RFM Kurgusu ile CRM Stratejilerini Güçlendirme

RFM Nedir?

RFM, müşteri analizi ve segmentasyonu için kullanılan etkili bir yöntemdir. Açılımı “Recency” (Son Alım Zamanı), “Frequency” (Alım Sıklığı) ve “Monetary” (Toplam Harcama) olan bu model, bir müşterinin değerini belirlemek ve davranışlarını anlamak adına önemli metrikler sunar. Özellikle CRM sistemleri içerisinde kullanıldığında, RFM verileri, pazarlama stratejilerinin daha bilinçli bir şekilde oluşturulmasına katkı sağlar.

Recency, bir müşterinin en son ne zaman alışveriş yaptığını belirtir. Bu veri, müşterinin aktiflik düzeyini değerlendirmeye olanak tanır; zira, yeni alışveriş yapmış bir müşteri genelde daha yüksek bir potansiyele sahiptir. Frequency, müşterinin belirli bir zaman dilimi içerisinde kaç kez alışveriş yaptığını gösterir. Bu metrik, sadık müşteri grubunu tanımlamak ve onların geri dönüş oranlarını artırmak için oldukça faydalıdır. Son olarak, Monetary, müşterinin toplam harcama miktarını ölçer ve bu bilgi, şirketin hangi müşterilerin en karlı olduğunu anlamasına yardımcı olur.

RFM analizinde, bu üç değişken bir arada değerlendirildiğinde, bir bütün olarak müşteri segmentasyonuna dair derinlemesine bilgiler sunar. Özellikle CRM sistemleri, firmaların müşteri ilişkilerini yönetiminde ve geliştirmede RFM modelini kullanarak, hedef kitlelerine daha etkili bir şekilde ulaşmalarını sağlar. Müşteri davranışlarını analiz etmek için RFM modelinin uygulanması, markaların pazarlama stratejilerini optimize etmelerine olanak tanır. Sonuç olarak, RFM, müşteri verilerini anlamada ve değerli segmentler oluşturmada önemli bir araçtır.

RFM Kurgusunun CRM Üzerindeki Etkileri

RFM (Recency, Frequency, Monetary) analizi, müşteri ilişkileri yönetimi (CRM) stratejilerini güçlendirmek için önemli bir araçtır. Bu model, müşterileri belirli kriterlere göre sınıflandırarak işletmelerin daha etkili pazarlama kampanyaları geliştirmesine olanak tanır. RFM analizi, müşterilerin son satın alma tarihine göre, ne sıklıkla alışveriş yaptıklarına ve harcadıkları toplam tutara dayanarak değerlerini değerlendirir.

RFM modeli, işletmelere hedef odaklı pazarlama stratejileri oluşturma konusunda yardımcı olur. Örneğin, son zamanlarda alışveriş yapmış ama sık alışveriş yapmayan müşterilere yönelik özel kampanyalar geliştirilerek, bu müşterilerin yeniden markaya ilgi göstermesi sağlanabilir. Bunun yanı sıra, yüksek harcama yapan ama alışveriş sıklığı düşük olan müşteriler için sadakat programları oluşturulabilir. Bu sayede, müşteri bağlılığı artarken, satışların da yükselmesi sağlanmış olur.

Ayrıca, RFM analizi CRM sistemlerinin daha etkili kullanılmasını sağlar. Müşteri verileri üzerinde yapılan bu analiz, hangi segmentlerin hedeflenmesi gerektiği konusunda detaylı bilgiler sunar. İşletmeler, bu verimi kullanarak daha iyi iletişim kurabilir ve müşterilere kişiselleştirilmiş teklifler sunabilir. Böylelikle, müşteri memnuniyeti artar ve marka imajı güçlenir. RFM kurgusu sayesinde pazarlama bütçeleri daha verimli bir şekilde kullanılabilir, çünkü doğru müşterilere ulaşmak, gereksiz harcamaların önüne geçer.

Bu avantajları elde etmek için RFM modelinin etkin bir şekilde uygulanması gerekir. Uygulama örnekleri, işletmelerin CRM stratejilerini nasıl optimize ettiğini göstermektedir. Sonuç olarak, RFM analizi, CRM süreçlerini geliştirerek, müşteri ilişkilerini güçlendirme ve pazarlama aktivitelerini dönüştürme konusunda büyük bir potansiyele sahiptir.

RFM Analizi Nasıl Yapılır?

RFM analizi, müşteri ilişkileri yönetimi (CRM) stratejilerini güçlendirmek için önemli bir araçtır. Bu analiz, müşterilerin değerini belirlemek ve pazarlama aktivitelerini daha etkili hale getirmek için sistematik bir yaklaşım sunar. RFM, üç temel faktör üzerine inşa edilir: Recency (Son Alış), Frequency (Sıklık) ve Monetary (Mali Değer). Bu unsurlar, müşteri davranışlarını daha iyi anlamak için kullanılmaktadır.

RFM analizi yapma süreci üç aşamada gerçekleştirilmektedir. İlk adım, veri toplama aşamasıdır. Müşteri verileri, satış geçmişi ve iletişim bilgileri gibi önemli bilgileri içermelidir. Bu verilerin toplanması sırasında dikkat edilmesi gereken en önemli nokta, verilerin güncel ve doğru olduğundan emin olmaktır. CRM sistemlerinden veya mevcut veri tabanlarından bu tür verilerin toplanması, sürecin ilk ve kritik adımını oluşturur.

İkinci aşama, RFM puanlama sisteminin kurulmasıdır. Her müşteri için recency, frequency ve monetary değerlerini hesaplarken, bu değerlerin her biri belirli bir puanla değerlendirilir. Örneğin, son alış tarihi en yakın olan müşteriye yüksek bir recency puanı verilir. Bununla birlikte, sık alışveriş yapan ve yüksek harcama yapan müşteriler de daha yüksek frequency ve monetary puanları alır.

Üçüncü aşama ise RFM analizi sonuçlarının yorumlanmasıdır. Puanlamanın ardından, müşteriler belirli segmentlere ayrılır. Bu segmentler, pazarlama stratejilerinin belirlenmesinde büyük rol oynamaktadır. Örneğin, yüksek puan alan müşterilere özel kampanyalar sunulabilirken, düşük puanlı müşterilere yeniden angaje olma stratejileri geliştirilebilir. Sonuç olarak, RFM analizi, veri odaklı karar verme süreçlerini destekleyerek, CRM stratejilerinin etkinliğini artırmada önemli bir rol oynamaktadır.

RFM Kullanırken Dikkat Edilmesi Gerekenler

RFM modelinin, müşteri ilişkileri yönetimi (CRM) stratejileri içinde etkili bir şekilde kullanılması için bazı önemli unsurlara dikkat edilmesi gerekmektedir. Öncelikle, verilerin güncelliği çok kritik bir faktördür. RFM analizi, Recency, Frequency ve Monetary değerleri üzerinden müşteri sınıflandırması yapar. Bu nedenle, müşteri verilerinin güncel ve doğru olması, analizin güvenilirliğini artırır. Eski verilerle yapılan analizler yanıltıcı sonuçlar doğurabilir, bu durum da pazarlama stratejilerinizi olumsuz etkiler.

Bir diğer önemli nokta, müşteri başlangıcını doğru tespit etmektir. Bazı durumlarda, müşterilerin geçmişteki alışverişleri veya etkileşimleri göz önünde bulundurularak sınıflandırılmaları gerekir. Bu aşamada, müşteri davranışlarını anlamak için ek verilere ihtiyaç duyulabilir. RFM analizi uygularken, sınıflandırma yaparken karşılaşılabilecek zorluklar da göz önünde bulundurulmalıdır. Örneğin, bazı müşterilerin alışveriş sıklığı, belirli dönemlerde artıp azalabilir ve bu durumun analizde dikkate alınması gerekebilir.

Bu noktada, RFM’nin sınırlamalarını göz önünde bulundurmak önemlidir. Sadece üç ölçüt kullanarak gerçekleştirdiği analiz, müşterilerin tüm özelliklerini kapsamayabilir. Müşteri memnuniyeti, marka sadakati gibi ek faktörleri de dikkate alarak strateji geliştirmek, CRM uygulamanızın başarısını artırır. RFM kullanımı sırasında, bu tip ek verileri göz önünde bulundurmak ve analiz sonuçlarına göre esnek stratejiler oluşturmak, etkili sonuçlar almada faydalı olacaktır. Böylelikle, müşteri ilişkileri yönetimindeki hedeflere daha sağlıklı bir biçimde ulaşmak mümkün hale gelir.

RFM SQL KODLARI

WITH Sales AS 
(
   SELECT 
    sales.invoice_no AS Invoice,
    TO_DATE(sales.purchase_date::text, 'YYYYMMDD') AS Purchase_Date,
    sales.final_amount AS Amount,
    sales.customer_code AS Customer_ID
FROM sales_table sales
INNER JOIN customer_info customer ON customer.customer_code = sales.customer_code 
    WHERE TO_DATE(h.timed_id_alisveris::text, 'YYYYMMDD') >= CURRENT_DATE - INTERVAL '365 days'
),
Recency AS (
    SELECT 
        Customer_ID,
        CURRENT_DATE - MAX(Purchase_Date) AS Recency
    FROM Sales
    GROUP BY Customer_ID
),
Frequency AS (
    SELECT 
        Customer_ID,
        COUNT(DISTINCT Invoice) AS Frequency
    FROM Sales
    GROUP BY Customer_ID
),
Monetary AS (
    SELECT 
        Customer_ID,
        CAST(SUM(Amount) AS INTEGER) AS Monetary
    FROM Sales
    GROUP BY Customer_ID
),
RFM AS (
    SELECT 
        r.Customer_ID,
        r.Recency,
        f.Frequency,
        m.Monetary
    FROM Recency r
    JOIN Frequency f ON r.Customer_ID = f.Customer_ID
    JOIN Monetary m ON r.Customer_ID = m.Customer_ID
),
Scaled_RFM AS (
    SELECT 
        Customer_ID,
        Recency,
        Frequency,
        Monetary,
          CASE
            WHEN r.Frequency >= 0 AND r.Frequency <= 1 THEN 1
            WHEN r.Frequency > 1 AND r.Frequency <= 2 THEN 2
            WHEN r.Frequency > 2 AND r.Frequency <= 3 THEN 3
            WHEN r.Frequency > 3 AND r.Frequency <= 4 THEN 4
            WHEN r.Frequency > 4 THEN 5
        END AS Frequency_Scale,
        CASE
            WHEN r.Recency >= 60 THEN 1
            WHEN r.Recency > 40 AND r.Recency <= 50 THEN 2
            WHEN r.Recency > 30 AND r.Recency <= 30 THEN 3
            WHEN r.Recency > 10 AND r.Recency <= 20 THEN 4
            WHEN r.Recency > 0 AND r.Recency <= 10 THEN 5
        END AS Recency_Scale,
        
        CASE
            WHEN r.Monetary >= 0 AND r.Monetary <= 150 THEN 1
            WHEN r.Monetary > 150 AND r.Monetary <= 300 THEN 2
            WHEN r.Monetary > 300 AND r.Monetary <= 400 THEN 3
            WHEN r.Monetary > 400 AND r.Monetary <= 500 THEN 4
            WHEN r.Monetary > 500 THEN 5
        END AS Monetary_Scale
		
    FROM RFM
),
RFM_Segments AS (
    SELECT 
        Customer_ID,
        Recency,
        Recency_Scale,
        Frequency,
        Frequency_Scale,
        Monetary,
        Monetary_Scale,
        CAST(Recency_Scale AS TEXT) || 
        CAST(Frequency_Scale AS TEXT) || 
        CAST(Monetary_Scale AS TEXT) AS RFM_Score,
CASE
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('535', '534', '443', '434', '343', '334', '325', '324') THEN 'Customers needing attention - Dikkat Gerektiren Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('525', '524', '523', '522', '521', '515', '514', '513', '425', '424', '413', '414', '415', '315', '314', '313') THEN 'Promising - Umudunu Kaybetmemiş Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('512', '511', '422', '421', '412', '411', '311') THEN 'Recent customers - Yeni Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('553', '551', '552', '541', '542', '533', '532', '531', '452', '451', '442', '441', '431', '453', '433', '432', '423', '353', '352', '351', '342', '341', '333', '323') THEN 'Potential loyalist - Potansiyel Sadık Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('543', '444', '435', '355', '354', '345', '344', '335') THEN 'Loyal customers - Sadık Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('555', '554', '544', '545', '454', '455', '445') THEN 'Champions - Şampiyon Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('331', '321', '312', '221', '213') THEN 'About to sleep - Uyumaya Yaklaşan Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('255', '254', '245', '244', '253', '252', '243', '242', '235', '234', '225', '224', '153', '152', '145', '143', '142', '135', '134', '133', '125', '124') THEN 'At risk - Risk Altındaki Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('155', '154', '144', '214', '215', '115', '114', '113') THEN 'Can’t lose them - Kaybedilemez Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('332', '322', '231', '241', '251', '233', '232', '223', '222', '132', '123', '122', '212', '211') THEN 'Hibernating - Uyuyan Müşteriler'
    WHEN CAST(Recency_Scale AS TEXT) || CAST(Frequency_Scale AS TEXT) || CAST(Monetary_Scale AS TEXT) IN ('111', '112', '121', '131', '141', '151') THEN 'Lost - Kaybedilen Müşteriler'
    ELSE 'Others - Diğerleri'
END AS Segment


    FROM Scaled_RFM
)


SELECT 
    r.Customer_ID,
    r.Recency,
    r.Recency_Scale,
    r.Frequency,
    r.Frequency_Scale,
    r.Monetary,
    r.Monetary_Scale,
    r.RFM_Score,
    r.Segment

FROM RFM_Segments 
 

RFM (Recency, Frequency, Monetary) analizi, müşteri davranışlarını anlamak için kullanılan etkili bir yöntemdir. Yüzdelik dilimler (percentiles) kullanarak, müşterileri daha homojen (benzer davranışlara sahip) gruplara ayırmak mümkündür. Bu işlem, müşterilerin değerlerini (örneğin, son alışveriş zamanı, alışveriş sıklığı, harcama miktarı) belirli yüzdelik dilimlere göre sıralayarak yapılır.

Yüzdelik Dilimlerin (Percentiles) Kullanımı:

Yüzdelik dilimler, verilerin belirli bir yüzdesine karşılık gelen değeri belirtir. Örneğin, bir veri setinde bir müşteri sıralandığında, o müşterinin verisi 20. yüzde diliminde yer alıyorsa, bu müşteri, tüm müşteri veri setindeki en düşük %20’lik dilimde yer alır.

Örnek Adımlar:

1. Verilerin Hazırlanması:
   • Öncelikle müşterilerin Recency, Frequency ve Monetary değerleri belirlenir. Bu veriler her bir müşterinin davranışını temsil eder.
   • Recency: Son alışveriş tarihi (ne kadar yakınsa o kadar değerli).
   • Frequency: Alışveriş sıklığı (ne kadar sık alışveriş yaparsa o kadar değerli).
   • Monetary: Harcama miktarı (ne kadar harcama yaparsa o kadar değerli).
2. Yüzdelik Dilimler Hesaplama:
   • Verilerin sıralanması ile her bir müşteri için bir yüzdelik dilim hesaplanır. Örneğin, 20% dilimi için verilerin en düşük %20’si, 40% dilimi için verilerin %20-40’ı arasındaki değerler alınır, ve böyle devam eder.
3. Yüzdelik Dilimlere Göre Gruplama:
   • Hesaplanan yüzdelik dilimlere göre müşteriler belirli gruplara ayrılır.
   • 20%, 40%, 60%, 80% dilimleri, müşterileri şu şekilde kategorize etmek için kullanılabilir:
     • 0-20% dilimi: En düşük değerli müşteriler (örneğin, son alışverişi uzun süre önce yapmış, az sıklıkla alışveriş yapmış ve düşük harcama yapmış).
     • 21-40% dilimi: Orta düzeyde değerli müşteriler.
     • 41-60% dilimi: İyi düzeyde değerli müşteriler.
     • 61-80% dilimi: Yüksek düzeyde değerli müşteriler.
     • 81-100% dilimi: En yüksek değerli müşteriler (en son alışverişi yapmış, sık alışveriş yapan ve yüksek harcama yapanlar).
4. Her Bir Dilim İçin Skor Belirleme:
   • Her bir yüzdelik dilim için bir RFM skoru belirlenebilir.
     • Örneğin, Recency‘de en yüksek dilimde yer alan müşteriye 1 (en yeni) verilir, Monetary diliminde en yüksek harcama yapan müşteriye de en yüksek skoru (örneğin 1) verirsiniz. Bu şekilde, her müşteri için bir RFM skoru elde edilir.

Örnek Senaryo:

• Recency (R): Son alışverişi en yakın olanlara en yüksek skor verilir.
  • 20% dilimi: Son alışverişi son 20 gün içinde yapılmış müşteriler (yani en değerli müşteriler).
  • 40% dilimi: Son alışverişi 21-40 gün önce yapılmış müşteriler.
  • 60% dilimi: Son alışverişi 41-60 gün önce yapılmış müşteriler.
  • 80% dilimi: Son alışverişi 61-80 gün önce yapılmış müşteriler.
• Frequency (F): En sık alışveriş yapanlara en yüksek skor verilir.
  • 20% dilimi: 1-2 kez alışveriş yapan müşteriler.
  • 40% dilimi: 3-5 kez alışveriş yapanlar.
  • 60% dilimi: 6-8 kez alışveriş yapanlar.
  • 80% dilimi: 9+ kez alışveriş yapanlar.
• Monetary (M): En fazla harcama yapanlara en yüksek skor verilir.
  • 20% dilimi: En düşük harcama yapan müşteriler.
  • 40% dilimi: Orta düzeyde harcama yapanlar.
  • 60% dilimi: Yüksek harcama yapanlar.
  • 80% dilimi: En yüksek harcamayı yapanlar.

: