Как правило, на рекламные предложения «из пушки по воробьям» никто не откликается. Нужны оптимальные способы воздействия на клиентов в зависимости от того, как давно они совершили последнюю покупку, с какой частотой обычно это делают и на какие суммы.
Это отдельные сегменты аудитории, выделить их позволяет RFM-анализ. В статье вы увидите все его возможности и способы применения.
Зачем нужен RFM-анализ
Группировать вручную — долго и муторно, и не всегда очевидно, какие признаки лучше применить. RFM-анализ дает готовую схему, согласно которой более «дорогим», как и менее «дорогим», клиентам нужен особый подход.
Одних мы хотим заполучить в ряды постоянных клиентов. По вторым об этом говорить рано, и наша цель — просто их удержать, чтобы они не ушли к конкурентам. Вы группируете клиентов и определяете, кто покупает часто и много, кто — часто, но по мелочи, а кто давно ничего не покупал.
В зависимости от этого можно разрабатывать релевантные коммуникации и контент. Лояльным клиентам — спецпредложения. Тем, кто давно не покупал — бонус или скидку + таргетинг, чтобы напомнить о себе. В отдельном параграфе этой статьи рассмотрим конкретные примеры.
Область применения
Данный метод подходит B2C компаниям с клиентской базой от 10 000 контактов. Можно применять и для B2B, но там база, как правило, гораздо меньше. В таком случае стоит сократить количество сегментов.
Чаще всего этот метод сегментации используется в email-рассылках. Также он пригодится при подготовке скриптов для телефонных звонков клиентам или любых узко таргетированных маркетинговых кампаний на существующих клиентов.
Кроме того, RFM-анализ подходит, если конверсионное действие отлично от покупки и не заканчивается получением денег от клиентов (допустим, просмотр статей блога).
Механика RFM-сегментации
Основа — три показателя, названия которых зашифрованы в названии метода:
- Recency (давность, новизна) — как давно клиенты делали последнюю покупку;
- Frequency (частота) — как часто они покупают;
- Monetary (суммарная стоимость покупок; для других действий — ценность взаимодействия) — на какую сумму они покупают. Либо показатель можно привязать к просмотру страниц сайта (длительность или глубина).
Классический способ — поделить клиентскую базу по этим показателям на 3 диапазона. Например, высокий показатель новизны — до 2 месяцев, средний — от 2 до 6 и низкий — более 6. Универсальных рекомендаций нет, так как здесь влияют многие факторы — отрасль, жизненный цикл покупателя и т.д.
Вы сами решаете, что значит маленькая, средняя и большая стоимость продаж на клиента. Для одного бизнеса 10 000 рублей — приличная сумма, для другого — слишком скромная.
В Excel эти интервалы можно выделить с помощью формулы, как — смотрите в следующем параграфе.
Для простоты принадлежность клиента к определенному диапазону представляют их в виде 3-балльной системы.
Давность заказа:
1 — давние;
2 — «спящие» (относительно недавние);
3 — недавние.
Частота покупок:
1 — разовые;
2 — редкие;
3 — частые.
Сумма покупок:
1 — низкий чек;
2 — средний чек;
3 — высокий чек.
Пересечения показателей и уровней дают 27 возможных комбинаций (сегментов):
Забегая вперед, скажем, что некоторые могут быть пустыми или очень маленькими. Например, если у вас нет клиентов, которые в прошлом покупали на большие суммы.
Примечание. Можно использовать только один или два показателя, но это снизит однородность сегментов. А можно наоборот выделить больше уровней, однако это усложнит анализ и дальнейшую работу с сегментами, так как их получится еще больше. Если 4 — то 64 сегмента, 5 — уже 125 и т.д.
Делать всё это вручную трудоемко, лучше использовать сводные таблицы Excel или Google Таблиц. Данный функционал позволяет автоматически делить базу данных на три условно равные группы. Рассмотрим подробнее на примере.
Алгоритм RFM-анализа в Excel
1) Представьте данные о клиентской базе в виде таблицы со столбцами:
В примере за ID мы взяли номер, но там может быть любая контактная информация клиента — email, телефон, имя.
2) Создайте и настройте сводную таблицу, чтобы посчитать:
- Сколько раз клиент заказывал — перетягиваем столбец с ID и значение количества по полю «Сумма». Так мы видим, сколько заказов по каждому ID;
- На какую сумму клиент заказывал — значение суммы по полю «Сумма»;
- Когда клиент в последний раз заказывал — значение максимума по полю «Дата».
Скопируйте данные на новый лист, переименуйте поля в читаемый вид и для удобства поменяйте порядок столбцов (дата — на второе место, так как дальше работать именно с ней):
3) В отдельном столбце рассчитайте, сколько дней прошло с последнего заказа по любой из формул:
- Для сегодняшнего дня:
- Для другой даты (в примере — 01.01.2018):
У нас готов показатель Recency (давность покупки).
4) Разбейте клиентов на группы по показателю Recency.
Можно использовать функцию ПРОЦЕНТИЛЬ.ВКЛ. Из всех вариантов давности она вытягивает те, которые входят в 33% и 66%.
Получаются три равные группы: кто совершил заказ максимум 39 дней назад (недавние), от 39 до 91 дня включительно (относительно недавние) и от 92 дня (самые давние клиенты).
Чтобы узнать, к какой группе относится каждый клиент, примените такое условие:
Вот результат:
5) Определите то же самое по столбцу «Количество», чтобы применить показатель Frequency (Частота).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений:
Получается также три равные группы: первая совершает до 2 заказов, вторая — от 2 до 4, третья — больше 4.
Примените условие:
6) Определите то же самое по столбцу «Сумма», чтобы применить показатель Monetary (Сумма покупки).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений. Примените условие:
Вы получили все нужные показатели для RFM-анализа.
7) Рассчитайте обозначение (код) каждого клиента по методу RFM:
Сделайте сводную таблицу на основании этих кодов. Включите в строки RFM, в значения — количество по полю «Клиент»:
Скопируйте на новый лист и переименуйте столбцы:
Из этой таблицы вы видите количество клиентов в каждом сегменте.
Все подробности смотрите в этом видео:
Технические особенности
Определять границы сегментов — основная сложность, так как нет конкретного правила.
Как вы видели в нашем примере, сегменты получаются неравномерные. Один включает 74 человека, другой — всего 1, а самих сегментов 27! Слишком широкие группы можно разбивать на несколько по дополнительным признакам, немногочисленные близкие по поведению объединять. Но это лишняя ручная работа.
Можно при разделении целенаправленно соблюдать равное количество клиентов в группах. Чем это грозит? Трудно выделить «самых-самых». В одном сегменте могут оказаться покупатели на 1 и на 15 тысяч рублей.
В обоих случаях вы получаете слишком большое количество сегментов. Не факт, что они критически отличаются друг от друга, и есть смысл в отдельных программах.
Конечно, можно всё безукоризненно сделать руками, получить оптимальное количество равномерных по содержанию сегментов. Но это десятки часов работы специально обученного сотрудника. Ведь сегменты со временем еще полезно обновлять. Это не всегда реально и эффективно.
Обойти эти ограничения позволяет специализированный сервис Mindbox, который автоматизирует RFM-анализ. Благодаря алгоритмам кластеризации он определяет, сколько на самом деле сегментов (3-15 штук) и что они включают. То есть не по заданным параметрам, а по данным в базе. Пустых сегментов не выдает.
Дополнительный и важный плюс — он подстраивается под любую сферу.
Визуализация результата:
В Mindbox можно построить отчет по сегментации. Достаточно нажать кнопку. Отчет включает три таблицы.
Оценка состояния базы
Ключевые показатели сводной таблицы: активность потребителей (давность последней покупки) и ценность (потраченная сумма).
Здесь четыре категории. В каждой может быть несколько сегментов или вообще ни одного. В ячейках — общее количество потребителей из всех сегментов категории.
«Отток» — это клиенты, которые давно не покупали, а «Риск оттока» — которые покупали среднее количество времени назад. Активные — те, кто недавно совершил покупку.
Этот отчет помогает выбрать сегмент, с которым стоит работать в первую очередь.
Изучение сегментов
Показатели: размер сегментов, оборот (сумма, которую потратили все клиенты сегмента), средний чек.
Например, вот список сегментов, которые совершали покупки:
Фильтр позволяет увидеть определенную категорию по ценности:
В примере вы видите 7 сегментов с высокой ценностью:
На основе этой информации можно решать, с какими сегментами работать.
Детальная информация по сегментам
Показатели: границы сегментов по каждому признаку (R, F, M) и средние значения по ним.
Когда сегменты для дальнейших действий выбраны, можно запускать для них маркетинговые кампании.
Как разрабатывать коммуникации для сегментов
Во-первых, охарактеризуйте полученные сегменты, чтобы дальше было проще с ними работать. Например, клиент 111 давно делал единичные заказы на маленькую сумму. А клиент 333 напротив покупает часто и тратит на покупки много, последняя была не так давно.
Далее оцените ценность и разработайте стратегию работы с каждым сегментом. Решите, какие сообщения подойдут для каждого сегмента. Главный принцип: лучших клиентов удерживаем, середнячков «раскручиваем» до лучших, уходящих и почти потерянных возвращаем.
Потерянные
На самых давних клиентов не стоит тратить много времени и усилий (111, 112, 113). Можно попробовать их вернуть, попытка не пытка. Например, расскажите об акциях, скидках и распродажах.
Также напишите, почему выгодно оставаться с вами, но не настаивайте — возможно, их отток неизбежен.
Если они никак не отреагируют на эти действия, можно спокойно удалять их из базы.
Под угрозой оттока
Для более перспективных, чем потерянные, можно постараться больше, чтобы их вернуть. Ведь они покупали много раз и / или на большую сумму.
Что их может заинтересовать?
- Скидка или купон на покупку, информация о распродаже;
- Персональная товарная подборка;
- Полезные видео или статьи (как в примере ниже).
И обязательно спросите причину, по которой они перестали у вас покупать.
Бывшие лояльные
Это клиенты 131, 132, 133. Для них подойдут те же мероприятия, что для предыдущей группы + более долгосрочная мотивация, например, бонусы, программы лояльности. И расскажите, чем ваш магазин / продукт лучше других.
«Спящие»
Эти клиенты помнят о вас. «Разбудить» их помогут:
- Выгодные акции и предложения;
- Подборка персональных рекомендаций.
Полезно напомнить о преимуществах. Если клиенты перестали покупать недавно, также спросите причину.
Новички
Новичков с низким и средним чеком — 311, 312 — возможно, заинтересует обучающий контент, справочная информация, помощь в выборе продукта.
Постарайтесь их перевести в ряды лояльных. Для этого поделитесь другим полезным контентом (обзоры, статьи, руководства). И не забудьте поздравить с покупкой или поблагодарить за выбор вашей компании.
Можно смело приглашать их в группы соцсетей и на мероприятия. Там удобнее всего будет ответить на их вопросы и объяснить, почему ваш продукт им подходит.
Перспективные
Клиенты, которые купили на большую сумму (313) — потенциальные VIP, поэтому постарайтесь удержать их интерес.
Выясните с помощью опроса, доволен ли он, какие у него пожелания. И другую информацию, которая пригодится для удержания: что ему интересно, какие у него потребности.
Будьте аккуратны со скидками. У таких клиентов все шансы стать постоянными покупателями по полной стоимости. Поэтому лучше мотивировать чем-то другим. Например, как в рассылке выше — шанс получить подарок в обмен на отзыв.
Тем, которые покупают регулярно, но на небольшую сумму (321, 322, 331, 332), предложите сопутствующие товары.
Идеальные
И наконец, самые желанные покупатели — сегмент 333. Важно убедить этих клиентов в том, что вы их цените. Попросите оставить отзыв и сообщите о персональном обслуживании. Или просто польстите им, как в примере:
Скидки для этих клиентов противопоказаны! Ваша цель — мотивировать их на дальнейшие регулярные покупки. Подайте идеи в персональной товарной подборке или, если это инфопродукт, напомните о продлении подписки:
Не стоит утомлять лишними коммуникациями тех, кто итак покупает. Сообщайте только самую важную информацию и предложения «для любимых клиентов».
Как часто обновлять сегменты
Со временем показатели RFM-анализа меняются, и клиенты переходят из одного сегмента в другой. Лояльные покупатели могут сделать тайм-аут, а «спящие» — проснуться от ваших сообщений и стать активнее.
Частота обновления данных зависит от того, насколько подвижная у вас база: какой жизненный цикл клиента, естественный период покупки, а также период, за который клиент успеет сделать повторную покупку. Для крупного успешного интернет-магазина — не чаще, чем раз в месяц. Если заказы происходят редко, достаточно пересматривать сегменты раз в квартал или полгода.
При этом учитывайте, что на качество данных влияют сезонность, акции и праздники. Если клиент с богатой историей покупок за текущий месяц ничего не покупает, это не значит, что его сразу нужно переводить в другой сегмент. Возможно, это просто влияние сезонности, и через время покупки возобновятся.
Если клиент новый, у него пока очень мало данных о покупках. Нет смысла включать его в анализ для всей базы, либо можно для таких провести отдельный анализ.
Высоких вам продаж!
При подготовке статьи использованы материалы Unisender и Habr.
Хотите тоже написать статью для читателей Yagla? Если вам есть что рассказать про маркетинг, аналитику, бизнес, управление, карьеру для новичков, маркетологов и предпринимателей. Тогда заведите себе блог на Yagla прямо сейчас и пишите статьи. Это бесплатно и просто
Время на прочтение
4 мин
Количество просмотров 39K
Добрый день! Летом 2014 года, работая обычным аналитиком и сильно страдая от прокрастинации, поучаствовал в создании онлайн магазина одежды. Успешно «запилив» для этого проекта систему управленческого учета, обрел в глазах собственника ореол бога аналитики в целом, и Excel’я в частности)) С тех пор собственник, будучи человеком неглупым, хотя и жутко ленивым, привлекал меня для решения всех мало-мальски близких к аналитике задач. Результатом одной из этих задач и хочу поделиться. Под катом мой вариант реализации RFM-анализа. Интересно будет владельцам небольшого B2C бизнеса, не имеющим значительного бюджета на исследования, а также всем интересующимся практическим применением Excel в бизнесе.
Офтоп: с тегом RFM на Хабре лишь 2 статьи, и обе из корпоративных блогов. Странно, почему так мало контента по тематике, ведь на Хабре много людей из e-commerce related area?
Однако, бросаю лить воду и предлагаю, для начала, договориться о терминах. Далее под RFM-анализом подразумевается анализ ценности клиента для компании. По сути, слегка продвинутый вариант ABC-анализа, только с фокусом не на товарах, а на клиентах. Во главу угла ставится формализация размера пользы каждого клиента для бизнеса. С целью выявления это пользы каждый клиент рассматривается по следующим параметрам:
Recency — новизна (время с момента последней покупки)
Frequency — частота (частота покупок за период)
Monetary — монетизация (стоимость покупок за период)
Дано:
1. История продаж интернет-магазина в виде .xlsx выгрузки, наподобие
Sic! Не ищите смысла в цифрах, все полу-рандомно изменено на 1-2 порядка
2. ТЗ от собственника, полная версия которого звучит не сложнее фразы «RFM-анализ сделать можешь?»
Результат:
Поначалу, полдня потратил на раздумья «Как все это сделать при помощи вычисляемых объектов сводной таблицы, чтобы было красиво». В итоге, забил на красоту и за час сделал с помощью промежуточного листа и обычных формул типа «=ЕСЛИ» и т.д.
3. Промежуточные вычисления
Для вычисления времени с момента последней покупки необходима текущая дата (стандартная функция в Excel =ТДАТА()) и дата последней покупки клиента. Поскольку выгрузка представляла собой неупорядоченный массив «Дата-Клиент-сумма_покупки», существовала сложность выявления последней даты покупки по каждому из клиентов. Проблема была решена сортировкой по всему объему дат в выгрузке (прошу не винить за «колхозный стиль», но в тот момент на красоту забил, так как хотел максимально быстро реализовать имевшееся в голове решение). Зеленым отмечены колонки первоначальной информации. В первой строке оставил формулы для понимания, а сортировал по колонке в порядке убывания (колонка создана при помощи сцепить)
4. Составные части листа «Итог»
Теперь собираем результат RFM-анализа на одном листе. Начинаем со списка клиентов (сортировка не имеет значения) — копируем с первого листа список клиентов оставляем только уникальные записи при помощи стандартного функционала (Данные — Удалить дубликаты). В колонку B при помощи ВПР тянем дату последнего заказа клиента. Формула в колонке С считает количество заказов клиента по всей выгрузке. В колонке D похожим образом считается сумма заказов по клиенту. А столбец E вычисляет для нас количество дней с момента последней покупки клиентом.
Sic! пример формулы для колонки E указан в ячейке K1, а в самом столбце E сохранены лишь значения для демонстрации результата
5. Recency (время с момента последней покупки)
Суть выделенной формулы в следующем: смотрим в каком из пяти равных промежутков от 0 до максимума (подсвечено в формуле красным) находится значение каждой ячейки колонки Е и проставляем оценку от 1 (клиент, купивший у нас нечто год назад) до 5 (клиент купивший что-либо в последнее время).
6. Frequency (частота покупок за период) и Monetary (cтоимость покупок за период).
Формулы идентичны, поэтому рассмотрим на примере Frequency. В данном случае мы разделили всю совокупность на 3 равных по количеству членов совокупности промежутка и смотрим к какому из этих промежутков относится значение в колонке С с выставлением оценок 1(клиент покупающий у нас реже остальных), 3, 5 (клиент покупающий у нас чаще остальных).
Для тех кому сложно или лениво понять определение медианы в википедии : медиана — это значение, делящее совокупность данных на 2 равные по количеству части. Пример: cреднее арифметическое значение 5 клиентов совершивших 1, 2, 2, 2, 100 покупок = 21,4 (ничего не говорящая нам средняя температура по больнице); медиана для этого же ряда = 2.
Заключение: про сложение всех показателей вместе и сортировку в порядке убывания самой правой колонки листа «Итог» писать не стал — думаю, итак понятно)) Моя цель — создать систему «на коленке», была полностью достигнута. Отдаю «как есть». Дописывая эти строчки понимаю, что мое определение медианы и пример тоже не самые легкие (для тех у кого не было в университете мат.статистики). Если кто предложит более простой и понятный вариант — заменю.
UPD от 30.04.2020: ввиду текущей экономической ситуации решил вспомнить Excel и бесплатно помочь малому бизнесу созданием подобных инструментов. Все интеллектуальные права останутся за мной и будут опубликованы в виде статей (без данных, содержащих коммерческую тайну).
Критерии попадания в выборку кому хочу помочь:
Обязательный:
Вы не МММ, продавцы алкоголя возле школ, микрофинансовые организации
и прочие лохотронщики
Опциональные(достаточно соответствовать одному из):
Ваше дело имеет очевидную ценность для общества (благотворительные фонды, волонтерские движения и т.д.)
или
Вы платите белые зарплаты и приемлемый для оборота объем налогов (придется доказать выписками перечислений в фонды и на счета ФНС)
Идеи
Как работать с разными сегментами пользователей
Что такое RFM
RFM-анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех клиентов, которые приносят больше денег.
Аббревиатура RFM расшифровывается:
- Recency — давность (как давно ваши пользователи что-то у вас покупали);
- Frequency — частота (как часто они у вас покупают);
- Monetary — деньги (общая сумма покупок).
По этим признакам можно разделить всех ваших клиентов на группы, понять, кто из клиентов покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.
С каждой группой можно строить отдельные коммуникации: давать им разную рекламу и делать разные email-рассылки. Например, группе постоянных VIP-клиентов высылать специальные предложения, а пользователям, которые давно не покупали — мотивирующую скидку, и настроить на них таргетированную рекламу.
Как разделить клиентов
Суть RFM-анализа в том, что мы разделяем всех клиентов на группы, в зависимости от того, как давно они сделали последнюю покупку, как часто покупали и насколько большой была сумма их заказов. По каждому из этих признаков мы выделяем по три равные группы. Затем присваиваем каждой группе числовое обозначение от 1 до 3.
По давности заказа (recency):
- 1 — давние клиенты;
- 2 — относительно недавние клиенты;
- 3 — недавние клиенты.
По частоте покупок (frequency):
- 1 — покупает очень редко (единичные заказы);
- 2 — покупает нечасто;
- 3 — покупает часто.
По сумме покупок (monetary):
- 1 — маленькая сумма;
- 2 — средняя сумма;
- 3 — большая сумма.
Например, пользователь «111» покупал давно, один раз и на маленькую сумму. Так себе клиент, иным словом. Или пользователь «333»: покупает часто, на большую сумму и последняя покупка была недавно. Это наши лучшие клиенты.
Диапазоны для 1, 2 и 3 вы задаете сами. Я имею в виду, что вы сами определяете, что значит, например, маленькая, средняя и большая сумма продаж: для какого-то бизнеса 10 000 руб. — это много для 1 клиента, для какого-то — почти ничего.
RFM-анализ удобнее всего делать с использованием «Сводных таблиц» в Excel или даже в Google Таблицах — там тоже есть такая функция.
RFM в Google Таблицах выглядит примерно так
Мы сняли видео о том, как делать RFM-аналитику в Excel. Оно — самое понятное из тех, которые я встречала. Посмотрите.
Теперь о главном — как применить RFM-сегментацию в рассылках.
Как применить RFM-анализ на практике
После разделения людей на группы может получиться максимум 27 сегментов. Может быть меньше — если, например, в базе нет клиентов, которые покупали много, но редко и давно.
Если получившиеся сегменты достаточно большие, с каждым из них можно работать индивидуально. Также можно объединить близкие сегменты. Главное, помнить основной принцип: лучших клиентов мы стараемся удержать, середнячков «раскрутить» до лучших, а уходящих и почти потерянных — вернуть.
Главный принцип RFM
Лучших клиентов удерживаем. Середнячков «раскручиваем» до лучших. Уходящих и почти потерянных возвращаем.
Я покажу на примере email-рассылок, как можно работать с каждым сегментом. Для удобства я разбила данные всех клиентов на 27 сегментов на 3 группы.
Уходящие
Спящие
Постоянные
Важно понимать, что пользователи могут перетекать из сегмента в сегмент. Те, кто покупал много, могут перестать делать покупки, а «спящие» клиенты могут проснуться и стать постоянными покупателями.
Как часто пересматривать сегменты
Время от времени надо пересматривать сегменты и снова делать RFM-анализ. Как часто — зависит от того, насколько подвижная у вас база. Если вы большой интернет-магазин с огромным количеством посетителей и частыми покупками, то можно обновлять данные аналитики раз в месяц-два. Если клиенты делают заказы редко, то обновлять RFM-анализ раз в квартал или даже раз в полгода будет достаточно.
Смысл нового RFM-анализа — посмотреть, какие из ваших клиентов изменили свой статус. Например, чтобы перестать им слать реанимационные письма.
Для кого подходит RFM-анализ
RFM-анализ подходит для всех. Но особенно наглядным будет для компаний с большими базами — от 10 000 адресов. Надо выделить 27 сегментов и понять, как работать с каждой группой сегментов. Одним — цепочку реактивации, другим — персональные скидки, третьим — регулярные рассылки, а четвёртых реанимировать. С малым количеством клиентов сделать такое получится не всегда.
ЭКСКЛЮЗИВЫ ⚡️
Читайте только в блоге
Unisender
Поделиться
СВЕЖИЕ СТАТЬИ
Другие материалы из этой рубрики
Не пропускайте новые статьи
Подписывайтесь на соцсети
Делимся новостями и свежими статьями, рассказываем о новинках сервиса
«Честно» — авторская рассылка от редакции Unisender
Искренние письма о работе и жизни. Свежие статьи из блога. Эксклюзивные кейсы
и интервью с экспертами диджитала.
Как использовать сегментацию, чтобы лучше понимать потребности покупателей и продавать то, что им нужно в данный момент.
Читали vc.ru, привет! Мы, Passteam – платформа для автоматизации маркетинга. Помогаем ритейлу, салонам красоты и ресторанам собирать клиентскую базу, выдавать карты лояльности для Apple Wallet и Google Pay и делать рассылки по сегментам
В этой статье мы расскажем вам, что такое RFM-сегментация, как построить коммуникацию не с условной «толпой», а с группами клиентов, чтобы значительно увеличить лояльность и продажи в вашей компании.
Содержание
- Что такое RFM-анализ, в чем его цель и ценность
- Как сегментировать базу вручную
- Сервисы и инструмент для RFM-сегментации и RFM-анализа
- Как интерпретировать результаты RFM-анализа и использовать его результаты
Что такое RFM-анализ, в чем его цель и ценность для бизнеса
RFM-анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех, которые приносят больше денег.
Аббревиатура RFM расшифровывается:
- Recency — давность (как давно ваши клиенты были у вас на процедурах). Высокий показатель давности означает, что у клиента уже сложилось достаточно хорошее впечатление о вашем бренде, поэтому он недавно посещал вас. Давность в срезе клиентской базы можно посмотреть, если отсортировать клиентов по дате последней покупки.
- Frequency — частота (как часто они у вас покупают). Высокий показатель частоты говорит о том, что клиенту нравится ваш бренд, ваши товары и услуги, поэтому он часто к вам возвращается. Для расчета частоты посещения нужно общее кол-во покупок/визитов разделить на кол-во месяцев/дней/годов и т.д.
- Monetary — деньги (общая сумма трат). Высокий уровень этого показателя означает, что клиенту нравится тратить именно у вас.
Для наиболее точного RFM-анализа, каждый из этих показателей необходимо условно разделить на 5 ступеней – от наименьшего к наибольшему. В рамках этой статьи мы ограничимся тремя ступенями в каждом из показателей.
По этим признакам можно разделить всех ваших клиентов на группы, понять, кто покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.
RFM-анализ помогает разделить ваших клиентов на категории разных размеров, чтобы вам было легче понять, кто из них лучше всего реагирует на текущие рекламные кампании и на будущие активности.
Как правило, небольшой процент пользователей реагирует на общие рекламные предложения. RFM-анализ и RFM-сегментация являются отличным методом прогнозирования реакции клиента и улучшения взаимодействия, а также повышение прибыли. RFM использует поведение покупателей, чтобы определить, как работать с каждой группой клиентов.
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.
Преимущества RFM-анализа
Таргетирование определенных рассылок на определённые группы клиентов дает гораздо большую конверсию рекламы, нежели одинаковая не персонализированная реклама.
В начале каждой рекламной кампании нужно понять, какому сегменту клиентов будет показываться эта реклама. После этого необходимо создать тот контент, который будет наиболее сильно резонировать с выбранной аудиторией. И только потом бросать все усилия на запуск этой кампании. К сожалению, большинство из нас делают ровно наоборот.
RFM-анализ упрощает выбор целевой аудитории для кампании– он учитывает давность, частоту и сумму покупок по каждому отдельному клиенту и формирует на их основе готовые для кампаний сегменты клиентов. RFM-анализ крайне полезен в понимании ответной реакции ваших клиентов, а также для построения маркетинг-стратегии, основанной на сегментации клиентов.
RFM-анализ охотно ответит вам на такие вопросы, как
- Кто – мои лучшие клиенты?
- Кто из моих клиентов на грани потери?
- Кого потенциально можно перевести в более платящий сегмент?
- Кто – мои потерянные клиенты, на которых нужно обратить особое внимание?
- Кого из клиентов необходимо удерживать всеми силами?
- Кто из моих клиентов наиболее лоялен к моему бренду?
- Какой сегмент клиентов наиболее хорошо откликается на текущие рекламные кампании?
Наложение Закона Парето на RFM-анализ
80% результатов происходят благодаря 20% усилий.
RFM-анализ местами перекликается с известным Законом Парето, гласящим, что 80% результатов происходят благодаря 20% усилий. Когда на этот закон смотрят через призму маркетинга, это означает, что 80% всех ваших продаж исходят от 20% наиболее лояльных и постоянных клиентов. Постоянники всегда буду иметь высокое значение на выручку в бизнесе, а следовательно – возвращаемость этих клиентов крайне важна для показателей.
Роль RFM-анализа в возвращаемости клиентов
Малый бизнес регулярно сталкивается с давлением от привлечения новых клиентов в бизнес, которое в большинстве случаем определяет рост и траекторию развития бизнеса. Привлечение новых лидов часто требует больших бюджетов для осуществления.
Ни один бизнес не может существовать сам по себе без клиентов, поэтому в то время, как привлечение новых клиентов – один из базисов бизнес-стратегии, возвращаемость играет еще большую роль в формировании высоких показателей. Возвращаемость клиентов зависит от удовлетворенности клиента вашими услугами/продукцией, от поддержки, от всех точек соприкосновения клиента с вашим брендом.
Низкий показатель потерь – самый легкий подход расширять бизнес, т.к. такой подход опирается на удовлетворенность клиентов, а следовательно – на хороший сарафан. RFM-модель позволяет бизнесу создать уникальные воронки продвижения для разных сегментов, создавая ценность для клиентов и укрепляя лояльность и доверие.
Как сегментировать базу вручную
Сбор данных. Чтобы провести RFM-анализ, 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.
Критерии сегментации клиентов. 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).
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 продаете 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.
Формирование сегментов. Итак, у вас должно получиться 27 сегментов (3*3*3) с оценками вида 111, 112, 113, 121, 131 и так далее до 333.
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 еще больше. Если уровней будет 4 — получится 64 сегмента, если 5 — уже 125 и так далее.
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.
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 (чемпионы) 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.
Как взаимодействовать с каждым из сегментов?
В Passteam RFM-анализ делит клиентскую базу на 9 сегментов, в зависимости от частоты их покупок и их давности. Прикиньте, какой процент вашей клиентской базы находится в каждом из сегментов, а затем представьте, насколько эффективными рекомендованные ниже активности могут быть для вашего бизнеса.
Сервисы и инструмент для RFM-сегментации и RFM-анализа
С ростом интереса к системам менеджмента и учета клиентов (CRM), RFM-анализ еще сильнее укоренился в маркетинге и аналитике. Даже если вы проводите единичную оценку потребительского поведения, вы можете облегчить себе жизнь с ручным или полуавтоматическим RFM-анализом.
Но если у вас достаточно большая клиентская база, не думаем, что вы захотите делать все расчеты вручную.
Для расчетов в RFM-анализе, как правило, используют excel-таблиц. Брюс Харди и Питер Фейдер написали подробную инструкцию по подсчету RFM-показателей в Excel. Этот файл вы можете использовать для собственных расчетов. Но конечно, с 2008 года, эта статья нуждается в обновлении.
Некоторые CRM-инструменты так же выполняют роль RFM-инструментов. Многие популярные CRM, как Битрикс-24, 1С и amoCRM автоматически сегментируют клиентов через RFM-анализ, поэтому можно ничего не делать вручную. Кстати, Passteam также автоматически делит вашу клиентскую базу на RFM-сегменты, читайте об этом в этой статье ниже.
Если в вашей компании есть собственный отдел разработки, вы можете использовать R и Python для создания собственных RFM-моделей, по аналогии с SQL запросами.
RFM-анализ в Passteam
Passteam предоставляет всеобъемлющий RFM-анализ, а также много других инструментов для аналитики бизнеса и отчетов о деятельности. Passteam разработан специально для e-commerce индустрии и оффлайн-бизнесов, использующих современные облачные решения в работе. Passteam имеет прямую интеграцию с большинством популярных CRM-систем – Poster, Уclients, iiko, Mindbox, retailCRM и др.
В Passteam RFM-анализ делит клиентскую базу на 9 сегментов, в зависимости от частоты из покупок и их давности. Прикиньте, какой процент вашей клиентской базы находится в каждом из сегментов, а затем представьте, насколько эффективными рекомендованные ниже активности могут быть для вашего бизнеса.
На данный момент в Passteam можно проводить RFM-анализ по двум переменным – давности и частоте покупок. Фактически – RF-анализ, без учета суммы покупок.
В рамках малого бизнеса, двух этих показателей, без учета суммы покупок, достаточно для анализа и планирования дальнейшей активности с каждым из сегментов.
После подключения интеграции и окончания синхронизации списка клиентов, Passteam автоматически формирует 9 сегментов, анализируя данные о частоте покупок клиентов и их давности.
Наш сервис автоматизирует работу с базой клиентов и проводит RFM-анализ ежечасно, используя актуальные данные из вашей CRM.
Сортировка клиентов в сегменты происходит по следующей схеме:
Сегменты можно посмотреть во вкладке бокового меню Список клиентов –> Сегменты. Подробнее о каждом из RFM-сегментов в Passteam можете посмотреть в ролике.
Как мы писали выше – нет универсальных показателей, по которым можно разделить клиентов в любом бизнесе. Поэтому настройки каждого из сегментов можно вручную подогнать под конкретно ваши условия. Дополнительно, вы можете добавить и другие фильтры для более узкого сегментирования.
Нажав на нужный сегмент вы увидите всех клиентов, подпадающих под указанные параметры.
Что можно делать с этими сегментами?
- Аудит клиентов. С помощью этих сегментов бы можете понять, какая часть ваших клиентов – ваши лояльные, какая часть – на грани потери и т.д.
- Сегментированные рассылки. Для повышения эффективности ваших рекламных кампаний отправляйте таргетированные сообщения на конкретный сегмент рассылки. Например – реактивационные для спящих, поощрительные для постоянных и т.д.
Как эффективно использовать RFM-методику
Маркетологи используют RFM-анализ на протяжении нескольких десятков лет, чтобы оптимизировать ROI от рекламных кампаний. Как правило, использовании RFM в рекламе заключается в использовании конкретного креатива и текста для конкретного сегмента. А также в других ситуациях, где необходимо сегментировать клиентов.
Сегментация клиентов – это не какая-то чужеродная вещь в маркетинге. Большие компании как можно детальнее стараются сегментировать клиентов, а люди, стоящие за этим, имеют четко прорисованную стратегию – стратегию на сегментирование клиентов.
Нил Патель, Маркетолог, создатель платформы Kissmetrics
Как увеличить LTV с помощью RFM
Как много ваши клиенты тратят на протяжении всего периода взаимодействия с вашим брендом зависит от ряда факторов. RFM-анализ может помочь со многими аспектами – уменьшить количество потерянных клиентов, предлагать допродавать товары сегментам, которые лучше всего идут навстречу, увеличивать лояльность клиентов и сарафанное радио, продавать дорогие товары/услуги и многое другое.
Небольшое предупреждение. Не переборщите. Если вы будете слишком часто взаимодействовать с одним, и тем же сегментом – клиенты могут взбеситься и прекратить покупки у вас.
RFM на запуске нового продукта
Продвигать ваши новые товары/услуги среди самых лояльных клиентов – отличный способ получить первые отзывы. Вы можете контактировать с вашими чемпионами и лояльными клиентами еще даже до запуска. Они могут предоставить вам полезные инсайты о том, что нужно доработать и как продвигать это. Также, такие клиенты будут гораздо охотнее продвигать новинку в своем окружении.
Как RFM увеличивает лояльность клиентов и их вовлеченность в бизнес?
Если вы запускаете программу лояльности, Чемпионы, Лояльные и Потенциальные лояльные клиенты – сегменты, на которые стоит делать упор в продвижении программы лояльности в первую очередь. Хотите сделать их опыт взаимодействия с вашим брендом более приятным и запоминающимся?
Используйте follow-up c ограниченными по времени предложениями – так шанс их скорой повторной покупки увеличиваться в разы. Рассылка с полезным образовательным/информационным контентом также увеличит их вовлеченность в ваш бренд.
Как RFM снижает уровень потерянных клиентов?
На грани риска и Спящие – два сегмента клиентов, на которых стоит обратить особое внимание. Рассылка персонализированных имейлов и звонки помогает вернуть их «в строй». Также предлагайте таким клиентам повторить их предыдущие покупки со скидкой, или опросите таких клиентов об их мнении о вашем бренде – прежде чем они уйдут от вас к конкуренту.
RFM-анализ как метод снижения расходов на маркетинг и увеличения ROI
RFM-анализ улучшает маркетинг в бизнесе в целом, а также:
- увеличивает LTV клиентов;
- бустит запуск новых продуктов/услуг;
- прокачивает клиентский опыт и их лояльности;
- снижает количество потерянных клиентов;
- повышает ROI рекламных кампаний;
- делает ретаргетинг кампании более эффективными и успешными;
- помогает понять ваш бизнес и сделать аналитику более прозрачной и др.
Нетаргетированные рекламные кампании, как правило, влетают в копеечку. При концентрировании усилий на более маленькую аудиторию можно значительно снизить расходы на рекламу, сделать ее более персонализированной, а сами креативы и тексты продумывать, основываясь на данные клиентов.
Фактически, RFM-анализ получился из прямого маркетинга. Частный пример – уменьшение стоимости рекламы за счет отправки бумажных каталогов только тем клиентам, кто реально ими пользуется и заказывает товары.
То же самое можно перенести и на диджитал-маркетинг, и на любую другую рекламную активность. Сегментирование базы перед запуском рекламы и выбор нужной целевой аудитории снижает расходы на эту самую рекламу и увеличивает ROI.
RFM для ремаркетинг/ретаргетинг кампаний
Ремаркетинг – подход в рекламе, когда вы показываете объявление тем клиентам, которые хотя бы однажды были на вашем сайте, но показываете его на совершенно других сайтах (в т.ч. сайтах конкурентов, и даже в инстаграме). Такая механика показа объявлений увеличивает количество кликов и эффективность кампании в целом.
Самый простой способ использовать RFM в ремаркетинге – экспортировать нужные сегменты клиентов (например – недавние покупатели), а позже, при настройке рекламы в Facebook, создать из этих листов аудиторию, кому будет показано объявление.
Что в итоге?
Успех использования RFM-анализа в маркетинге доказан сотнями ритейлеров, рестораторов, владельцев бьюти-предприятий и других предпринимателей.
Плюсы RFM-анализ
- RFM применим во многих сферах – e-comm, HoReCa, сфера красоты, оффлайн-ритейл и другие;
- Благодаря RFM вы узнаете больше о каждом сегменте, а каждом клиенте в целом, также о том – кто ваши лучшие покупатели;
- RFM помогает выстраивать высокоэффективные таргетированные рекламные кампании;
- RFM помогает улучшить клиентский опыт и лояльность;
- При комбинировании с другими маркетинговыми инструментами, дает детализированную аналитику по клиентам и полезные выводы на ее основе;
- RFM снижает стоимость маркетинговых активностей за счет оптимизации целевой аудитории;
- Снижает процент негативной реакции клиентов на рекламу за счет оптимизации целевой аудитории.
Ограничения RFM-анализа
- Нельзя полагаться на результаты RFM-анализа по клиентам, совершившим одну покупку;
- При единоразовой продаже одного продукта на результаты RFM-анализа также не стоит полагаться;
- RFM основывается на уже имеющихся данных о покупках, он не применим на ваших потенциальных клиентах;
- Без использования специальных сервисов расчеты вручную занимают достаточно много времени, особенно если у вас большая клиентская база;
- Показывая слишком много рекламы одному конкретному сегменту может привести к «перенасыщению» и снижению эффективности ваших кампаний.
Наши рекомендации
- Внедрите RFM-анализ в ваш бизнес – сначала, чтобы понять ваших клиентов, затем – чтобы запускать рекламу, которая попадет в цель;
- Используйте Passteam для всестороннего анализа вашей базы;
- Настройте автоматические рассылки по сегментам, основанные на результатах RFM-анализа.
Чек-лист по использованию RFM-анализа
- 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.
Спасибо за внимание! Если статья была полезна или будет полезна в будущем, то будем признательны за плюсик к «карме» и репост.
И подписывайтесь на наш профиль. В планах еще много статей про маркетинг и работу с клиентской базой.
RFM-анализ — сбор данных об активности покупателей, деление их на группы для индивидуальной работы с каждой.
Начну с того, что не стоит швыряться своим продуктом или услугой направо и налево. Тем более пытаться загрести себе побольше клиентов и бесконечно тратиться на рекламу, чтобы продать быстрее и больше. Это дохлый номер.
Чтобы Ваши денежки не исчезали в никуда, а клиенты были только «свои» и самые лучшие, стоит воспользоваться методом RFM.
Что это такое
RFM-анализ родился из правила Парето: 80% прибыли приносит только 20% клиентов. То есть задача бизнеса — распознать те самые 20% лучших потребителей и направить на неё максимум рекламных усилий.
Возникает закономерный вопрос: кто же такие эти «лучшие» потребители?
Невольно хочется ответить, что те, кто больше всех заплатил. Но если бы всё решалось так просто, тогда предприниматели не ломали бы головы над стратегиями маркетинга.
На самом деле имеет значение не только сумма, которую потратил клиент, но и то, как часто он совершает покупки. Потому и была разработана классификация потребителей по методу 3-х значений RFM:
| Recency — Давность сделки | Frequency — Частота сделки | Monetary — Вложения |
| Сколько часов, дней, недель или месяцев прошло с момента последней сделки, совершённой потребителем | Как часто потребитель покупал товар, пользовался услугой, открывал письма или заходил на сайт за определённый период времени | Сколько денег потратил клиент за конкретный период. (Если не про деньги, то: как долго бывал на сайте или какова его вовлечённость) |
Этот анализ помогает бизнесу расставить акценты и решить четыре основных вопроса:
- Каких потребителей надо отбраковать, чтобы не тратить на них время и бюджеты?
- Какие потребители вероятнее всего отзовутся на рекламные акции?
- Какие потребители являются лучшими, то есть принесут наибольшую прибыль бизнесу?
- Какие рекламные кампании наиболее эффективны для тех или иных потребителей?
Важно. Выжимайте из бизнеса максимум с помощью нашей методички формата “фишечная стратегия”. В ней самый сок из сотен тренингов и книг по маркетингу и продажам. А также концентрат успешных действий. По ссылке скидка 50% в течение 4 часов, кликайте -> “200+ фишек маркетинга: от привлечения до удержания“.
— Плюсы и минусы
Но как бы ни был хорош RFM анализ, важно понимать, что в реальном мире не всё так идеально, и этот инструмент имеет свои плюсы и минусы:
- Экономия. Помогает уменьшить затраты на маркетинговые кампании за счёт оптимизации таргетинга;
- Удобство. Подходит для онлайн-торговли, рассылок, прямого маркетинга и некоммерческих организаций;
- Сочетаемость. Его удобно комбинировать с другими инструментами по работе с клиентами;
- Лояльность. Уменьшает негативное поведение клиентов за счёт контролируемого таргетинга.
- Клиентская база. Эффективность анализа зависит от базы данных компании (на 5 клиентах далеко не уедешь);
- Цикличность покупок. Не годится для компаний с «одноразовыми» клиентами или товарами;
- Опыт сделок. RFM-анализ основан на истории. Он показывает прошлое и не прогнозирует будущее;
- Сложность расчетов. Без ПО и скриптов рассчитать RFM-оценки сложно, особенно для крупных компаний;
- Движение клиентов. База данных — живая, сегменты могут меняться, и придется обновлять анализ (хотя бы раз в год).
И наконец мы переходим к практике. Подготовила для Вас «руководство пользователя» для RFM-анализа.
Пошаговое руководство
Выдыхайте — на Ваше счастье для проведения такого анализа клиентов не нужно глубоких познаний и сложных программ. Достаточно работы в Excel, Google Таблицах с макросами.
Шаблон. Скачивайте шаблон по ссылке —> RFM-анализ. Рассказывать буду максимально просто и без сложных формул. Этот метод отлично подойдет для небольших компаний.
Если Вы компания крупная, то используйте дополнительное ПО ну или формулы.
Шаг 1. Собираем данные
За какой период брать данные, зависит от специфики бизнеса (в том числе B2B или B2C). Как правило, собирают информацию за последний год. В качестве данных клиентов выступают следующие позиции:
- ID клиента (это может быть номер телефона, ФИО или e-mail);
- Даты покупок, сделок или иных действий;
- Количество покупок;
- Сумма этих покупок.
Чтобы упростить данный шаг, лучше автоматизировать процесс и применить специальное ПО, например, CRM-систему Salesap или Мегаплан. Там выгрузить эти данные довольно легко.
Также сразу в нашем документе после даты последней покупки делаем столбцы «Текущая дата» и «Количество дней с последней покупки». А в конце три столбца «R», «F», «M». Их пока не трогаем, но дальше они пригодятся.
Шаг 2. Группируем потребителей и оцениваем
Чем больше база данных, тем больше групп и тем шире шкала оценок. То есть если у Вас 3 группы, то шкала оценок будет от 1 до 3, если 4 — от 1 до 4, если 5 — от 1 до 5. Стандарт — это три группы, на него мы и будем опираться. Итак, теперь присвоим каждой группе оценку:
- Группа 1. Потребители с хорошими показателями (больше покупают, делают это часто и оставляют нам большие суммы). Присваиваем оценку «1»;
- Группа 2. Потребители с нормальными показателями (иногда приходит, не всегда покупают, обычно на средние суммы). Присваиваем оценку «2»;
- Группа 3. Потребители с плохими показателями (редкие гости, мало покупают, чеки совсем небольшие).
Присваиваем оценку «3».
Обозначу сразу, что всю базу мы разбираем для каждой буквы по отдельности. То есть наши 3 сегмента в разрезе
«R», потом «F» и наконец по «M». Итого у нас получится
27 сегментов (3*3*3).
Кстати, если Вы знакомы с ABC анализом, то метод RFM будет для Вас достаточно простым, так как принцип у него похожий, мы также делим на группы.
— Показатель 1. Recency (давность сделки)
Сортируем потребителей по тому, сколько времени прошло с момента их последней активности. У каждого бизнеса разный цикл сделки, соответственно и активность разная.
В качестве примера:
- «Хороший» показатель (группа 1) — до 90 дней;
- «Нормальный» показатель (группа 2) — от 90 до 180 дней;
- «Плохой» показатель (группа 3) — от 180 дней.
Сортировать можно несколькими способами, но я приведу один для примера. У нас есть дата последней покупки, поэтому мы заполняем столбец текущей датой, затем в столбце, где будет результат, выполняем такие действия:
Нажимаем знак “=”; —> Выбираем ячейку с текущей датой (“С2”); —> Нажимаем знак “-”; —> Выбираем ячейку с датой покупки (“В2”); —> Нажимаем “↵ Enter “. Только учтите, что там, где мы считаем, формат ячейки должен быть числовой.
Теперь мы видим, сколько дней прошло с момента последней покупки каждого покупателя. После этого необходимо разделить (как договаривались выше) всех покупателей на 3 группы и каждой присвоить соответствующую цифру.
Чтобы разделить, выделяем всю таблицу и сортируем её по графе «Количество дней», ставим значение «по возрастанию».
Лучшим потребителем соответственно будет тот, кто попал в первую группу (так как он покупал совсем недавно), а худший — в третью группу (так как покупал давно).
— Показатель 2. Frequency (частота сделки)
Теперь сортируем клиентов по тому, как часто они совершали свою активность.
- «Хороший» показатель (группа 1) — 5 и более покупок;
- «Нормальный» показатель (группа 2) — от 2 до 4 покупок;
- «Плохой» показатель (группа 3) — 1 покупка.
Сделать это можно элементарно, все той же сортировкой по аналогии с предыдущим показателем. Таким образом, наши показатели сортировались по выбранным нами параметрами. И опять назначаем каждой группе свою цифру.
Итак, в первой группе находятся самые активные (те, кто покупал чаще всего). В нашем случае — наибольшее количество покупок одного клиента — от 5.
— Показатель 3. Monetary (вложения)
Здесь сортируем клиентов согласно их тратам. Все то же самое, как и в предыдущих вариантах. Или пользуйтесь формулой, или же фильтруйте от большего к меньшему.
- «Хороший» показатель (группа 1) — потратившие от 52 000;
- «Нормальный» показатель (группа 2) — в 52 000-36 000 рублей;
- «Плохой» показатель (группа 3) — менее 36 000.
И опять-таки — самый ценный для Вас клиент окажется в первой группе. Ничего нового. И не забываем про цифру.
Шаг 3. Даём оценку RFM
В нашем случае получилось три оценки «1», «2», «3» (Вы помните, что их может быть бесконечное множество). То есть каждому покупателю мы по каждому параметру присвоили свою собственную оценку.
Итого у нас вышло 27 сегментов с оценками по 3-м показателям RFM вида «111», «112», «113», «121», «131» и так далее до «333».
Увидеть эти группы можно с помощью стандартной функции «сортировка», отобрав по нужному параметру.
Анализ полученных данных
Клиенты распределены по сегментам и теперь понятно, кто есть кто. Осталось создать свою рекламную стратегию для каждого сегмента, и для наглядности я свела информацию в таблицу.
| Сегмент клиентов | Характеристика сегмента | Маркетинговая стратегия |
| 111 («Ядро») | Совершали покупки часто, недавно и на большие суммы. Войдут в заветные 20% по правилу Парето. | Предложить самое ценное, например, золотую карту, или пригласить на отдельное мероприятие, выразить особую благодарность. Скидки предлагать не стоит. |
| х1х (Лояльные) | Тратят немного, но регулярно. | Предложить сопутствующие товары, подарок за сделанную покупку, программы лояльности, бонусы, чтобы стимулировать показатель «М» (Вложения). |
| xx1 («Киты») | Тратят большие суммы, но от случая к случаю. Это ценный «зверь». | Изучить, что клиенты покупали, и предложить товар из схожей категории. Узнать, чего бы они хотели от компании в будущем. Предложить нечто особенное, ценное, дорогое. Не стоит предлагать скидки. |
| 13х при низшей оценке «3» (Новички) | Не гарантируется, что все из них станут лояльными. Но на этот сегмент стоит обратить особое внимание. | Помочь в выборе товара, дать полезный контент. Как вариант — поздравить с покупкой, пригласить в соцсети, предложить выгодные акции. Это поможет установить крепкие отношения с клиентами всерьёз и надолго. |
| 33х при низшей оценке «3» («Сони») | В прошлом были хорошими покупателями. | Выяснить, почему перестали быть активными, и предложить новый продукт или бесплатный пробный период. Рассказать об акциях, скидках, распродажах. Так, возможно, получится оживить отношения с ними. |
| 333 (Потерянные) | Перестали совершать покупки. | Попробовать спровоцировать, чтобы вернуть в число активных. Но не настаивать, если нет отклика, то не тратить время (дороже встанет). |
У Вас может возникнуть вопрос «А где же «двойки»?» — их отдельно выделять не стала, так как к ним подходят стандартные маркетинговые усилия. Они и так стабильно и хорошо покупают.
Коротко о главном
RFM-анализ призван помочь компании в разработке маркетинговой стратегии с индивидуальным подходом к каждому сегменту. Тем самым сэкономить на «мертвых» и побольше заработать на «живых».
Справедливости ради надо отметить, что речь идёт не только о прибыли бизнеса. В некотором смысле, RFM-анализ способствует увеличению ценности жизни потребителя. Тут уж, как говорится, «Счастливый клиент — полезный клиент».
И прежде чем Вы сломя голову побежите делать анализ, напоминаю важные правила сортировки:
- Крайности. Не надо устанавливать очень высокие или очень низкие критерии по каждому показателю;
- Диапазон. Выбор диапазона для каждого показателя у каждой компании будет свой (цифры лишь для примера);
- Группы. Количество групп при анализе должно быть одинаковым для каждого показателя;
- Распределение. Группы можно распределять как по убыванию, так и по возрастанию.
Нашли ошибку в тексте? Выделите фрагмент и нажмите ctrl+enter