Kundensegmentierung im Online-Shop: RFM einfach erklärt

Alle Kunden bekommen denselben Newsletter, denselben Rabatt und dieselbe Erinnerung. Der Stammkunde, der jeden Monat bestellt, sieht den 15-Prozent-Gutschein genauso wie die Adresse, die vor zwei Jahren einmal gekauft hat. Das kostet Marge bei den einen und wirkt nicht bei den anderen. Die RFM-Segmentierung teilt deine Kunden anhand von drei Zahlen aus deinem Bestellexport in Gruppen, für die sich unterschiedliche Maßnahmen lohnen. Dieser Artikel erklärt das Verfahren Schritt für Schritt in der Tabellenkalkulation, mit einem Rechenbeispiel, fünf Segmenten und einer Maßnahme je Segment.

Was RFM misst und warum es für kleine Shops reicht

RFM verwendet drei Größen, die jeder Shop hat:

• Recency (R): Wie viele Tage ist die letzte Bestellung her? Je kürzer, desto wahrscheinlicher der nächste Kauf.
• Frequency (F): Wie viele Bestellungen hat der Kunde insgesamt aufgegeben? Je mehr, desto fester die Bindung.
• Monetary (M): Wie viel Umsatz hat er insgesamt gebracht? Je mehr, desto wertvoller.

Für jede Größe bekommt der Kunde eine Punktzahl, etwa 1 bis 3. Die Kombination ordnet ihn einem Segment zu. Es gibt keine Software-Voraussetzung, kein Modell, das trainiert werden muss, und keine Kundendaten außer denen, die schon in deinem Shopsystem liegen. Dafür ist das Verfahren grob: Es weiß nichts über Produktkategorien, Kanäle oder Retouren. Für einen Shop mit einigen hundert bis einigen tausend Kunden ist das trotzdem der richtige Einstieg, weil jede Verfeinerung auf denselben drei Zahlen aufbaut.

RFM ergänzt zwei Kennzahlen, die du vielleicht schon berechnest: den Customer Lifetime Value, der den Wert eines Kunden über die Zeit schätzt, und die Wiederkaufsrate, die sagt, wie viele Kunden überhaupt ein zweites Mal kaufen. RFM zerlegt beide in Gruppen, mit denen du arbeiten kannst.

Die Daten: ein Bestellexport reicht

Du brauchst eine Tabelle mit einer Zeile je Bestellung und mindestens drei Spalten: Kundenkennung (oder E-Mail-Adresse), Bestelldatum, Bestellwert. Shopify liefert das über den Bestellexport als CSV, Lightspeed eCom über den Export der Bestellungen in deiner Version.

Vor der Rechnung bereinigen:

1. Stornierte Bestellungen entfernen. Sie sind kein Kauf.
2. Vollständige Retouren entfernen oder Bestellwert auf null setzen. Wer dreimal bestellt und dreimal alles zurückschickt, ist kein Stammkunde.
3. Gastbestellungen über die E-Mail-Adresse zusammenführen. Ohne Konto gibt es keine Kundennummer; die Adresse in Kleinbuchstaben ist der Schlüssel.
4. Zeitraum festlegen. 24 Monate sind ein guter Rahmen; bei sehr kurzen Kaufzyklen reichen 12.
5. Testbestellungen und interne Adressen streichen.

Schritt für Schritt: RFM in der Tabellenkalkulation

Die Anleitung funktioniert in Excel, Google Sheets oder LibreOffice. Rechne mit einem festen Stichtag, etwa dem letzten Tag des Vormonats.

1. Pivot-Tabelle je Kunde erstellen. Zeilen: Kundenkennung. Werte: Maximum des Bestelldatums (letzter Kauf), Anzahl der Bestellungen, Summe des Bestellwerts. Das Ergebnis ist eine Tabelle mit einer Zeile je Kunde.
2. Recency in Tagen berechnen. Neue Spalte: Stichtag minus letztes Bestelldatum. Formel in Sheets oder Excel: =STICHTAG-Datum, formatiert als Zahl.
3. Grenzen festlegen. Für jede der drei Größen brauchst du zwei Schwellen, die drei Gruppen trennen. Zwei Wege:
   • Drittel: Sortiere die Spalte und nimm die Werte bei einem Drittel und zwei Dritteln der Kunden (Funktion QUANTIL mit 0,33 und 0,67). Dann sind die Gruppen gleich groß.
   • Feste Grenzen: Lege sie nach deinem Kaufzyklus fest, etwa Recency unter 90 Tagen, 90 bis 365 Tage, über 365 Tage. Die Gruppen sind dann unterschiedlich groß, aber die Grenzen bedeuten etwas. Für den Anfang sind Drittel schneller. Feste Grenzen werden besser, sobald du deinen Kaufzyklus kennst.
4. Punkte vergeben. Drei neue Spalten R, F, M mit Werten 1 bis 3. Bei Recency bekommt der kürzeste Abstand die 3; bei Frequency und Monetary der höchste Wert. In Sheets zum Beispiel: =WENN(Tage<=90;3;WENN(Tage<=365;2;1)).
5. Segment zuordnen. Eine weitere Spalte mit einer WENN-Kette, die aus den drei Punkten ein Segment macht (Regeln in der Tabelle unten).
6. Zählen. Eine kleine Pivot: Kunden je Segment, Summe Umsatz je Segment, Anteil am Gesamtumsatz.
7. Speichern mit Datum. Jeden Monat eine neue Version, damit du die Wanderung zwischen den Segmenten siehst.

Warum drei statt fünf Punktstufen? Bei fünf Stufen entstehen 125 Kombinationen. Ein Shop mit 2.000 Kunden hat dann Zellen mit einer Handvoll Menschen. Mit drei Stufen sind es 27 Kombinationen, die sich sauber auf fünf oder sechs Segmente verdichten lassen.

Rechenbeispiel

Beispiel mit fünf Kunden eines Shops für Kaffee und Zubehör, Stichtag 31. August, feste Grenzen: Recency 3 bei bis zu 60 Tagen, 2 bei 61 bis 180 Tagen, 1 darüber; Frequency 3 ab 5 Bestellungen, 2 bei 2 bis 4, 1 bei einer; Monetary 3 ab 300 Euro, 2 bei 100 bis 299 Euro, 1 darunter.

Kunde D ist der interessanteste Fall: hoher Umsatz, viele Bestellungen, aber seit einem halben Jahr nichts mehr. Ohne Segmentierung bekäme er denselben Newsletter wie alle. Mit Segmentierung bekommt er eine persönliche Nachfrage, bevor er ganz weg ist.

Fünf Segmente und was du mit ihnen machst

Ein sechstes Segment lohnt sich bei Shops mit vielen Aktionen: Rabattkäufer (F 2–3, aber jede Bestellung mit Gutschein). Sie brauchen keine weiteren Rabatte, sondern einen Grund, zum Normalpreis zu kaufen. Diese Gruppe erkennst du nur, wenn der Export eine Spalte für den Gutscheincode enthält.

Die Maßnahmen im Detail beschreiben andere Artikel: Wie du Neukunden zum zweiten Kauf führst und Stammkunden hältst, steht im Leitfaden zur Kundenbindung im Online-Shop. Die Kampagne für Gefährdete und Schlafende zeigt der Artikel inaktive Kunden reaktivieren. Für Stammkunden ist die Bitte um eine Bewertung oft die wirksamste „Maßnahme“, weil sie dir mehr bringt als ein weiterer Verkauf; wie du das ohne Anreize und ohne Auswahl nach Sternen machst, steht unter Bewertung nach dem Kauf anfragen.

Grenzen an den Kaufzyklus anpassen

Die Drittel-Methode ist ein Start, aber sie hat einen Haken: Sie erzeugt immer ein Drittel „gefährdete“ Kunden, auch wenn dein Sortiment nur einmal im Jahr gekauft wird. Nach dem ersten Durchlauf legst du feste Grenzen fest, die zu deinem Sortiment passen:

• Verbrauchsgüter (Kaffee, Tierfutter, Kosmetik): Recency 3 bis etwa 45 Tage, 1 ab etwa 120 Tagen. Wer vier Monate keinen Kaffee bestellt hat, kauft ihn woanders.
• Mode und Wohnen: Recency 3 bis etwa 90 Tage, 1 ab etwa 365 Tagen.
• Langlebige Produkte (Möbel, Elektronik, Fahrräder): Recency ist fast bedeutungslos, Frequency misst eher Zubehörkäufe. Hier zählt Monetary am meisten, und das Segment „Neukunden“ ist über Monate das wichtigste.

Der typische Abstand zwischen zwei Bestellungen deiner Wiederkäufer ist der beste Anhaltspunkt für die Recency-Grenzen. Wie du ihn aus demselben Export berechnest, steht im Artikel zur Wiederkaufsrate. Für Monetary hilft ein Blick auf den durchschnittlichen Bestellwert: Die Grenze zu M 3 liegt sinnvoll bei etwa drei Bestellungen zum Durchschnittswert.

Segmente ins E-Mail-Tool bringen

Die Tabelle ist die Analyse. Damit sie wirkt, müssen die Segmente dort ankommen, wo die Mails verschickt werden. Drei Wege, vom einfachsten zum dauerhaften:

1. CSV-Import mit Tag. Exportiere je Segment die E-Mail-Adressen und importiere sie mit einem Tag wie „rfm-gefaehrdet“ in dein E-Mail-Tool. Monatlich wiederholen, alte Tags vorher entfernen.
2. Segmente im Shopsystem. Shopify bietet einen Segment-Editor für Kunden mit Filtern nach Anzahl der Bestellungen, ausgegebenem Betrag und Datum der letzten Bestellung. Damit lassen sich die RFM-Regeln direkt als Kundensegmente anlegen, die sich automatisch aktualisieren und in Shopify Email nutzbar sind.
3. Automatische Segmente im E-Mail-Tool. Tools mit Shop-Anbindung kennen Bestellhistorie und Umsatz je Kontakt und können Bedingungen wie „letzte Bestellung vor mehr als 180 Tagen und mehr als 3 Bestellungen“ als dynamisches Segment abbilden. Dann entfällt der monatliche Import.

Der erste Weg reicht, um zu prüfen, ob die Maßnahmen wirken. Erst wenn sie wirken, lohnt sich die Automatisierung.

Monatlicher Rhythmus: die Wanderung ist die Information

Eine einzelne RFM-Auswertung ist ein Foto. Der Nutzen entsteht beim Vergleich:

• Wie viele Neukunden des Vormonats sind jetzt treue Kunden? Das ist die Wirkung deiner Nachkauf-Serie.
• Wie viele Stammkunden sind gefährdet geworden? Frühwarnung, bevor die Wiederkaufsrate sichtbar fällt.
• Wie viele Gefährdete hast du zurückgeholt? Die Wirkung der Reaktivierungsmail, gemessen an Personen, nicht an Klicks.
• Welcher Anteil des Umsatzes kommt aus den beiden oberen Segmenten? Bei vielen Shops ist er hoch, und das erklärt, warum die Pflege dieser Gruppe wichtiger ist als der nächste Neukundenrabatt.

Eine kleine Übersicht mit Kundenzahl und Umsatz je Segment über die letzten sechs Monate reicht. In ecomando siehst du Bestellwert, Kundenzahlen und Umsatz je Zeitraum in der Übersicht; die Segmentrechnung selbst bleibt in deiner Tabelle.

Fehler, die die Segmentierung entwerten

• Retouren nicht abgezogen. Ein Kunde mit hohem Umsatz und hoher Retourenquote landet bei den Stammkunden und bekommt den Vorabzugang.
• Zu viele Segmente. Zwölf Gruppen, für die niemand zwölf Mails schreibt. Fünf Segmente mit fünf Maßnahmen schlagen zwölf ohne.
• Segmente ohne Maßnahme. Die Analyse ist fertig, der Newsletter geht weiter an alle. Dann war die Arbeit umsonst.
• Rabatt für Stammkunden. Die Gruppe, die am zuverlässigsten zum Normalpreis kauft, bekommt den größten Nachlass.
• Grenzen nie angepasst. Drittel-Grenzen aus dem ersten Monat, obwohl der Kaufzyklus längst bekannt ist.
• Einmal gemacht. Ohne monatliche Wiederholung siehst du die Wanderung nicht, und die ist der Grund für das ganze Verfahren.

RFM ist keine Analyse für Datenabteilungen. Es ist ein Nachmittag mit einem Bestellexport und einer Tabelle, an dessen Ende du weißt, welche fünf Gruppen deine Kunden bilden und was jede davon von dir braucht. Alles Weitere, dynamische Segmente, Automationen, Kundenwert je Gruppe, baut darauf auf.