RFMR-Methode

Bei der RFMR-Methode (Recency Frequency Monetary Ratio Modell) handelt es sich um ein Modell, das Kunden und Adressen bewertet. Der ermittelte Scoring-Wert basiert auf drei Faktoren, die vor allem im Versandhandel Bedeutung haben:

1. Das letzte Kaufdatum (Recency)

2. Die Kaufhäufigkeit (Frequency)

3. Die Umsatzhöhe (Monetary Ratio)

Allgemeine Informationen zum Thema

Im Zuge der RFMR-Methode kommt es zu einer Gewichtung der oben beschriebenen Kriterien. Am stärksten wird dabei das Datum des letzten Kaufs eingeordnet. Der Grund: Kunden, die erst kürzlich eine Bestellung abgeschlossen haben, sind erfahrungsgemäß am empfänglichsten für direkte Werbeaktionen, sind also „heiße Adressen“.

Gegenübergestellt werden umsatzabhängige Pluspunkte für jede Bestellung und kostenabhängige Minuspunkte für jede Werbemaßnahme. Im Anschluss werden die pro Kriterium ermittelten Punktwerte mit den zugehörigen Faktoren der Gewichtung multipliziert und danach addiert. Die aus dieser Summe gewonnenen Teilwerte werden als Ertragswert dem betreffenden Kunden zugeordnet. Man spricht auch vom „pagatorischem Kundenwert“.

In der Folge wird ermittelt, ob es sich um Kunden bzw. Adressen handelt, die eine bestimmte Schwelle unterschreiten. Wenn das der Fall ist, werden sie aus der Adressenliste entfernt. Kunden bzw. Adressen, die den festgelegten Wert überschreiten, kommen in die Kategorie der A-Kunden[1].

Vorteile und Nachteile der RFMR-Methode

Die RFMR-Methode ist alles andere als ein Produkt der jüngeren Zeit. Sie stammt aus den 1920er Jahren und wurde in den USA von Versandhäusern entwickelt. Die Motivation dahinter hat sich jedoch nicht verändert, es geht um die Bewertung von Kunden bzw. deren Verhalten und Status.

Der hauptsächliche Vorteil ist gleichzeitig der Nachteil des RFMR-Modells. Da es sich um ein recht einfaches mathematisches Prinzip handelt, kann man von einem anpassungsfähigen und differenzierbaren Modell sprechen. Je nachdem, welche Erkenntnisse im Laufe der Zeit gewonnen werden, lässt sich das Punkte-Bewertungsverfahren recht leicht verfeinern und verbessern. So können beispielsweise einzelne Gewichtungen neu angepasst und optimiert werden, indem man zusätzliche Faktoren in das Verfahren mit aufnimmt. Denkbar können Erweiterungen wie etwa der Erstbestellwert, die Zahlungsart, vorangegangene Käufe oder Freundschaftswerbungen sein. Ein zusätzlicher Vorteil von Scoring-Modellen im Allgemeinen und dem RFMR-Modell im Speziellen ist die flexible Einsatzfähigkeit. Da es auf eine spezielle Zielkundschaft ausgerichtet ist und treffsichere Ergebnisse liefert, lässt es sich in unterschiedlichen Branchen, Dienstleistungs- und Produktbereichen anwenden.

Wie oben angedeutet, ist die mathematische Herangehensweise des RFMR-Modells nicht nur von Vorteil, sie wirkt auch in bestimmten Punkten nachteilig. Fachleute bemängeln, dass durch die Methode mittels Rangurteilen rechnerische Operationen durchgeführt werden, die sich als nicht zulässig einstufen lassen können. So werden Merkmalsausprägungen und Gewichtungsfaktoren subjektiv eingeschätzt und in Zahlenwerte umgeformt, die durch die Multiplikation und Addition ein vermeintlich objektives Endresultat liefern. Neben der faktisch fehlenden Objektivität kann es passieren, dass durch die Verdichtung von gewichteten und ungewichteten Ratings innerhalb des Gesamt-Punktwertes wichtige Informationen verloren gehen. Diesem Informationsverlust kann begegnet werden, indem ein Mindestwert bei ausschlaggebenden Kunden-Merkmalen festgelegt wird. Wird dieser Mindestwert unterschritten, kann der entsprechende Kunde als definitiv unattraktiv für das Unternehmen eingestuft werden.

Das RFMR-Modell ist jedoch darauf angewiesen, dass die Bewertungskriterien sinnvoll gewählt werden. Das ist nicht immer der Fall, und wenn zu viele intuitive Entscheidungen getroffen werden, weist das Scoring-Modell Schwächen auf. Da die letzten Käufe eine hohe Priorität haben, wird der Kaufrhythmus der einzelnen Bestellungen vernachlässigt, was ein weiterer Nachteil ist, da die zeitliche Abfolge der Bestellungen in das Verfahren oft nicht oder kaum einfließt[2].

Beispiel für das RFMR-Modell

Mit Hilfe einer kleinen Tabelle lässt sich aufzeigen, wie das RFMR-Modell aufgebaut ist und welche Erkenntnisse es zulässt:

RFMR.png

Ziele der RFMR-Methode

Nachdem durch Akquisition neue, margenträchtige Kunden gewonnen werden konnten, ergibt sich ein Gesamtbild, wodurch die einzelnen Kundengruppen positiv beeinflusst werden können. Zudem lässt sich durch das RFMR-Modell die Nutzung von Bestandskundendaten besser organisieren. Das führt im besten Fall zu einer stärkeren Kundenbindung und somit zu mehr Bestellungen und Umsätzen. Mittel- und langfristig können durch die RFMR-Methode auch die Kosten für die Akquisition reduziert werden. Dies führt zu einem gesteigerten Kundenwert, da die Anfangsauszahlungen geringer ausfallen. Um diese Kosten zu senken und Neukunden leichter zu erschließen, bieten sich die Zusammenarbeit mit kostengünstigeren Vertriebspartnern und die Vereinfachung der Vertragsschließung an.

Bedeutung für das Online Marketing

Als einziges Scoring-Modell eignet sich die RFMR-Methode nur eingeschränkt, es ist daher sinnvoll, andere Instrumente mit einzubeziehen. Dennoch bildet das RFMR-Modell eine gute Basis, auf der das Kundenwert Potenzial eingeordnet werden kann, weil der Kunde hier im Vordergrund steht. Wie oben erwähnt, sind die Kriterien, nach denen das Verfahren angewendet wird, äußerst wichtig, diese dürfen nicht zu sehr von Intuition dominiert werden. Außerdem ist das RFMR-Modell eines, das nicht statisch ist und stetig nach Optimierungsbedarf untersucht werden sollte. Auf diese Art lässt sich das Verfahren nach und nach verbessern, die Ergebnisse werden verlässlicher, wodurch zielgenaueres Marketing realisiert werden kann[3].

Einzelnachweise

  1. RFMR Methode betriebswirtschaft-lernen.net Abgerufen am 25.10.2017
  2. Kundenverhalten Kundenbewertungsmodelle diuf.unifr.ch Abgerufen am 25.10.2017
  3. Konzeptionelle Überlegungen zum Kundenwert munich-business-school.de Abgerufen am 25.10.2017

Weblinks

Kategorie