RFM-анализ и работа с клиентской базой

Цифрозор, 1 августа 2019 г.

RFM-анализ — это сегментация клиентов компании, основанная на трех показателях:

R - Recency — количество времени, прошедшего с момента последней покупки клиента. Чем меньше времени прошло с момента последней активности клиента, тем больше вероятность, что он повторит действие.

F - Frequency — частота покупок, их общее число. Чем больше каких-либо действий совершит клиент, тем больше вероятность того, что он его повторит в будущем.

M - Monetary — общая сумма покупок либо другая ценность, которую принес клиент за все время работы с компанией. Чем больше денег было потрачено, тем больше вероятность того, что он сделает заказ.

Этот вид анализа используют для работы с текущей клиентской базой, для чего ее разбивают на несколько кластеров (от 3 до 30+):

  • Лучшие клиенты
  • Клиенты с наибольшим потенциалом
  • Постоянные клиенты с небольшим чеком
  • Новые клиенты
  • Случайные клиенты
  • Бывшие лучшие клиенты
  • Потерянные клиенты
  • Наименее перспективные клиенты
  • и т.д.

Применение

RFM анализ – это быстрый и понятный инструмент повышения прибыли. К каждому типу покупателей нужен свой подход, и с помощью RFM мы понимаем, к какому сегменту относится клиент.

Такой анализ чаще всего используют для сегментации базы автоматических email-рассылок (приветственные письма/реактивация/бонусы/скидки/опросы/акции и предложения), но он подходит и для других областей работы с клиентами:

  • Персонализированные программы лояльности
  • Исследования (причины недовольства, потенциал
  • Задачи менеджерам по продажам

Отметим важность автоматизации: ситуация меняется ежедневно, поэтому в идеале RFM должен обновляться перед каждым контактом с клиентами и использоваться для отслеживания динамики.

https://www.unisender.com/ru/blog/idei/kak-primenit-rfm-analiz-v-email-rassylkah

Техническая часть

Сегментация реализуется в разных программах, при небольших базах можно даже применять Excel (но не забывать о важности обновления перед каждым контактом с клиентом, чтобы вовремя реагировать на изменение его поведения).

Технически клиентов делят на группы по каждому признаку, обычно таких групп не больше пяти, и объединяют в сегменты. Например, при делении на четыре группы по каждому из трех признаков образуется 64 (4x4x4) группы потребителей, которые можно укрупнить в 10 – 30 сегментов.

Пример реализации в Excel, компания Completo

Основная сложность — определить границы групп, для каждого бизнеса они индивидуальны. Это могут быть четко определенные границы, или процентное соотношение от клиентской базы. При определении границ учитывается сезонность, естественный цикл пользования товаром (customer lifecyle), среднее время между первой и второй покупками большинства клиентов. Для некоторых бизнес-моделей (SaaS, страхование) определяется не давность покупки, а период от даты окончания подписки.

Интересные описания применения RFM-анализа:

https://mindbox.ru/blog/product/rfm-analiz/

https://www.unisender.com/ru/blog/idei/kak-primenit-rfm-analiz-v-email-rassylkah

https://www.retailcrm.ru/blog/150-rfm-analiz-v-intierniet-maghazinie

Подготовлено каналом ЦИФРОЗОР при поддержке Цеха маркетинговых исследований Гильдии маркетологов.

Подписывайтесь на наш канал в Telegram: https://t.me/cifrozor или http://tele.gg/cifrozor