Recency, Frequency, Monetary value (RFM) analysis

Recency

Kebaruan maksudnya tindakan terbaru dari pelanggan. Aplikasi online analisis kebaruan
meliputi: pemantauan melalui waktu untuk mengidentifikasi pelanggan yang rentan dan menilai
pelanggan untuk preferensi menargetkan pelanggan yang lebih responsif untuk penghematan
biaya.
Frequency
Frekuensi adalah berapa kali tindakan diselesaikan dalam periode tindakan pelanggan. Aplikasi
online analisis ini mencakup penggabungan dengan kebaruan untuk penargetan RF.
Monetary Value
Nilai moneter pembelian dapat diukur dengan berbagai cara. Secara umum, pelanggan dengan
nilai moneter yang lebih tinggi cenderung memiliki loyalitas yang lebih tinggi dan nilai potensial
di masa depan karena mereka telah membeli lebih banyak barang secara historis. Frekuensi
sering merupakan proksi untuk nilai moneter per tahun karena semakin banyak produk yang
dibeli, semakin tinggi nilai moneter keseluruhan. Maka dimungkinkan untuk menyederhanakan
analisis dengan hanya menggunakan kebaruan dan frekuensi. Nilai moneter juga dapat

memiringkan analisis untuk  nilai pembelian awal .

Latency
Latensi terkait dengan frekuensi, menjadi waktu rata-rata antara peristiwa pelanggan dalam
siklus hidup pelanggan. Aplikasi latensi online mencakup pemicu yang mengingatkan
perusahaan akan perilaku pelanggan tidak seperti biasanya. Contohnya meningkatnya minat atau
ketidaktertarikan, kemudian mengelola perilaku ini menggunakan e-komunikasi atau komunikasi
tradisional
Hurdle Rate
Menurut Novo (2004), tingkat rintangan mengacu pada persentase pelanggan dalam suatu
segmen yang telah menyelesaikan suatu tindakan. Nilainya adalah dapat digunakan untuk
membandingkan keterlibatan berbagai kelompok atau untuk menetapkan target untuk
meningkatkan keterlibatan dengan saluran online
Mengelompokan pelanggan
Pendekatan ini juga berguna karena pemasar dapat menetapkan ambang nilai yang relevan
dengan pemahaman mereka tentang pelanggan mereka. RFM analysis involves two techniques
for grouping customers:
1. Analisis RFM statistik.
Ini melibatkan penempatan jumlah pelanggan yang sama di setiap kategori RFM. Satu
aplikasi RFM dengan tujuan untuk menggunakan saluran komunikasi secara lebih efektif.
2. Divisi database pelanggan
Pendekatan ini juga berguna karena pemasar dapat menetapkan ambang nilai yang
relevan dengan pemahaman mereka tentang pelanggan mereka. Misalnya, analisis RFM
 dapat diterapkan untuk penargetan menggunakan email sesuai dengan bagaimana
pelanggan berinteraksi dengan situs e-commerce.

Rekomendasi produk dan pemodelan kecenderungan

Pemodelan kecenderungan Nama yang diberikan untuk pendekatan mengevaluasi karakteristik
dan perilaku pelanggan dan kemudian membuat rekomendasi untuk produk masa depan.
Pendekatan akuisisi terkait adalah menargetkan pelanggan potensial dengan karakteristik serupa
melalui menyewa surat langsung atau daftar email atau beriklan online di lokasi yang sama.
Technology solutions for CRM
teknologi database adalah inti dari pengiriman aplikasi CRM. Email digunakan untuk mengelola
banyak komunikasi inbound, outbound, dan internal yang dikelola oleh sistem e-CRM.
Tiga jenis utama data pelanggan yang disimpan sebagai tabel dalam database pelanggan untuk
CRM biasanya:
1. Data pribadi dan profil. Ini termasuk rincian kontak dan karakteristik untuk profil
pelanggan seperti usia dan jenis kelamin (B2C) dan ukuran bisnis, sektor industri dan
peran individu dalam keputusan pembelian (B2B).
2. Data transaksi. Catatan setiap transaksi pembelian termasuk produk tertentu yang dibeli,
jumlah, kategori, lokasi, tanggal dan waktu, dan saluran tempat pembelian.
3. Data komunikasi. Catatan pelanggan yang telah ditargetkan oleh kampanye, dan respons
mereka terhadap mereka (komunikasi keluar). Juga termasuk catatan permintaan masuk
dan kunjungan dan laporan perwakilan penjualan (B2B).
Hewson Consulting Group (www.hewson.co.uk) mengidentifikasi manfaat sistem CRM berikut
bagi pelanggan:
● Peningkatan waktu respons terhadap permintaan informasi pelanggan.
● Produk yang dikirim memenuhi persyaratan pelanggan.
● Pengurangan biaya pembelian dan penggunaan produk atau layanan.
● Akses langsung ke status pesanan dan dukungan teknis yang lebih responsif
Layanan mandiri pelanggan
Pelanggan melakukan permintaan informasi dan transaksi melalui antarmuka web alih-alih
kontak dengan staf dukungan pelanggan.

Types of CRM applications

Dengan demikian sistem CRM yang ideal akan mendukung komunikasi multichannel atau
pelanggan- saluran pilihan.

Integration with back- office systems

memperkenalkan sistem CRM ke organisasi, perusahaan sebelumnya akan berinvestasi dalam
sistem untuk fungsi bisnis utama lainnya seperti pemrosesan pesanan penjualan atau dukungan
pelanggan. ntegrasi dengan mereka sangat penting untuk memberikan visibilitas informasi
pelanggan kepada semua orang di organisasi dan memberikan dukungan pelanggan yang sangat
baik. Dengan demikian integrasi sistem lama adalah bagian penting dari memutuskan dan
menerapkan sistem CRM

Data Quality
Dapat disarankan bahwa agar kualitas data dikelola dengan sukses, berikut ini adalah penting
1. Tetapkan pemilik bisnis. Masalah ini terlalu penting untuk dikelola hanya oleh para
teknolog dan membutuhkan manajemen pada titik kontak pelanggan, yang merupakan
bagian dari tanggung jawab pemasaran. Semua staf yang terlibat dalam mengelola data
pelanggan harus diperjelas tentang tanggung jawab mereka.
2. Optimalkan kualitas saat penangkapan. Pemeriksaan validasi dapat dilakukan di entri
data untuk memeriksa bahwa bidang-bidang seperti kode pos lengkap dan akurat.
3. Terus meningkatkan kualitas. Rincian kontak pelanggan terus berubah. Perubahan
alamat email bahkan lebih sulit dikelola daripada perubahan alamat fisik. Sebagai
konsekuensinya, semua titik kontak harus digunakan untuk membantu menjaga kualitas
data
4. Bekerja menuju satu tampilan pelanggan. Banyak kesalahan terjadi karena data yang
berbeda disimpan dalam basis data yang berbeda sehingga penyatuan data dalam satu
basis data adalah tujuan banyak organisasi
5. Adopsi kebijakan kualitas data. Dari sampel dalam QAS (2002) survei 40% tidak
memiliki kebijakan kualitas data, tetapi ini penting untuk membantu mencapai empat
langkah di atas.