วิธีทำ RFM Model Analysis เพื่อทำ Customer Segmentation จากพฤติกรรมการซื้อ

วิธีทำ RFM Model Analysis เพื่อทำ Customer Segmentation จากพฤติกรรมการซื้อ

และแล้วก็มาถึงบทสุดท้ายของการทำ RFM Model Analysis เพื่อแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อออกมาเป็น 12 Customer Segmentation สำหรับนักการตลาดสายดาต้าที่สนใจแล้วอยากรู้วิธีการเริ่มต้นทำจาก Transaction data ที่มี ถ้าอยารู้ว่าจะเริ่มต้นทำการตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing ได้อย่างไร เชิญอ่านต่อได้เลยครับ

วิธีเริ่มทำ RFM Mode Analysis เพื่อแบ่งกลุ่ม 12 Customer Segmentation จาก Transaction data

จากภาพ Infographic ที่แสดงถึงการแบ่ง 12 Customer Segmentation ผมเชื่อว่าคุณน่าจะอยากเริ่มต้นลองแบ่งกลุ่มลูกค้าที่มีด้วยดาต้าแล้วแหละ ซึ่งโดยหลักการก็ไม่ยากหรือซับซ้อนเลยครับ เพราะทั้งหมดมีแค่ 3 ขั้นตอนหลักๆ ที่ต้องทำ เริ่มจาการเตรียมข้อมูลที่มีให้พร้อม จากนั้นก็เริ่มเอามาแบ่งว่าในช่วงคะแนนแต่ละส่วนจะต้องแบ่งตรงจุดไหน แล้วก็เริ่มระบุคะแนนลงไปยังลูกค้าแต่ละคน ท้ายที่สุดเมื่อเห็นภาพลูกค้าแต่ละกลุ่มจากทั้ง 12 Segments แล้วก็เริ่มคิดเลยครับว่าจะทำแคมเปญการตลาดกับแต่ละกลุ่มอย่างไร

พูดแบบนี้อาจจะยังไม่เห็นภาพ ถ้าอย่างนั้นเราไปอ่านต่อในรายละเอียดของแต่ละขั้นตอนสำหรับการทำ Segmentation ด้วยหลักการ RFM Model กันเลยครับ

1. Collecting Information เตรียมข้อมูลลูกค้าที่ต้องใช้

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์
African Woman Computer Networking Technology Concept

ก่อนจะเริ่มต้นทำงานกับดาต้าฉันใด เราต้องเริ่มต้นจากการมีดาต้าเตรียมพร้อมไว้ฉันนั้น ดังนั้นเราต้องมีการเก็บข้อมูลลูกค้าหรือ Customer data เอาไว้ก่อนระดับหนึ่ง ซึ่งต้องเป็นข้อมูลที่สามารถแยกหรือระบุตัวตนของเจ้าของข้อมูลได้ ซึ่งถ้าใครขายของออนไลน์ผ่านทาง Shopee หรือ Lazada หรือ JD Central อันนี้ก็ค่อนข้างง่ายครับ

เพราะทั้ง 3 E-Marketplace แพลตฟอร์มเหล่านี้นั้นเตรียมโครงสร้างของ Sale data หรือ Transaction data ไว้ให้เราดีแล้วจากที่ผมไล่เช็คมาด้วยตัวเอง

ซึ่งเอาเข้าจริงข้อมูลหรือดาต้าที่เราต้องการนำมาใช้เพื่อทำ Data Analytics หา Cutomer Segments ตามหลักการของ RFM Model ก็ไม่ได้เป็นอะไรที่ซับซ้อนเลย เพราะใจความหลักคือแค่การระบุตัวตนเจ้าของการซื้อหรือการใช้บริการที่เกิดขึ้นได้ และถ้ามีข้อมูลช่องทางการติดต่อไม่ว่าจะเบอร์โทรหรืออีเมลเข้ามา ก็จะยิ่งช่วยทำให้เราสามารถวิเคราะห์หากลุ่มย่อยเพิ่มได้ ไปจนถึงทำให้เราสามารถ Export ข้อมูลออกมาเป็น Custom Audience ในการทำ Marketing ต่อไปได้อีกด้วย

ซึ่งข้อมูลเริ่มต้นของ Customer Data ที่เราจำเป็นต้องมีมีดังนี้

  • Customer ID บางแพลตฟอร์มจะมีการสร้าง Customer ID ลูกค้าให้อัตโนมัติ แต่เท่าที่ดูตอี้ข้อมูลในส่วนนี้ไม่มีแล้วทั้ง 3 แพลตฟอร์มครับ จะถูกระบุด้วยข้อมูลในลำดับถัดไป
  • Name ชื่อและนามสกุลลูกค้า ที่ต้องมีนามสกุลด้วยก็เพราะซื่อนั้นมีโอกาสซ้ำกันง่าย และถ้าเราขายหลายๆ แพลตฟอร์มเรายังสามารถเอาชื่อลูกค้ามาเป็นตัวเชื่อมประกอบ Customer Data ที่กระจัดกระจายเข้าไว้ด้วยกัน ทำให้เราสามารถเห็น Customer Journey ในส่วนของการช้อปปิ้งออนไลน์ได้มีประสิทธิภาพยิ่งขึ้น
  • Email เพื่อช่วยในการแยกตัวตนลูกค้าได้ดีอีกหนึ่งช่องทาง และบางครั้งผมก็พบว่าลูกค้าหนึ่งคนมีมากกว่าหนึ่งอีเมล
  • Phone เบอร์โทรศัพท์ นี่ก็เป็นอีกหนึ่ง Data Point สำคัญที่จะแยก Customer Segment กลุ่มที่ต้องการให้เราติดต่อกลับออกมาได้สำหรับในบางธุรกิจ
  • Purchase data วันและเวลาที่ซื้อ ข้อมูลตัวนี้สำหรับมากสำหรับการทำ RFM Model เพราะถ้าเราไม่มีข้อมูลการซื้อครั้งล่าสุด หรือไม่สามารถระบุวันเวลาที่ซื้อสินค้าลงไปได้ของลูกค้าแต่ละคน เราก็จะไม่สามารถให้คะแนน Recency Score ได้เลย รวมไปถึงข้อมูลเดียวกันนี้ยังถูกนำไปใช้สร้าง Frequency Score ได้อีกด้วย เพื่อหาว่าใครเป็นลูกค้าประจำบ้าง หรือใครเป็นแค่ขาจร
  • Number of purchases จำนวนการซื้อที่เกิดขึ้น เพื่อนำมาหา Frequency Score ในการทำ RFM Model ครับ ว่ามาแต่ละครั้งซื้อมากหรือน้อยชิ้น
  • Total spend ยอดการใช้จ่ายรวม จะถูกนำมาวิเคราะห์ในส่วนของ Monetary Score ในการแบ่งแยกกลุ่มลูกค้า Customer Segments ว่าลูกค้าคนนี้มาบ่อยแต่ใช้น้อย หรือมาประจำแถมยังเปย์เยอะที่ต้องดูแลเป็นพิเศษครับ

หมดแล้วครับ Data ที่ต้องการนำมาใช้ทำ RFM Analysis เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segments ไม่ต้องเก็บเยอะ ไม่ต้องซับซ้อน เพราะหัวใจหลักของ RFM Model คือการแบ่งลูกค้าออกเป็นกลุ่มตามพฤตติกรรมการซื้อเพื่อให้เราได้เห็นชัดๆ จากนั้นก็จะได้รู้ว่าจะต้องวางแผนการตลาดอย่างไรต่อครับ

2. Identify Scoring Framework กำหนดเกณฑ์การให้คะแนน

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์

ทำไมต้องให้คะแนน? ก็เพราะใจความหลักของการทำ RFM Analysis คือการให้คะแนนเพื่อแบ่งกลุ่มลูกค้าออกมาให้ชัดๆ ว่าลูกค้ากลุ่มไหนคือคนสำคัญ แล้วกลุ่มไหนคือคนที่สำคัญรองลงมา รองลงมา จนไปถึงไม่คุ้มค่าที่จะพยายามทำให้เขาเป็นลูกค้าเราต่อไป

ดังนั้นตอนนี้เราจะมาดูกันว่า แนวทางการแบ่งกลุ่มเพื่อให้คะแนนในแต่ละด้านของ RFM Model นั้นมีหลักการอย่างไร โดยเราจะยึดจากการให้คะแนน 1 ถึง 5 เป็นหลักก่อนนะครับ แต่ถ้าใครอยากแบ่งละเอียดยิบย่อยไปจนถึง 10 เลย อันนี้ก็ไม่ผิดกติกาสากลแต่อย่างไร

ซึ่งในความเป็นจริงแล้วการจะกำหนดการแบ่ง Scoring มีมากมายหลายวิธี แต่วันนี้เราจะมาพูดถึงวิธีที่เรียบง่ายเพื่อให้ทุกคนได้เห็นภาพเริ่มต้นการทำ RFM Model ไปพร้อมกัน นั่นก็คือการแบ่งตามสัดส่วนของลูกค้าที่มีครับ

การแบ่งตามสัดส่วนลูกค้าคือให้สมมติว่าเรามีลูกค้าอยู่พันคน แล้วถ้าเราจะต้องสร้าง Scoring 1 ถึง 5 เราก็แค่เอา 1000 หาร 5 ออกมาได้เป็นกลุ่มละ 200 ซึ่งวิธีการให้คะแนนก็คือ 200 อันดับแรกที่จัดอยู่ในกลุ่มน้อยที่สุดเอาไป 1 คะแนนในแต่ละด้าน ส่วนกลุ่มลูกค้า 200 บนสุดก็ให้คะแนนไป 5 ที่เหลือก็ตามลำดับสัดส่วนกันไปครับ

เช่น ลูกค้าที่มีการใช้เงินกับเราอยู่ในลำดับที่ 555 จากทั้งหมด 1.000 คน ก็จะได้ Monetary Score อยู่ที่ 3 เพราะอยู่ตรงกลางระหว่างลำดับที่ 400-600

แต่ถ้าลูกค้าคนไหนใช้เงินกับเราเยอะมากจนอยู่ในลำดับที่ 920 ก็จะได้ Monetary Score อยู่ที่ 5 เพราะถือว่าอยู่ในกลุ่ม 200 บนจากการแบ่งออกมาเป็น 5 กลุ่มตามลำดับของ Scoring ที่ให้ไป

ดังนั้นถ้าใครอยากจะแบ่งละเอียดกว่านี้ก็ใช้หลักการวิธีคิดนี้ได้ ส่วนถ้าใครจะแบ่งด้วยการคำนวนแบบอื่นก็สามารถทำได้ เช่น อาจจะดูจากค่า Median จริงๆ ที่เกิดขึ้นจากการใช้เงินมากกว่า ไม่ได้ดูจากลำดับการใช้เงินที่อาจจะไม่ได้กระจายตัวไปอย่างคงที่

ซึ่งในการทำงานจริงก็ต้องลองปรับวิธีการให้ Scoring กันไปครับ ว่าแบ่งออกมาแล้วพอเอาไปทำการตลาดต่อนั้นเวิร์คมั้ย ซึ่งเป็นเรื่องที่ต้องปรับจูนไปเรื่อยๆ จนกว่าจะได้สูตรสำเร็จสุดท้ายที่เข้ากับบริบทของธุรกิจเรา

เรื่องการให้คะแนนของ Monetary Score ยังนับว่าง่ายเพราะมันมีตัวเลขของการใช้เงินมากำหนดให้เห็นชัดๆ แต่ที่ยากหน่อยดูจะเป็น Recency Score เพราะไม่มีเส้นกำหนดตายตัวว่าแค่ไหนคือมาล่าสุดแล้ว เช่น ถ้าเป็นธุรกิจบ้าน หรือรถยนต์ หรือที่นอน หรือสินค้าประเภทที่นานทีปีหนจะซื้อแต่ละทีก็ดูจะไม่เหมาะกับการเอาหลักการ RFM Model ไปใช้

ถ้าให้แนะนำคือสินค้าแบบนั้นอาจจะต้องใช้ RFM Model ในรูปแบบอื่นที่ไม่ใช่การซื้อ เช่น การบริการหลังการขายไหม หรือการนำเสนอคอนเทนต์ระหว่างทางไหม รถยนต์อาจจะเป็นการเอารถเข้าศูนย์ไปเช็คระยะ ลูกค้าบางคนอาจจะมาบ่อยมากเพราะเป็นคนขี้กังวล ส่วนลูกค้าบางคนอาจจะไม่เคยกลับมาใช้ศูนย์เลยเมื่อหมดประกันศูนย์ก็เป็นได้

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์

ลองดูการแบ่งตามหลักการ Quintiles ตามภาพก็ได้ครับ ซึ่งดูแล้วเข้าใจง่ายในทันที ส่วนใส้ในของการแบ่งจะแบ่งโดยลำดับตัวเลขลูกค้า หรือตัวเลขการใช้เงิน หรืออะไรก็แล้วแต่วิธีการคิดให้ Score ของแต่ละธุรกิจไปครับ

3. RFM Scoring ถึงเวลาให้แล้วรวมคะแนน

เมื่อเรากำหนดเกณฑ์การให้คะแนนแล้วว่าต้องใช้จ่ายกับเราขนาดไหนถึงจะได้ Monetary Score 5 ระยะเวลาในการมาซื้อครั้งล่าสุดต้องไม่นานเกินเท่าไหร่ถึงจะได้ Recency Score 5 และต้องมาซื้อกับเราทั้งหมดกี่ครั้งไปถึงจะได้ Frequency Score 5 เช่นกัน ดังนั้นตอนนี้ถึงเวลาแล้วที่เราจะเอาเกณฑ์คะแนนที่กำหนดไว้มาระบุใส่ลงไปยังลูกค้าแต่ละคน

เมื่อเราให้คะแนน RFM Score ทั้งหมดเราก็จะเริ่มเห็นแล้วว่าลูกค้าคนไหนได้คะแนนรวมเท่าไหร่ เราก็จะเห็นเลยว่าลูกค้าคนนี้ที่เราเคยสนิทมากๆ คิดว่าเป็นลูกค้าประจำชั้นดีมานานจริงๆ แล้วเขาเป็นอย่างนั้นหรือแค่คุยเก่งแล้วถูกใจเราคนเดียว จนเราเผลอมี Bias ให้คะแนนพิศมัยพิเศษไปโดยไม่รู้ตัว

สิ่งที่ต้องทำก็คือสร้างง Column ใน Excel เพิ่มขึ้นมาให้กับ Recency Score หรืออาจจะเขียนสั้นๆ ว่า R-score, F-Score และ M-score ช่องสุดท้ายเอามารวมกันเป็น RFM Score เพื่อทำให้เห็นภาพรวมได้ชัดๆ ถ้านึกไม่ออกลองดูจากภาพตัวอย่างก็ได้ครับ

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์
Credit & Source: RFM Segmentation Guide v1
Retail Customer Segmentation HMScommerce.com

ทีนี้เมื่อคุณระบุ RFM Score ให้กับลูกค้าทุกคนได้เรียบร้อยแล้ว สิ่งที่คุณตองทำต่อก็คือระบุลงไปว่าลูกค้าแต่ละคนจัดอยู่ใน Segments ไหนในตาราง 5x5x5 เพื่อจะได้เห็นภาพชัดๆ ว่าตกลงตอนนี้ลูกค้าเรากระจุกอยู่ตรง Segments ไหน เราก็จะรู้ทันทีว่าธุรกิจเราตอนนี้น่าห่วงหรือกำลังไปได้ดีโดยไม่รู้ตัวกันแน่ครับ

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์
วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์

ถ้าดูจากภาพตารางตัวอย่างจะเห็นว่าแแกนของ Frequency Score กับบ Monetary Score นั้นใช้เส้นเดียวกันในการระบุ นั่นก็เพราะส่วนใหญ่แล้วคะแนนสองส่วนนี้มักสอดคล้องกัน เพราะถ้าลูกค้าคนไหนมาบ่อยก็มักจะมีอัตราการใช้เงินกับเราที่สูงกว่าปกติ แต่ถ้าให้ดีจริงๆ โมเดลนี้ควรจะสร้างออกมาในรูปแบบ 3 มิติเหมือนลูกบิด Cubic แล้วเราจะเข้าใจ Customer Segments ในทุกมิติได้ดียิ่งขึ้นครับ

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์

ทีนี้เมื่อเราระบุ Customer Segments ออกมาได้ครบทั้ง 12 Segmentation ตั้งต้นตามหลักของ RFM Analysis แล้ว ก็ถึงเวลาสุดท้ายที่เราจะต้องคิดแล้วว่าเราจะบริหารจัดการลูกค้าาแต่ละกลุ่มอย่างไร รวมไปถึงการคิด Marketing Campaign หรือแคมเปญการตลาดแบบไหนที่จะสามารถสร้างลูกค้ากลุ่ม Champion ให้เยอะขึ้น เติมลูกค้ากลุ่ม Loyal Customers ให้มากกวานี้

4. Campaign Ideation ทำการตลาดแบบ Personalization ที่ตอบแต่ละ​ Segmentation

ตอนนี้เราได้เห็นภาพของ Customer Segments ทั้ง 12 กลุ่มของเราแล้ว เป็นอย่างไรบ้างครับสุขภาพของธุรกิจเราดีหรือแย่กว่าที่คิดไว้ เมื่อเราได้ดูกับตาไม่ใช่แค่เดาอีกต่อไปว่าเราควรต้องทำการตลาดกับลูกค้ากลุ่มไหนและอย่างไร การจะใช้งบการตลาดทีมีจำกัดให้มีประสิทธิภาพก็ไม่ใช่แค่คำพูดสวยหรูอีกต่อไป แต่เป็นอะไรที่สามารถทำได้จริงด้วยการทำ Data-Driven Marketing นี่แหละครับ

ซึ่งถ้าใครคิดไม่ออกว่าจะต้องใช้กลยุทธ์หรือ Marketing Strategy ในการพิชิตแต่ละกลุ่มอย่างไร ก็ย้อนกลับไปอ่านในบทความก่อนหน้าก็ได้ครับ จะได้เห็นเป็นแนวทางเริ่มต้นทที่ง่ายขึ้น แต่อย่างไรก็ดีแนวทางก็เป็นแค่แนวทาง เพราะการจะทำธุรกิจและการตลาดให้ประสบความสำเร็จเราต้องเป็นผู้สร้างแนวทางของตัวเองขึ้นมา

วิธีการทำ RFM Analysis จาก Transaction Data เพื่อแบ่งกลุ่มลูกค้าออกมาเป็น 12 Customer Segmentation จากพฤติกรรมการซื้อสำหรับการตลาดออนไลน์

ทั้งนี้การจะใช้กลยุทธ์หรือกลวิธีแบบใดก็ขึ้นอยู่กับบริบทของธุรกิจเราด้วย ว่าเราขายอะไร หรือให้บริการแบบไหน เสื้อผ้ากับเฟอร์นิเจอร์ก็ไม่สามารถใช้กลยุทธ์แบบเดียวกันได้ บ้านกันรถก็มีกลวิธีที่แตกต่างกัน หรือแม้แต่อาหารเหมือนกันแต่ต่างชนิดประเภทกันก็ต้องทำการตลาดต่างกันแล้ว

ดังนั้นค่า Frequency Score ของสินค้าอย่างอาหารย่อมไม่สามารถใช้หลักการคำนวนเหมือนกับหนังสือหรือบริการแบบอื่นได้ หรือแม้จะเป็นน้ำยาซักผ้าก็ต้องดูอีกว่าเป็นสินค้าประเภทขวดพร้อมใช้หรือเป็นถุง​ Refill อีกด้วยซ้ำ ดังนั้นทั้งหมดทั้งมวลจึงขึ้นอยู่กับบริบทของธุรกิจคุณที่ต้องนำหลักการ RFM Model นี้ไปใช้ให้เหมาะสมครับ

และที่สำคัญคุณก็ไม่จำเป็นต้องเริ่มต้นคิดหาไอเดียในการทำการตลาดกับทั้ง 12 Customer Segmentation ที่วิเคราะห์ออกมาได้ เลือกมาสัก 1 หรือ 2 Segments เพื่อเอามาทดลองดูก่อนว่าทำแล้วเวิร์คมั้ย ถ้าเวิร์คก็ขยายต่อให้ดีขึ้น แต่ถ้าไม่เวิร์คก็จะได้ไม่ต้องเจ็บตัวหนัก แล้วของขยับไปทำการตลาดกับลูกค้า Segments อื่นดูครับ

สุดท้ายนี้เมื่อเราทำ RFM Analysis สำเร็จออกมาเป็น Model ตามภาพ เราจะรู้ว่าแต่ละกลุ่มก็ต้องการ Communication หรือ Promotion ที่แตกต่างกันอย่างเห็นได้ชัด หมดยุคแล้วกับการทำการตลาดแบบหว่านหรือ Mass Marketing แบบโลกยุคเก่า หรือแม้แต่การทำ Research แบบเก่าที่ใช้ข้อมูลลูกค้าไม่กี่คนมาจัด​ Segments ที่ไม่ได้สะท้อนถึงพฤติกรรมการซื้อสินค้าจริงๆ เลยสักคนครับ

ทั้งหมดนี้คือแนวทางการเริ่มต้นวิเคราะห์ข้อมูลทำ Data Analysis เพื่อแบ่ง Customer Segments ออกมาเป็น 12 กลุ่มตามหลัก RFM Model จาก Transaction data หรือ Sale data ที่มี อย่าปล่อย Data ที่มีอยู่ในมือให้สูญเปล่าหมดค่าไปตามการเวลา รีบหยิบข้อมูลที่มีขึ้นมาลองวิเคราะห์ดู แล้วต่อไปนี้การทำการตลาดของคุณจะไม่หว่านแหแล้วลุ้นว่าจะมียอดขายกลับมาหรือไม่อีกต่อไปครับ

อ่านบทความเรื่อง RFM Model ก่อนหน้าในการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/tag/rfm-model/

Pareto Marketing จาก 80/20 ทำน้อยได้มาก สู่ RFM Model การแบ่งกลุ่มลูกค้าตามความสำคัญ Smart Customer Segmentation ด้วย Data-Driven Marketing

Source

Nattapon Muangtum

Nattapon Muangtum

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / ผู้เขียนหนังสือการตลาดแบบรู้ใจ Personalized Marketing, การตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing และ Data Thinking / เป็นที่ปรึกษาด้าน Marketing และ Data-Driven ให้กับบริษัทบางแห่งและหน่วยงานบางที่

2 thoughts on “วิธีทำ RFM Model Analysis เพื่อทำ Customer Segmentation จากพฤติกรรมการซื้อ

  1. อยากสอบถามข้อมูลการอ่านค่า RFM ครับ ถ้า Score ได้ 551 ถ้าอ่านกราฟแกน RF ลูกค้าจะเป็น Champion แต่ถ้าอ่าน M ด้วย ลูกค้าจะมีมูลค้าน้อยมาก อันนี้ควรจัดให้ลุกค้าอยู่ Segment อะไรครับ

    1. น่าสนใจครับ มาบ่อย มาถี่ แต่แทบไม่ใช้เงินเลย กลยุทธ์ในกลุ่ม Need Attention น่าจะได้นะครับ ให้ความสนใจเค้าเพิ่มขึ้น ทำให้เค้าอยากจ่ายเงินกับเรามากขึ้นครับ

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *