RFM-анализ клиентов

Учимся группировать клиентов по истории их заказов, чтобы стимулировать повторные обращения и повышать прибыль.

В основу заложен закон Парето, в соответствии с которым 20% приложенных усилий дают 80% результата. Например, 80% задач мы выполняем за 20% рабочего времени, а 80% продаж приходятся на 20% товаров из продуктовой линейки.

В маркетинге этот принцип означает следующее: 80% дохода компания получает от 20% клиентов.

Зачем делать RFM-анализ

Цель метода — выделить ключевых клиентов, те самые 20%, которые приносят компании большую часть прибыли. Эту аудиторию нужно активно развивать и вовлекать в дальнейшее взаимодействие.

С остальной клиентской базой тоже нужно работать:

• находить покупателей с большим потенциалом и переводить их в категорию ключевых;
• активных клиентов удерживать;
• спящих — разбудить;
• постоянных — мотивировать покупать больше.

RFM-анализ помогает правильно расставить приоритеты в работе с разными сегментами аудитории.

Кому подходит RFM-анализ

Метод удобно использовать в B2C. Сегментация клиентской базы эффективна в следующих видах бизнеса:

• интернет-торговля;
• ретейл;
• проекты e-commerce;
• сервисы доставки еды;
• сфера услуг: салоны красоты, фитнес-центры;
• медицина;
• образование.

В B2B метод применяется реже. RFM-подход неудобен для компаний, ориентированных на постоянное сотрудничество. Например, если бизнес сдаёт коммерческие площади в долгосрочную аренду на 5–10 лет, то провести анализ будет сложно — потребуется статистика за десятилетия.

Как провести RFM-анализ

Аббревиатура RFM расшифровывается как Recency, Frequency, Monetary. Это означает три критерия оценки клиента:

• давность (Recency) — как давно совершил последний заказ;
• частота (Frequency) — как часто совершает заказы;
• деньги (Monetary) — сколько потратил на ваши продукты и услуги.

Сегментируя клиентскую базу по этим параметрам, вы получите 27 групп. Для каждой нужно подобрать адресную коммуникацию и разработать подходящую маркетинговую стратегию. В стратегию могут входить рассылки в мессенджерах, подогревающие и продающие цепочки email и другие инструменты для увеличения продаж.

Разберём процесс анализа по шагам.

Подготовка данных

Выгрузите клиентские данные и статистику продаж из CRM в Excel или Google-таблицу. Период может быть любым, лучше брать для анализа большие интервалы — полгода или год.

Составьте таблицу:

• клиент — Ф. И. О. или идентификатор из базы CRM;
• дата последнего заказа;
• общее число заказов за всю историю сотрудничества;
• сумма покупок за всю историю сотрудничества.

Добавьте столбец с автоматическим подсчётом количества дней, прошедших с момента последней покупки. В Excel для этого можно использовать следующую формулу:

ДНИ(кондата;начдата)

Параметры формулы:

• кон_дата — день проведения анализа, например, «10-АВГ-2025»;
• нач_дата — день заказа клиента, указанный в базе.

Пример таблицы для RFM-анализа:

В нашем примере мы проводим анализ 10 августа 2025 года (параметр «кондата»), а даты заказов указаны в столбце B (параметр «начдата»). Поэтому формула расчёта количества дней для первого клиента выглядит так:

=ДНИ("10-АВГ-2025«;B2)

Формулу нужно протянуть на все строки и установить формат «Общий».

Затем добавьте три пустых столбца с критериями Recency, Frequency, Monetary. Таблица готова к работе.

Адаптация критериев анализа

Вы будете оценивать клиентов по трём параметрам:

• давности заказа;
• частоте заказов;
• вложениям.

По каждому параметру RFM нужно поставить клиенту оценку: 1, 2 или 3 балла.

Как распределять баллы по давности последнего заказа (критерий Recency):

• 1 — недавно;
• 2 — не очень давно;
• 3 — давно.

Адаптируйте критерий давности для вашего бизнеса. Решите, какие обращения считать давними, а какие — свежими. Отталкиваться можно от средней активности вашей аудитории и динамики продаж в вашей нише.

Как распределять баллы по частоте обращений, в нашем примере — числу заказов (критерий Frequency):

• 1 — обращается часто;
• 2 — редко;
• 3 — совершает разовые покупки.

Определите, какую периодичность покупок считать высокой, а какую низкой. Как распределять баллы по сумме заказов (критерий Monetary):

• 1 — много тратит;
• 2 — средне;
• 3 — мало.

Установите параметры оценки Monetary исходя из среднего чека и поведения большинства ваших покупателей.

Оценка

В соответствии с принятой системой анализа расставьте баллы в таблице. По каждому клиенту поставьте 1, 2 или 3 в столбцах Recency, Frequency, Monetary:

• для оценки Recency смотрите столбец «Дней с последнего заказа»;
• Frequency — «Число заказов»;
• Monetary — «Сумма заказов, ₽».

Чтобы не расставлять баллы вручную, используйте логические формулы Excel. Пример формулы для оценки Recency:

=ЕСЛИ(C2<7;1;ЕСЛИ(C2>300;3;2))

Параметры формулы:

• C2 — ячейка столбца, в которой рассчитывается число дней с последней покупки;
• 7 — граница для оценки в 1 балл (допустим, мы решили, что если клиент покупал в течение последних семи дней, то ему нужно присвоить оценку 1);
• 300 — граница для оценки в 3 балла (если клиент покупал более 300 дней назад, то считаем давность высокой, то есть ставим оценку 3);
• в остальных случаях ставим 2 балла.

Протягиваем формулу и получаем оценку всех клиентов по критерию Recency.

Аналогичным способом рассчитываем баллы для Frequency и Monetary.

Результат — трёхзначная оценка каждого контакта клиентской базы. Например, для клиента с ID 501 мы получили оценку 222, для ID 502 — 321, для ID 503 — 311.

Анализ сегментов

Сгруппируем контакты по сегментам, для каждого сегмента выберем стратегию взаимодействия.

Большую часть ресурсов стоит отдавать работе с приоритетными группами: 111, 121, 211, 221. Вкладывайтесь в таргетированную рекламу и новые технологии для бизнеса, привлекайте опытных маркетологов, аналитиков, менеджеров по продажам. Эти инвестиции окупятся с будущих продаж.

В работе с сегментами «Почти потерянные» и «Ушедшие» (Recency = 3) лучше использовать бесплатные или малозатратные каналы продвижения, особенно если Monetary вы оценили в 2 или 3 балла.

Инструменты для проведения RFM-анализа

RFM-анализ (Recency, Frequency, Monetary) является мощным инструментом для сегментации клиентов на основе их покупательского поведения. Для его проведения можно использовать различные инструменты:

• Excel и Google Таблицы: Эти программы позволяют вручную собирать данные о клиентах и проводить анализ. Сначала необходимо выгрузить данные из CRM-системы, затем рассчитать показатели RFM и сгруппировать клиентов по сегментам.

• CRM-системы: Многие современные CRM-платформы автоматизируют процесс RFM-анализа, позволяя быстро собирать данные и сегментировать клиентов по заданным параметрам, таким как давность, частота и сумма покупок.

• CDP-платформы: Эти системы позволяют автоматически собирать данные о клиентах из различных источников, проводить RFM-анализ и предоставлять готовые отчеты без необходимости ручного ввода данных.

Использование RFM-анализа с другими методами

RFM-анализ можно эффективно комбинировать с другими методами сегментации и анализа данных.

Например:

• Кросс-аналитика: Использование RFM в сочетании с анализом поведения пользователей на сайте позволяет выявить более глубокие инсайты о предпочтениях клиентов.

• Машинное обучение: Применение алгоритмов машинного обучения для предсказания поведения клиентов на основе RFM-показателей может значительно повысить точность сегментации и улучшить целевые маркетинговые кампании.

• Анализ оттока клиентов: Сравнение RFM-сегментов с данными о потерянных клиентах помогает выявить причины ухода и разработать стратегии для их удержания.

Метрики и KPI для оценки эффективности

Для оценки эффективности RFM-анализа можно использовать различные метрики и KPI:

• Конверсия по сегментам: Измерение доли покупателей в каждом RFM-сегменте, которые совершают повторные покупки.

• LTV (Lifetime Value): Оценка общей ценности клиента на протяжении всего времени его взаимодействия с компанией.

• ROI (Return on Investment): Анализ возврата инвестиций от маркетинговых кампаний, основанных на RFM-сегментации.

• Показатели возврата: Измерение количества клиентов, которые вернулись после первой покупки, что помогает понять ценность различных сегментов.

Ошибки и подводные камни

При проведении RFM-анализа важно избегать распространенных ошибок:

1. Неправильная интерпретация данных: Необходимо учитывать контекст бизнеса при анализе результатов. Например, высокие показатели частоты покупок могут не всегда означать высокую ценность клиента.

2. Игнорирование внешних факторов: Изменения на рынке или в поведении потребителей могут повлиять на результаты анализа. Важно регулярно пересматривать сегментацию и адаптировать стратегии.

3. Слишком узкая сегментация: Создание слишком большого количества групп может привести к усложнению анализа и снижению эффективности маркетинговых кампаний.

RFM-анализ в условиях изменяющегося рынка

В условиях динамичного рынка компании должны адаптировать свои подходы к RFM-анализу:

1. Гибкость в сегментации: Регулярная переоценка сегментов позволяет быстро реагировать на изменения в поведении потребителей и рыночной среде.

2. Интеграция с новыми технологиями: Использование API для интеграции данных из различных источников может улучшить качество анализа и повысить его скорость.

3. Фокус на персонализацию: Адаптация маркетинговых стратегий к потребностям различных сегментов помогает увеличить конверсии и улучшить клиентский опыт.

RFM-анализ является важным инструментом для оптимизации маркетинга и повышения ценности клиентов. Правильное использование инструментов, метрик и адаптация к изменениям рынка помогут компаниям добиться успеха в конкурентной среде

Плюсы RFM-анализа

Гибкость

Вы сами устанавливаете количественные критерии сегментации:

• что считать большим чеком, а что средним;
• какая частота покупок является высокой, а какая низкой.

Это позволяет адаптировать систему анализа под свою аудиторию, продукт и масштабы бизнеса.

Эффективность

Метод помогает выстроить стратегию для вовлечения каждого сегмента клиентской базы. Точечная настройка таргетингов позволяет экономить рекламный бюджет: вы адресно доносите маркетинговое сообщение до нужной аудитории и не тратите деньги на нерелевантные клики и переходы.

С помощью RFM-метода удобно отслеживать эффективность новых инструментов и решений для продаж. Допустим, вы планируете запустить чат-бот для автоматизации продаж в мессенджерах. В этом случае можно провести RFM-анализ до внедрения бота и после, а затем сравнить результаты. Аналитика покажет, как автоматизация отразилась на покупательском поведении аудитории.

Минусы RFM-анализа

Чем быстрее обновляется клиентская база, тем чаще нужно проводить сегментацию и обновлять стратегии. В среднем делать анализ нужно не реже раза в год.

Ограничение метода — размер клиентской базы. Для получения объективных результатов количество контактов должно быть не менее 10 000.

Кроме этого, RFM-метод не подходит бизнес-моделям, заточенным под единичные продажи. Если вы торгуете яхтами или занимаетесь организацией свадебных мероприятий, то большая часть ваших клиентов обращается к вам один-два раза. Критерии RFM к ним неприменимы, и описанные выше стратегии не сработают. Нужен другой подход к развитию клиентской базы, например повышение лояльности, чтобы старые заказчики приводили новых. Для этого можно ввести систему поощрений за рекомендации и использовать партнёрские программы.

Продукты и категории из этой статьи:

Решения для увеличения конверсии

Устройства для бизнеса

Инструменты для продаж