RFM analysis สำหรับคลินิก แบ่งกลุ่มคนไข้ยังไงให้รู้ว่าควรติดต่อใครก่อน
คลินิกส่วนใหญ่ที่อยากดึงคนไข้เก่ากลับมา เจอปัญหาเดียวกันคือ มีรายชื่อเป็นพันแต่ไม่รู้จะเริ่มจากใคร
ส่งข้อความหาทุกคนก็เปลืองและได้ผลตอบรับต่ำ ส่งแบบสุ่มก็ไม่รู้ว่าถูกคนหรือเปล่า
RFM analysis เป็นวิธีแบ่งกลุ่มที่ตอบคำถามนี้ได้ โดยใช้ข้อมูลที่คลินิกมีอยู่แล้ว
RFM คืออะไร
ย่อมาจากสามตัวชี้วัด
R — Recency มาครั้งสุดท้ายเมื่อไหร่ ยิ่งใหม่ยิ่งดี
F — Frequency มากี่ครั้งแล้ว ยิ่งบ่อยยิ่งดี
M — Monetary ใช้จ่ายรวมเท่าไหร่ ยิ่งมากยิ่งดี
หลักการคือ คนที่เพิ่งมา มาบ่อย และใช้จ่ายมาก มีแนวโน้มตอบสนองสูงกว่าคนที่หายไปนานและมาครั้งเดียว
ฟังดูชัดเจนจนเหมือนไม่ต้องวิเคราะห์ แต่ประโยชน์อยู่ที่การทำให้เป็นตัวเลขที่จัดลำดับได้ แทนที่จะอาศัยความรู้สึก
ทำอย่างไร
ทำได้ใน Excel ด้วยข้อมูลสามคอลัมน์
ขั้นที่ 1 ดึงข้อมูลออกมา
ต่อหนึ่งคนไข้ ต้องการ
- วันที่มาครั้งสุดท้าย
- จำนวนครั้งที่มาทั้งหมด
- ยอดใช้จ่ายรวม
ช่วงเวลาที่แนะนำคือย้อนหลัง 24 เดือน เพราะสั้นกว่านั้นเห็นรูปแบบไม่ชัด ยาวกว่านั้นข้อมูลเก่าเกินจะใช้ตัดสินใจ
ขั้นที่ 2 ให้คะแนนแต่ละด้าน 1 ถึง 5
เรียงคนไข้ตามแต่ละตัวชี้วัด แล้วแบ่งเป็นห้ากลุ่มเท่าๆ กัน
- Recency มาล่าสุด 20% แรกได้ 5 คะแนน ห่างที่สุด 20% ได้ 1
- Frequency มาบ่อยที่สุด 20% ได้ 5
- Monetary ใช้จ่ายมากที่สุด 20% ได้ 5
ข้อควรระวังกับ Recency ต้องดูตามรอบการรักษาของบริการนั้น การมาครั้งสุดท้ายเมื่อ 5 เดือนก่อนถือว่าปกติสำหรับคนไข้ขูดหินปูนรอบ 6 เดือน แต่ถือว่าหายไปนานสำหรับคนที่ทำเล็บทุกสามสัปดาห์
ขั้นที่ 3 จัดกลุ่มตามรูปแบบคะแนน
| กลุ่ม | รูปแบบ | ควรทำอะไร |
|---|---|---|
| คนไข้ชั้นดี | R สูง F สูง M สูง | ดูแลให้ดีที่สุด ขอรีวิวและการแนะนำ |
| ภักดีแต่ใช้จ่ายไม่มาก | R สูง F สูง M ต่ำ | เสนอบริการที่เหมาะกับเขาเพิ่ม |
| ใช้จ่ายสูงแต่เริ่มห่าง | R ต่ำ F กลาง M สูง | กลุ่มที่ต้องรีบติดต่อที่สุด |
| คนไข้ใหม่ | R สูง F ต่ำ | ทำให้มาครั้งที่สองให้ได้ |
| กำลังจะหายไป | R ต่ำ F ต่ำ M กลาง | ติดต่อตามรอบการรักษา |
| หายไปแล้ว | R ต่ำ F ต่ำ M ต่ำ | ผลตอบรับต่ำ ไม่ควรลงแรงมาก |
กลุ่มที่สามคือกลุ่มที่มีมูลค่าสูงที่สุดและมักถูกมองข้าม เพราะเป็นคนที่เคยใช้จ่ายมากแต่กำลังห่างหายไป การเสียคนกลุ่มนี้หนึ่งคนเท่ากับเสียคนไข้ทั่วไปหลายคน
ทำไมมันได้ผลกับคลินิก
เพราะคลินิกมีข้อมูลนี้อยู่แล้ว ไม่ต้องเก็บอะไรใหม่ แค่ดึงออกมาจัดเรียง
เพราะเปลี่ยนจากส่งหว่านเป็นส่งเจาะจง ข้อความที่ส่งถึงคนกลุ่มที่ใช่ในจังหวะที่ใช่ ได้ผลตอบรับสูงกว่าการบรอดแคสต์มาก และไม่ทำให้คนบล็อก
เพราะจัดลำดับความสำคัญได้ ถ้าทีมมีเวลาโทรได้แค่วันละ 20 สาย RFM บอกได้ว่าควรโทรหาใครก่อน
ข้อจำกัดที่ควรรู้
ไม่ได้บอกว่าทำไมเขาหายไป อาจย้ายบ้าน อาจไม่พอใจ อาจแค่ยังไม่ถึงรอบ RFM บอกได้แค่ว่าใครควรได้รับการติดต่อก่อน
Monetary อาจทำให้เข้าใจผิด คนไข้ที่ทำหัตถการราคาสูงครั้งเดียวจะได้คะแนน M สูงทั้งที่อาจไม่กลับมาอีก ควรดูควบคู่กับ F เสมอ
ต้องปรับตามประเภทบริการ คลินิกที่มีทั้งบริการรอบสั้นและรอบยาว ควรแยกวิเคราะห์ ไม่ใช่รวมกันแล้วเทียบ
ไม่ใช่การพยากรณ์ เป็นการอธิบายพฤติกรรมที่ผ่านมา ไม่ได้รับประกันพฤติกรรมในอนาคต
More patients, and a system that runs the day
Jib OS brings new patients in, answers every one of them, and keeps the day running. Built by HDmall.
Or see what Jib OS is →เริ่มยังไงถ้าไม่เคยทำ
อย่าเริ่มจากทั้งฐานข้อมูล เลือกบริการเดียวที่มีรอบชัดที่สุดก่อน แล้วทำ RFM เฉพาะคนไข้กลุ่มนั้น
จากนั้น
- ดึงรายชื่อพร้อมสามคอลัมน์ย้อนหลัง 24 เดือน
- ให้คะแนน 1–5 แต่ละด้าน
- หากลุ่ม "ใช้จ่ายสูงแต่เริ่มห่าง" ซึ่งมักมีไม่กี่สิบคน
- ติดต่อกลุ่มนี้ด้วยข้อความที่อ้างอิงสิ่งที่เขาเคยทำจริง
- วัดว่ากี่คนตอบกลับและกี่คนกลับมา
ถ้าได้ผล คำถามถัดไปคือจะทำเรื่องนี้ทุกเดือนได้อย่างไรโดยไม่ต้องดึงข้อมูลด้วยมือ ซึ่งเป็นจุดที่ระบบเข้ามาช่วย และเป็นหัวข้อของส่วนถัดไป
RFM ใน Jib OS ทำงานอัตโนมัติ
ทำ RFM ด้วย Excel ครั้งเดียวไม่ยาก ปัญหาคือทำทุกเดือนไม่ไหว เพราะต้องดึงข้อมูลใหม่ ให้คะแนนใหม่ และจัดกลุ่มใหม่ทุกครั้ง คลินิกส่วนใหญ่จึงทำครั้งแรกแล้วไม่ได้ทำอีก
เงื่อนไขที่ทำให้ทำอัตโนมัติได้คือ ข้อมูลสามชุดต้องอยู่ที่เดียวกัน ได้แก่ประวัติการรักษา ยอดใช้จ่าย และช่องทางติดต่อของคนไข้ ซึ่งในคลินิกทั่วไปอยู่คนละระบบ
ใน Jib OS ข้อมูลสามชุดนี้อยู่ในระบบเดียวกันอยู่แล้ว RFM จึงคำนวณและอัปเดตให้เองต่อเนื่อง ไม่ใช่รายงานที่ต้องสั่งทำเป็นครั้งๆ
สิ่งที่ระบบทำให้
- จัดกลุ่มคนไข้ตาม RFM โดยอัตโนมัติ และอัปเดตเมื่อมีการรักษาหรือการใช้จ่ายใหม่
- ปรับเกณฑ์ Recency ตามรอบของแต่ละบริการ เพราะการหายไป 5 เดือนมีความหมายต่างกันระหว่างงานรอบ 6 เดือนกับงานรอบ 3 สัปดาห์
- ชี้ว่าควรติดต่อใครก่อน โดยเฉพาะกลุ่มที่เคยใช้จ่ายสูงแต่กำลังห่างหายไป ซึ่งเป็นกลุ่มที่มีมูลค่าสูงที่สุดและมองไม่เห็นด้วยตาเปล่า
- ติดต่อจากที่เดียวกัน ผ่าน LINE, SMS, อีเมล, web push และสายโทรอัตโนมัติด้วย AI โดยอ้างอิงสิ่งที่คนไข้เคยรับบริการจริง และเลือกช่องทางให้เหมาะกับแต่ละกลุ่ม เช่น ใช้ข้อความกับการเตือนตามรอบ และใช้เสียงกับเคสมูลค่าสูงที่ต้องยืนยันแน่นอน
จุดที่ต่างจากการทำเองคือความต่อเนื่อง รายชื่อกลุ่มเสี่ยงเปลี่ยนทุกสัปดาห์ตามพฤติกรรมจริง ไม่ใช่ภาพนิ่งจากไฟล์ที่ดึงมาเมื่อสองเดือนก่อน
สิ่งที่ระบบไม่ได้ทำแทน คือการตัดสินใจว่าจะพูดอะไรกับคนไข้แต่ละกลุ่ม และการดูแลคนไข้ที่ต้องใช้วิจารณญาณ RFM บอกได้ว่าควรเริ่มจากใคร ไม่ได้บอกว่าควรพูดอะไร
ข้อควรระวังเรื่อง PDPA
การนำข้อมูลคนไข้มาวิเคราะห์เพื่อการตลาดมีข้อกำหนดที่ต้องปฏิบัติตาม โดยเฉพาะการติดต่อเพื่อเสนอบริการซึ่งต่างจากการติดต่อเพื่อการดูแลต่อเนื่องทางการแพทย์
ควรมีความยินยอมที่เก็บไว้อย่างถูกต้อง มีช่องทางให้ปฏิเสธการรับข้อความได้ง่าย และควรปรึกษาผู้เชี่ยวชาญเพื่อกำหนดว่ากิจกรรมแต่ละแบบอยู่ในหมวดใด
เคล็ดลับบริหารคลินิก ส่งตรงถึงอีเมลคุณ
เจ้าของและผู้บริหารคลินิกกว่า 20,000 คน รับข่าวสารจากเราอยู่แล้ว
สำหรับเจ้าของคลินิกและผู้ที่กำลังจะเปิด — วิธีให้คนไข้ใหม่เจอคลินิกบน Google และให้ AI อย่าง ChatGPT และ Claude แนะนำคลินิกของคุณ วิธีลดงานหน้าเคาน์เตอร์และคนไข้ไม่มาตามนัด และเรื่องที่คลินิกอื่นเจอมาก่อน
ส่งสัปดาห์ละครั้ง · ไม่มีสแปม ยกเลิกได้ทุกเมื่อ
คำถามที่พบบ่อย
RFM analysis คืออะไร
RFM ย่อมาจาก Recency, Frequency และ Monetary หมายถึงการแบ่งกลุ่มลูกค้าจากสามตัวชี้วัด คือมาครั้งสุดท้ายเมื่อไหร่ มาบ่อยแค่ไหน และใช้จ่ายรวมเท่าไหร่ โดยให้คะแนนแต่ละด้านแล้วจัดกลุ่มตามรูปแบบคะแนน ประโยชน์คือทำให้จัดลำดับได้ว่าควรติดต่อใครก่อนด้วยข้อมูลที่มีอยู่แล้ว แทนการอาศัยความรู้สึก
คลินิกใช้ RFM ยังไง
ใช้หาว่าคนไข้กลุ่มไหนควรได้รับการติดต่อก่อน โดยเฉพาะกลุ่มที่เคยใช้จ่ายสูงแต่เริ่มห่างหายไป ซึ่งเป็นกลุ่มที่มีมูลค่าสูงที่สุดและมักถูกมองข้าม ข้อมูลที่ต้องใช้มีเพียงวันที่มาครั้งสุดท้าย จำนวนครั้งที่มา และยอดใช้จ่ายรวม ซึ่งคลินิกมีอยู่แล้วและทำใน Excel ได้โดยไม่ต้องมีระบบพิเศษ
ทำ RFM ใน Excel ได้ไหม
ได้ และเป็นวิธีที่เหมาะสำหรับการทดลองครั้งแรก ต้องการเพียงสามคอลัมน์ต่อคนไข้หนึ่งราย จากนั้นเรียงตามแต่ละตัวชี้วัดแล้วแบ่งเป็นห้ากลุ่มเท่าๆ กันเพื่อให้คะแนน 1 ถึง 5 คำแนะนำคือเริ่มจากบริการเดียวที่มีรอบชัดเจนก่อน ไม่ใช่ทั้งฐานข้อมูล เพราะเห็นผลเร็วกว่าและตีความง่ายกว่า
RFM ใช้ข้อมูลย้อนหลังกี่เดือน
ช่วงที่แนะนำคือ 24 เดือน เพราะสั้นกว่านั้นมักเห็นรูปแบบไม่ชัดโดยเฉพาะกับบริการที่มีรอบยาว ส่วนยาวกว่านั้นข้อมูลจะเก่าเกินกว่าจะใช้ตัดสินใจได้ดี ข้อควรระวังคือคะแนน Recency ต้องตีความตามรอบการรักษาของบริการนั้น เพราะการหายไป 5 เดือนมีความหมายต่างกันมากระหว่างงานที่มีรอบ 6 เดือนกับงานที่มีรอบ 3 สัปดาห์
RFM บอกได้ไหมว่าทำไมคนไข้ถึงหายไป
ไม่ได้ RFM บอกได้เพียงว่าใครควรได้รับการติดต่อก่อนตามพฤติกรรมที่ผ่านมา ไม่ได้บอกสาเหตุว่าเป็นเพราะย้ายที่อยู่ ไม่พอใจ หรือแค่ยังไม่ถึงรอบ การหาสาเหตุต้องอาศัยการถามคนไข้โดยตรงหรือดูข้อมูลอื่นประกอบ จึงควรใช้ RFM เป็นเครื่องมือจัดลำดับความสำคัญ ไม่ใช่เครื่องมืออธิบายสาเหตุ
ใช้ข้อมูลคนไข้ทำ RFM ผิด PDPA ไหม
การวิเคราะห์เพื่อการดูแลคนไข้กับการวิเคราะห์เพื่อการตลาดอยู่คนละหมวดและมีข้อกำหนดต่างกัน สิ่งที่ควรมีคือความยินยอมที่เก็บไว้อย่างถูกต้องโดยแยกความยินยอมเพื่อการตลาดออกจากเพื่อการรักษา ช่องทางให้คนไข้ปฏิเสธการรับข้อความได้ง่าย และการจำกัดสิทธิ์ว่าใครในทีมเข้าถึงข้อมูลชุดนี้ได้ ควรปรึกษาผู้เชี่ยวชาญเพื่อกำหนดแนวปฏิบัติ
ต้องทำ RFM ด้วยมือทุกเดือนไหม
ถ้าใช้ Excel ต้องดึงข้อมูลและให้คะแนนใหม่ทุกครั้ง ซึ่งเป็นเหตุผลที่คลินิกส่วนใหญ่ทำครั้งแรกแล้วไม่ได้ทำอีก การทำอัตโนมัติต้องอาศัยข้อมูลสามชุดอยู่ที่เดียวกัน คือประวัติการรักษา ยอดใช้จ่าย และช่องทางติดต่อ ใน Jib OS ข้อมูลเหล่านี้อยู่ในระบบเดียวกัน RFM จึงคำนวณและอัปเดตต่อเนื่องเมื่อมีการรักษาหรือการใช้จ่ายใหม่ พร้อมส่งข้อความจากที่เดียวกันได้