RFM расшифровывается как Recency (давность), Frequency (частота) и Monetary (денежная ценность). Это три показателя, по которым ведется расчет ценности клиента.
Хотя сегментировать базу клиентов можно бесчисленным множеством способов, RFM-анализ популярен по трем причинам:
-
Он использует объективные числовые шкалы, которые дают краткое и информативное описание клиентов.
-
Маркетологи могут эффективно использовать его, не обращаясь при этом к специалистам по данным и не используя сложное программное обеспечение.
-
Результат этого метода сегментации легко понять и интерпретировать.
С помощью RFM-анализа вы увидите потенциал вашей клиентской базы, поймете, какие сегменты готовы платить больше и при каких условиях. Зная поведение пользователя в прошлом, легче предсказать его будущее поведение. Кроме того, RFM-анализ помогает сформировать индивидуальный подход к клиенту в зависимости от его действий.
В итоге применение анализа влияет на рост общей прибыли бизнеса.
Рассмотрим в статье:
Где применяется сегментация по RFM-анализу
Эта сегментация нужна для повторного привлечения клиентов. Поэтому у бизнеса должна быть база клиентов.
Сегментация по RFM-анализу подойдет тем бизнесам, которые ориентированы на регулярные покупки: интернет-магазину косметики или кормов для животных, маркетплейсам, B2B-компаниям. А вот для бизнеса с редкими покупками RFM-сегментация будет бесполезна: это, например, автобизнес и продажа недвижимости.
Для разных ниш и бизнес-целей можно использовать RFM-сегментации по разным метрикам:
-
истории покупок;
-
посещения веб-сайтов;
-
социальная активность.
Варианты данных, которые могут использоваться при анализе в разных нишах
Из чего рассчитывается ценность клиента
Некоторые клиенты реагируют, другие — нет. Как можно предсказать поведение? Лучший метод — посмотреть на прошлое поведение.
На ваше предложение с большей вероятностью откликнутся недавние покупатели, те, кто покупает часто и клиенты, которые отдают компании больше всего денег. («Покупку» здесь можно заменить на любую другую конверсию.)
Отсюда — три фактора, по которым проводят RFM-анализ. Всё это измеримые показатели:
-
Давность — сколько времени прошло с момента последнего действия или покупки.
-
Частота — как часто пользователь взаимодействовал с брендом в течение определенного периода времени.
-
Денежная ценность — сколько покупатель потратил денег в течение определенного периода времени. Деление денежной ценности на частоту показывает среднюю сумму покупки — важный второстепенный фактор, который следует учитывать при сегментировании клиентов.
Каков алгоритм проведения RFM-анализа
Выгружаем из CRM или из системы веб-аналитики данные по транзакциям:
-
клиент (User ID);
-
дата покупки;
-
сумма покупки.
Рассчитываем RFM для каждого пользователя.
Ниже представлена таблица с результатами. Ее можно составить с помощью Excel, SQL, Python.
Находим распределение для каждой метрики.
Проводим сегментацию.
Как назначить оценки для сегментации
Наиболее распространены три способа:
Приведем пример с третьим способом — конкатенацией оценок.
У нас есть все данные по RFM.
Сейчас мы будем присваивать значения от 1 до 3 в соответствии с этими данными.
Нужно взять выгрузку из базы данных и рассчитать для каждого клиента:
-
Recency — давность (количество дней с последней покупки);
-
Frequency — частота (сумма всех покупок);
-
Monetary — денежная ценность (сумма дохода от всех покупок).
Рассчитываем медиану по давности и доходу, а также средний доход.
У нас получаются следующие значения:
-
медиана по давности: 250.0;
-
медиана по доходу: 3865.0;
-
средний доход: 8825.0.
Горячими клиентами будем считать тех, кто купил за последние 30 дней.
Проводим оценку клиентов.
Присваиваем номера сегментам.
Простановка баллов Recency:
-
если Recency ≤ 30, тогда присваиваем 3 балла;
-
если Recency > 30 и Recency ≤ 250, тогда присваиваем 2 балла;
-
если Recency > 250, тогда 1 балл.
Простановка баллов Frequency:
-
если Frequency = 1, тогда 1 балл;
-
если Frequency = 2, тогда 2 балла;
-
если Frequency > 2, тогда 3 балла.
Простановка баллов Monetary:
-
если Monetary < 3865, тогда 1 балл;
-
если Monetary ≥ 3865 и Monetary < 8825, тогда 2 балла;
-
если Monetary > 8825, тогда 3 балла.
В результате получится таблица такого рода:
Она называется сегментированной таблицей RFM.
Чтобы получить окончательную оценку RFM, объединим числа. Таким образом, клиент с самым высоким рейтингом будет иметь оценку RFM 333, а c самым низким — 111.
Теперь определяем сегменты RFM-анализа и визуализируем их
Приведем шаблон расшифровки сегментов с разными кодами (всего их получается 3³=27).
Визуализируем для наглядности.
Графическое представление помогает быстрее и проще ориентироваться в результатах RFM-анализа. При визуализации хорошо использовать простые гистограммы, которые покажут распределение клиентов по отдельным сегментам. Вы также можете добавить средние значения RFM для сегментов, индивидуальные рекомендации для определенных сегментов и подробные отчеты RFM для каждого клиента.
Как использовать полученную сегментацию
На основании расчетов можно выделить разные группы клиентов и далее распределить бюджеты и определить стратегию коммуникации.
В таблице ниже представлена пятерка лучших групп клиентов. «Лучших клиентов» в этой таблице можно скорее назвать “лучшими из лучших«.Также сюда вошли постоянные клиенты, потенциальные лояльные, новые с высокими расходами и лояльные, но с низкими расходами.
Кроме того, можно выделить несколько видов «тревожных» клиентов — тех, которые обращались в компанию, но которых нельзя считать надежной аудиторией.
Как работать с каждой группой клиентов? Мы предлагаем остановиться на пятерке лучших, на клиентах, подверженных риску и потерянных лучших клиентах.
Если вас интересует, какой канал приносит больше всего лучших клиентов, вы можете:
-
Загрузить результаты RFM-анализа в Google Analytics или Яндекс.Метрику.
-
Настроить таргетинг на этих клиентов с помощью персональной рекламы.
В результате вы с высокой вероятностью снизите затраты и увеличите прибыль.
Если вы используете email-адреса для анализа RFM, можете импортировать email в рекламную платформу и нацеливаться на пользователей, которые похожи на ваших лучших клиентов, или исключать из рекламы клиентов, принадлежащих к потерянному сегменту.
Как часто пересматривать сегменты
Время от времени надо пересматривать сегменты, заново делать RFM-анализ. Как часто — зависит от того, насколько подвижная у вас база.
-
Если у вас большой интернет-магазин с огромным количеством клиентов и частыми покупками, то можно обновлять данные один раз в месяц-два.
-
Если клиенты делают заказы редко, то обновлять анализ раз в квартал или даже раз в полгода будет достаточно.
Смысл нового RFM-анализа — посмотреть, какие из ваших клиентов изменили статус. Например, чтобы перестать им слать реанимационные письма.
Как провести RFM-анализ пошагово — на примере
Создаем файлы с нужными нам сегментами и загружаем в сервис Яндекс.Аудитории.
На основе наших аудиторий мы задаем корректировки ставок в настройках кампаний. До этого ретаргетинг был настроен на всех пользователей, которые посещали сайт. Теперь же делаем настройку с учетом RFM-портрета пользователя.
Сравниваем с сегментом «Все посетители сайта». У пользователей из сегментов с высокой денежной ценностью средний чек выше. И, наоборот, пользователи с низкой денежной ценностью имеют низкий средний чек.
Как правило, коэффициент конверсии у лояльных пользователей выше. Разовые пользователи не так охотно совершают повторную покупку.
Привлекать пользователей из сегментов получается дешевле за счет более низкой стоимости клика.
Рентабельность у сегментов с высокой денежной ценностью выше, чем у сегмента «Все посетители сайта». Сегменты с низкой денежной ценностью имеют низкую рентабельность.
Таким образом, правильно используя данные RFM-анализа, вы можете настроить корректировки ставок так, чтобы тратить меньше денег на привлечение пользователей.