Что такое RFM-анализ и как его использовать

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.

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.

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.