RFM segmentation and customer churn

Abstract

Η συμπεριφορά των καταναλωτών βρίσκεται ολοένα και πιο κοντά στο επίκεντρο της προσοχής των επιχειρήσεων, οι οποίες εστιάζουν στην τμηματοποίηση των καταναλωτών με στόχο την απόσπαση σημαντικών πληροφοριών για τους πελάτες, σχετικά με τις καταναλωτικές τους συνήθειες και κινήσεις. Η ανάλυση RFM είναι ιδιαιτέρως δημοφιλής στον χώρο τον επιχειρήσεων και χρησιμοποιείται για τον διαχωρισμό των καταναλωτών σε κατηγορίες, ανάλογα με τρία βασικά χαρακτηριστικά τους· το χρονικό διάστημα από την τελευταία αγορά, τον αριθμό των συναλλαγών, καθώς και το σύνολο των χρημάτων που έχουν δαπανήσει. Είναι δεδομένο ότι δεν έχουν όλοι οι πελάτες την ίδια αξία για την επιχείρηση. Χρησιμοποιώντας την ανάλυση RFM, μπορούν εύκολα να εντοπιστούν οι σημαντικοί πελάτες. Σκοπός αυτής της εργασίας είναι η ανεύρεση των πελατών με μεγάλη αξία για την εταιρεία, οι οποίοι, όμως, δείχνουν να αποχωρούν από αυτή. Ο προσδιορισμός της αποχώρησης ενός πελάτη από μία εταιρεία με την οποία δεν επισυνάπτει συμβόλαιο συνεργασίας, δεν είναι μια απλή υπόθεση. Για τον λόγο αυτό, δίνονται πέντε διαφορετικές προσεγγίσεις του θέματος, οι οποίες περιγράφονται αναλυτικά. Επιπροσθέτως, ο συνδυασμός της τμηματοποίησης των πελατών με την ενδεχόμενη αποχώρησή τους, προσφέρει σημαντικές πληροφορίες, οι οποίες συμπεριλαμβάνονται σε αυτή την εργασία. Επιπλέον, προτείνονται δύο μοντέλα πρόβλεψης της αποχώρησης ενός πελάτη, με βάση τα χαρακτηριστικά του και σχολιάζονται ως προς τα αποτελέσματα, αλλά και την ακρίβειά τους. Τέλος, επισημαίνονται τα σημαντικά μέρη της εργασίας αυτής στα πλαίσια μιας γενικής συζήτησης, καθώς επίσης συμπεριλαμβάνονται προτάσεις.

Since the increased importance is placed on consumer's purchasing behavior, more and more firms are focusing on customer segmentation to get insights about their clients. RFM segmentation is becoming, increasingly, popular in businesses as a marketing tool, which is used to group clients based on three fundamental features; the time elapsed from the last transaction, the total number of transactions and the total amounts of money spent. Generally speaking, not all customers have the same importance for the enterprise. This behavioral technique can, easily, detect the best ones. The aim of this study is to identify important customers who are on the verge of churn. Customer churn in non-contractual businesses is not a simple case. Any customer can cease purchasing at any time. Five different approaches of churn, in non-contractual businesses, are suggested and each one definition is described in detail. RFM segmentation and customer churn are combined to provide valuable information. Moreover, two predictive models of customer churn are proposed and the outcomes are reported with comments and evaluation scores. A final discussion is, also, included to point out the significant parts of the study and provide recommendations.