RFM-анализ — это метод сегментации клиентской базы по трем параметрам: давности последней покупки, частоте покупок и сумме, которую клиент потратил. Название складывается из первых букв этих параметров на английском: Recency, Frequency, Monetary.
Метод решает конкретную задачу: уйти от одинаковых писем и сообщений на всю базу и понять, кто из клиентов покупает часто и много, кто давно пропал, а кто вот-вот забудет о компании совсем. Под каждую группу подбирается свое сообщение и предложение вместо одной рассылки на всю базу.
Как считают RFM
Recency, давность: сколько дней прошло с последней покупки клиента. Чем меньше дней, тем выше оценка по этому параметру.
Frequency, частота: сколько покупок клиент совершил за выбранный период, например за последний год. Чем больше покупок, тем выше оценка.
Monetary, сумма: сколько денег клиент потратил за тот же период. Чем больше сумма, тем выше оценка.
По каждому параметру клиентов делят на несколько групп, чаще всего на пять, от самых слабых значений до самых сильных, и присваивают оценку от 1 до 5. В итоге у каждого клиента получается три цифры, например 5-4-5: покупал совсем недавно, довольно часто и на крупную сумму. Сочетания этих трех цифр и превращаются в сегменты с понятным описанием поведения.
Пример из практики
Интернет-магазин косметики выгрузил историю покупок за год и посчитал RFM по 8 тысячам клиентов. Выяснилось, что 12% базы попадают в сегмент с высокими оценками по всем трем параметрам: покупают часто, недавно и на крупные суммы. Именно этой группе магазин предложил закрытую распродажу новинок до официального старта продаж, и она дала почти четверть выручки акции при том, что составляла лишь десятую часть от всей базы подписчиков.
Одновременно нашелся сегмент с высокой суммой прошлых покупок, но давней датой последней покупки: когда-то тратили много, а потом пропали. Для них магазин запустил отдельное письмо с персональной скидкой на возврат вместо общей рассылки с распродажей: обращение к причине молчания клиента сработало заметно лучше стандартного письма про скидки.
Типовые сегменты RFM
Чемпионы: покупают недавно, часто и на крупные суммы. Это ядро выручки, для них важнее удержание и особое отношение, чем скидки.
Лояльные клиенты: покупают регулярно, но не обязательно на самые крупные суммы. Хорошо реагируют на программы лояльности и накопительные бонусы.
Клиенты в зоне риска: раньше покупали часто и много, но давно не появлялись. Требуют реактивации: персонального предложения или прямого вопроса, что случилось.
Новые клиенты: совершили одну недавнюю покупку без истории. Задача на этом этапе состоит в том, чтобы довести клиента до второй покупки, пока интерес к компании еще свежий.
Спящие клиенты: не покупали давно, покупали редко и на небольшие суммы даже раньше. Для этой группы часто выгоднее сберечь бюджет на удержание и сосредоточиться на более перспективных сегментах.
Зачем RFM-анализ бизнесу
Экономия бюджета на рассылки: вместо одного письма всей базе компания шлет разное сообщение каждому сегменту, и деньги на коммуникацию тратятся туда, где выше шанс отклика.
Раннее обнаружение оттока: сегмент клиентов в зоне риска виден до того, как они окончательно перестанут покупать, и у бизнеса остается время на реактивацию.
Более точные предложения: чемпионам скидка ради скидки безразлична, для них важнее ранний доступ к новинкам; спящим клиентам скидка иногда становится единственным поводом вернуться.
Понятная приоритизация: отдел продаж и маркетинга видит, на какую группу клиентов направить усилия в первую очередь, вместо работы со всей базой без разбора.
Типичные ошибки
- Считают RFM один раз и потом забывают обновлять: поведение клиентов меняется, а сегменты в системе месяцами остаются прежними.
- Используют одинаковые границы оценок для очень разных категорий товаров, хотя частота покупок продуктов и, например, мебели несопоставима по своей природе.
- Ограничиваются только рассылками и не подключают сегменты к работе отдела продаж или таргетированной рекламе, хотя RFM полезен для любого канала коммуникации.
- Игнорируют сегмент в зоне риска, потому что он не самый крупный по выручке прямо сейчас, хотя именно на нем проще всего предотвратить будущую потерю дохода.
Как выбрать границы сегментов
Универсальных цифр для деления клиентов на группы нет: границы задаются от собственной базы, без оглядки на чужие ориентиры. Для этого клиентов сортируют по каждому параметру и делят на равные по числу людей группы, например по 20% на каждую из пяти оценок.
У бизнеса с редкими крупными покупками, например мебели, шкала давности растягивается на месяцы: покупка полгода назад все еще может считаться недавней. У бизнеса с частыми мелкими покупками, например продуктов, та же шкала измеряется неделями: месяц без заказа уже сигнал ухода клиента.
Частые вопросы
Нужна ли для RFM-анализа специальная программа? Простой вариант можно посчитать в таблице по данным о заказах, а для регулярного анализа большой базы удобнее CRM или сервис email-рассылок со встроенной сегментацией.
Какой размер базы нужен для RFM-анализа? Метод работает и на нескольких сотнях клиентов, хотя чем больше база, тем заметнее разница между сегментами и надежнее выводы о поведении каждой группы.
Чем RFM-анализ отличается от обычной сегментации по возрасту или городу? Обычная сегментация делит клиентов по анкетным данным, а RFM делит их по фактическому поведению в покупках. Поэтому он точнее показывает, кто ценен для бизнеса прямо сейчас, вместо того чтобы просто отмечать сходство с портретом ценного клиента.
RFM-анализ тесно связан с сегментацией аудитории, общим подходом к делению клиентов на группы, и с LTV, суммарной ценностью клиента за все время, которую RFM помогает спрогнозировать по текущему поведению. Настроить сегментацию базы и рассылки под каждую группу поможет услуга аналитики: там сводят данные о покупках в единый отчет и считают сегменты автоматически.