RFM-Analyse
Was ist eine RFM-Analyse?
Die RFM-Analyse ist ein Verfahren zur Kundensegmentierung im E-Commerce. Sie bewertet Kunden anhand des Zeitpunkts ihres letzten Kaufs, ihrer Kaufhäufigkeit und ihres Umsatzes. Für jedes Merkmal werden meist Punkte von 1 bis 5 vergeben. Daraus entstehen Segmente für Kundenbindung, Kampagnensteuerung und personalisierte Angebote.
Die RFM-Analyse verdichtet Transaktionsdaten zu nachvollziehbaren Kundengruppen. RFM steht für Recency, Frequency und Monetary Value, also Aktualität, Häufigkeit und Geldwert. Die englische Bezeichnung lautet RFM analysis. Das Verfahren beantwortet drei konkrete Fragen: Wann kaufte ein Kunde zuletzt, wie oft kaufte er und welchen Umsatz erzielte er?
Die drei RFM-Kriterien erklärt
Recency: Zeitpunkt des letzten Kaufs
Recency misst die Zeit seit der letzten Bestellung, zum Beispiel in Tagen. Ein Kunde mit einem Kauf vor 10 Tagen erhält gewöhnlich einen höheren Recency-Score als ein Kunde, dessen letzte Bestellung 180 Tage zurückliegt. Der Zahlenwert funktioniert dabei umgekehrt: Je weniger Tage vergangen sind, desto höher wird der Kunde bewertet.
Frequency: Anzahl der Bestellungen
Frequency gibt an, wie oft ein Kunde innerhalb eines festgelegten Zeitraums bestellt hat. Bei einem Analysezeitraum von zwölf Monaten kann ein Kunde beispielsweise eine Frequency von 6 besitzen. Stornierte Bestellungen, Testkäufe und vollständig retournierte Bestellungen sollten vor der Berechnung nach einheitlichen Regeln ausgeschlossen werden.
Monetary Value: Umsatz des Kunden
Monetary Value bezeichnet den finanziellen Wert der Bestellungen innerhalb des Analysezeitraums. Unternehmen verwenden dafür häufig den Nettoumsatz nach Retouren. Alternativ kann der Deckungsbeitrag genutzt werden, wenn Produkte stark unterschiedliche Margen besitzen. Die gewählte Kennzahl muss für alle Kunden identisch berechnet werden.
So wird die RFM-Analyse berechnet
Eine RFM-Analyse benötigt keine einheitliche Gesamtformel. Zuerst wird jeder Kunde für Recency, Frequency und Monetary Value separat eingeordnet. Häufig werden die Kunden pro Merkmal in fünf gleich große Gruppen, sogenannte Quintile, aufgeteilt. Das jeweils günstigste Fünftel erhält 5 Punkte, das schwächste Fünftel 1 Punkt.
Der RFM-Gesamtwert wird manchmal als Summe der drei Einzelwerte berechnet. Ein Code von 543 ergibt dann 12 von maximal 15 Punkten. Diese Addition ist leicht auswertbar, verdeckt aber Unterschiede: Die Codes 552 und 255 ergeben beide 12 Punkte, beschreiben jedoch völlig andere Kunden. Für Kampagnen sind die drei Einzelwerte deshalb meist aussagekräftiger als eine reine Summe.
RFM-Segmente im E-Commerce
Die 125 möglichen Codes werden üblicherweise zu größeren Segmenten zusammengefasst. Die genaue Zuordnung hängt vom Sortiment, dem Kaufzyklus und dem Geschäftsmodell ab. Ein Shop für Verbrauchsprodukte benötigt andere Recency-Grenzen als ein Händler für Möbel oder hochwertige Gartengeräte.
| Segment | Typisches RFM-Muster | Sinnvolle Maßnahme |
|---|---|---|
| Stammkunden | Hohe Werte bei allen drei Kriterien | Exklusive Produktneuheiten, Bonusprogramme und passende Ergänzungsprodukte |
| Neue Kunden | Hohe Recency, niedrige Frequency | Onboarding, Anwendungshilfen und Anreiz für eine zweite Bestellung |
| Wachsende Kunden | Hohe Recency, mittlere Frequency und Monetary Value | Personalisierte Empfehlungen und Cross-Selling |
| Gefährdete Stammkunden | Niedrige Recency, früher hohe Frequency | Rückgewinnung mit relevantem Anlass und passendem Sortiment |
| Gelegenheitskunden | Niedrige Frequency und wechselnder Monetary Value | Saisonale Ansprache und Inhalte zum konkreten Kaufinteresse |
Eine niedrige Frequency ist nicht automatisch ein Zeichen geringer Kundenbindung. Bei langlebigen Produkten kann bereits eine einzige Bestellung wirtschaftlich relevant sein. Prüfe RFM-Segmente deshalb immer gegen Wiederkaufszyklus, Marge, Retourenquote und Produkttyp.
Messung mit sauberen Bestelldaten
Messbar ist die RFM-Analyse zum Beispiel so: Exportiere aus Shopsystem oder CRM je Kunde eine eindeutige Kunden-ID, das Datum der letzten gültigen Bestellung, die Zahl gültiger Bestellungen und den Nettoumsatz nach Retouren. Lege anschließend einen festen Stichtag sowie einen einheitlichen Analysezeitraum fest. Ohne festen Stichtag sind zwei Auswertungen zeitlich nicht vergleichbar.
Nutzen für SEO, SEA und GEO
Die RFM-Analyse ist kein Google-Ranking-Faktor. Für SEO im E-Commerce liefert sie dennoch wirtschaftliche Prioritäten. Häufig gekaufte Produkte wertvoller Kundensegmente können gezielt durch Kategorietexte, Ratgeber, interne Links und optimierte Produktseiten unterstützt werden. Dadurch orientiert sich die Content-Planung zusätzlich an Kundenwert und Wiederkaufpotenzial.
Im SEA können RFM-Segmente als Grundlage für Zielgruppen und unterschiedliche Botschaften dienen, sofern die erforderlichen Einwilligungen und technischen Voraussetzungen vorliegen. Neue Kunden benötigen andere Anzeigen als frühere Stammkunden mit sinkender Recency. Eine gemeinsame Betrachtung von Kundenwert, Suchbegriffen und Kampagnenkosten verbessert die wirtschaftliche Einordnung der Synergien zwischen SEO und SEA.
Für GEO, also Generative Engine Optimization, liefert die RFM-Analyse keine direkte Kennzahl. Aggregierte Erkenntnisse aus wertvollen Segmenten können jedoch zeigen, welche Produktfragen, Vergleiche und Anwendungsthemen für wiederkehrende Kunden relevant sind. Solche Erkenntnisse helfen dabei, Inhalte für Google und KI-Antworten fachlich näher an realen Kaufbedürfnissen auszurichten.
Abgrenzung zu ähnlichen Methoden
Der Unterschied zwischen RFM-Analyse und Customer Lifetime Value liegt im Zeithorizont. Die RFM-Analyse bewertet beobachtetes Kaufverhalten anhand von drei Merkmalen. Der Customer Lifetime Value schätzt dagegen den finanziellen Wert eines Kunden über die gesamte erwartete Kundenbeziehung. RFM kann als Eingangsgröße für eine solche Prognose dienen, ersetzt sie aber nicht.
Die ABC-Analyse ordnet Kunden oder Produkte meist nur nach einer wirtschaftlichen Größe, beispielsweise Umsatz oder Deckungsbeitrag. Die RFM-Analyse berücksichtigt zusätzlich Kaufzeitpunkt und Bestellhäufigkeit. Dadurch erkennt sie etwa einen früher umsatzstarken Kunden, der seit langer Zeit nicht mehr bestellt hat.
Eine Kohortenanalyse gruppiert Kunden nach einem gemeinsamen Startzeitpunkt, beispielsweise dem Monat der ersten Bestellung. Sie untersucht, wie sich Gruppen über die Zeit entwickeln. Die RFM-Analyse bildet dagegen den aktuellen Status einzelner Kunden ab. Beide Methoden lassen sich verbinden, um RFM-Werte verschiedener Neukundenkohorten zu vergleichen.
Typische Fehler bei der Bewertung
Ein weiterer Fehler entsteht, wenn hoher Umsatz automatisch mit hoher Profitabilität gleichgesetzt wird. Kunden mit vielen Retouren oder stark rabattierten Bestellungen können einen hohen Monetary Value erreichen und trotzdem wenig Deckungsbeitrag erzeugen. Wenn die nötigen Daten verfügbar sind, sollte der Geldwert deshalb zusätzlich nach Marge oder Retourenkosten geprüft werden.
RFM-Segmente benötigen außerdem eine konkrete Maßnahme. Ein Dashboard mit 125 Codes verbessert keine Kundenbindung, solange Verantwortliche nicht festlegen, welches Segment welche Inhalte, Angebote oder Kontaktfrequenz erhält. Die Wirkung lässt sich anschließend über Wiederkaufsrate, Umsatz pro Kunde, Deckungsbeitrag und Abmelderate vergleichen. Ergänzend unterstützt eine Analyse der Shop-Usability dabei, Hürden zwischen Rückkehr und erneutem Kauf zu erkennen.
Wenn du Kundenwert, Shop-Content und Suchmaschinenstrategie gemeinsam bewerten möchtest, kann ein unverbindlicher Potenzialcheck die nächsten Analyseschritte strukturieren.
Häufige Fragen zur RFM-Analyse
Was bedeutet RFM genau?
RFM steht für Recency, Frequency und Monetary Value. Die drei Werte beschreiben, wann ein Kunde zuletzt gekauft hat, wie häufig er bestellt und welchen finanziellen Wert seine Bestellungen besitzen.
Welcher Zeitraum eignet sich für die RFM-Analyse?
Der Zeitraum sollte mindestens einen typischen Wiederkaufszyklus abdecken. Für häufig gekaufte Verbrauchsprodukte können wenige Monate ausreichen, während langlebige Produkte einen deutlich längeren Analysezeitraum benötigen.
Wie oft sollte eine RFM-Analyse aktualisiert werden?
Die Aktualisierung richtet sich nach Bestellvolumen und Kaufzyklus. Ein Shop mit täglichen Wiederkäufen kann die Werte täglich oder wöchentlich berechnen, während bei langen Kaufzyklen eine monatliche Aktualisierung genügen kann.
Wie werden Neukunden in der RFM-Analyse bewertet?
Neukunden erhalten meist einen hohen Recency-Wert, aber zunächst einen niedrigen Frequency-Wert. Ihr Monetary Value hängt vom Wert der ersten Bestellung im Vergleich zu den übrigen Kunden ab.
Kann eine RFM-Analyse mit Gastbestellungen funktionieren?
Gastbestellungen können berücksichtigt werden, wenn mehrere Bestellungen zuverlässig derselben Person zugeordnet werden dürfen und technisch zusammengeführt werden können. Ohne eindeutige Zuordnung erscheint derselbe Kunde sonst mehrfach als Neukunde.
Reicht ein hoher Umsatz für ein wertvolles RFM-Segment?
Ein hoher Umsatz allein reicht nicht aus. Ein Kunde kann viel bestellt haben, dessen letzter Kauf aber lange zurückliegt. Zusätzlich können Retouren, Rabatte und geringe Margen den tatsächlichen wirtschaftlichen Wert reduzieren.
Sie haben noch Fragen?
