BigQuery'de Makine Öğrenmesiyle RFM - Müşteri Segmentasyonu

E-ticaret sitelerinde her ay markanın ve sitenin hacmine göre bin, on bin, yüz binlerce kullanıcı alışveriş yapıyor. Elimizde çok büyük bir tüketici kitlesi var. Peki bu kitleden hangilerinin bizim için daha değerli bir kullanıcı olduğunu nasıl bileceğiz? Ve bunun neticesinde kullanıcılarımızı segmentleyip Google Reklamları ve Facebook Reklamlarıylayeniden pazarlama çalışmalarına nasıl bir yön verebileceğiz?

RFM Nedir?

RFM Analizi yapmak ve kullanıcıları bu analiz neticesinde segmentlemek, hangi kullanıcıların ne kadar değerli olduğunu anlamak için güzel bir yol. Peki RFM’in açılımı nedir?

R=Recency (Bir kullanıcının en son ne zaman alışveriş yaptığı)

F=Frequency (Bir kullanıcının toplam kaç kez alışveriş yaptığı)

M=Monetary (Bir kullanıcının alışverişleri sonucunda toplam ne kadar ciroya katkı sağladığı)

RFM analizi

• Müşterilerinizin uzun süre sizinle kalmasına (life time value)

• E-ticaret dönüşüm oranlarınızın artışına (transaction rate)

• E-ticaret cironuzun artışına (revenue)

• Mailing, sms, yeniden pazarlama çalışmalarınızdaki tıklama oranlarının artmasına yardım eder.

Bu teknik ile, BigQuery üzerinden SQL ve makine öğrenimi (machine learning) algoritması kullanarak analiz yapıp analiz sonucunda kullanıcıları segmentleyeceğiz ve bu verileri görselleştireceğiz. Daha sonra bu kullanıcıları dijital pazarlama kanalları üzerinden nasıl hedefleyebileceğimizi konuşacağız.

Google BigQuery, Google’ın bulut bilişim(cloud service) hizmetlerinden birisidir. BigQuery sayesinde, birkaç farklı platformdan topladığımız verileri BigQuery’e aktarıp tablolar oluşturabiliriz. Daha sonra bu veriler üzerinde SQL ile sorgu işlemleri yaparak veri anlamlandırma, analiz etme, sonuca ulaşma, görsel raporlar oluşturma ve hatta analiz sonuçlarından çıkan dataları pazarlama aktivitelerinde kullanma şansına sahibiz.

Tüm işlemler bittikten sonra verileri görselleştirmek istediğimizde, verileri Google Data Studio‘ya aktararak aşağıdaki gibi bir rapor elde edceğiz.