RFM analizi nedir? Müşteri segmentasyonu ve journey'ler

RFM analizi, müşterileri son alışverişlerinden bu yana geçen süreye (recency), alışveriş sıklığına (frequency) ve harcadıkları tutara (monetary) göre puanlayıp segmentlere ayıran bir müşteri segmentasyonu yöntemidir. Her müşteri üç boyutta bir puan alır.

Üç puanın birleşimine RFM skoru ya da RFM puanı denir ve müşterinin hangi segmentte olduğunu gösterir. Müşteri ilişkileri yönetimi (CRM) ekipleri bu segmentleri hangi müşteriye hangi iletişimin gideceğine karar vermek için kullanır.

Bu yazı RFM analizinin nasıl yapıldığını, baştan vermen gereken üç kararı, lira bazında küçük bir örnekle puanlamayı ve segmentleri lifecycle journey'lerine nasıl bağlayacağını anlatıyor. Yöntemin sınırlarını ve mobil uygulamalarda nasıl uyarlandığını da yazının sonunda bulacaksın.

RFM analizi, bir müşterinin geçmiş alışveriş davranışını üç sayıya indirger ve bu sayılarla müşterileri karşılaştırılabilir hâle getirir. Üç boyutun her biri farklı bir soruya cevap verir.

Recency (yakınlık), müşterinin en son ne zaman alışveriş yaptığını gösterir ve analiz tarihi ile son alışveriş arasındaki gün sayısıyla ölçülür, süre kısaldıkça puan yükselir. Frequency (sıklık), belirli bir dönemde kaç kez alışveriş yapıldığını sipariş sayısıyla ölçer. Monetary (parasal değer) ise ne kadar harcandığını toplam harcama ya da sipariş başına ortalama harcamayla ölçer.

Yöntem doğrudan posta ve katalog pazarlamasından geliyor. Bu alandaki uygulamacılar, mektup gönderilecek müşterileri seçmek için geçmiş alışveriş verisini bu üç boyutla sıralıyordu.

Peter Fader, Bruce Hardie ve Ka Lok Lee'nin 2005'te Journal of Marketing Research'te yayımlanan makalesi, recency'nin genellikle en güçlü ayırt edici boyut olduğunu ve yöntemin bu yüzden "FRM" değil "RFM" diye anıldığını, Arthur Hughes'a dayanarak yazıyor. Aynı makale RFM değişkenlerini müşterinin gerçek davranış eğilimlerinin kusurlu göstergeleri olarak tanımlıyor. Bu, yazının sonunda anlatılan sınırların da çıkış noktası.

RFM analizi, sipariş verisinden müşteri başına üç değer hesaplayıp bu değerleri puanlara çevirerek yapılır. Excel'de, SQL'de ya da Python'da yapılabilir, kullandığın CRM aracında hazır bir RFM özelliği de olabilir. Adımlar şöyle:

1. Veriyi hazırla: Müşteri kimliği, sipariş tarihi ve sipariş tutarını içeren bir sipariş tablosu çıkar. İptal edilen ve iade edilen siparişleri nasıl ele alacağına baştan karar ver.
2. Analiz tarihini ve penceresini seç: Hangi günü "bugün" sayacağını ve geriye doğru kaç günlük veriye bakacağını belirle.
3. Üç değeri hesapla: Her müşteri için son siparişten bu yana geçen gün sayısını, penceredeki sipariş sayısını ve toplam ya da ortalama harcamayı hesapla.
4. Puanla: Her değeri aynı ölçekte bir puana çevir, örneğin 1 ile 5 ya da 1 ile 3 arasında.
5. Segmentlere ayır: Puan kombinasyonlarını anlamlı segmentlere grupla.
6. Segmentleri iletişime bağla: Her segment için hangi journey'in ya da kampanyanın çalışacağını belirle ve segmentleri düzenli aralıklarla yeniden hesapla.

Bu adımların en kolay atlananı ikinci ve dördüncü adımlardaki kararlar. Aynı veri farklı bir pencereyle ya da farklı bir ölçekle bambaşka segmentler üretir.

Analiz penceresini seçmek

Analiz penceresi, işinin doğal satın alma döngüsüne göre seçilmeli. Haftada bir alışveriş yapılan bir market uygulamasıyla yılda bir alışveriş yapılan bir mobilya mağazası aynı pencereyle değerlendirilemez. Pencere çok kısa olursa düzenli ama seyrek alışveriş yapan müşteriler "kaybedilmiş" görünür, çok uzun olursa yıllar önce ayrılmış müşteriler hâlâ aktifmiş gibi sayılır.

Klaviyo'nun RFM belgesi varsayılan olarak recency için 180 ve 365 günlük eşikler kullanıyor. Bu bir araç varsayılanı, her işe uyan bir kural değil.

Puanlama: 1–5 mi, 1–3 mü?

RFM puanlamasında tek bir standart yok. IBM SPSS'in RFM belgesi varsayılan olarak her boyutu 5 gruba ayırıyor, bu da 111 ile 555 arasında 125 olası puan kombinasyonu üretiyor. Klaviyo üç boyutu da 1 ile 3 arasında puanlıyor, Braze'in RFM segmentleri 0 ile 3 arasında bir ölçek kullanıyor.

Beşli ölçek daha ince ayrım yapar ama daha fazla segment ve daha küçük gruplar demektir. Üçlü ölçek ise küçük müşteri tabanlarında daha anlaşılır sonuç verir.

Puanlar iki yolla belirlenir: müşterileri eşit büyüklükte gruplara bölerek ya da sabit eşikler koyarak. Eşit gruplara bölmenin bir tuzağı var. IBM'in belgesi, aynı değere sahip çok sayıda müşteri olduğunda grupların eşit dağılmadığını örnekle anlatıyor. Müşterilerin çoğu tek sipariş vermişse, sıklıkta onları birbirinden ayırmak mümkün olmaz ve hepsi aynı gruba düşer.

Parasal değeri tanımlamak

Parasal değeri toplam harcama olarak mı, sipariş başına ortalama harcama olarak mı tanımlayacağına karar ver. IBM, Klaviyo ve Braze toplam harcamayı kullanıyor. Fader, Hardie ve Lee'nin makalesi ise sipariş başına ortalama harcamayı kullanıyor.

Toplam harcama sıklıkla güçlü biçimde ilişkilidir, çünkü çok sipariş veren müşteri doğal olarak daha çok harcar. İadeleri düşüp düşmeyeceğine ve kargo ile vergiyi dahil edip etmeyeceğine de baştan karar ver, yoksa iade oranı yüksek müşteriler gerçekte olduklarından değerli görünür.

Aşağıdaki tablo tamamen varsayımsal 10 müşteriyle bir RFM puanlamasını gösteriyor. Analiz tarihi 1 Kasım 2026, pencere son 365 gün.

Puanlar sabit eşiklerle verildi: recency'de 30 gün ve altı 3, 31–90 gün 2, 90 günden fazla 1 puan. Sıklıkta 4 ve üzeri sipariş 3, 2–3 sipariş 2, tek sipariş 1 puan. Parasal değerde toplam harcama 3.000 TL'yi aşıyorsa 3, 1.000–3.000 TL arasındaysa 2, 1.000 TL'nin altındaysa 1 puan.

Tablonun en öğretici satırı G. G en yüksek harcamaya ve sıklığa sahip ama 120 gündür alışveriş yapmıyor. Puanları toplayarak tek bir sayıya indirseydin G (7 puan), son 20 günde ilk siparişini veren C'den (5 puan) daha "iyi" görünürdü, ama ikisine gönderilecek mesaj tamamen farklı olmalı. Bu yüzden puanları toplamak yerine kombinasyonu birlikte okumak gerekiyor.

RFM segmentleri, benzer puan kombinasyonlarına sahip müşterilerin gruplarıdır. Araçlar segmentlere sık sık benzer adlar veriyor: Champions, Loyal, At Risk, Can't Lose Them, Hibernating gibi. Ama segment sayısı ve her segmentin puan kuralı araçtan araca değişiyor.

Braze 0–3 ölçeğiyle 10 segment tanımlıyor ve bir müşteriyi kuralına uyduğu ilk segmente atıyor. Klaviyo 1–3 ölçeğiyle 6 grup kullanıyor. Bloomreach'in RFM belgesi 1–5 ölçeğiyle 11 segment listeliyor ve kendi tablosunu bir başlangıç noktası olarak görmeyi öneriyor. Yani hazır segment adları bir şablon, kendi verine göre uyarlaman gereken bir başlangıç.

Örnek tablodaki müşterileri recency ve sıklığa göre yedi segmente ayıran basit bir şema şöyle olabilir. Parasal değer bu şemada segmenti değil, segment içindeki önceliği belirliyor:

Bu şema bir örnek. Kendi verinde segmentlerin büyüklüğüne bak: bir segment müşterilerin çoğunu topluyorsa ya da neredeyse boş kalıyorsa eşikleri yeniden ayarla.

RFM segmentinin değeri, segmente göre farklı bir iletişim kurduğunda ortaya çıkar. Aşağıdaki liste örnekteki her segmenti, amacını ve sitedeki journey kütüphanesinde karşılığı olan akışları gösteriyor. Her journey'in tetikleyicisi, bekleme süreleri ve çıkış koşulları kendi sayfasında anlatılıyor.

• En değerli: İlişkiyi ödüllendirmek ve yaymak. Sadakat programı aktivasyonu, Arkadaş daveti ödülü.
• Sadık: Sepeti genişletmek ve tekrarı korumak. Tamamlayıcı teklif, Tahmini yenileme hatırlatması.
• Yeni: İlk deneyimi iyi kapatmak. Satın alma sonrası takip.
• İkinci siparişi bekleyen: İkinci siparişi getirmek. İlk alışverişten ikinciye.
• Kaybedilmemesi gereken: Kaybı erken durdurmak. Churn riski yönetimi.
• Risk altında: Geri dönüş nedeni sunmak. Churn riski yönetimi, Kullanılmayan sadakat ödülü.
• Kaybedilmiş: Geri kazanmak ya da iletişimi azaltmak. Eski müşteriyi geri kazanma, Yanıt vermeyen aboneyi sonlandırma.

Listedeki en önemli ayrım, "kaybedilmemesi gereken" ile "kaybedilmiş" arasında. İkisinin de recency'si düşük, ama ilki geçmişte sık ve yüksek tutarda alışveriş yapmış bir müşteri. Bu segmente daha erken ve daha kişisel bir müdahale, kaybedilmiş segmentine ise sınırlı bir geri kazanma denemesi ve yanıt yoksa iletişimi azaltmak uygun.

Segment değişikliklerini de bir tetikleyici olarak kullanabilirsin: sadık segmentten risk altına geçen bir müşteri, risk altında sabit duran bir müşteriden daha acil bir sinyal verir. Journey'leri kendi verinle kurmak için Journey oluşturucuya bakabilirsin.

RFM geçmişe bakan bir yöntemdir. Fader, Hardie ve Lee'nin makalesi, müşteri değerini ölçerken geleceğe bakmak gerektiğini ve RFM'in geçmiş davranışı özetlediğini vurguluyor. RFM bir müşterinin bugün nerede durduğunu iyi anlatır ama gelecekte ne kadar değer üreteceğini doğrudan tahmin etmez. Bu yüzden müşteri yaşam boyu değeri (CLV) ya da churn tahmini gibi ileriye dönük modellerin yerini tutmaz, onlara bir başlangıç sağlar.

Puanların göreli olması da bir sınır. Eşit büyüklükte gruplarla puanlama yaptığında bir müşterinin puanı yalnızca kendi davranışına değil, diğer müşterilerin davranışına da bağlıdır. MoEngage'in RFM belgesi puanların göreli olduğunu ve sınıra yakın müşterilerin hesaplamalar arasında segment değiştirebileceğini belirtiyor. Segmentleri her yeniden hesapladığında bu oynaklığı hesaba kat, tek bir hesaplamadaki küçük bir değişikliğe göre büyük bir iletişim kararı verme.

Mobil uygulamalarda ve aboneliklerde RFM

Satın alma olmayan ürünlerde RFM, satın alma yerine başka bir anlamlı davranışla uyarlanabiliyor. MoEngage varsayılan recency olayı olarak uygulama açılışını kullanıyor, sıklık için uygulama ya da site ziyaretlerini, parasal değer yerine de içerik izleme süresi gibi bir ölçüyü örnek veriyor. CleverTap'in RFM belgesi kullanıcıları belirli bir olayı ne kadar yakın zamanda ve ne sıklıkla yaptıklarına göre ayırıyor, parasal değerin de para ya da süre gibi bir harcama ölçüsü olabileceğini belirtiyor.

Abonelik işlerinde aylık ödeme genellikle sabit olduğu için parasal değer müşterileri az ayırır. Bu durumda kullanım sıklığı ve son kullanım tarihi daha bilgilendirici olur. Hangi olayı seçersen seç, o olayın değer üreten bir davranış olmasına dikkat et. Yalnızca uygulamayı açıp kapatmak, satın alma kadar güçlü bir sinyal değildir.