В статье разобрались, что такое RFM-анализ, как и зачем его делать. Также рассмотрели пример из практики.
Что такое RFM-анализ?
Это анализ базы клиентов на основании истории покупок. Метод позволяет сегментировать заказчиков по частоте и сумме заказов и выявить тех, кто приносит компании больше прибыли.
RFM-анализ проводят по трём показателям:
- Recency (давность последней покупки) — сколько времени прошло с момента, когда клиент оформил последний заказ.
- Frequency (общая частота покупок) — сколько заказов оформил за выбранный период.
- Monetary (средний чек или общая сумма покупок) — сколько денег потратил за выбранный период.
Важно: показатель Monetary используют не всегда, потому что его значение может зависеть от Frequency. Например, посетители новостного портала не платят за чтение статей, но можно оценить время, проведённое на сайте, или глубину просмотра материалов. В таких случаях используют RF-анализ.
Зачем проводить RFM-анализ?
Скорее всего, у вас есть клиенты, которые давно ничего не покупали. Но есть заказчики, сделавшие несколько крупных заказов за небольшой период (конкретное время и понимание, какой заказ считать крупным, зависят от цикла сделки и сложности продукта). С RFM-анализом вы сможете сегментировать базу на постоянных, «средних» и неактивных клиентов, спрогнозировать их дальнейшее поведение и увеличить прибыль.
С чем ещё поможет RFM-анализ:
- оценить общее состояние базы, определить процент «мёртвых» контактов;
- составить чёткое описание целевой аудитории и её поведения;
- собрать сегменты по покупательской способности, чтобы создать персонализированные email-кампании;
- увеличить лояльность и вовлечённость базы — то есть пожизненную ценность клиента;
- уменьшить затраты на маркетинг — когда вы предлагаете ЦА то, что ей нужно, отклик намного выше;
- автоматизировать рассылку — если построить сегменты по жизненному циклу, они будут автоматически переходить из одного в другой при соблюдении условий и, соответственно, получать разные письма.
Как провести RFM-анализ?
- Собрать данные обо всех покупках
Важно, чтобы информация постоянно обновлялась. Вам нужна живая статистика.
- Разделить клиентов на сегменты
Для каждого показателя используются три параметра:
Для Recency (давность последней покупки):
1 — давние
2 — средней давности
3 — недавние
Для Frequency (общая частота покупок):
1 — разовые
2 — редкие
3 — частые
Для Monetary (общая сумма покупок):
1 — низкий чек
2 — средний чек
3 — большой чек
Важно: не существует стандартного или идеального разделения для давности. У каждого бизнеса свои циклы, чек и информация. Для условного интернет-магазина косметики покупка раз в месяц считается редкой, тогда как не каждый застройщик может похвастаться, что один клиент купил у него три квартиры за год. Чтобы провести анализ грамотно, проверьте аналитику и статистику и выберите средние показатели, которые подойдут именно вам.
В итоге вы получите 27 сегментов с наборами из трёх цифр «111», «123», «323», где сегменты с большим количеством «1» — самые нерентабельные, а с большим количеством «3» — самые «горячие».
Например, «333» — идеальные заказчики: покупают много, часто и на большие суммы. Их нужно холить и лелеять. «133» — когда-то давно часто покупали. Стоит попробовать их вернуть письмом-реактивацией, бонусами, скидками и т. п. А вот клиенты «121», скорее всего, уже не вернутся: давно оформили пару заказов на минимальные суммы. Можно отправить цепочку реактивации и, если не отреагируют, удалить из базы.
Чтобы запустить рассылки, необязательно использовать все 27 сегментов. Достаточно разделить их на группы, например:
- ушедшие (потерянные): покупали очень давно и редко;
- одноразовые: купили только однажды, но недавно;
- новички: недавно оформили первый заказ;
- растущие: оформили несколько заказов, потенциальные постоянные покупатели;
- VIP: покупают много и часто, самые ценные.
Кейс: как мы провели RFM-анализ и что из этого вышло
Клиент провёл ребрендинг. В результате база разделилась на «старую» и «новую». Старая база с заказами находилась в 1С Bitrix, а новая — в Sendpulse и RetailCRM.
Перед нами стояла задача объединить базы так, чтобы исключить дубли и склеить заказы с соответствующими контактами. Каждый контакт с заказом располагался в отдельной строке, состав каждого заказа был расположен в одной ячейке. При этом контакты в базах дублировались, если у них более одного заказа. Чтобы корректно провести RFM-сегментацию и выгрузить базу в рассыльщик, необходимо:
а) Склеить все дубли контактов в один;
б) Склеить все заказы с контактами так, чтобы каждый располагался в отдельной ячейке со своими датой, суммой и составом.
Выглядеть это должно примерно так:
Мы объединили и отсортировали базу по стандартному алгоритму RFM-сегментации: по давности заказа, частоте покупок и среднему чеку (также сортируют по сумме заказов).
Давность заказа:
- до 2 месяцев
- от 2 до 6 месяцев
- от 6 месяцев
Количество заказов:
- 1 заказ
- от 2 до 3 заказов
- от 4 заказов
Средний чек:
- до 5000 рублей
- от 5000 рублей до 33000 рублей
- от 33000 рублей
Для первой рассылки в качестве ключевого показателя выбрали параметр «Давность последнего заказа». В RFM-матрице контакты находятся в сегменте уходящих или потерянных. Именно их выбрали для рассылки из-за специфики бизнеса — повторные заказы ключевого товара совершаются не чаще, чем раз в 6-12 месяцев.
Проверяли гипотезу: купят или сейчас, или уже никогда. Предполагали, что выгодное предложение подтолкнёт пользователя оформить заказ у данной компании, несмотря на высокую конкуренцию на рынке.
Отправили тестовую рассылку на сегмент «Купившие больше 6 месяцев назад», включающий 2772 контакта (всего база клиента насчитывала более 25 тысяч адресов).
Для компании это «ушедший» по давности сегмент. Но за счёт выгодного предложения мы получили хороший отклик: каждый четвёртый подписчик, полгода не реагировавший на рассылки клиента, открыл письмо. Теперь предстоит более детально разработать коммуникационную стратегию по сегментам.
Важно понимать, что RFM-анализ делается не для единичной рассылки, а для долгосрочной работы с базой. Он помогает регулировать частоту отправок писем по сегментам и делать релевантные аудитории предложения — то есть создавать персонализированный email-маркетинг. Но главное: он помогает ориентироваться на платёжеспособную аудиторию, увеличивать средний чек покупки и продлевать жизненную ценность клиента (LTV).
Что в итоге?
Метод RFM-анализа подходит всем. Но лучше использовать его, когда вы накопите данные о поведении и предпочтениях клиентов. Наглядным будет анализ для компаний с большой базой, включающей более 10 тысяч адресов. Разделить на сегменты базу из 1000 контактов будет трудно.
Используйте все возможности аналитики, чтобы узнать максимум о поведении ЦА и сегментировать базу. Тогда будет ясно, кому отправить реанимацию, кому персональную скидку, а кого пригласить в программу лояльности. А чем более продуманной будет сегментация, тем больше лояльных клиентов и прибыли вы получите.
Если понадобится помощь с RFM-анализом, напишите нам. Проложим самый короткий маршрут для ваших клиентов от новичков к VIP.
