Kundensegmentierung mit RFM-Analyse

4 min 3 Abschnitte
Was du nach diesem Konzept kannst 3
  1. Du bist in der Lage, den Nutzen einer RFM-Segmentierung gegenüber undifferenzierter Ansprache zu beurteilen ,

    indem für einen exklusiven Vorab-Verkauf der erwartete Umsatzeffekt und die Risiken einer Fehlsegmentierung anhand von mindestens drei messbaren Kriterien abgewogen werden: Zielgenauigkeit der Segmentabgrenzung mit konkreten RFM-Schwellenwerten (z. B. Recency ≤ 30 Tage, Frequency ≥ 3 Käufe), erwartete Reaktionsquote in Prozent im Vergleich zum Massenversand sowie quantifizierte Streuverluste bei falsch klassifizierten Kundinnen und Kunden (z. B. Anzahl verschickter Mails ohne Kauf).

  2. Du bist in der Lage, einen RFM-Score für eine Kundendatenbank zu berechnen ,

    indem für mindestens 10 Beispielkunden Recency, Frequency und Monetary Value je auf einer 1-5-Skala bewertet und zu einem dreistelligen RFM-Score zusammengefasst werden.

  3. Du bist in der Lage, differenzierte Marketingmaßnahmen für RFM-Segmente zu entwickeln ,

    indem mindestens vier Segmente (z. B. Champions, Loyalisten, Schläfer, Verlorene) definiert und je eine passende Kampagnenmaßnahme (Kanal, Inhalt, Frequenz) ausgearbeitet werden.

Wie findest du die 800 besten aus 12.000 Kontakten?

Wer bekommt den Gutschein?

Nach welchen drei Kriterien filterst du 12.000 Kontakte, wenn nur 800 Gutscheine da sind? Es ist Freitag, 13 Uhr im Analytics-Raum. Deine Teamleiterin Anja legt dir den CRM-Export auf den Bildschirm: "Schick den 15%-Gutschein nur an unsere beste Stammkundschaft." Dann ist sie im Meeting. Vor dir: 12.000 Zeilen. Manche Kontakte haben letzte Woche für 400 Euro bestellt, andere seit zwei Jahren nichts. Jeder falsch vergebene Gutschein kostet bei einem durchschnittlichen Warenkorb von 120 Euro rund 18 Euro Rohertrag.

Erinnerst du dich an das CRM-Scoring nach Kundenstatus und Kaufhistorie? Genau hier setzt die RFM-Analyse an: drei messbare Kriterien aus deiner Datenbank, die zusammen einen Score pro Kontakt ergeben.

Drei Buchstaben, drei Fragen an deine Daten

RFM steht für drei Dimensionen, die du direkt aus deiner Kundendatenbank ablesen kannst:

  1. Recency beschreibt, wie viele Tage der letzte Kauf zurückliegt. Je kürzer, desto aktiver der Kontakt.
  2. Wie oft hat die Person in einem bestimmten Zeitraum gekauft? Das misst die Frequency. Häufige Käufe deuten auf echte Bindung hin.
  3. Wie viel Umsatz hat der Kontakt insgesamt erzeugt? Diesen Monetary Value nutzt du, um die wirtschaftliche Bedeutung einzuschätzen.

Zusammen ergeben die drei Werte ein Profil, das zeigt, wer wirklich zur besten Stammkundschaft gehört.

🎬 Vorstellung: Stell dir den CRM-Export auf deinem Bildschirm vor - 12.000 Zeilen, drei Spalten hervorgehoben. Du scrollst durch die Liste und suchst die 800 Kontakte mit den besten Werten in allen drei Dimensionen.

Wie wird aus Kundendaten ein dreistelliger Score?

Fünf Stufen pro Dimension

Für jede Dimension vergibst du einen Wert von 1 (schwach) bis 5 (stark). Die Schwellenwerte legst du anhand deiner Kundendaten fest:

Kontakt A hat vor 3 Tagen bestellt, 8 Mal in 12 Monaten, für insgesamt 1.800 Euro. Ergebnis: RFM-Score 5-4-4. Kontakt B hat vor 14 Monaten einmal für 35 Euro gekauft: Score 1-1-1.

Was verrät der Score über den Gutschein-Einsatz?

Kontakt A (5-4-4) kauft regelmäßig, kürzlich und mit hohem Wert. Dieser Kontakt gehört klar in die Gutschein-Auswahl. Kontakt B (1-1-1) ist seit über einem Jahr inaktiv und hat kaum Umsatz erzeugt. Ein 15%-Gutschein wäre hier mit hoher Wahrscheinlichkeit ein Streuverlust.

Der Vorteil gegenüber undifferenzierter Ansprache: Statt 12.000 identische Mails zu versenden, filterst du gezielt die Kontakte mit den höchsten Scores. Die erwartete Reaktionsquote liegt bei gezielter Segmentansprache typischerweise bei 10-20%, beim Massenversand nur bei 2-3%.

🤔 Frage dich: Was ist der Unterschied zwischen einem Kontakt mit Score 5-1-5 und einem mit 1-5-1? Welchen würdest du für den Gutschein auswählen, und warum?

Welche Kampagne passt zu welchem Segment?

Vier Segmente, vier Strategien

Aus den RFM-Scores lassen sich mindestens vier Segmente ableiten. Die Champions (hohe Werte in allen drei Dimensionen) kaufen oft, kürzlich und viel. Sie bekommen exklusive Vorab-Angebote per personalisierter E-Mail mit hoher Versandfrequenz.

Loyalisten kaufen regelmäßig, aber mit kleinem Warenkorb. Hier helfen Cross-Selling-Empfehlungen und Bundle-Angebote, um den Warenkorbwert zu steigern. Schläfer dagegen waren früher wertvoll, sind aber seit Monaten inaktiv. Eine einmalige Reaktivierungs-Mail mit zeitlich begrenztem Rabatt kann sie zurückholen.

Verlorene Kontakte (niedrige Werte überall) brauchen keine aktive Kampagne. Stattdessen bereinigst du die Kontaktliste, um Streuverluste und Versandkosten zu sparen.

Zurück zu Anjas Auftrag

Für die 800 Gutscheine filterst du zuerst die Champions: Recency ≤ 30 Tage, Frequency ≥ 3 Käufe, Monetary Value ≥ 500 Euro. Diese Gruppe hat die höchste erwartete Reaktionsquote. Reichen die Champions nicht für 800 Gutscheine, ergänzt du mit Loyalisten.

Das Risiko der Fehlsegmentierung: Setzt du die Schwellenwerte zu eng, schließt du kaufbereite Kundschaft aus. Setzt du sie zu weit, landen Gutscheine bei inaktiven Kontakten und du verschenkst 18 Euro Rohertrag pro Stück.

📝 Fasse mental zusammen: Drei Dimensionen, fünf Stufen, vier Segmente. Wie hängen diese Bausteine zusammen, und welches Segment bekommt Anjas Gutscheine?

Teste dein Wissen

Du planst für einen exklusiven Vorab-Verkauf eine RFM-Segmentierung. Warum ist die RFM-Analyse einer undifferenzierten Massenansprache bei 12.000 Kontakten überlegen?

Bereit für mehr?

Thema verstanden?

Teste dein Wissen interaktiv in unserer App. 7 Tage kostenlos, dann nur 5 € im Monat.

DSGVO-konform. Deine Daten auf deutschen Servern.