Met de AI segmenten van Reloadify hoef je zelf niet meer na te denken over waar je klanten zitten in hun klantreis. In dit artikel lees je hoe je de AI segmenten van Reloadify gebruikt.
AI segmenten op basis van RFM
Bespaar tijd met Reloadify. De segmenten op basis van RFM zijn terug te vinden onder profielen > segmenten. Zo zie jij wie jouw topklanten zijn, welke klanten aandacht nodig hebben en welke klanten je dreigt te verliezen.
Hoe werkt een RFM analyse?
Om klantwaarde toe te kennen geeft een RFM analyse scores aan een profiel. De scores worden toebedeeld aan de hand van de volgende punten:
Recency: Hoe recent heeft een profiel een aankoop gedaan?
Frequency: Hoe vaak doet een profiel een aankoop?
Monetary: Hoeveel geld geeft het profiel uit?
De Recency en Monetary score worden vertaald naar een score in de reeks 1 t/m 5. Hierbij is 1 het laagst wat een profiel kan scoren, en 5 het hoogst. De Frequency score loopt voor de AI segmenten van 1 t/m 3.
Een RFM score is simpelweg 3 cijfers achterelkaar, altijd in de volgorde Recency > Frequency > Monetary. Ons AI model berekent vervolgens elke score en deelt je profielen in in een segment wat daarbij hoort.
Hoe gebruik je een AI segment?
Het segment wordt bruikbaar door in een flow, nieuwsbrief of trigger gebruik te maken van de volgende regel:
In de regel is het juiste segment te selecteren. Op deze manier kun je een segment heel gericht benaderen. Wil je juist een segment uitsluiten? Gebruik dan in de regel “niet gelijk aan”.
Wil jij van elk segment een uitleg en inspiratie om de groep te benaderen? Klik dan op het i icoontje bij het segment en een uitleg verschijnt.
Wil je een flow of trigger bouwen met een bepaald segment? Houd er dan rekening mee dat je een op tijd gebaseerde regel nodig hebt.
Waarom kan ik een AI segment niet aanpassen?
Een AI segment op basis van RFM scores is niet aan te passen. Ons AI model berekent de segmenten op basis van je eigen webshop data. Wil je de RFM scores alsnog zelf aanpassen? Bereken dan zelf de R, F en M individueel met de losse filterregels.