RFM คืออะไร และทำไมไม่พอสำหรับ CRM ของโรงพยาบาลและคลินิกในยุค AI

RFM คือวิธีแบ่งกลุ่มลูกค้าจากพฤติกรรมการซื้อสามด้าน ได้แก่ Recency (ซื้อครั้งล่าสุดเมื่อไร) Frequency (ซื้อบ่อยแค่ไหน) และ Monetary (ใช้จ่ายรวมเท่าไร) เป็นแนวคิด CRM ที่ได้รับความนิยมมากเพราะเข้าใจง่ายและใช้แค่ข้อมูลการขาย แต่ในธุรกิจสุขภาพ RFM มักให้คำตอบผิด เพราะแต่ละบริการมีรอบการรักษาของตัวเอง

คนไข้ที่ทำเลสิก RFM จะจัดเป็นลูกค้าดีที่สุดทันที เพราะจ่ายมากและมาติดตามผลหลายครั้ง จึงได้รับโปรโมชันต่อ ทั้งที่จริงคือคนไข้ที่รักษาจบตามแผนและไม่ต้องกลับมาอีก ส่วนคนไข้ทันตกรรมที่ไม่มา 7 เดือนอาจได้คะแนนกลาง ๆ ทั้งที่จริงเลยรอบขูดหินปูนแล้ว คู่มือนี้อธิบายว่า RFM คืออะไร มาจากไหน ใช้อย่างไร ข้อดีและข้อจำกัดในธุรกิจสุขภาพ และทำไมวันนี้ CRM ที่ดูคนไข้รายคนตามเส้นทางการรักษา และทำงานอัตโนมัติด้วย AI จึงเหมาะกว่า

RFM มาจากไหน

RFM มีรากมาจากธุรกิจขายสินค้าทางแคตตาล็อกและจดหมาย (Direct Mail) ในสหรัฐอเมริกา ซึ่งต้องตัดสินใจว่าจะส่งแคตตาล็อกราคาแพงไปให้ลูกค้าคนไหน นักการตลาดพบว่าลูกค้าที่ซื้อล่าสุด ซื้อบ่อย และใช้จ่ายมาก มักตอบรับแคตตาล็อกถัดไปมากที่สุด แนวคิดนี้แพร่หลายในวงการ Database Marketing ช่วงทศวรรษ 1990 โดยเฉพาะจากหนังสือ Strategic Database Marketing ของ Arthur Hughes และกลายเป็นวิธีแบ่งกลุ่มลูกค้ามาตรฐานในค้าปลีกและอีคอมเมิร์ซจนถึงทุกวันนี้

บริบทตั้งต้นสำคัญ RFM ถูกออกแบบมาสำหรับสินค้าที่ซื้อซ้ำได้เรื่อย ๆ และสำหรับยุคที่ส่งข้อความรายคนไม่ได้ การจัดลูกค้าเป็นกลุ่มไม่กี่กลุ่มจึงเป็นวิธีเดียวที่ทำได้ในตอนนั้น

RFM ทำงานอย่างไร

ลูกค้าแต่ละคนจะได้คะแนน เช่น 5-4-3 แล้วถูกจัดเข้ากลุ่ม เช่น ลูกค้าดีที่สุด (R และ F สูง) ลูกค้าภักดี (F สูง) ลูกค้าใหม่ที่น่าสนใจ (R สูง F ต่ำ) กำลังจะหาย (เคยมาบ่อย แต่ไม่ได้มานาน) และหายไปแล้ว (R และ F ต่ำ) จากนั้นทีมการตลาดส่งข้อความต่างกันให้แต่ละกลุ่ม

ข้อดีของ RFM

• เข้าใจง่าย ผู้บริหารและทีมขายเข้าใจได้ทันทีโดยไม่ต้องมีพื้นฐานสถิติ
• ใช้ข้อมูลที่มีอยู่แล้ว แค่รหัสลูกค้า วันที่ และยอดเงิน
• ทำได้ใน Excel ไม่ต้องมีระบบหรือทีมข้อมูล
• ดีกว่าการไม่แบ่งกลุ่มเลย ช่วยให้เลิกส่งข้อความเดียวกันให้ทุกคน

ข้อจำกัดของ RFM ในธุรกิจสุขภาพ

ปัญหาหลักคือ RFM วัดทุกบริการด้วยไม้บรรทัดอันเดียว แต่ในธุรกิจสุขภาพ จังหวะที่คนไข้ควรกลับมาขึ้นกับบริการที่ใช้

ข้อจำกัดอื่นที่ตามมา

• มาบ่อยไม่ได้แปลว่าภักดี ในธุรกิจสุขภาพ การมาบ่อยอาจหมายถึงป่วยบ่อยหรืออาการไม่ดีขึ้น ซึ่งควรได้รับการดูแลทางคลินิก ไม่ใช่โปรโมชัน
• จ่ายมากไม่ได้แปลว่าคุณค่าสูงในระยะยาว การผ่าตัดครั้งเดียวทำให้คะแนน M สูงทันที ทั้งที่คนไข้อาจไม่ต้องกลับมาอีก
• มองเป็นกลุ่ม ไม่ใช่รายคน คนไข้สองคนที่ได้คะแนน 3-3-3 เหมือนกัน อาจมาด้วยเรื่องต่างกันสิ้นเชิง
• เป็นภาพนิ่ง คะแนนเปลี่ยนทุกครั้งที่คำนวณใหม่ แต่ไม่ได้บอกว่าควรติดต่อใครเมื่อไร
• อาจผลักให้ขายเกินความจำเป็น การไล่ตามคนไข้ที่ได้คะแนนต่ำด้วยโปรโมชัน อาจไปชวนคนที่ไม่จำเป็นต้องรักษาเพิ่ม

ลองเทียบ RFM กับเส้นทางการรักษาด้วยตัวเอง

กดใช้ข้อมูลตัวอย่างของคลินิกสมมติที่มีหลายบริการ แล้วเลือกบริการทีละอย่าง ดูว่า RFM จัดคนไข้กลุ่มนั้นอย่างไร เทียบกับสถานะจริงตามรอบของบริการ และดูอัตรากลับมาใช้บริการเดิมซ้ำรายเดือน ปรับรอบที่ควรกลับมาของแต่ละบริการได้ หรือเปิดไฟล์ข้อมูลของคุณเองที่มีคอลัมน์บริการ

สังเกตกล่องสีเหลืองสองกล่อง คือความผิดพลาดสองแบบของ RFM แบบแรกคือคนไข้ที่ RFM จัดว่ากำลังจะหายหรือหายไปแล้ว แต่ตามรอบของบริการยังไม่ถึงรอบหรือรักษาจบแล้ว ซึ่งแคมเปญตาม RFM จะส่งข้อความไปเร็วเกินหรือไม่จำเป็น แบบที่สองคือคนไข้ที่ RFM จัดว่าเป็นลูกค้าดีที่สุดหรือภักดี จึงจะได้รับโปรโมชัน ทั้งที่รักษาจบแล้ว เลือกบริการเลสิกเพื่อดูแบบที่สองชัดที่สุด ส่วนกล่องสีฟ้าคือคนที่ควรได้รับข้อความตอนนี้จริง ๆ

ทางที่ดีกว่า: CRM รายคนตามเส้นทางการรักษา

แทนการให้คะแนนรวมสามตัว ให้ถามคำถามเดียวกับคนไข้ทุกคน คือ คนไข้คนนี้ใช้บริการอะไร และตามเหตุผลทางการแพทย์ ควรกลับมาเมื่อไร

1. กำหนดรอบของแต่ละบริการ ร่วมกับแพทย์ เช่น ขูดหินปูนทุก 6 เดือน ตรวจสุขภาพทุก 12 เดือน ติดตามผลหลังผ่าตัดที่ 1 สัปดาห์ 1 เดือน และ 3 เดือน
2. คำนวณวันที่ควรกลับมาของคนไข้แต่ละคน จากวันที่ใช้บริการครั้งล่าสุด
3. ส่งข้อความรายคนเมื่อใกล้ถึงรอบ ด้วยเนื้อหาที่ตรงกับบริการนั้น เช่น ครบ 6 เดือนแล้ว ถึงเวลาขูดหินปูน พร้อมลิงก์นัด
4. หยุดส่งเมื่อรักษาจบ หรือเมื่อคนไข้นัดแล้ว และส่งต่อให้ทีมคลินิกเมื่อพฤติกรรมบอกว่าอาการอาจไม่ดีขึ้น
5. วัดผลรายบริการ ด้วยอัตรากลับมาตามรอบ ดูวิธีอ่านผลในการวิเคราะห์ Cohort คนไข้

ทำไม AI ทำให้เรื่องนี้เป็นไปได้

RFM เกิดในยุคที่ส่งข้อความรายคนไม่ได้ การรวมคนไข้เป็นไม่กี่กลุ่มจึงเป็นทางเดียว วันนี้ข้อจำกัดนั้นหายไปแล้ว

• ระบบรู้รอบของคนไข้ทุกคน จากประวัติการใช้บริการและการนัด ไม่ต้องให้ทีมไล่ดูเองในไฟล์
• เขียนข้อความรายคนได้ AI ร่างข้อความที่ตรงกับบริการ ภาษา และช่องทางของคนไข้แต่ละคน เช่น LINE หรือ WhatsApp จากข้อมูลจริงของคลินิก
• ตอบต่อได้ทันที เมื่อคนไข้ตอบกลับ AI ตอบคำถามทั่วไปและจองนัดให้ได้ แล้วส่งต่อให้คนเมื่อเป็นคำถามทางคลินิก
• ทำงานอัตโนมัติทุกวัน ไม่ต้องรอแคมเปญรายเดือน คนไข้แต่ละคนได้ข้อความในวันที่เหมาะกับตัวเอง

เรื่องที่ต้องวางให้ดีคือข้อมูลส่วนบุคคล การเตือนนัดที่เป็นส่วนหนึ่งของการรักษากับการส่งโปรโมชันเป็นคนละเรื่องกัน การส่งข้อความเพื่อการตลาดต้องได้รับความยินยอมตาม PDPA และข้อความต้องไม่เปิดเผยข้อมูลสุขภาพในที่ที่คนอื่นอาจเห็น

แหล่งอ้างอิง

• Arthur M. Hughes, Strategic Database Marketing (McGraw-Hill, ฉบับแรก 1994)
• Wikipedia, RFM (market research)
• HDmall, Cohort Analysis คนไข้