RFM-анализ - что это такое, примеры сегментации клиентской базы

Дата публикации: 29.09.2022 Время чтения: 8 мин.

E-mail-рассылки до сих пор остаются одним из самых действенных инструментов маркетинга. Они расширяют взаимодействие клиента с продуктом и повышают конверсии. 

Но что рассылать каждому клиенту, чтобы тот точно у вас купил? В этом поможет разобраться RFM-анализ. Что это такое, как его делать и его плюсы и минусы разберем в этой статье. 

Реклама
Сократите бюджет таргетированной и контекстной рекламы с click.ru.

click.ru вернет до 15% от рекламных расходов.

  • Перенесите рекламные кабинеты в click.ru.
  • Чем больше вы тратите на рекламу, тем больший процент от расходов мы вернем.
  • Это настоящие деньги. И click.ru выплатит их на карту, на электронные кошельки, или вы можете реинвестировать их в рекламу.

Что такое RFM-анализ

RFM-анализ — это способ сегментации аудитории, построенный на разделении клиентов по частоте и сумме покупок на фиксированные группы.

После RFM-анализа для каждого сегмента бренд разрабатывает специальные предложения, которые закрывают клиента на покупку. 

Сама аббревиатура RFM содержит в себе основные понятия, по которым сегментируются покупатели: Recency, Frequency, Monetary. 

  • Recency — давность последней покупки.
  • Frequency — регулярность посещения сайта, совершения покупки товара или услуги. 
  • Monetary — сколько денег клиент принес компании за определенный срок. Иногда в этот показатель закладывается длительность просмотра веб-страницы компании или активность на сайте, вебинаре, в боте. 

Порядок букв отражает степень важности каждого показателя при сегментации клиентской базы.

Для чего он нужен

RFM-анализ помогает повысить конверсии в заказ и снизить количество отписок от рассылок. 

Чтобы понять, почему RFM считается эффективным маркетинговым инструментом, вспомним закон Парето, который гласит, что 20% действий приносят 80% результата. 

Этот закон работает и в продажах. Всего лишь 20% аудитории совершают 80% покупок. Это самые лояльные клиенты, которые приносят основную прибыль компании: они снова и снова возвращаются за покупками. 

Чтобы рассылать им наиболее выгодные предложения и увеличить число лояльных клиентов, надо понять, что именно им будет интересно, и на что они готовы потратить деньги. В этом помогает распределение базы по сегментам и разработанные под каждый из них ценовые предложения, смыслы или просто контент. 

RFM чаще всего применяется в email-рассылках. С помощью него вы с меньшей вероятностью «выжжете базу», а клиенты продолжат приобретать необходимые им товары и услуги именно в вашей фирме. 

Еще такой анализ используется для эффективного ретаргетинга. На основе него маркетологи также составляют наиболее привлекательные предложения, а копирайтеры в текстах метко попадают в точечные боли и потребности выбранного сегмента. 

Подход к рекламе, основанный на RFM-анализе, также снижает затраты на маркетинг (без уменьшения прибыли).

Как сегментировать клиентскую базу в RFM

В этом разделе разберем теоретическую сторону RFM, а ниже приведем пример разбора базы онлайн-школы.

Сделать RFM-анализ можно без специальных инструментов. Понадобится лишь таблица в Excel или Google Sheets.

Первым делом выгружаем в нее данные о клиентах из базы за определенный период. Самые качественные результаты вы получите при анализе данных за 6 месяцев или календарный год.

Параметры, которые понадобятся:

  • ФИО клиента, его никнейм или электронная почта. В общем, какое-то значение, которое будет уникальным идентификатором потребителя. 
  • Дата последней покупки или другого выбранного взаимодействия с брендом. Вместо этого значения можно сразу использовать количество дней с последнего заказа или действия. 
  • Общее число заказов за указанный период.
  • Сумма, потраченная на все покупки. 

Удобно это делать через CRM, но если в вашей компании такой системы нет, то придется вводить все значения вручную.

Затем снова обращаемся к аббревиатуре RFM. В классическом варианте анализа каждому клиенту по критериям давности, частоте и сумме присваиваются определенные значения: 1, 2 или 3.

  Recency (давность заказа) Frequency (частота) Monetary (сумма заказов)
1 Совершили покупки недавно  Часто приобретают товар или услугу брендаЧасто приобретают товар или услугу бренда  Внушительная общая сумма заказов 
2 Делали заказ относительно давно  Средняя частота покупки Средняя потраченная сумма
3 Последняя покупка была давно Покупают у нас очень редко Маленькая общая сумма

Критерии срока давности, частоты и размера суммы вы можете устанавливать сами в зависимости от объемов клиентской базы, производства, стоимости услуги и времени существования бренда. Например, давно — это год назад, относительно недавно — полгода. Часто — каждый квартал, а редко — единоразовая покупка. Большая общая сумма заказов равна более 100 000 рублей, а маленькая — меньше 5 000. 

Если пока все кажется непонятным, не пугайтесь. Дальше разберем RFM-анализ на простом примере. 

В итоге у вас должно получится 27 групп клиентов. Каждому клиенту присваивается номер от 111 до 333 из таблицы, где 111 — это самые прибыльные потребители с высокой частотой и недавними покупками, а 333 — давнишние клиенты с редкими недорогими покупками:

То есть те клиенты, чьи значения варьируются от 111 до 133 — это те потребители, кто приносят сейчас вам больше всего денег. Именно при работе с ними стоит делать наибольшие акцент и тратить бюджет на их возврат к покупке.

От 211 до 233 — середнячки. Кто-то из них «спит» и пропускает выгодные акции компании, игнорируя рассылку. На них лучше тратить бюджет поменьше, но периодически «встряхивать» реактивационными письмами. Например, с заголовками «Мы удаляем вас из базы». Поверьте, многие из них придут в себя и хотя бы вернуться к участию в прогревочных бесплатных мероприятиях или продажах с низким чеком.

С 311 по 333 — уходящие или вовсе потерянные клиенты. Их тоже можно попробовать реанимировать разными акциями или даже угрозами, но зацикливаться на них — неблагодарное дело. 

После этого фильтруем аудиторию по выбранным критериям и подбираем для них специальные предложения, которые повысят лояльность и продажи. 

Для теста предложений выбираем по 5-20% (в зависимости от размера базы) в каждом сегменте и в течение месяца высылаем им письма по обновленной стратегии. По истечению нескольких недель смотрим показатели открываемости и кликабельности писем, на основе которых либо начинаем работать уже со всей базой по выбранному методу, либо продолжаем тестировать новые гипотезы на сегментах RFM.

Еще больше математической точности в RFM-анализе в этом видео: эксперт рассказывает, как оценить клиентскую базу, используя трехмерную модель RFM:

Плюсы и минусы 

Как и любой маркетинговый инструмент, RFM-анализ имеет свои преимущества и ограничения. 

Преимущества:

  • Снижение расходов на маркетинг

Точечные рассылки по сегментам снижают затраты на рассылку писем и любого другого контента.

  • Любая сфера

RFM-анализ одинаково эффективен для брендов и компаний из любой сферы продаж: онлайн-школа, сеть кофеен, магазин велосипедов или организация детских праздников — во всех видах бизнеса можно сегментировать базу по критериям RFM.

  • Узнаете героев в лицо

С помощью анализа вы найдете самых прибыльных покупателей, сможете сегментировать их по давности и частоте покупки, чтобы установить корректное количество рассылаемых на них писем. Так ваша рассылка не надоест им, но они и не забудут про ваш бренд и продолжать приобретать у вас товары. 

  • Повышение лояльности клиентов

RFM помогает исследовать не только покупки, но и взаимодействие людей с вашим контентом. С помощью его корректировки вы можете улучшить клиентский опыт, тем самым сподвигнув потребителя на приобретение товара. 

  • Снижение негатива

Клиентам не надоедят ваши письма, если вы подстроите под них нужную частоту рассылки и интересный контент. 

Недостатки RFM-анализа:

  • Не применим для потенциальных покупателей

С помощью RFM вы можете проанализировать поведение только тех пользователей, кто уже совершил покупка. Хоть некоторые маркетологи и применяют результаты RFM на таргетинг, используя функции look-a-like, не стоит этого делать, если у вас нет на руках исследований потенциальной аудитории. 

  • Большой объем клиентской базы

Для реалистичного сбора показателей клиентская баз должны быть более 10 000 человек, иначе результаты исследования могут быть неточными из-за маленькой выборки. 

  • Короткий период актуальности

При изменении стратегии взаимодействия с аудиторией часто клиенты переходят из одного сегмента в другой, из-за чего необходимо проводить RFM-анализ базы заново. Делать это лучше не менее одного раза в год. 

Пример RFM-анализа

Разберем сегментацию базы на примере онлайн-школы видеомонтажа. Для наглядности и скорости возьмем 10 клиентов и их взаимодействие с товаров в течение полугода. Оценивать давность, частоту покупки и сумму будем по следующим критериям:

Давность: 
1 — Покупал что-то в течение месяца
2 — Покупал от 30 до 120 дней назад
3 — Покупал раньше 120 дней назад

Частота: 
1 — Совершает покупку раз в месяц
2 — Раз в 2, 3 или 4 месяца
3 — Раз в 5 или 6 месяцев и реже

Общая сумма:
1 — Сумма всех заказов равна 90 000 рублей и больше
2 — Сумма от 40 000 до 90 000 рублей
3 — Менее 40 000 рублей

Такие параметры взяты с учетом средней стоимости обучения (30 000 рублей) и частоты запуска потоков обучения (около 2-х запусков в месяц) без учета продаж на холодный трафик. 

Еще раз напомним, что RFM-анализ подходит только для работы с готовой базой, а не исследования и поиска потенциальных клиентов. 

Итак, вытаскиваем информацию о 10 клиентах, которые совершали покупки в течение 6 месяцев, в таблицу в Excel или Google:

Показатели Recency, Frequency и Monetary рассчитываются при помощи не хитрых формул, исходя из установленных выше ограничений:  

R = ЕСЛИ(C2<=30;1;ЕСЛИ(C2<=120;2;3))
F = ЕСЛИ(E2<=30;1;ЕСЛИ(E2<=120;2;3))
M = ЕСЛИ(F2<=40000;3;ЕСЛИ(F2<=90000;2;1))

Совет: при вводе формул следите, чтобы типы данных ячеек соответствовали вводимым выражениям.

Далее анализируем таблицу и выделяем наиболее прибыльных клиентов:

И видим, что клиенты под номерами 2, 5, 7 и 10 наиболее склонны к покупке. Именно на них стоит обратить внимание маркетологу для дожима на следующую сделку.

Клиенты 1,4,8 и 9 — спящие середнячки. Они вроде не против что-то у нас купить даже на большую сумму, как клиент 8, но последнее время не очень активны. Кстати, заметьте, что хоть у 8-го потребителя заказов на бОльшую сумму, он не входит в зеленую зону из-за давности покупки и не является приоритетным для компании потребителем. 

Клиенты 3 и 6 почти потеряны. Они покупали больше 5 месяцев назад. 

Мы видим, что стабильную прибыль школе приносят лишь 25% из выгруженных клиентов. Это значение приближено к критериям закона Парето.

Итого мы получаем 3 сегмента. Но это мы только раскидали клиентов по давности совершения заказа. Можно посмотреть и глубже.

Например, разберем интересную ситуацию с 7 клиентом. Да, человек вроде входит в группу приоритетных по обработке и дожиму клиентов, но его показатель общей суммы равен 3. При этом частота и давность держатся на значении 1. 

Что с ним не так? С ним все так, но такой клиент покупает недорогие продукты школы: мини-курсы, отдельные уроки или другие мелкие услуги. Вероятность того, что он приобретет большой курс слишком мала, поэтому ему мы будем высылать дешевые наборы уроков и не тратить ресурсы на рекламу дорогого обучения среди ему подобных потребителей с RFM 113. 

При этом мы можем попытаться выстроить стратегию его дальнейших покупок на основе следующего RFM-анализа и попытаться перенести его в сегмент 112, предлагая ему поочередно продукты дороже и качественнее, чтобы через год-другой он перешел в разряд самых «горячих» потребителей 111. 

Путь потребителей мы тоже можем отследить с помощью RFM-анализа. 

Идем дальше. 

Кажется, что клиент №2 похож на 7-го, но это не так. Его код 133, то есть покупка была совершена недавно, всего 13 дней назад, но на большую сумму. Он новичок, настроенный на продолжительное качественное обучение. Вероятность того, что он и дальше будет покупать большие продукты выше, чем у седьмого. В плане прибыли он нам более интересен.

Таким образом мы сегментируем всю базе на подгруппы и рассылаем им предложения с учетом, не только Recency, но и показателей частоты и суммы. 

Заключение

Как вы увидели на реальном примере, из RFM-анализа можно выделить много полезной информации о клиентской базе и разработать интересные эффективные гипотезы по повышению уровня продаж. 

При этом на такой анализ вы потратите всего пару часов, а выводы из него будут приносить прибыль еще долгое время. 

Вам понравилась статья?
ЕЩЕ ПО ТЕМЕ

Поделитесь статьей с друзьями и коллегами

Комментарии

Добавить комментарий

Станьте участником Digital-сообщества

Свыше 10 000+ маркетологов и предпринимателей получают Digital-кейсы и советы. Подключайтесь и вы.

Подпишитесь на нас в соцсетях

Узнавайте о новостях и событиях там, где вам удобно