Die RFM-Segmentierung misst drei Dinge je Kunde: Recency (wie lange ist der letzte Kauf her), Frequency (wie häufig wurde gekauft) und Monetary (welchen Umsatz oder Rohertrag hat der Kunde gebracht). Die eigentliche Entscheidung fällt aber nicht bei den Dimensionen, sondern bei der Frage danach: Bildet man daraus Scores – oder arbeitet man mit den echten Werten?
Wofür die drei Dimensionen wirklich taugen
Der größte Nutzen liegt in der Feinsteuerung von Kundenbindungs- und Rückgewinnungsmaßnahmen. Mit drei zusätzlichen Feldern am Kundendatensatz lassen sich E-Mails gezielt unterdrücken oder Gutscheinhöhen abstufen: Ab 100 Tagen ohne Kauf eine andere Maßnahme als ab 200.
Dazu kommt das Reporting – entwickelt sich die Kauffrequenz durch die Kampagnen nach oben, steigt der durchschnittliche Umsatz je Kunde? Und die Dimensionen bestimmen ganz nebenbei die Phase im Kundenlebenszyklus: Frequency 0 ist ein Lead, ein Kauf ein Neukunde, zwei Käufe ein Wiederkäufer, hohe Recency ein Ex-Kunde. Dafür braucht es keine eigenen Segmente.
Scores oder echte Werte
Die Lehre sieht Scores von 1 bis 5 vor, verteilt entweder linear oder gleichmäßig über alle Kunden. Beides hat Nachteile: Die Linearverteilung liefert ungleiche Gruppen, gerade beim Monetary-Wert. Die Gleichverteilung liefert krumme Grenzwerte, die sich niemand merkt – und die Schnittmengen der drei Dimensionen sind am Ende ohnehin nicht mehr gleichverteilt.
Scores von 1 bis 5
- Fünf Stufen je Dimension, aus denen 125 Kombinationen entstehen
- Grenzwerte müssen dokumentiert und nachgeschlagen werden
- Was passiert mit Kunden, die nie gekauft haben?
- Schnittmengen sind trotz Gleichverteilung wieder ungleich
Echte Werte Empfehlung
- Tage, Anzahl Käufe, Euro – direkt am Kundendatensatz
- Steuerung auf 100 oder 101 Tage genau statt in fünf Stufen
- Nichtkäufer stehen schlicht auf 0/0/0
- Nichts zu merken, nichts nachzuschlagen
Bewährt hat sich in der Praxis das Gegenteil der Lehre: gar keine Scores, sondern die echten Werte.
Zwei Festlegungen, die man einmal treffen muss
Bei Frequency kennt das Deutsche zwei Übersetzungen, die verschiedene Dinge meinen: die Häufigkeit über den gesamten Kundenlebenszyklus oder die Frequenz je Zeitraum. Wer sich nicht entscheiden kann, nimmt die Gesamtzahl der Käufe. Eine Frequenz pro Jahr scheitert an frischen Kundenbeziehungen – der erste Kauf vor einem Monat ergäbe hochgerechnet eine Frequenz von 12, die anschließend rapide fällt. Die Gesamtzahl kennt dagegen nur eine Richtung: nach oben.
Bei Monetary steht die reine Lehre beim Umsatz. Die Praxis spricht für die Rohmarge: Vom Umsatz lassen sich keine Gehälter zahlen, und ein Schnäppchenjäger kann durchaus einen negativen Rohertrag hinterlassen. Gerade im B2B öffnet dieser Blick regelmäßig die Augen.
Die Standard-Cluster – und warum sie selten helfen
Aus drei Scores mit je fünf Stufen entsteht ein Würfel mit 5 × 5 × 5 = 125 Einzelfeldern. Weil damit niemand arbeiten kann, fasst die Lehre sie wieder zu Clustern zusammen – man teilt die Kunden also erst auf und fügt sie dann wieder zusammen.
Kundenwert
| Kürzlich | Eine Weile her | Lange her | |
|---|---|---|---|
| Hoch | Champions | Can't Lose Them | At Risk |
| Mittel | Loyal Customers | Potential Loyalists | About to Lapse |
| Niedrig | New Customers | Low Spenders | Hibernating |
Zeit seit dem letzten Kauf
Die Champions sind dabei die aufschlussreichste Gruppe: In Würfelform weniger als 1 Prozent der Kunden, aber oft 5 bis 10 Prozent des Umsatzes. Die Loyal Customers darunter bringen es zusammen auf rund 30 Prozent.
Als Denkmodell ist diese Landkarte nützlich. Fest in die Datenbank geschrieben eher nicht.
Die Erweiterung: RFE statt RFM
Wer nur Umsatz und Käufe betrachtet, sieht einen Ausschnitt. Das RFE-Modell ersetzt Monetary durch Engagement – jede Interaktion mit der Marke: Klicks und Öffnungen in E-Mails, Logins, Produktbewertungen, Service-Kontakte, Social-Media-Interaktionen, Opt-ins, Aktualisierungen der Stammdaten oder Präferenzen, Wunschlisteneinträge, Warenkörbe.
Ausdrücklich nicht dazu gehört der Versand einer E-Mail: Dafür hat der Kunde nichts getan.
Engagement in Punkte umrechnen
Euro lassen sich addieren, Interaktionen nicht – deshalb wird in Punkten gerechnet. Umsatz zählt eins zu eins: 100 Euro sind 100 Punkte. Alles andere wird über den erwarteten Beitrag hergeleitet.
- Conversion Rate je Session
- 2 %
- Ø Bestellwert
- 100 €
- Wert eines Klicks
- 2 Punkte
Dieselbe Rechnung für ein Add to Basket: Bei 33 Prozent Conversion Rate sind es rund 33 Punkte. Die Leitfrage lautet jedes Mal – was ist es uns wert, dass ein Kunde das tut?
Die häufigsten Fehler
- Einführen, ohne zu wissen wofür. Vorher klären, was sich im Tagesgeschäft ändern soll – Gutscheinhöhen, Frequency Capping, Reporting.
- Nichtkäufer weglassen. Leads und Neukunden gehören mit hinein, notfalls mit 0/0/0. Sonst gilt das Modell nur für Käufer.
- Den Auswertungszeitraum auf ein Jahr legen. Das erzeugt Brüche: Wer vor 365 Tagen gekauft hat, ist ein guter Kunde – einen Tag später fällt er heraus. Den Zeitraum auf den Kundenlebenszyklus legen.
- Umsatz statt Rohmarge nehmen. Der Klassiker. Erst die Marge zeigt, was ein Kunde einbringt – und dass manche Kunden einen negativen Deckungsbeitrag haben.
Wer die drei Werte sauber am Kunden führt, hat die Grundlage für alle weiteren Maßnahmen der Kundenbindung – ohne ein Modell, das niemand mehr durchschaut.