25 февраля 2021, 11:55

RFM-анализ: что это такое, для чего нужен и как проводится

REES46 рассказали, как RFM-анализ и персонализация рекламных сообщений помогают снизить отток клиентов и улучшить отдачу от маркетинговых инвестиций.

Михаил Кечинов, REES46

RFM-анализ: что это такое, для чего нужен и как проводится

RFM-анализ применяется для прогнозирования поведения клиента на основе частоты и суммы его прошлых покупок. Аббревиатура расшифровывается так:

recency — давность (как давно клиент что-то у вас покупал);
frequency — частота (как часто он у вас покупает);
monetary — деньги (общая сумма его покупок).

По этим признакам вы делите клиентов на группы, чтобы понять, кто покупает у вас часто и много, кто часто, но мало, а кто давно ничего не покупает.

Эта относительно простая техника помогает существенно минимизировать расходы на рекламу и получать больше прибыли. Её применяют уже более 40 лет.

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.

Зачем нужен RFM

Наработанная годами база клиентов позволяет анализировать потребности целевой аудитории и разрабатывать на их основе персональные предложения. Это важный актив любого бизнеса.

Удержание клиента и стимулирование его к повторным покупкам выводит из замкнутого круга, когда одним и тем же людям вы должны каждый раз делать холодные продажи вместо того, чтобы наладить с ними отношения один раз и на всю жизнь.

Если вы не ведёте базу клиентов, вы вынуждены снова и снова вкладывать деньги в рекламу. А могли бы подогревать лиды почти без вложений. Для этого достаточно уметь правильно сегментировать базу и разрабатывать предложения для каждого сегмента. Например, с помощью метода RFM. Его главные преимущества — простота и наглядность сегментации.

Как сегментировать базу

Важно: эффективность метода зависит от объёма клиентской базы. Если она состоит менее чем из 10 тысяч контактов, получить ощутимый результат будет сложно.

Собираем информацию

Чтобы провести RFM-анализ, вам понадобятся данные о всех покупках, совершённых всеми клиентами и суммы всех этих покупок. Можно собрать их вручную, например, используя сводные таблицы в Excel или Google Sheets. Однако этот процесс значительно упрощается, если автоматизировать его с помощью специальных сервисов.

Данные для анализа можно взять из CDP/CRM-системы магазина

Выбираем диапазоны сегментирования

Вы распределяете клиентов на сегменты с учётом времени с момента последнего приобретения (Recency), частоты покупок (Frequency) и суммы потраченных средств (Monetary). Каждому из клиентов ставите по три оценки, соответствующие каждому из этих параметров. Например, по трёхбалльной системе (где 1 — хорошо, 2 — нормально и 3 — плохо).

Давность заказа	Частота покупки	Сумма покупки
1 — недавние	1 — частые	1 — высокий чек
2 — спящие	2 — редкие	2 — средний чек
3 — давние	3 — разовые	3 — низкий чек

Основная сложность — определить границы сегментов, потому что универсальных рекомендаций по этому поводу нет. Ориентируйтесь на нишу, жизненный цикл продукта и покупателя, и другие факторы.

Диапазон для каждого показателя у разных компаний будет свой. Допустим, вы продаёте бытовую технику или мебель. В этом случае вы ставите оценку «хорошо», если покупатель сделает следующую покупку через 6 месяцев. Если же вы занимаетесь доставкой еды, оценку «плохо» можно ставить за отсутствие повторных заказов в течение 2-х недель. Суммы тоже будут сильно различаться. Для мебельного бизнеса 10 000 рублей — низкий чек, для доставки еды — высокий.

Формируем сегменты по совокупности показателей

Итак, у вас должно получиться 27 сегментов (3*3*3) с оценками вида 111, 112, 113, 121, 131 и так далее до 333.

111 — недавние частые с высоким чеком	211 — спящие частые с высоким чеком	311 — давние частые с высоким чеком
112 — недавние частые со средним чеком	212 — спящие частые со средним чеком	312 — давние частые со средним чеком
113 — недавние частые с низким чеком	213 — спящие частые с низким чеком	313 — давние частые с низким чеком
121 — недавние редкие с высоким чеком	221 — спящие редкие с высоким чеком	321 — давние редкие с высоким чеком
122 — недавние редкие со средним чеком	222 — спящие редкие со средним чеком	322 — давние редкие со средним чеком
123 — недавние редкие с низким чеком	223 — спящие редкие с низким чеком	323 — давние редкие с низким чеком
131 — недавние разовые с высоким чеком	231 — спящие разовые с высоким чеком	331 — давние разовые с высоким чеком
132 — недавние разовые со средним чеком	232 — спящие разовые со средним чеком	332 — давние разовые со средним чеком
133 — недавние разовые с низким чеком	233 — спящие разовые с низким чеком	333 — давние разовые с низким чеком

Сегменты могут получиться неравномерными (в один сегмент могут попасть 90% всех клиентов, в другой — 1%). Поэтому слишком широкие группы целесообразно разбивать на несколько дополнительных, а узкие — объединять. Также можно выделять больше уровней. Однако это усложнит дальнейшую работу с сегментами, так как их получится ещё больше. Если уровней будет 4 — получится 64 сегмента, если 5 — уже 125 и так далее.

Визуализация результатов анализа: чем больше площадь сегмента, тем больше там покупателей

Распределение разных типов клиентов на столбчатой диаграмме. Champions — покупают часто, на большую сумму и делали заказ недавно. Hibernating (спящие) — последняя покупка была давно, чек низкий, есть шанс их потерять

Иногда для построения сегментов достаточно учитывать всего два показателя.

RF-анализ

Анализ по давности и частоте покупок. Показывает, как часто клиенты совершают покупки за анализируемый период. Позволяет выявить клиентов, которые недавно что-то купили и сотрудничают с компанией постоянно.

RM-анализ

Распределение покупателей по параметрам Recency и Monetary. Позволяет выявить клиентов, которые приносят больше всего прибыли. И тех, чей вклад в общую прибыль незначителен.

FM-анализ

Распределение клиентов в зависимости от частоты и суммы покупок. Позволяет выявить клиентов, которые покупают мало, но на большие суммы. И тех, кто совершает покупки часто, но с маленькими чеками.

Результаты RFM-анализа: как их интерпретировать и использовать

Исходя из полученных данных, вы сможете выработать стратегию и тактику для работы с каждым сегментом клиентской базы.

Например, в группе 333 будут все клиенты, которые покупали давно, один раз и на маленькую сумму. Они кажутся наименее перспективными, но не стоит скидывать их со счетов: хоть раз, но они всё-таки проявили интерес к вашей продукции.

Или 111: это сливки вашей клиентской базы. Покупают часто, на большие суммы и последняя покупка была недавно. Чтобы испортить отношения с такими клиентами, нужно очень сильно постараться.

Для каждого сегмента вы формируете персонализированные предложения со специальными условиями и начинаете выстраивать коммуникации. Можно выстраивать коммуникацию под каждый сегмент или ограничиться несколькими — теми, которые для вас сейчас в приоритете.

Покупал недавно, но делает это редко (или вообще один раз)

Что делать с таким клиентом? Стимулировать на повторную покупку:

Покупал недавно, но делает это часто

Лояльный клиент. В дополнительной стимуляции он не нуждается, однако имеет смысл отблагодарить его неожиданным бонусом или приятным сюрпризом:

Покупал часто, но делал это давно

Лояльный клиент на грани ухода. Ваша задача — напомнить ему о себе:

Покупал редко и давно

Клиент, который так и не стал лояльным. Что-то ему помешало. Обязательно попытайтесь выяснить, что ему не понравилось и внесите изменения в свою работу.

Продумали, как коммуницировать с каждым сегментом, что именно предлагать и в какой момент, как стимулировать на покупку? Теперь запускайте рекламные кампании, отслеживайте динамику и своевременно корректируйте стратегию коммуникации.

Со временем клиенты могут перетекать из сегмента в сегмент, особенно, когда вы активно работаете с ними. При положительной динамике сегменты недавних, частых и самых выгодных потребителей стабильно увеличиваются. Поэтому время от времени надо проводить новый RFM-анализ. Как часто — зависит от того, насколько подвижная у вас база. Крупные интернет-магазины обновляют информацию каждые 1–2 месяца, небольшие — раз в 3–6 месяцев.

Как эффективно использовать RFM-методику

Существуют специализированные сервисы для автоматизации RFM-анализа. Они дают возможность не выполнять трудоёмкую работу вручную, получать оптимальное количество равномерных сегментов и оперативно их обновлять. Однако вы можете делать это и вручную — при условии, что всех нужных данных достаточно.

Решите для себя, что вы готовы выделять на это ресурсы. Они потребуются для регулярной проверки данных, разработки стратегий по работе с каждым сегментом и корректировки стратегии в процессе.

Подготовьте данные для RFM-анализа. Понадобятся сведения по каждому покупателю: количество покупок за всё время, их сумма, а также дата последней покупки.

Распределите всех клиентов по сегментам. Количество сегментов зависит от количества параметров оценки: при использовании трёх параметров у вас будет 27 сегментов, при использовании двух (как в RM-, RF- и FM-анализе) — 9.

Визуализируйте распределение на графике. Можно построить его в Excel по данным таблицы. Сделайте выводы о составе базы.

Разработайте маркетинговые активности под каждый сегмент. Это может быть как серия рассылок,так и более широкая и комплексная кампания.

Проанализируйте результаты кампаний. Сделайте повторное измерение для сравнения (через 1–2 месяца для крупных магазинов, через 3–6 месяцев — для небольших).

RFM — далеко не единственный, но крайне полезный инструмент для анализа клиентской базы. Проделав с его помощью сравнительно небольшую работу, вы выстраиваете подход, при котором учитываются индивидуальные особенности каждого клиента.

Источник фото на тизере: Andrew Seaman on Unsplash