ตัวอย่างการนำข้อมูลมาใช้ในงานห้องสมุด ตอนที่ 1 : RFM
หากเรา ค้นคำว่า RFM-Model ใน Google ตัวเลือกแรกๆ ที่เราจะได้เห็น คือ คำตอบจาก wikipedia ว่า RFM-Model คืออะไร และสรุปง่ายๆ ว่า คือ การวิเคราะห์ “customer value” เห็นศัพท์แบบนี้แล้ว ปวดหัวเหมือนกันครับ ยิ่งอ่านในรายละเอียดยิ่งยาวมาก
ผมขอสรุปง่ายๆ แบบนี้ครับ จริงๆ แล้วมันคือวิธีการหนึ่งที่ผมนำมาใช้แบ่งกลุ่มลูกค้า (Customer Segmentation)
RFM มีที่มาอย่างไร
R = Recency – ลูกค้ามาห้องสมุดล่าสุดเมื่อไหร่
F = Frequency – ลูกค้ามาห้องสมุดบ่อยมั้ย
M = Monetary (Value) – ลูกค้ามายืมหนังสือเยอะหรือเปล่า
สมมติว่าเราต้องการใช้ข้อมูล 1 ปี เราก็ปรับข้อมูลของลูกค้าให้กลายเป็น scale
R
มาใช้บริการล่าสุดเพิ่งมาในเดือนที่ผ่านมา = 3
มาใช้บริการภายใน 2 – 6 เดือน = 2
มาใช้บริการล่าสุด 6 เดือนขึ้นไป = 1
F
ใช้บริการมากกว่า 12 ครั้ง = 3
ใช้บริการ 6-11 ครั้ง = 2
ใช้บริการ น้อยกว่า 6 ครั้ง = 1
M
จำนวนการยืม (เล่ม) มากกว่า 50 เล่ม = 3
จำนวนการยืม 25 – 50 เล่ม = 2
จำนวนการยืมน้อยกว่า 25 = 1
จากนั้นก็นำข้อมูลมาวิเคราะห์และแบ่งกลุ่มต่อได้ นี่แค่ scale 3 นะครับ ยังแบ่งได้ขนาดนี้
333 / 332 / 331 / 323 / 322 / 321 / 313 / 312 / 311
233 / 232 / 231 / 223 / 222 / 221 / 213 / 212 / 211
133 / 132 / 131 / 123 / 122 / 121 / 113 / 112 / 111
เห็นมั้ยครับว่าถ้าลูกค้าคนไหนได้
333 – เพิ่งมา มาบ่อย ยืมเยอะ = ทำอะไรดี
331 – เพิ่งมา มาบ่อย ไม่ค่อยยืม = ส่งเสริมการยืมยังไงได้
111 – ไม่ได้มานานแล้ว นานๆ มาที ไม่ยืมด้วย = กลุ่มนี้เราควรสนใจหรือเปล่า
113 – ไม่ได้มานานแล้ว นานๆ มาที แต่ถ้ามายืมเยอะ = นักอ่านของเรา ทำไงดี
เพื่อนๆ ลองไปสร้างกลยุทธ์กันดูต่อนะครับ
Clip Video Facebook live : https://www.facebook.com/projectlib/videos/10156073922723348/
อ่านเพิ่มเติมได้ที่ https://www.slideshare.net/WhiteRavenPL/rfm-segmentation