Analisis RFM digunakan untuk menganalisis metrik RFM pengguna dalam Model RFM guna mendapatkan distribusi tipe pengguna RFM, seperti yang ditunjukkan pada gambar berikut.
Prosedur
Anda dapat menggunakan salah satu dari metode berikut untuk mengakses halaman Analisis RFM:
Di panel navigasi sebelah kiri, pilih User Insight > User Analysis > RFM Analysis. Halaman Analisis RFM akan muncul, seperti yang ditunjukkan pada gambar sebelumnya.
Pilih Workspace > User Insight > Marketing Models > RFM Models. Pada halaman Marketing Models, temukan model RFM yang ingin Anda analisis dan klik Analyze di kolom Actions.
Pilih model RFM yang akan dianalisis dari daftar drop-down di pojok kanan atas. Bagan analisis terkait akan ditampilkan di bawah.
CatatanJika Anda mengakses halaman Analisis RFM dari halaman Model RFM, model RFM terkait akan dipilih secara default.
Hasil analisis terdiri dari dua bagian:
Indikator Inti
Jika tipe analisis model RFM yang dipilih adalah Data Ringkasan Pesanan, jumlah pengguna transaksi, jumlah transaksi, jumlah transaksi per kapita, dan frekuensi transaksi per kapita akan ditampilkan.
Jika tipe analisis model RFM yang dipilih adalah Data Detail Pesanan, jumlah serta grafik tren Pengguna Transaksi, Jumlah Transaksi, Jumlah Transaksi per Kapita, dan Frekuensi Transaksi per Kapita akan ditampilkan.
Komposisi Pengguna RFM (Tipe Pengguna)
Menampilkan distribusi tipe pengguna model RFM berdasarkan definisi klasifikasi pengguna model tersebut. Untuk informasi lebih lanjut tentang tipe pengguna RFM, lihat Tipe Pengguna RFM dan Aturan Pembagian.
Di pojok kanan atas bagan, Anda dapat memilih Jumlah Pengguna, Jumlah Konsumsi, atau Frekuensi Konsumsi untuk melihat distribusi tipe pengguna.
Geser penunjuk mouse di atas grafik tipe pengguna tertentu. Jumlah dan proporsi pengguna tipe ini, jumlah transaksi per kapita, serta frekuensi transaksi per kapita akan ditampilkan.
Untuk membuat pengguna tipe tertentu sebagai grup, klik ikon
di pojok kanan atas bagan. Dalam kotak dialog yang muncul, pilih tipe pengguna. Anda dapat memilih satu atau beberapa tipe pengguna, masukkan nama dan deskripsi grup, tentukan apakah grup dibuat publik, pilih direktori tempat grup disimpan, dan pilih sub-kampanye terkait. Untuk informasi lebih lanjut, lihat Dokumentasi Kampanye Pemasaran. Kemudian, klik OK. 
Rincian Linkage
Klik grafik tipe pengguna. Informasi konsumsi lima pengguna sampel dari tipe ini akan ditampilkan di bawah.
RFM user composition (consumption distribution)
Consumption power distribution (MF-R): Sumbu x adalah F (frekuensi transaksi), sumbu y adalah M (jumlah transaksi), dan ukuran titik adalah R (interval transaksi terakhir). Distribusi MF digunakan untuk memvisualisasikan distribusi daya beli pengguna, dan kemudian ukuran R digunakan untuk menentukan pengguna mana yang lebih loyal. Semakin besar titik, semakin tinggi loyalitas pengguna.
Consumption potential distribution (MR-F): Sumbu x adalah interval transaksi terakhir R, sumbu y adalah M (jumlah transaksi), dan ukuran titik adalah F (frekuensi transaksi). Melalui distribusi MR untuk melihat potensi konsumsi pengguna, dan kemudian melalui ukuran F untuk mengidentifikasi pengguna yang lebih bernilai. Semakin besar titik, semakin bernilai pengguna tersebut.
Consumption distribution (RF-M): Sumbu x adalah F (frekuensi transaksi), sumbu y adalah R (interval transaksi terakhir), dan ukuran titik adalah M (jumlah transaksi). Melalui distribusi RF untuk melihat perubahan konsumsi pengguna, dan kemudian melalui ukuran M untuk menentukan pengguna mana yang lebih perlu diselamatkan. Semakin besar titik, semakin perlu bagi pengguna untuk menebusnya.
Geser mouse di atas grafik tipe pengguna tertentu untuk menampilkan data transaksi per kapita dari tipe pengguna tersebut.
Tipe Pengguna RFM dan Aturan Klasifikasi
Dengan membandingkan skor RS, FS, dan MS pengguna dengan nilai pembanding RS, nilai pembanding FS, dan nilai pembanding MS, masing-masing, tingkat nilai relatif pengguna dalam kelompok dapat diperoleh:
Skor pengguna lebih besar dari nilai pembanding, dan nilainya lebih tinggi.
Skor pengguna lebih kecil dari nilai pembanding, dan nilainya lebih rendah.
RS, FS, dan MS masing-masing adalah skor interval konsumsi, frekuensi konsumsi, dan jumlah konsumsi pengguna.
Nilai pembanding RS, nilai pembanding FS, dan nilai pembanding MS adalah nilai rata-rata skor interval konsumsi, frekuensi konsumsi, dan jumlah konsumsi semua pengguna dalam model RFM (yaitu, rata-rata tertimbang dalam statistik), atau nilai kustom.
Untuk informasi lebih lanjut tentang cara menetapkan aturan penilaian dan nilai pembanding dalam model RFM, lihat Buat Model RFM.
Nilai pengguna dalam salah satu dari R, F, dan M dapat dibagi menjadi kategori tinggi dan rendah. Berdasarkan performa R, F, dan M, pengguna dapat dibagi menjadi 8 tipe. Tipe detail dan aturan klasifikasi ditunjukkan pada gambar berikut.
Tipe pelanggan RFM | RS | FS | MS | Deskripsi |
Pengguna bernilai tinggi | Lebih besar dari atau sama dengan nilai pembanding RS | Lebih besar dari atau sama dengan nilai pembanding FS | Lebih besar dari atau sama dengan nilai kontras MS | Mendefinisikan pengguna dengan tanggal konsumsi terbaru, frekuensi konsumsi tinggi, dan jumlah konsumsi tinggi sebagai pengguna bernilai tinggi. |
Fokus menjaga pengguna | Rendah | Lebih besar dari atau sama dengan nilai pembanding FS | Lebih besar dari atau sama dengan nilai kontras MS | Mendefinisikan pengguna yang tanggal konsumsi terakhirnya jauh tetapi frekuensi konsumsi dan jumlah konsumsinya tinggi sebagai pengguna retensi utama. |
Fokus mengembangkan pengguna | Lebih besar dari atau sama dengan nilai pembanding RS | Rendah | Lebih besar dari atau sama dengan nilai kontras MS | Pengguna dengan tanggal konsumsi terbaru dan jumlah konsumsi tinggi tetapi frekuensi konsumsi rendah didefinisikan sebagai pengguna pengembangan utama. |
Fokus mempertahankan pengguna | Rendah | Rendah | Lebih besar dari atau sama dengan nilai kontras MS | Pengguna yang tanggal konsumsi terakhirnya jauh dan frekuensi konsumsinya rendah tetapi jumlah konsumsinya tinggi didefinisikan sebagai pengguna retensi utama. |
Pengguna Nilai Umum | Lebih besar dari atau sama dengan nilai pembanding RS | Lebih besar dari atau sama dengan nilai pembanding FS | Rendah | Pengguna dengan tanggal konsumsi terbaru dan frekuensi konsumsi tinggi tetapi jumlah konsumsi rendah didefinisikan sebagai pengguna nilai umum. |
Pengguna umum yang dipertahankan | Rendah | Lebih besar dari atau sama dengan nilai pembanding FS | Rendah | Pengguna yang tanggal konsumsi terakhirnya jauh dan jumlah konsumsinya tidak tinggi tetapi frekuensi konsumsinya tinggi didefinisikan sebagai pengguna umum. |
Pengguna pengembangan umum | Lebih besar dari atau sama dengan nilai pembanding RS | Rendah | Rendah | Pengguna dengan tanggal konsumsi terbaru tetapi frekuensi konsumsi rendah dan jumlah konsumsi rendah didefinisikan sebagai pengguna pengembangan umum. |
Pengguna potensial | Rendah | Rendah | Rendah | Pengguna yang tanggal konsumsi terakhirnya jauh, frekuensi konsumsinya tidak tinggi, dan jumlah konsumsinya tidak tinggi didefinisikan sebagai pengguna potensial. |