Đọc vị hành vi khách hàng với mô hình R-F-M và điểm tứ phân vị

Hướng dẫn kỹ thuật phân tích dữ liệu về hành vi khách hàng với mô hình R-F-M kinh điển. Hãy cùng tìm hiểu chi tiết ngay để dễ dàng nắm rõ được về khách hàng của bạn.

Lý thuyết về mô hình R-F-M

Tại sao phải phân tích hành vi khách hàng?

Đối với mọi doanh nghiệp, việc phân tích dữ liệu và nghiên cứu về khách hàng là vô cùng quan trọng. Chỉ khi bạn hiểu được về đối tượng khách hàng của mình, biết họ là ai, có thói quen và hành vi như thế nào thì mới tạo ra được các chiến dịch phù hợp để kích thích mua cầu mua sản phẩm, dịch vụ nào đó của họ. 

Để phân tích dữ liệu về hành vi khách hàng thì chúng ta có một mô hình được sử dụng khá phổ biến là mô hình R-F-M (Recency - Frequency - Monetary). Trước hết chúng ta cần tìm hiểu qua về lý thuyết của mô hình RFM.

Theo nguyên lý Pareto hay còn gọi là nguyên lý 80/20 (quy luật thiểu số quan trọng và phân bố nhân tố) thì 20% khách hàng sẽ mang lại 80% doanh số cho doanh nghiệp. Do đó doanh nghiệp cần biết phân khúc, chia nhóm khách hàng để xác định được đâu là khách hàng quan trọng nhất và mang đến cho họ sự chăm sóc đặc biệt. 

Việc phân chia khách hàng dựa trên nghiên cứu về nhu cầu mua sắm của họ sẽ giúp doanh nghiệp kinh doanh hiệu quả hơn và các hoạt động marketing cũng tiếp cận đến đúng đối tượng hơn. Thêm vào đó khách hàng cũng carmt hấy đang nhận được sự quan tâm và phục vụ tốt hơn. Từ đó tình cảm và sự tín nhiệm vào thương hiệu cũng tăng cao.

Ví dụ:

• Ví dụ 1: Giả sử doanh nghiệp của bạn hoạt động đa lĩnh vực, vừa kinh doanh văn phòng phẩm, vừa kinh doanh xe hơi. Bạn sẽ không thể nói là bạn đã chăm sóc khách hàng tốt nếu như chế độ dành cho khách hàng của người mua một chiếc xe hơi và người mua một chiếc bút bi là giống như nhau.
• Ví dụ 2: Hoặc nếu bạn có một cửa hàng điện máy. Bạn không thể bán được chiếc ti vi trị giá 50 triệu cho người có thu nhập 5 triệu đồng/tháng và còn phải bỏ ra nhiều chi phí khác cho cuộc sống của họ. Bởi vì nếu không có chuyện gì đặc biệt xảy ra, nếu tạm tính mỗi tháng người đó tiết kiệm được 1 triệu đồng thì cần tới 4 năm mới đủ số tiền chi trả cho chiếc ti vi này. Vì vậy, bạn cần phải gợi ý cho họ sản phẩm thuộc phân khúc giá rẻ hơn.
• Ví dụ 3: Nếu như bạn có một cửa hàng bán các thiết bị di động và phụ kiện. Bạn cũng không thể gợi ý cho một người dùng Iphone đi mua tai nghe Samsung.
• Ví dụ 4: Giả sử bạn có cửa hàng tạp hóa. Bạn không thể bán được các sản phẩm như rượu, bia, thuốc lá cho trẻ em nếu không phải cha mẹ nhờ con cái đi mua hộ. Thay vào đó, hãy mời các khách hàng nhí của bạn mua thử bánh, kẹo, đồ chơi.
• Ví dụ 5: Tương tự như các trường hợp trên. Nếu bạn là một doanh nghiệp cung cấp dịch vụ marketing. Vậy làm sao bạn có thể mời được khách hàng là công ty nhỏ mua gói dịch vụ lên đến 100 triệu đồng/tháng. Đây là điều không thể vì nguồn vốn của họ có hạn.

Xem thêm: Mô hình ma trận BCG: Xét trên cách tiếp cận vòng đời sản phẩm

Tìm hiểu chi tiết về mô hình R-F-M

Mô hình R-F-M dùng để định lượng giá trị của một khách hàng dựa trên 3 thông tin chính là:

• Recency: Khoảng thời gian từ lần gần nhất khách hàng ghé qua mua hàng đến thời điểm xét. Chỉ số này cho chúng ta biết khách hàng có đang thực sự hoạt động ở gần thời điểm được đánh giá hay không. Chỉ số này càng lớn thì cho thấy xu hướng rời bỏ của khách hàng ngày càng cao. Từ đó rút ra được một cảnh báo xấu cho doanh nghiệp rằng nên có những sản phẩm hoặc chính sách mới để phục vụ đúng nhu cầu, thị hiếu của khách hàng.
• Frequency: Tần suất khách hàng ghé vào mua hàng. Khách hàng mua càng nhiều lần thì giá trị doanh số mà họ mang lại cho doanh nghiệp càng lớn. Tuy nhiên, giá trị này chưa đủ để trở thành cơ sở đánh giá chính vì còn phụ thuộc vào giá trị đơn hàng mới đánh giá được tiềm năng của khách hàng.
• Monetary: Tổng số tiền đã mua. Đây là yếu tố trực quan nhất ảnh hưởng tới doanh số của doanh nghiệp. Chỉ số này giúp doanh nghiệp biết được khách hàng đã dùng bao nhiêu tiền để mua sản phẩm của công ty. 

Với mỗi tiêu chí này chúng ta sẽ chia ra các giá trị theo một khoảng được gọi là tứ phân vị. Dưới đây là một mô hình tứ phân vị mà bạn có thể tham khảo:

Giả sử chúng ta có một tập dữ liệu được sắp xếp sẵn từ bé đến lớn như các số 1, 2, 5, 6, 7, 8, 12, 13, 14, 15, 200 như hình trên. Nếu chúng ta chia tập dữ liệu này ra thành 4 phần bằng nhau thì trước hết cần chia thành 2 phần bằng nhau trước. Khi đó giá trị 8 là vị trí chia tập dữ liệu thành 2 phần bằng nhau, bên trái sẽ là 5 giá trị nhỏ hơn 8, bên phải là 5 giá trị lớn hơn 8. Vậy điểm 8 sẽ được gọi là trung vị, trong mô hình tứ phân vị thì nó được gọi là tứ phân vị thứ nhì Q2. Tiếp theo, chúng ta lại chia 2 phần ở bên phải và bên trái ra làm đôi. Vậy ta có điểm 5 và điểm 14 là 2 điểm chia tiếp theo. Khi đó điểm 5 được gọi là tứ phân vị thứ nhất Q1 và điểm 14 được gọi là tứ phân vị thứ 3 Q3. 

Khi tính toán giá trị Recency trong mô hình R-F-M thì các bạn ghi nhớ quy tắc sau:

• Recency khách hàng nhỏ hơn Q1 thì sẽ xếp và đánh giá điểm khách hàng đó là 1
• Recency khách hàng nằm giữa Q1 và Q2 thì sẽ xếp và đánh giá điểm khách hàng đó là 2
• Recency khách hàng nằm giữa Q2 và Q3 thì sẽ xếp và đánh giá điểm khách hàng đó là 3
• Recency khách hàng lớn hơn Q3 thì sẽ xếp và đánh giá điểm khách hàng đó là 4

Xem thêm: Hướng dẫn cách dùng hàm ROUNDDOWN trong Power BI DAX

Kết luận

Hy vọng bài viết chia sẻ về mô hình R-F-M này của chúng mình có thể giúp các bạn mở rộng thêm kiến thức về phân tích dữ liệu. Để được tiếp xúc với kiến thức về phân tích hành vị khách hàng, biết cách ứng dụng các mô hình lý thuyết vào dữ liệu thực tế qua Power BI thì các bạn hãy đăng ký khóa học:

Phân tích dữ liệu hành vi khách hàng (mô hình RFM) với PowerBI

Khóa học bao gồm các bài giảng lý thuyết và thực hành được sắp xếp theo lộ trình hợp lý để bạn dễ tiếp thu kiến thức. Giảng viên cũng luôn sẵn sàng hỗ trợ các bạn xuyên suốt quá trình học. Mọi thắc mắc đều được giải đáp trong vòng 24h nên các bạn cứ yên tâm nhé. Hãy đăng ký ngay hôm nay để không bỏ lỡ ưu đãi học phí cực hấp dẫn!