В базе 20 000 клиентов. Кому напомнить о себе? Кому показать новинку? А кого пока оставить спокойно жить?
Отправить одно сообщение всем — самый быстрый вариант. RFM-анализ помогает сделать вариант умнее: разделить клиентов по реальным покупкам.
Что такое RFM-анализ
RFM-анализ — это сегментация клиентской базы по трём признакам:
- Recency. Как давно клиент покупал.
- Frequency. Как часто покупал за выбранный период.
- Monetary. Сколько денег принёс за этот период.
Метод смотрит на поведение, а не пытается угадать характер человека по одной покупке. Клиент получает оценки по трём признакам, после чего похожие комбинации объединяются в сегменты.
Какие данные нужны
Минимальный набор: идентификатор клиента, дата заказа, сумма, статус и возвраты. Период выбирайте по циклу покупки. Для кофе и промышленного оборудования один год означает совсем разную историю.
Сначала очистите отменённые заказы и дубли. Решите, что считать покупкой и как объединять одного клиента из разных систем. Иначе самый «частый покупатель» может оказаться одной компанией в трёх написаниях.
Как провести RFM-анализ
- Для каждого клиента посчитайте дни с последней покупки.
- Посчитайте количество покупок за выбранный период.
- Сложите оплаченные суммы с учётом возвратов.
- Разделите каждую метрику на группы — например, от 1 до 5.
- Объедините оценки и дайте сегментам понятные названия.
Для Recency высокая оценка обычно означает недавнюю покупку. Для Frequency и Monetary — больше покупок и денег. Но границы групп берите из своих данных. Универсальная сумма «ценного клиента» существует только в универсальной компании, а её мы пока не встречали.
Как читать RFM-сегменты
Клиенты с недавними, частыми и крупными покупками — активное ядро. Им можно показать следующий полезный продукт или привилегию.
Те, кто покупал часто, но давно, заслуживают отдельной проверки: изменился продукт, закончилась потребность или клиент просто ушёл в другой канал? Новым покупателям полезно помочь со следующим шагом, а не сразу устроить фестиваль рассылок.
RFM не доказывает лояльность и не предсказывает будущее без ошибок. Это удобная карта базы для следующего вопроса и теста.
Пример одного клиента
Представим интернет-магазин с периодом анализа 12 месяцев. Клиент покупал 12 дней назад, сделал четыре заказа и принёс 48 000 рублей оплаченной выручки.
По Recency он попал в верхнюю группу, по Frequency — тоже, а по Monetary оказался в середине. Условный код может выглядеть как 553. Это не «оценка человека». Это короткое описание его поведения в выбранном периоде.
Теперь появляется рабочая гипотеза: клиент активный и часто возвращается, но покупает не самые дорогие товары. Ему можно показать полезное дополнение или комплект. А вот давать большую скидку просто за красивый код не обязательно — он и так покупает.
Как выбрать границы сегментов
Самый простой способ — разделить клиентов на равные по количеству группы, например квинтили. Но при большом числе одинаковых значений границы получатся странными: сотни клиентов с одной покупкой могут попасть в разные оценки.
В таком случае используйте бизнес-границы. Для Frequency это может быть одна покупка, две, три-четыре и пять или больше. Для Recency — интервалы, связанные с нормальным циклом возвращения. Если клиент обычно покупает раз в квартал, 60 дней тишины ещё не означают потерю интереса.
Границы нужно сохранять вместе с версией расчёта. Иначе сегмент «активные» в январе и марте может называться одинаково, но означать разное.
Как проверить пользу сегментации
Не сравнивайте только открытия писем. Для каждого сегмента задайте действие и бизнес-результат: повторная покупка, маржа, средний чек, возврат клиента или отказ от коммуникации.
Часть клиентов оставьте в контрольной группе без нового предложения. Затем сравните результат за одинаковый период. Так видно, дала ли кампания дополнительный эффект или эти люди купили бы и без сообщения.
Где RFM может ошибиться
- возвраты не вычтены из суммы;
- один клиент записан под несколькими ID;
- частые мелкие заказы искусственно повышают Frequency;
- период не захватывает сезон покупки;
- в Monetary смешаны выручка и маржа.
Для бизнеса с очень разной маржой полезно сделать второй вариант расчёта по валовой прибыли. Клиент с большой выручкой не всегда самый ценный после себестоимости и обслуживания.
Как выглядит рабочая таблица RFM
Одна строка — один объединённый клиент. В колонках: дата последней покупки, число покупок, оплаченная сумма, валовая прибыль при наличии, оценки R/F/M, название сегмента и дата расчёта.
Отдельно храните правило объединения ID. Телефон и почта меняются, компании работают через несколько контактов. Ошибка на этом шаге сильнее влияет на сегменты, чем выбор красивых цветов для матрицы.
План действий по сегментам
Для каждого сегмента задайте не только сообщение, но и ограничение частоты, канал, ожидаемый результат и срок проверки. Активному ядру — полезное продолжение. Новым — помощь со следующим шагом. Давно не покупавшим — аккуратная проверка причины. Части базы — тишина и контрольная группа.
Что делать с одинаковыми значениями
Разбиение на равные группы иногда ломается: у многих клиентов одинаковая дата покупки или ровно один заказ. В таком случае не нужно насильно раздавать разные оценки людям с одинаковым поведением.
Можно задать бизнес-границы. Например, для давности: до 30 дней — 5 баллов, 31–60 — 4, 61–120 — 3 и так далее. Для частоты отдельно определить, что считается повторным клиентом. Границы проверяются на реальном распределении и пересматриваются, когда цикл покупки меняется.
Не смешивайте ценность и этап отношений
RFM хорошо описывает прошлое поведение, но не объясняет причину. Новый крупный клиент может получить низкую частоту просто потому, что ещё не успел купить второй раз. А постоянный клиент с сезонной закупкой выглядит «уснувшим» между сезонами.
Поэтому рядом с RFM я держу тип клиента, дату первого заказа, продукт и обычный цикл повторной покупки. Иногда полезно сначала разделить новых и действующих, а уже потом строить баллы. Так предложение получается уместнее.
Как посчитать результат работы с сегментом
Возьмём условный сегмент из 1 000 клиентов. Половине отправили предложение, вторую половину оставили контрольной. За 30 дней в первой группе купили 75 человек, во второй — 50.
Конверсия теста равна 15%, контроля — 10%. Дополнительный эффект — 5 процентных пунктов, то есть примерно 25 покупок на 500 клиентов. Если маржа одной покупки 2 000 рублей, дополнительная маржа — около 50 000 рублей до стоимости коммуникации.
Без контрольной группы мы увидели бы 75 заказов и легко приписали бы предложению все. Но 50 клиентов, вероятно, купили бы и так. RFM помогает выбрать аудиторию, а контроль помогает честно оценить действие.
Как часто пересчитывать RFM
Частота зависит от цикла покупки. Для ежедневных заказов сегменты можно обновлять каждую ночь или неделю. Для услуг с покупкой раз в полгода ежедневный пересчёт только создаст красивое движение без нового смысла.
Запишите две даты: когда обновили данные и за какой период считали покупки. При сравнении кампаний используйте одинаковые правила. Если вчера частоту считали за год, а сегодня за квартал, клиент изменился только внутри формулы.
Проверьте экономику сегмента
Большой отклик ещё не означает выгодную кампанию. Посчитайте дополнительную маржу, скидку, стоимость коммуникации и работу команды.
Условно акция дала 25 дополнительных заказов со средним чеком 4 000 рублей. Выручка — 100 000. После себестоимости остаётся 45 000 рублей маржи, скидка съела 12 000, рассылка стоила 5 000. Итоговый дополнительный вклад — около 28 000 рублей.
Дальше сравниваем сегменты одной формулой. Возможно, маленькая группа недавних дорогих клиентов принесёт больше, чем огромный список «уснувших». Именно поэтому я передаю маркетологу не только название RFM-сегмента, но и ожидаемую экономику проверки.
Как мы используем RFM в работе
Я сначала обсуждаю с собственником нормальный цикл покупки. Потом мы выбираем период, очищаем оплаты и собираем клиента между CRM и учётной системой.
Маркетингу передаём несколько понятных сегментов и задачу для каждого: познакомить с продуктом, предложить логичное продолжение, напомнить о сервисе или ничего не отправлять. Продажам — клиентов, у которых есть реальная история и понятный повод для разговора.
Через время сравниваем не открытия писем, а повторные покупки, маржу и реакцию контрольной группы. Тогда сегментация становится рабочим инструментом, а не тремя красивыми буквами.
Если база большая, а общаться со всеми одинаково уже странно, можно собрать RFM-сегменты на ваших покупках. Кнопка ниже — чтобы обсудить расчёт.
