Wie die Analyse nach Kundensegmenten den ROI von E-Mail-Marketing für Onlineshops steigert

Wer für seinen Onlineshop E-Mail-Marketing betreibt, also vorrangig Newsletter verschickt, sollte dabei eine Segmentierung der Empfänger nach ihrem Kaufverhalten durchführen. Damit wird Werbung deutlich zielgerichteter verschickt. Die Voraussetzung hierfür ist eine sogenannte RFM-Analyse.

In diesem Artikel erfahren Sie, wie Sie die RFM-Analyse nutzen können und die Segmentierung sinnvoll einsetzen können, um das volle Potenzial aus Ihren Mailings herauszuziehen.

Was ist die RFM-Analyse?

RFM bedeutet Recency, Frequency, Monetary Value (Neuheit, Häufigkeit, monetärer Wert). Das Verfahren setzt Daten der Umsatzanalyse voraus, die aus einer direkten Verbindung mit einem Onlineshop (z.B. Shopify, WooCommerce oder Magento) stammen können. Die RFM-Analyse ergänzt die üblicherweise erhobenen demografischen Daten von Kunden, sie fügt eine essenzielle verhaltensbasierte Komponente hinzu. Diese lässt sich aus dem Kaufverhalten von Kunden in der Vergangenheit ableiten.

Wichtig ist das deshalb, weil der übliche demografische Ansatz unterstellt, dass Kunden allein aufgrund demografischer Eigenschaften – männlich, 35 bis 50 Jahre alt, überdurchschnittliches Einkommen – bestimmte Konsumpräferenzen entwickeln. Der betrachtete männliche, gut verdienende Kunde mittleren Alters soll nach dieser These Luxus kaufen, doch das ist nicht unbedingt zwingend (wenn auch sehr häufig anzutreffen).

Die RFM-Analyse untersucht nun, wie er denn wirklich in der Vergangenheit gekauft hat.

Im Detail:

• Recency (Neuheit): Kunden, die erst vor kurzer Zeit etwas gekauft haben, kaufen mit größerer Wahrscheinlichkeit wieder etwas. Dieser maßgebende Faktor der RFM-Analyse bezieht seine Daten aus der Frage: Wie aktuell sind die Käufe des Kunden? Das lässt sich sehr leicht ermitteln.
• Frequency (Häufigkeit): Natürlich spielt auch die Häufigkeit von Käufen eine Rolle. Selbst wenn der Kunden in jüngster Zeit nichts mehr gekauft hat (also einen schwachen Faktor R aufweist), könnte er in der Vergangenheit ein fleißiger Käufer gewesen sein. Wichtig zu wissen: Der Faktor R (Recency) ist noch wichtiger! Menschen kaufen phasenweise viel ein. Sollten sie erst jüngst gekauft haben, ist das ein noch entscheidenderes Indiz für neue Kauffreude als ihr generelles Kaufverhalten, bezogen auf die Frequenz ihrer Käufe.
• Monetary Value (monetärer Wert): Am Gesamtumsatz eines Kunden lässt sich ablesen, wie interessant er für den Shop ist. Manche Kunden kaufen oft, aber nur für wenig Geld.

Funktionsweise einer RFM-Analyse

Die praktische Durchführung von RFM-Analysen erfolgt automatisiert. Zum Einsatz kommen E-Mail-Marketing, CRM- und Predictive-Analysis-Systeme sowie Business-Intelligence-Software. In den entsprechenden Softwarepaketen können derartige Funktionen schon implementiert sein oder eingerichtet werden. Unterschiede gibt es beim Scoring. Es hängt von den verfügbaren Daten ab.

Taipan Consulting empfiehlt die Lösung von Klaviyo als E-Mail Service Provider.

Scorewerte erhalten die Kunden für die drei Faktoren R, F und M.

Der Scorewert für die Recency kann nach dem Abstand zum letzten Kauf zugewiesen werden (ein häufiger Ansatz), doch es lassen sich auch Zeitintervalle zwischen den letzten drei (zwei, vier, fünf etc.) Käufen bestimmen. Jeder Aktualitätsscore unterliegt willkürlich gebildeten Einstufungen, was aufgrund verschiedener Branchen und Produkte auch seine Berechtigung hat. Wenn aber eine Segmentierung erfolgen soll, lassen sich zum Beispiel drei bis sieben Kategorien für die Unterscheidung einzelner Kundengruppen in Bezug auf den Faktor R bilden.

Der Häufigkeitsscore (Faktor F) wird ebenso gebildet und erlaubt wiederum produkt- und branchenabhängige Differenzierungen. Stets erfolgt die Gruppeneinteilung so frei, dass sie zum üblichen Kaufverhalten innerhalb der Branche bei dieser Art von Produkten passt und überdies den Unternehmenszielen dient.

Bei den Geldwerten (Faktor M) haben sich fünf Kategorien eingebürgert. Bestimmte Umsatzspannen (innerhalb eines definierten Zeitraumes) repräsentieren jeweils die Geldwerte 1 bis 5.

Erst jetzt lässt sich der eigentliche RFM-Scorebilden, indem die drei Faktoren addiert oder verkettet werden. Wenn für jeden Faktor fünf Kategorien gewählt werden, gibt es insgesamt 125 mögliche RFM-Scores, von denen der größtmögliche 555 beträgt.

Diesen erhalten Kunden, die a) am wahrscheinlichsten auf das E-Mail-Marketing ansprechen, b) immer wieder auf einen Newsletter reagieren und c) beim Kauf vergleichsweise hohe Umsätze tätigen. In der täglichen Praxis arbeiten wir oft auch nur mit einer einfachen Abstufung nach “High, Medium, Low”.

Die Datenbasis kann aus zusammengefassten Kundendaten und -aktionen (z.B. aus Website-Besuchen oder auch Service-Anfragen), aber auch nur aus den Transaktionen des Kunden bestehen (wenn beispielsweise kein CRM-System implementiert wurde). Die Aufbereitung der Daten und die Darstellung des RFM-Scores erfolgt vielfach auch grafisch in einem Diagramm.

Ziel der RFM-Analyse oder: Warum solltest Du als Marketingmanager diese Art von Segmentierung vornehmen?

Das Ziel besteht darin, für eine Kampagne im E-Mail-Marketing die Rücklaufquoten für einzelne Kundensegmente zu prognostizieren und die Kampagne so zielgerichtet durchzuführen, dass ein deutlich höherer Return on Investment (ROI) entsteht.

Übrigens lässt sich eine RFM-Analyse auch für das (noch teurere) Print-Mailing nutzen.

Sie erhalten nur Werbung, die sie wirklich interessieren dürfte. Wer als Kunde mit Streuwerbung überschüttet wird, die zu 95 % für ihn irrelevant ist, öffnet irgendwann die Mails oder Briefe des betreffenden Unternehmens nicht mehr – er ist als Werbeadresse „verbrannt“, selbst wenn er aus eigenem Antrieb gelegentlich noch im Shop einkauft. Eine Folge davon ist, dass die E-Mails eher als “Werbung” oder als “Spam” eingestuft werden.

Ist der Effekt der RFM-Analyse valide belegt?

Das ist er. DieCMC Dialogpost-Studie 2019 konnte nachweisen, dass es massive Unterschiede bei der Conversion Rate zwischen einzelnen Kundengruppen gibt und dass durch eine gezielte Selektion selbst Onlinekunden durch Printmailings zu aktivieren sind, wenn sie nur zielgruppengerecht und vor allem aufgrund der RFM-Analyse angesprochen werden.

Die Studiendurchführung hat der CMC (Collaborative Marketing Club) entwickelt. Er kooperierte schon zum zweiten Mal mit der Deutschen Post. Insgesamt nahmen Onlineshops an der Studie teil, die bislang kaum Kunden per Werbebrief angesprochen hatte. Prominente Teilnehmer waren beispielsweise PosterXXL, Tausendkind, Mymuesli und Modomoto. Um ein einheitliches Ergebnis trotz der sehr unterschiedlichen Branchen zu erzielen, wählten die Studienteilnehmer nur Kunden aus, die im letzten Jahr in ihrem Shop etwas gekauft hatten.

An diese Kunden schickten die Shopbetreiber einen personalisierten Brief, der im markentypischen Look & Feel gehalten war. Sie erhielten mit dem Print-Mailing einen kundenindividuellen Gutscheincode. Über diesen konnte das Expertenteam die getätigten Käufe ermitteln und bestimmten Zielgruppensegmenten zuweisen.

Die Auswertung nach Conversion Rates belegte folgenden Anteil von Kunden, die den Gutschein einlösten:

• 5,9 % mit einem Recency Score von 5
• 5,4 % mit einem Recency Score von 4
• 4,9 % mit einem Recency Score von 3
• 3,9 % mit einem Recency Score von 2
• 3,4 % mit einem Recency Score von 1

Die Autoren verweisen in diesem Kontext darauf, dass der Recency-Score enorm wichtig ist: Kunden sollten sehr schnell nach dem letzten Kauf angesprochen werden.

Immerhin sinkt die CRV schon innerhalb eines Jahres um 40 %. Die Studie bezog sich allerdings ausdrücklich auf Print-Mailings. Des Weiteren weisen die Studienautoren darauf hin, dass die Zyklen einer erneuten, zielführenden Ansprache stark von der Branche, dem Produkt und dem Geschäftsmodell abhängen. Ein Beispiel wären etwa Kaffeekapseln, die der Kunde nachkaufen sollte, wenn der Vorrat des letzten Kaufs fast leer sein dürfte.

Das geht aus der Kundenhistorie hervor. Sie könnte in diesem Fall etwa einen Bestellrhythmus von 100 Tagen offenbaren. Der Kunde sollte also nach 80 bis 90 Tagen neu angesprochen werden. Ein gänzlich anderes Bild ergibt sich beim Verkauf von Reisen oder bei der Vermietung von Wohnmobilen: Diese Leistungen werden höchstens jährlich nachgefragt.

Einfluss von Frequency und Monetary Value

Diese Einflüsse (im deutschen Sprachgebrauch die Bestellhäufigkeit und die Warenkorbgröße) untersuchte die Studie ebenfalls. Es ergibt sich folgendes Bild:

Es zeigt sich hier auch die Wirkung des Mailings: Offenkundig aktiviert es besonders gut die Mehrfachkäufer. Kunden mit dem F-Score 5 können eine CVR von über 10 % generieren. Kunden mit dem F-Score 3 haben eine doppelt so hohe Responsequote wie diejenigen mit dem F-Score 1.

Auch die Warenkorbgröße korreliert direkt mit der CVR. Die Kunden mit einem M-Score von 5 erzielen 5,8 % Response. Das ist doppelt so viel wie bei den Kunden mit einem M-Score von 1.

Print- vs. E-Mailing

Kunden reagieren gut auf den Brief aus Papier. Allerdings reagieren sie entweder sehr schnell – innerhalb der ersten 14 Tage – oder eher nicht. In diesen ersten zwei Wochen nach Eintreffen des Werbebriefes erfolgen 37 % aller Bestellungen. Dennoch haben Werbebriefe den erstaunlichen Effekt, auch noch nach sechs Monaten bis einem Jahr Rückläufe zu erzielen, was bei E-Mails eher selten vorkommt.

Fazit: Übertragung der Ergebnisse auf das Online-Marketing

Wer online mit E-Mails wirbt, sollte dringend aus seinem Onlineshop oder seinem CRM-System die nötigen Daten evaluieren lassen und dann segmentierte Werbung nach einer RFM-Analyse verschicken. Die Zeiträume der Rückläufe werden sich anders darstellen als bei einem gedruckten Werbebrief (kurzlebiger), auch mag die Conversion Rate nicht ganz so hoch ausfallen. Dafür sind E-Mails deutlich kostengünstiger zu versenden. Erwiesen ist auf jeden Fall, dass eine RFM-Analyse inklusive praktischer Umsetzung ihrer Ergebnisse auch im Online-Marketing den ROI signifikant erhöht.