Warning: count(): Parameter must be an array or an object that implements Countable in /www/wp-content/themes/siber/single.php on line 52
14mei

Identificeer je beste klanten en laat ze niet meer gaan.

Waarom je klantendatabase segmenteren?

Weet jij wie je beste klanten zijn? Misschien vind je de klanten die duizenden dollars aan je producten uitgeven de beste – en terecht. Het zijn je Vips. Maar op de lange termijn kunnen je beste klanten de mensen zijn die het meest loyaal zijn en door regelmatig aankopen een vaste bron van inkomsten voor je bedrijf leveren. Deze groep gaat waarschijnlijk zelfs grotere aankopen doen, aangezien ze blijk hebben gegeven van constante tevredenheid met je producten.

De 80/20-regel in de statistiek, ook bekend als het Pareto-principe, stelt dat voor een bepaalde gebeurtenis ongeveer 80% van een effect afkomstig is van slechts 20% van de oorzaak. In een zakelijke context betekent dit dat 20% van je klanten bijdraagt aan 80% van je totale winst. Iedereen wil zich met vertrouwen richten op zijn beste klanten (de 20%) voor toekomstige groei. Het identificeren van je beste klanten en ze behouden, is hier de uitdaging. Klantsegmentatie – je klantenbestand onderverdelen in zinvolle groepen op basis van enkele gemeenschappelijke kenmerken – is de oplossing.

Klanten kunnen op verschillende manieren worden gegroepeerd, zoals geografisch, demografisch, op basis van gedrag, loyaliteit of transacties om de lifetime value (waarde tijdens de hele relatie) van de klant te identificeren. Enkele voordelen van klantsegmentatie zijn:

# Beter begrip van je klanten en hun voorkeuren
# Verhoogde klanttevredenheid en klantbehoud
# Betere focus op marketinginspanningen door groepen te identificeren die extra aandacht nodig hebben
# Uitgebreide kennis van groeigebieden
# Gerichte marketing – contact opnemen met loyale klanten voor hun specifieke zakelijke behoeften
# Juiste toewijzing van marketingmiddelen en meer mogelijkheden voor up-selling en cross-selling.

RFW-segmentatiemodel

Wat is RFW en waarom moeten alle drie de maatstaven samenwerken?

RFM is een segmentatiemodel voor het meten van de lifetime value van je klanten: recentheid, frequentie en waarde (recency, frequency, monetary value). Deze drie essentiële statistieken worden gebruikt om de gedragspatronen van je klanten te bepalen en klanten op te splitsen in bruikbare groepen.

    – Recentheid: hoe recent heeft je klant bij je gekocht?

    – Frequentie: hoe vaak heeft je klant bij je gekocht?

    – Waarde: hoeveel geld heeft je klant uitgegeven?

Deze maatstaven klinken misschien eenvoudig, maar het is handig om ze meer in detail te bekijken.

Recentheid

Recentheid wordt beschouwd als de belangrijkste maatstaf van de drie. Potentiële klanten aantrekken om hun eerste aankoop te doen, is een uitdaging. Ze terug laten komen om weer bij jou te kopen, kan net zo moeilijk zijn. Een klant wordt als actief beschouwd als deze recent een aankoop bij je heeft gedaan. De definitie van “recent” kan echter van bedrijf tot bedrijf verschillen. Voor een kledingwinkel kan dit 3-4 maanden zijn, maar voor een meubelwinkel kan het gemakkelijk 12-18 maanden zijn.

Idealiter heb je te allen tijde drie soorten klanten: potentiële klanten waarmee je in de toekomst zaken wilt doen, huidige en actieve klanten die onlangs bij je hebben gekocht, en inactieve klanten, die lang geleden hebben gekocht en sindsdien geen aankoop meer hebben gedaan. Door recentheid te begrijpen, kun je bepalen in welke staat elke klant zich bevindt. Het is essentieel om nieuwe, actieve klanten te creëren en je huidige klanten actief te houden. Als je over voldoende middelen beschikt, moet je ook proberen je inactieve klanten nieuw leven in te blazen.

Dus als je merkt dat een klant onlangs een aankoop heeft gedaan, betekent dit dat de klant zich in een positie bevindt waarin hij eerder met je bedrijf in zee gaat als je contact met hem opneemt dan iemand die minder recent zaken met je heeft gedaan.

Frequentie

De frequentie kan eenvoudig in cijfers worden gemeten, maar de reden waarom de ene ​​klant een frequente koper is en de ​​andere klant niet, kan voor marketeers een mysterie zijn, en er is niet veel dat ze eraan kunnen doen. Hoe vaak een klant bij je koopt, wordt bepaald door verschillende variabelen. Bijvoorbeeld het typische gebruik van het product, de prijs, markttendensen en de behoefte aan vervanging. Het is niet altijd eenvoudig om de tevredenheid van een klant te meten en te identificeren, of de reden te ontdekken van veelvuldig kopen.

Stel dat je een bedrijf hebt dat kantoorartikelen levert aan bedrijven en scholen. Wanneer je concurrent een grote korting biedt, doen je klanten hun volgende aankoop bij de concurrent. De maatstaf voor tevredenheid is in deze situatie gebaseerd op prijs. Na een paar maanden heeft dezelfde klant mogelijk met spoed zijn briefpapier nodig. Als je concurrent een week de tijd neemt om de bestelling uit te voeren en jij een snelle service biedt, schakelt dezelfde klant over op aankoop bij jou. De tevredenheid van de klant wordt nu bepaald door de snelheid van levering. Het is essentieel om te proberen de redenen te achterhalen waarom een ​​klant de aankoopfrequentie vermindert. De redenen niet weten kan rampzalig zijn.

De aankoopfrequentie voor bederfelijke goederen verschilt van die van niet-consumeerbare producten. Frequentiestatistieken voor een bedrijf dat voedsel en boodschappen verkoopt, zullen anders zijn dan voor een bedrijf dat meubels verkoopt. De conclusie, tenzij je de bepalende factor achter de frequentie aankopen identificeert en analyseert, is de parameter ‘frequentie’ maar van weinig nut.

Waarde in geld

Klopt het dat de mensen die het meest hebben uitgegeven jouw beste klanten zijn? Wat als ze slechts om de 3 of 4 jaar iets kopen, of wat als ze je product niet meer gebruiken? Net als recentheid en frequentie, kan alleen het waarde-element je niet helpen om je beste klanten te vinden, maar het is absoluut de dominante maatstaf van de drie. Laten we de details in de onderstaande tabel bekijken:

De meervoudige koper deed in een jaar zes aankopen en gaf gemiddeld 50 dollar uit per aankoop. Dat komt neer op 300 dollar in een jaar, terwijl een andere klant 12 keer per jaar 15 dollar uitgaf, wat neerkomt op slechts 180 dollar. Gemiddeld zijn de totale uitgaven over drie jaar respectievelijk $ 900 en $ 540. De ene klant koopt bijvoorbeeld telkens een kleine hoeveelheid verf om regelmatig iets te repareren, terwijl de andere klant eens in de drie jaar 1500 dollar spendeert om zijn hele huis te schilderen. Wie is hier je beste klant?

RFW optimaliseren

Als je uit je RFW-gegevens nauwkeurigere inzichten over klantpersona’s wilt krijgen, kun je aanvullende kenmerken toevoegen om je RFM-analyse te optimaliseren. In een B2B-context kunnen functietitels bijvoorbeeld een cruciale variabele zijn om te volgen naast je RFW-analyse. Als de meeste van je best presterende klanten de titel van CIO (chief information officer), CTO (chief technology officer) of projectmanager hebben, kun je meer verkopen aan dat segment van je potentiële klanten. In kleine organisaties zijn er over het algemeen niet zoveel gedefinieerde titels, dus is het belangrijk om rekening te houden met de grootte van het bedrijf wanneer je van plan bent uw RFW-analyse op deze manier te optimaliseren.

Een ander voorbeeld van het optimaliseren van klantprestaties is het gebruiken van leeftijdsgegevens. Bij de marketing van verzekeringen is leeftijd een essentiële factor. Als uit jouw analyse blijkt dat je kampioensklanten tussen de 40 en 55 jaar oud zijn, heb je een betekenisvol stukje kennis ontdekt dat kan worden gebruikt voor je marketingstrategieën.

Geografie kan ook nuttige informatie onthullen. De effectiviteit van reclame en de relevantie van een product hangen vaak af van geografische factoren, zoals bevolkingsdichtheid, culturele voorkeuren en klimaat. Als je specifiek weet waar je beste klanten vandaan komen, kun je je marketingpitch positioneren om nieuwe klanten te targeten en aan de behoeften van je bestaande kampioensklanten te voldoen. Dit kan op een brede basis worden gedaan door je RFW-resultaten te sorteren op regio, land of postcode.

Er zijn aanvullende factoren zoals inkomen, geslacht en de grootte van het bedrijf van een klant die je naast je RFW-analyse kunt leggen en die je zo helpen om kleinere segmenten van een geïsoleerd klantenbestand te targeten. Je kunt deze informatie gebruiken om betere marketingstrategieën toe te passen en inzicht te krijgen in de persona’s van je kopers.

RFW-score

De meest gebruikte methode voor het toekennen van scores in een RFW-analyse is om cijfers 1 t/m 5 toe te wijzen aan elke categorie in recentheid, frequentie en waarde, waarbij 5 de hoogste score is en 1 de laagste. Als een klant recentelijk producten heeft gekocht, krijgt hij een hogere score in de R-categorie. Als de klant veel aankopen heeft gedaan, wijs je meer punten toe in de F-categorie en als je klant meer geld uitgeeft aan zijn aankopen, geef je hem punten in de W-categorie. Al deze scores samen vormen de RFW-score. Er zijn al enkele standaard RFW-klantsegmenten gedefinieerd die algemeen toepasbaar zijn:

Model van RFW-scoretabel

Het begrijpen en identificeren van de recentheid, frequentie en (geld)waarde van je bedrijf is noodzakelijk om klanten in je database te segmenteren. Nadat je de scores voor elk segment hebt ingesteld, kun je deze in je CRM implementeren om je topklanten, je loyale klanten en je klanten die aandacht nodig hebben te identificeren. De geoptimaliseerde en uitgebreide RFW-benadering van marktsegmentatie kan van groot voordeel zijn om je klanten te begrijpen en ze voor de lange termijn te behouden.

Over de schrijfster:
Pavitra Jothi is een “User Education Manager” voor Zoho CRM. Tien jaar geleden begon ze haar carrière als technisch schrijver en omdat ze al jarenlang aan het product is verbonden, heeft ze de kans gekregen om de CRM-gebruikers en hun pijnpunten te doorgronden. Nu blijft ze samen met haar team resources creëren voor Zoho CRM.

Dit artikel is een vertaling en bewerking van deze blog.

 

 

 

 

Call Now ButtonSnel contact