RFM-анализ помогает разделить клиентскую базу по трём признакам: давности покупки, частоте заказов и сумме расходов. На его основе бизнес видит постоянных покупателей, клиентов с риском потери и тех, кого стоит вернуть отдельным предложением. В статье разберём, какие данные собрать, как присвоить сегментам оценки и какие сценарии повторных продаж запустить интернет-магазину, салону, студии или компании из сферы услуг в Беларуси.
Что показывает RFM-анализ клиентской базы?
Аббревиатура RFM складывается из трёх английских слов: Recency, Frequency и Monetary. По-русски это давность последней покупки, частота заказов и денежный вклад клиента. Вместе показатели дают более полезную картину, чем общий список покупателей.
- Recency показывает, сколько времени прошло с последнего заказа.
- Frequency отражает число покупок за выбранный период.
- Monetary показывает общую сумму заказов или валовую выручку от клиента.
Например, покупатель сделал один крупный заказ месяц назад. Другой клиент оформлял небольшие заказы пять раз за тот же период. По одной только сумме первый выглядит ценнее, но для повторных продаж второй может быть более привычным к регулярным покупкам. RFM помогает не смешивать эти ситуации.
Метод особенно полезен там, где клиент способен купить снова: в интернет-торговле, услугах с повторным посещением, обучении, ремонте, подписках и оптовых поставках. Для разовой сделки без повторного спроса анализ принесёт меньше пользы.
Какие данные нужны для расчёта RFM?
Начните с таблицы заказов или выгрузки из CRM. Для каждой покупки нужны идентификатор клиента, дата заказа и сумма. Если бизнес продаёт товары с разной маржинальностью, добавьте себестоимость или прибыль, чтобы не принимать решения только по обороту.
| Поле | Зачем оно нужно | Пример |
|---|---|---|
| Идентификатор клиента | Объединить заказы одного человека или компании | Номер клиента в CRM |
| Дата заказа | Рассчитать давность последней покупки | Дата оплаты или отгрузки |
| Сумма заказа | Посчитать денежный вклад клиента | Сумма в BYN |
| Статус заказа | Исключить отменённые и незавершённые покупки | Оплачен |
| Категория товара или услуги | Сформировать более точное предложение | Категория из каталога |
До расчёта приведите данные к единому виду. Один клиент не должен оказаться двумя записями из-за разных номеров телефона, пробелов в имени или нескольких адресов электронной почты. Если объединить записи нельзя, пометьте это ограничение в отчёте, чтобы не завысить число клиентов.
Период анализа выбирают по циклу покупки. Для товаров повседневного спроса нужен один горизонт, для мебели, техники или корпоративных услуг — другой. Универсального интервала нет: он должен позволять увидеть хотя бы несколько типичных покупок одного клиента.
Как присвоить клиентам оценки R, F и M?
Сначала для каждого клиента рассчитайте три значения. Давность — число дней от последней покупки до даты анализа. Частота — количество оплаченных заказов. Денежный показатель — сумма этих заказов за выбранный период.
Затем распределите клиентов по группам. Часто используют шкалу от 1 до 5: пятёрку получает лучший результат по конкретному показателю, единицу — слабый. Для Recency высокий балл означает недавнюю покупку, для Frequency и Monetary — больше заказов или большую сумму.
| Показатель | Как ранжировать | Что проверить вручную |
|---|---|---|
| R — давность | Меньше дней с последней покупки — выше оценка | Не попали ли в одну группу сезонные клиенты |
| F — частота | Больше заказов — выше оценка | Не создали ли технические заказы лишнюю частоту |
| M — сумма | Больше расходов — выше оценка | Не объясняется ли сумма одной крупной покупкой |
Итоговая запись может выглядеть как 555, 245 или 112. Это не рейтинг человека, а короткий код сегмента. Клиент с 555 недавно покупал, делает заказы регулярно и приносит большую сумму. Код 112 означает, что покупка была давно, заказов мало, а денежный вклад невелик.
Границы групп лучше строить по фактическому распределению базы, а не копировать из чужого шаблона. Если большая часть клиентов покупает один раз, шкала Frequency должна это учитывать. Иначе почти вся база получит одинаковую оценку, и сегментация потеряет смысл.
Какие сценарии повторных продаж выбрать?
Сегменту нужна отдельная задача и понятное действие. Не отправляйте всей базе одно сообщение с общей скидкой: так невозможно понять, кто вернулся благодаря коммуникации и почему остальные не отреагировали.
| Сегмент | Признак | Подходящий сценарий |
|---|---|---|
| Лояльные клиенты | Высокие R, F и M | Ранний доступ к новинке, персональная подборка, предложение сопутствующего товара |
| Новые клиенты | Высокий R, низкие F и M | Напоминание о следующем заказе, инструкция по товару, предложение второй покупки |
| Клиенты с потенциалом | Высокие R и M, средний F | Рекомендация категории, которую клиент ещё не пробовал |
| Под угрозой ухода | Низкий R, но ранее высокие F или M | Возвратное сообщение с конкретной причиной обратиться снова |
| Спящие клиенты | Низкие R, F и M | Одна проверочная реактивация, после которой сегмент пересматривают |
Для магазина одежды сценарий может вести клиента от первой покупки к повторной категории: аксессуары, базовые товары, сезонное обновление. Для студии услуг логика другая: напоминание привязывают к обычному интервалу между визитами. Для B2B-компании полезнее предложить повтор поставки или уточнить план закупки.
Если коммуникация идёт по SMS, текст должен содержать узнаваемую причину сообщения и одно действие: открыть подборку, повторить заказ или связаться с менеджером. Сервис рассылок вроде RocketSMS можно подключить после того, как сегменты и события описаны в таблице. Сам инструмент не заменяет расчёт RFM.
Для автоматизации сценариев зафиксируйте условия входа и выхода. Например, клиент попадает в группу «давно не покупал» после заданного числа дней, а выходит из неё после оплаченного заказа. Без этого один и тот же человек может получать возвратные сообщения уже после покупки.
Как измерить результат RFM-сценариев?
До отправки зафиксируйте базовые показатели по каждому сегменту: число клиентов, количество заказов и сумму продаж за сопоставимый период. После запуска сравните их с группой, которая не получила сообщение, если такая контрольная выборка возможна. Иначе рост продаж легко приписать рассылке, хотя причина могла быть сезонной.
- Доля клиентов, которые сделали заказ после сообщения.
- Количество повторных покупок.
- Выручка сегмента в BYN.
- Средняя сумма повторного заказа.
- Доля отписок, недоставленных сообщений и обращений менеджеру.
UTM-метки пригодятся, если сообщение ведёт на сайт. Они добавляют в ссылку параметры об источнике, кампании и объявлении, чтобы аналитика разделила переходы по каналам и кампаниям. Без такой разметки заявки и заказы трудно связать с конкретной отправкой (источник: «UTM-метки для рекламы»).
Отчёт лучше вести отдельно по сегментам и сценариям. В одной строке укажите дату запуска, размер группы, вариант текста, переходы, заказы и продажи. Через несколько циклов станет видно, кому нужна скидка, кому достаточно напоминания, а кого выгоднее исключить из частых коммуникаций.
Типичные ошибки при RFM-анализе
- Считать все заказы, включая отменённые, неоплаченные и тестовые.
- Использовать одну шкалу для всех ниш без проверки реального цикла покупки.
- Оценивать клиента только по сумме и игнорировать частоту заказов.
- Отправлять одинаковое предложение лояльным и спящим клиентам.
- Не связывать переходы и заказы с конкретной кампанией.
- Не обновлять сегменты после новых покупок.
3 шага, которые можно сделать на этой неделе:
- Выгрузить оплаченные заказы с датой, клиентом и суммой в одну таблицу.
- Рассчитать R, F и M, затем проверить несколько клиентов из каждой группы вручную.
- Запустить один сценарий для лояльных клиентов и один для клиентов с риском ухода, измерив заказы отдельно.
RFM-анализ становится рабочим инструментом, когда сегмент связан с конкретным предложением, каналом и метрикой. Если база хранится в нескольких системах, сначала полезно описать путь клиента и точки повторной покупки, а затем настроить расчёт и коммуникации. Для выбора периода, сегментов и сценариев можно использовать подходы из материала как проводить RFM-анализ клиентов, адаптируя их под цикл продаж конкретного бизнеса.
