RFM Analysen in IBM SPSS Statistics

Das relativ neue IBM SPSS Statistics Modul Direktmarketing bietet einige interessante Möglichkeiten, unter anderem die RFM Analyse. Sicherlich sind diese auch manuell programmierbar – letztlich ist das aber eine an den Bedürfnissen zu orientierende Make-or-Buy-Entscheidung.

                                                                                                

RFM Analysen in IBM SPSS Statistics

Das relativ neue IBM SPSS Statistics Modul Direktmarketing bietet einige interessante Möglichkeiten, unter anderem die RFM Analyse. Sicherlich sind diese auch manuell programmierbar – letztlich ist das aber eine an den Bedürfnissen zu orientierende Make-or-Buy-Entscheidung. Auch auf die Schwächen und die Kritik an der Methode sei hingewiesen – diese können an anderer Stelle nachgelesen werden.

 

RFM-Analyse

RFM steht für Recency, Frequency and Monetary Value. Es handelt sich um eine Methode zur Analyse des Kundenverhaltens. Basierend darauf lassen sich auch einfache Kundensegmentierungen ablei

  • Recency – How recently did the customer purchase? – Wann hat der Kunde zuletzt gekauft?
  • Frequency – How often do they purchase? – Wie häufig kauft der Kunde
  • Monetary Value – How much do they spend? – Wie viel hat der Kunde ausgegeben

Daten

Aus den gestellten Fragen last sich ableiten, welche Informationen notwendig sind: 

  • Recency – Letztes Kaufdatum – dazu sollte zu jeder Kundentransaktion auch immer das Datum hinterlegt sein
  • Frequency - Kaufhäufigkeit – dies kann zum Beispiel eine Zeile pro Kundentransaktion in einer Tabelle sein 
  • Monetary Value – Zu jeder Kundentransaktion sollte der Transaktionswert vorhanden sein

Es werden nur drei Variablen für die Analyse benötigt.

 

Eine typische Tabelle mit den benötigten Informationen sieht dann wie folgt aus:

ID stellt die anonymisierte Kundenidentifikationsnummer dar. Date stellt das Transaktionsdatum und Amount den Transaktionswert dar. Insgesamt werden hier drei Variablen benötigt. 

 

Umsetzung mittels Direktmarketing Modul in IBM SPSS Statistics

In IBM SPSS Statistics soll nun mittels Direktmarketing Modul die RFM-Analyse umgesetzt werden. Dazu steht ein Beispieldatensatz zur Verfügung, der sich nach der Installation von IBM SPSS Statistics im SPSS-Ordner  unter  /Samples/English mit dem Namen rfm_transactions.sav befindet. Dieser Datensatz enthält Transaktionsdaten. 

Alternativ kann auch ein aggregrierter Datensatz genutzt werden, in dem sich in jeder Zeile  die Anzahl der Transaktionen, das Datum der letzten Transaktion und des letzten Transaktionswerts befindet.

 

Abbildung: Aufruf Direktmarketing-Modul in IBM SPSS Statistics und Ausschnitt aus dem Datensatz

Nach dem Start in der IBM SPSS Statistics Menüleiste (Direktmarketing  Technik wählen) erscheint das Auswahlmenü. Hier ist unter Kontakte verstehen das Feld mit der Unterschrift Hilfe bei Identifizierung der besten Kontakte (RFM-Analyse) zu wählen. 

 

Abbildung: Auswahlmenü IBM SPSS Statistics Direktmarketing

Als nächstes ist das Datenformat entsprechend den eigenen Daten zu wählen. Im gezeigten Beispiel handelt es sich um Transaktionsdaten. Entsprechend ist der erste Eintrag auszuwählen. 

 

Abbildung: RFM-Analyse: Datenformat

Im folgenden Menüfeld werden die drei relevanten Variablen abgefragt:  Das Transaktionsdatum (Variable Date), der Transaktionsbetrag (Amount) und die Kunden-IDs (ID). Es können auch mehrere Variablen mit Kunden-ID-Informationen genutzt werden. Nach dieser Auswahl kann eine erste Analyse bereits gestartet werden.

 

Abbildung: RFM-Analyse aus Transaktionsdaten

Nach dem Starten der RFM-Analyse durch einen Klick auf den OK-Button wird eine Ausgabe erzeugt und ein neuer Datensatz mit der Klassifizierung erstellt. Dieser Datensatz zeigt auch gut, wie die Bewertung der Kunden vorgenommen wird: Für jeden Kunden wird eine neue Zeile mit den Variablen Aktuellstes Datum, der Anzahl der Transaktionen (Variable Transaktions_Häufigkeit) und der Summe der Transaktionsbeträge (Variable Betrag) erzeugt. 

Abgeleitet werden die Variablen mit den Bewertungen: Aktualitäts-Score, Häufigkeits_Score und dem Geldwert_Score. Aus diesen drei Variablen wird dann der RFM_Score erzeugt, in dem die drei Einzel-Score einfach nebeneinander gestellt werden.

 

Abbildung: Datensatz mit den Ergebnissen der RFM-Analyse

Autor: Dr. Guido Möser

...