Como transformar tráfego em vendas usando dados do usuário do site

É importante para as empresas não apenas atrair novos clientes, mas também retê-los, retornar ao site e motivar a fazer compras repetidas. Meus quatro anos de experiência como analista da web mostraram que muitos empresários não interagem com clientes atuais simplesmente porque não sabem como fazer isso. Hoje vou lhe dizer como devolver os clientes repetidamente usando a análise RFM.

Segmentação e segmentação - marketing alfa e ômega. Você pode discordar dessa afirmação e disparar sem parar de um canhão para pardais. É mais sábio e eficiente analisar o comportamento do usuário, dividir o público em segmentos e oferecer a cada grupo uma solução personalizada. Vamos analisar uma técnica específica e aprender como aplicar a análise RFM para segmentar a base de clientes.

Portanto, o RFM é uma análise de clientes baseada em três indicadores: prescrição, frequência e valor das compras. Durante esta análise, os dados são segmentados de acordo com os seguintes indicadores:

• Prescrição - mostra quanto tempo um usuário comprou algo do seu site.
• Frequência - com que frequência o usuário compra algo no site.
• O valor total das compras é o lucro que o cliente traz para você.

De acordo com esses indicadores, a base de clientes é segmentada e, em seguida, a comunicação individual pode ser realizada com cada um desses grupos. Essa abordagem leva a um aumento no número total de compras à medida que os clientes retornam.

Quem precisa da análise de RFM e por quê?

Antes de tudo, é necessário para empresas B2C com uma base de clientes de 10.000 contatos. Essa é uma limitação condicional, a base pode ser menor; nesse caso, o número de clusters nos quais o público está dividido será simplesmente reduzido. Nas empresas B2B, a análise de RFM não é muito popular, mas também pode ser usada por profissionais de marketing e empresários.



A análise de RFM fornece um esquema pronto que permite aplicar uma abordagem individual a cada grupo de clientes. Você agrupa clientes e prevê seu comportamento com base em ações passadas. Por exemplo, aqueles que compram com frequência e frequentemente recebem ofertas especiais e aqueles que não compram nada há muito tempo recebem um bônus ou desconto + segmentação para se lembrarem.



Na maioria das vezes, os resultados da análise de RFM são usados ​​no trabalho com boletins por email. Também é útil na preparação de scripts de chamada telefônica (de acordo com o script, o gerente pode processar um cliente a partir de um determinado cluster) e, em princípio, para qualquer campanha de marketing segmentada de maneira restrita: por exemplo, redirecionamento ou remarketing.

Como conduzir uma análise de RFM?

Toda a análise RFM é dividida em um sistema de três pontos: prescrição, frequência e quantidade de compras. Por sua vez, a prescrição do pedido é dividida em pedidos antigos, "inativos" e recentes. As compras de frequência são divididas em únicas, raras e frequentes. O valor das compras é dividido em ponto baixo, médio e alto.



Comparamos esses parâmetros e obtemos os segmentos dos usuários do site. Pode haver até 27.



Na prática, pode haver menos. O número de segmentos depende da base de clientes, da diversidade, da diferença de grupos de usuários.



A análise manual é trabalhosa, é melhor usar tabelas dinâmicas do Excel. Ensinarei como fazer a análise de RFM de maneira rápida e fácil no Excel em 5 a 7 minutos.

Algoritmo de análise de RFM

Primeiro, você precisa descarregar do CRM ou outro banco de dados:

• Dados exclusivos do cliente (podem ser correio, número de telefone, o que identifica o cliente);
• datas de compra do cliente;
• compras de clientes

Esses três parâmetros são suficientes para fazer uma análise RFM simples, rápida e, o mais importante, gratuita. Em seguida, vamos criar e configurar uma tabela dinâmica. Usando tabelas dinâmicas (clique em Inserir - Tabela Dinâmica), transferimos todos esses três parâmetros para uma nova tela.



Nos campos da tabela dinâmica, três campos - email, data da compra e valor da compra - devem ser divididos em linhas e valores. No Strings, colocamos um único indicador, neste caso, são endereços de email (podem ser números de telefone, contatos). É importante observar que os emails nesta coluna já são exclusivos, não são duplicados.



No valor Próximo, consideramos para cada usuário indicadores como: o número de compras e a soma de todas as compras. Um parâmetro importante é o campo Data máxima da compra. Isso exibe a data da última compra do usuário. É necessário calcular quanto tempo o usuário comprou algo, esse cálculo determinará os clientes em um cluster específico.



Aqui está uma tabela dinâmica simples em quase três cliques. Tudo o que é necessário para o cálculo é colocá-lo em campos separados:

• email exclusivo do usuário (basta copiar da tabela de resumo anterior);
• compras exclusivas de clientes
• quantidade de compras;
• data da última compra.
• Além disso, de acordo com a fórmula, que já é Exel, os indicadores RFM são calculados.

Agora temos uma tabela dinâmica com cálculo de RFM. Dependendo de quanto, com que frequência e quanto o cliente fez compras, a fórmula calcula e atribui de 1 a 3 valores a cada cliente. Em seguida, definimos um cluster RFM - uma fórmula pela qual esses três números são combinados, obtemos um segmento ou grupo ao qual esses ou esses usuários pertencem.



Esses dados são coletados em um cluster RFM. É assim que todos esses clusters se parecem.



Agora você pode selecionar um segmento (por exemplo, clientes que compraram há muito tempo) e já trabalhar propositadamente com esse banco de dados. Os segmentos podem ser desiguais, ou seja, um inclui 74 pessoas, o outro apenas 1 e os próprios segmentos 27. Às vezes acontece que há apenas um usuário em um cluster separado. Nesses casos, é melhor anexá-lo ao cluster grande mais próximo, onde clientes com características semelhantes.

Um guia completo para criar análises de RFM e orientações técnicas pode ser encontrado em nosso webinar "Como transformar tráfego em vendas usando dados do usuário do site":


Depois que aprendemos como dividir os clientes em clusters, vamos descobrir como trabalhar com eles.

Clientes perdidos

Clientes que fizeram uma pequena compra uma vez e nunca mais retornaram. Eu recomendo não gastar muito tempo com eles. Você pode tentar devolvê-los uma vez. Por exemplo, para se lembrar falando de algumas promoções, ofertas especiais, vendas. Se, após essas correspondências, os usuários ainda não voltarem para você, você deve se acalmar e deixá-los ir. É melhor mudar para outros clusters.


Exemplo de boletim informativo da Adidas Store

Usuários em perigo

Usuários que fizeram uma grande compra uma vez e desapareceram. Normalmente, esses clientes são mais promissores do que perdidos. Você pode fazer mais esforços para interessar e devolvê-los. Primeiro de tudo, pode ser:

• bons descontos;
• cupons de compra;
• informações de vendas;
• seleção pessoal, dependendo do que eles já compraram de você;
• uma oferta com produtos similares, similares ou relacionados.

Exemplo de venda da loja Reima

Além disso, você pode atrair e interessar esse público enviando conteúdo útil. Seria ótimo entrar em contato com o cliente e descobrir por que eles pararam de comprar de você. O que aconteceu para incentivá-los a continuar comprando de você.

Ex-clientes fiéis

Para este grupo, os mesmos eventos são adequados para o cluster de clientes anterior. Além do exposto, você pode oferecer a eles um pouco mais de motivação a longo prazo, por exemplo, programas de fidelidade. Não hesite em elogiar sua loja, produto, serviço, comunicação, mostrando como eles são melhores que os outros.


Exemplo de correspondência do serviço do novato

Clientes dormindo

Este é um cluster interessante de clientes que se lembram de você, mas, por algum motivo, pararam de comprar. O que ajudará a acordá-los? Primeiro de tudo, são eles:

• promoções e ofertas lucrativas;
• coleções para férias temáticas;
• presentes e bônus para o aniversário do cliente.

Exemplo da Casa Publicadora do Fumin

Iniciantes com notas baixas e médias

Existe a possibilidade de que esse grupo de clientes se interesse por algum tipo de conteúdo educacional, informações de referência. É importante que a primeira impressão seja boa, que esses usuários mudem para leais. Você pode compartilhar um artigo, revisar, orientar com eles. Parabenize-os por sua compra, obrigado por escolher sua empresa, convide-os para grupos nas redes sociais, para eventos onde você poderá conversar com eles em detalhes e explicar por que seu produto combina com eles.


Exemplo de correspondência do serviço do novato

Clientes em potencial

Prospectivo - aqueles que compraram grandes somas, potenciais clientes VIP. Você precisa tentar manter o interesse deles. Por exemplo, você pode usar uma pesquisa para descobrir se eles estão satisfeitos com os serviços, em que estão interessados ​​e quais são suas necessidades. Não vale a pena oferecer descontos para esse grupo de clientes, eles já são leais e estão comprando.

Clientes ideais

É muito importante mostrar que você os valoriza, que os ama! Você pode ficar um pouco lisonjeado com alguns comentários interessantes, como o Yandex.Music, por exemplo, que pode invejar o gosto musical do usuário. Eu não recomendaria incomodar o cliente com links desnecessários, boletins, SMS e chamadas. Eles estão com você, eles te amam e você não deve incomodá-lo novamente. Quando eles precisam, eles mesmos procurarão ajuda.

Com o tempo, o desempenho da análise de RFM muda e os clientes passam de um segmento para outro. A frequência da atualização dos dados depende de quão móvel é sua base: qual é o ciclo de vida do cliente, o período natural da compra e também o período durante o qual o cliente tem tempo para fazer uma compra repetida. Para uma grande loja online de sucesso - não mais que uma vez por mês. Se os pedidos raramente ocorrem, basta revisar os segmentos uma vez a cada trimestre ou meio ano.

A análise de RFM é um método simples, mas eficaz. Leva apenas 15 a 20 minutos para descobrir, segmentar o banco de dados e começar a trabalhar com os clientes em um novo nível. Você pode desenvolver e trabalhar com serviços especializados. No Rookee, usamos o Power BI, que nos permite enviar os endereços de e-mail dos usuários, o número de pedidos pagos, a quantidade de pedidos e as datas em que foram feitos online. Isso permite que você evite atualizar a tabela no modo manual, a segmentação é sempre relevante. Útil para quem trabalha com uma grande quantidade de dados. No entanto, mesmo começando com uma planilha regular no Excel, você está dando um grande passo no sentido de aumentar a vida do cliente e, portanto, aumentar o lucro da empresa.