“La personalizzazione dei contenuti è il futuro del marketing”
Probabilmente, avrai sentito questa frase a un evento, durante un webinar o l’avrai letta in un articolo di un blog. Il significato che la frase contiene viene solitamente associato all’e-mail marketing allo scopo di mandare il messaggio considerato “giusto” alla persona “giusta” e nel momento più opportuno, ma – in questo articolo – ci chiederemo: “perché non sfruttare lo stesso principio anche nella pubblicità online?”
Sapresti, ad esempio, definire quali dei tuoi clienti siano clienti abituali? Questo aspetto appare estremamente importante se si considera che un acquisto da parte di un cliente già acquisito costa, in media, 5 volte meno rispetto a un acquisto effettuato da un nuovo cliente. (fonte: https://www.invespcro.com/blog/customer-acquisition-retention/).
Con queste affermazioni non si intende mettere da parte la strategia di acquisizione clienti a favore di una strategia incentrata solo sulla customer retention, ma si vuole sostenere che entrambe debbano lavorare insieme per costruire una strategia di crescita che guardi al lungo periodo. Spesso, infatti, la pubblicità online si focalizza principalmente sul acquisire nuovi clienti, riferendosi a un pubblico che si basi su “interessi” o su “pubblici simili”, tuttavia, alla luce di quanto riferito in precedenza, appare interessante investire parte delle risorse per indurre i clienti a ricomprare.
A questo punto si apre un nuovo quesito: come segmentare i clienti? Il modello della matrice RFM, acronimo di Recency, Frequency e Monetary (di cui in seguito parlerò nel dettaglio), sarà il nostro alleato in questa sfida, in quanto ci permetterà di rispondere a quelle domande che – probabilmente – sono già passate tra i tuoi pensieri:
- quali sono i clienti che spendono di più?
- quali sono i clienti più fedeli, che tornano a effettuare il secondo, terzo o quarto ordine?
- quali sono i nuovi clienti?
- quali quelli che stai per perdere?
- quali sono i clienti che hai già perso?
Dunque, il principale vantaggio che si ricava dall’utilizzo di un’analisi RFM consiste nella capacità di considerare ciascun segmento separatamente, in questo modo è possibile mostrare un annuncio personalizzato verso coloro che ne abbiano più interesse.
Questo articolo ha lo scopo di spiegare ciò che è importante sapere su questo modello e sui suoi vantaggi, a tal fine utilizzeremo degli esempi di segmentazione dei clienti che avrete la possibilità di implementare fin da subito.
Cos’è una matrice RFM
Partiamo da tre assunti:
- i clienti che hanno recentemente effettuato un ordine sul tuo sito web sono più disposti a effettuare un altro ordine rispetto a quelli che non hanno acquistato da un po’ di tempo (fonte)
- i clienti che acquistano più spesso sono più disposti ad acquistare di nuovo rispetto a quelli che hanno comprato solo una volta
- i clienti che normalmente spendono molti soldi sono più disposti ad acquistare di nuovo
Come già anticipato, il modello RFM è un metodo utilizzato per segmentare e misurare il valore dei clienti. Ti spiego meglio le tre variabili di questa matrice:
- Recency: quanto tempo è passato dall’ultimo acquisto. Meno tempo è trascorso, meglio è (ricordi il primo assunto descritto prima?)
- Frequency: quanti acquisti ha fatto un cliente in un anno? Ovviamente, più un cliente ha acquistato da me, più è un cliente fedele
- Monetary: quanto spende un cliente in media in un anno? Più è alto, meglio è
Questo modello viene più spesso utilizzato negli eCommerce, ma si potrebbe applicare anche ad altri business: utilizzo delle app, abbonamenti e così via.
Come utilizzare questo modello?
Tutto inizia da una corretta segmentazione.
Il primo passaggio che dovresti fare è segmentare i tuoi clienti utilizzando le tre variabili (per semplificare diamo un valore da 1 a 3 ad ogni variabile):
- Recency: clienti più recenti, clienti di media recency, clienti meno recenti
- Frequency: acquirenti molto frequenti, acquirenti a media frequenza, acquirenti con una sola transazione.
- Monetary: clienti che spendono più della media, valore monetario in media, valore monetario basso
Unendo le tre variabili, dovresti avere un risultato simile a questo
Combinando i segmenti precedenti otterrai quelli più avanzati, come:
- clienti che tornano frequentemente ma spendono molto poco (alta frequenza, bassa disponibilità monetaria, probabilmente sono dei “cacciatori di offerte”)
- i clienti che hanno un’alta frequenza e un alto valore monetario, ma non acquistano da molto tempo, quindi con una bassa recency (segno che potrebbero essere passati alla concorrenza anche se erano stati fedeli a te, e vale la pena scoprirne il motivo)
- clienti VIP: hanno acquistato da poco, con un’alta frequenza e un alto valore monetario
Come puoi vedere da questi esempi, la matrice RFM non serve solo a identificare i migliori segmenti dei tuoi clienti per reintercettarli o, GDPR permettendo, crearci dei pubblici simili (e già questo sarebbe un enorme passo avanti per la strategia di customer acquisition), ma potrebbe aiutarti a capire come migliorare la “situazione” di ogni cliente per portarlo al segmento successivo, mostrando degli annunci personalizzati, in base alle loro esigenze e preferenze. Ad esempio, come faccio a stimolare un riacquisto da parte di un nuovo cliente? Oppure come stimolare un riacquisto di una persona che non ha comprato da tanto tempo?
Immagina come si potrebbe ridisegnare tutta la strategia di remarketing in base alle tipologie di cliente che hai identificato. Potresti cambiare il copy degli annunci, la grafica oppure utilizzare una leva differente.
Più diventi grande, più c’è margine per ottimizzare, ma non farti prendere la mano dalla segmentazione, perché per ogni segmento che avrai identificato dovresti essere in grado di offrire un’offerta commerciale ad hoc.
Se ti spaventa dover identificare un’offerta per ogni tipo di cliente, non preoccuparti, comincia da una segmentazione base come quella che ti propongo qui di seguito:
- un nuovo cliente ha bisogno di garanzie, recensioni oppure uno sconto per fare la prima vendita
- una persona già cliente, che si è già fidata e non ha bisogno di rassicurazioni, magari vuole ricevere dei benefit, oppure dei contenuti o guide su quello che ha già acquistato
Nell’infografica qui sopra, ti riporto alcuni esempi di leve commerciali che potresti utilizzare nelle tue campagne. Come vedi propongo uno sconto solo alle persone che vorrei acquistassero per la prima volta (o che non acquistano da tanto tempo oppure che acquistino per la seconda volta), mentre sui clienti migliori mi focalizzo sui benefit, così da non erodere il margine.
Conclusioni:
Un’analisi RFM può mostrarti quali sono i clienti più preziosi per la tua azienda: quelli che acquistano più spesso, più volte e spendono di più. Stai già pensando ai “pubblici simili” che potresti creare, vero? :)
La buona notizia è che potresti sfruttare queste audience per tutte le tue campagne (anche offline se sfrutti le fidelity card)
Questo metodo ha un potenziale di ottimizzazione enorme su tantissimi fronti e, soprattutto, è trasversale in tutte le aree aziendali: marketing, UX, servizio clienti, prodotto etc.
Se lo utilizzi tenendo bene a mente questa sua forza può darti moltissime informazioni sulla tua attività, identificando anche possibili ostacoli e opportunità.
Avevi mai sentito parlare dell’analisi RFM prima? Stai già facendo un’analisi di questo tipo sul tuo database? Hai voglia di condividere i tuoi risultati?
Commenti