（2019-11-29）名單太多，到底應該寄給誰？將RFM模型運用在電子報行銷上，找出高價值的VIP名單。
（2019-11-29）名單量太多？想節省Email行銷成本？到底哪些顧客喜歡用Email收信，能發揮最大的Email行銷報酬率？這篇文章將教你如何把RFM模型運用在電子報名單管理，找出最適合進行電子報行銷的顧客，並提出建議。
一般常見的RFM模型是在CRM中利用顧客的消費行為進行分眾，分析顧客的終身價值。在Email行銷中，最直觀的「成效」是開信率和點擊率。該如何提升你的開信率和點擊率？除了積極優化電子報內容，也應進行名單管理。如果停止寄信給開信率很低的人，就可提高整體開信率。利用RFM模型，可分析顧客的收信行為，並進行分眾。
電子報行銷RFM實際應用案例
一般的RFM指標分別是Recency（最近一次消費日期）、Frequency（消費頻率）、Monetary（總消費金額）。
本篇文章利用RFM模型分析電子報成效，Recency的指標可以取代為「上次開信的日期」；Frequency則以「平均開信率」或「平均點擊率」作爲分析指標；由於這次的案例名單沒有客戶的消費金額，因此無法分析Monetary，而以R、F兩個指標進行分析。以下是這次案例設定的R、F 指標，並以此作為名單分眾條件：
- R：近期有無開信。在此案例中，使用近期10次有無開信進行分組。
- F：平均開信率。在此案例中，使用開信率大於或小於等於22%進行分組。（全部名單未分組的平均開信率為22%）
注意！由於每間公司的數據不同，因此分組方法必須根據公司數據進行調整。本篇文章列出RFM分組的３大核心概念，強烈建議參考。
1、凍結名單【Ｒ低】
首先將近10次未開信的名單拉出，把它定義為「凍結名單」，即最近未開信的名單可能對電子報興趣已經不大，或是最近已經不需要電子報服務。預測：開信率最低，最不值得投資的一群人。
2、VIP名單【Ｒ高Ｆ高】
針對近10次有開信的名單中，再找出開信率較高（>22%）的名單。這些名單最近有開信，且開信率很高，表示他們最近有在關注我們，且關注頻率很高，判斷我們的電子報內容最符合這些顧客的需求。預測：開信率最高，最值得投資。
3、普通名單【Ｒ高Ｆ低】
接著，在近10次有開信的名單中，找出開信率較低（≤22%）的名單。這些名單最近有開信，但開信率不高，表示他們可能只對某些電子報內容有興趣。預測：開信率普通，可選擇性寄送電子報。
4、無資料名單【Ｒ、Ｆ無資料】
排除以上三組名單，剩下的名單皆屬於無資料名單。這些人極可能是新名單，沒有任何行為資料。預測：沒有任何行為資料，無法進行預測。可持續寄信，隔一段時間，累計足夠行為資料後，再次進行分組。
R、F指標針對Email名單的分群結果
根據Email名單的R、F分群結果進行實驗，實際寄送三次電子報行銷信件，每次寄送間隔一週左右，且每次寄送皆同時寄送給四個名單群組，以下是累計三次實驗的結果數據。
1、凍結名單【R低】近期10次未開信：平均開信率4.5%
2、VIP名單【R高F高】近期10次有開信且開信率>22%：平均開信率31.8%
3、普通名單【R高F低】近期10次有開信且開信率≤22%：平均開信率8.4%
4、無資料名單【R、F無資料】沒有足夠的數據：平均開信率7.7%
進行三次實驗後,得出四個名單群組分別的平均開信率結果如下:
- 凍結名單【R低】近期10次未開信：平均開信率4.5%
- VIP名單【R高F高】近期10次有開信且開信率>22%：平均開信率31.8%
- 普通名單【R高F低】近期10次有開信且開信率≤22%：平均開信率8.4%
- 無資料名單【R、F無資料】沒有足夠的數據：平均開信率7.7%
實驗結果顯示，【Ｒ高Ｆ高】群組的開信率高達31.8%，【Ｒ低】群組的開信率只有4.5%，而【Ｒ高Ｆ低】群組的開信率是8.4%，證實原先的預測是正確的！因此，在Email行銷預算有限的前提下，應著重投資【Ｒ高Ｆ高】群組，降低【Ｒ低】群組的預算，並累計無資料群組的行為資料。
使用篩選功能，進行名單分眾
名單分眾可以有很多種方式，除了上述提到的RF分眾，也可使用名單的基本資料，如性別、地區等進行分眾。新版電子豹增加了篩選功能，可輕鬆完成分組。電子豹的篩選功能分兩種：基本資料和行為資料。
- 基本資料：
自定義資料。可在Excel中加入名單的性別、消費金額、註冊成為會員的時間等。匯入電子豹系統後，即可在基本資料中顯示。若你的活動是針對女生，可使用基本資料的篩選功能，找到「女生」，並建立群組。 - 行為資料：
分析名單過去的行為資料。可依據行銷活動記錄、活動名稱、平均開信率、平均點擊率等作為篩選條件。
- 「活動記錄」中可針對在電子豹的寄送活動的行為資料進行篩選，例如可以篩選近期５次寄送活動有點擊的人。
- 「活動名稱」中可針對某個寄送活動的行為進行篩選。若想針對新會員再次做行銷活動，可以選擇上週的寄送活動「註冊會員歡迎信」，找出有點擊歡迎信的名單，再次寄新會員優惠給他們。
- 「平均開信率」和「平均點擊率」則可以找出開信率和點擊率較高的名單。
名單分眾很重要，如果名單不進行分眾，會導致開信率和點擊率不佳。根據這次R、F實驗證明，透過分眾找出最近有開信且開信率高的名單，可以在電子報行銷中達到最佳的開信率結果，因此在行銷成本有限的情況下，可以優先對這些名單進行Email行銷，或針對這群重點客戶做個人化的行銷策略。
新版電子豹系統有進階名單管理功能，可利用篩選條件，於系統中進行Email名單分眾。除了可以篩選基本資料（年齡、性別等），也可使用名單的行為資料（平均開信率、平均點擊率）作為篩選條件。有效的R、F分眾方法，搭配電子豹後台的彈性篩選方式，可輕鬆管理你的Email名單，在有限的行銷預算中，得到最高的Email行銷報酬率！
原文出處為 電子豹 NewsLeopard
RFM進階篇：Email名單分眾實作，教你創造開信率38%的方法！
