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:
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.
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.
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.
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.
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.
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.
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.
Content Will Israel Invade Gaza? Tips On How To Time A Thai Bride? Chinese brides…
Content #5 Matchcom How A Whole lot Bridesagencycom Mailbox Order Brides Cost? Odds Of Profitable…
The boardroom is the place where main decisions are manufactured that affect everyone coming from…
avast free of charge antivirus runs your PC designed for malware, spyware, phishing, ransomware, adware,…
Online Info Room and SSL A data room is a cloud answer made especially for…
Free casino slot games refer to any online or offline slot games where you are…