　那么，哪使用?在现实中，也有其对今天正在使用的方法很多其他的排列。最佳实践营销分析需要的数学和统计科学，创造性和实验的精细结构。底线，测试多种评分方法，看看哪个适合您独特的客户群效果最好。 　　建立分数门槛 　　测试或生产运动后，你会发现，一些细胞是有益的，而有些则没有。让我们来谈谈一个案例研究，看看如何可以建立一个阈值，这将有助于最大限度地提高您的盈利能力。这项研究来自克南 - 弗拉格勒商学院的夏洛特梅森教授，并利用由该装订技工读书俱乐部(来源进行现实生活中的市场营销研究：近因，频率和货币(RFM)分析，夏洛特梅森教授，凯南 - 弗拉格勒商学院，北卡罗来纳州，2003年)的大学。 　　装订技工是一家专业的图书销售商，利用多种营销渠道。装订技工做传统的大众营销和想考RFM的力量。要做到这一点，他们最初做了一个随机邮寄至50,000客户。客户邮寄给购买佛罗伦萨的艺术史的报价。响应数据被抓获，并“后RFM”的分析已经完成。这种“事后分析”被冻结的50,000客户测试的文件之前，实际测试发售完成。因此，本次测试活动的影响并没有被编码的​​50,000考试科目为最近的购买者多(实际买家)效果分析。结果坚决支持使用RFM作为一个非常有效的分割方法。 　　购买本书=是;个月以来最后一次购买= 8.61; #总采购额= 5.22;美元花费= 234.30 　　购买本书=没有;个月以来最后一次购买= 12.73; #总采购额= 3.76;美元花费= 205.74 　　购买该书籍 　　客户更近的买家，更频繁的购买者，并已度过了最有装订技工。 　　的响应率前十等分(18%)的两倍与第5等分(9%)相关联的响应速度。 　　从这个测试 　　结果，然后用装订技工识别其剩余的客户应该得到同样的邮件。装订技工用盈亏平衡反应率的计算，以确定合适的RFM细胞邮寄。 　　以下成本信息作为输入： 　　每个邮件片0.50美元 　　成本 　　售价18.00美元 　　装订技工账面成本9.00美元 　　运输成本3.00美元 　　当邮寄费用等于从一个销售净利润 　　盈亏平衡的实现。在这种情况下： 　　盈亏=(成本从单一销售邮寄报价/净利润) 　　= $ 0.50 /($ 18-9-3) 　　=(0.50美元/ 6) 　　= 8.3%=盈亏平衡反应率 　　因此，根据测试的报价，利润可以通过邮寄到细胞表现出大于8.3%的回应率获得 　　通过捕获买家(3,214 / 4,522)的71%，而邮件只有46%的客户(22,731 / 50,000)的 　　RFM显着改善盈利能力。并使用RFM营销支出的回报超过八倍(69.7/8.5)，一个群发邮件的。 　　细胞与细胞的大小要求的 　　数 　　如前所述，RFM最初是由在B到C的市场操作，一般拥有非常大量客户的企业使用。用五分之一人口的R产生125细胞的想法，F和M是一个非常好的做法作为初始建模工作。但是，如果你是一个B对B的营销相对较少的客户?或者，如果你是一个B到C的营销有一个非常大的文件数以百万计的客户?答案是使用相同的方法，用于在数据挖掘 - 是柔性的和实验。 　　建立一个最小测试单元的大小是一个良好的开端。亚瑟·休斯建议使用以下公式： 　　测试单元尺寸= 4 /盈亏平衡反应率。 　　盈亏平衡响应速度是在装订技工案例在上文提及。数字“4”是一个数字，休斯已经找到成功的基础上，他已经完成了许多研究工作。装订技工盈亏平衡反应率为8.3%。利用上面的公式，则需要每个小区(4/0.083)在至少48的客户。装订技工竟然出现了每单元400的客户，所以他们不得不绰绰有余安慰他们的测试的意义。在现实中，装订技工可以创造多达1,041细胞，如果他们使用最小的48%的细胞很舒适。作为一个例子，他们可以用十分位而不是五分之一，并建立了1,000个细胞(10×10×10)。细胞越多越细的分析，但当然收益递减的规律也会出现。 　　其他权重的考虑，可用于小文件。如果你的盈亏平衡反应率是3%，你的最小单元尺寸是133客户(4/0.03)。因此，如果你有12,000家客户，你可以有大约90细胞(12,000 / 133)。因此，一个5×5×4(100个细胞)或5×4×4(80个细胞)的方法可能是合适的。 　　结论 　　RFM，商业智能和数据挖掘都是一个渐进的路径，是共同的许多营销组织的一部分。虽然RFM已经实行了40多年，但还是拥有许多组织巨大的价值。它的优点包括： 　　- 简单 - 易于理解和实施 　　- 成本相对较低 　　- 经过验证的投资回报率 　　- 显示数据要求的需求相对较低的所需的变量和记录的数量方面 　　- 一旦使用，它建立了一个更广泛的基础(从基础设施和商业案例的角度)来进行更复杂的数据挖掘工作 　　RFM的挑战包括： 　　- 接触疲劳可能是一个问题的得分较高的客户。一个高层次的跨竞选传播策略可以帮助防止这种情况。 　　- 你的得分最低的客户可能永远不会听到你的消息。同样，一个跨竞选宣传计划应确保所有客户的连通金额，以确保低得分的客户有机会以满足他们的潜力。此外，数据挖掘和客户终身价值的预测可以帮助解决这个缺点。 　　- RFM仅包括三个变量。数据挖掘通常认为RFM型变量是在响应模型非常重要。但也有另外的变量数据挖掘通常使用(例如，详细的事务，人口和firmogr​​aphic)，从而有助于产生更好的结果。另外，数据挖掘技术也可以通过的，可以用来改变提供内容和更丰富的激励段/单元访问的开发提高反应率。 　　如前所述，成功的营销努力都需要分析和实验。 RFM已经证明自己是一种有效的方法来预测响应和提高盈利能力。它可以在你的公司在市场分析发展过程中的重要阶段。