Що таке RFM-аналіз, та Як працювати з сегментацією клієнтів

RFM-аналіз — це метод маркетингового аналізу, який використовують для сегментації контактів у базі на основі їх поведінки. Він оцінює вартість клієнтів для бізнесу в залежності від історії транзакцій або інших взаємодій контакту, які ви можете зафіксувати та виміряти. Інформація, зібрана цим методом, допомагає побачити, який покупець приносить більшу вигоду, а який — меншу.

Орієнтуючись на ці дані, можна спрямовувати маркетингові активності на втримання лояльних клієнтів і підвищення прибутку від них. Крім того, розуміючи сегмент менш лояльних клієнтів, можна направити маркетингові зусилля на те, щоб задовольнити і їхні потреби. Це збільшить кількість лояльних контактів.

У чому переваги RFM-аналізу?

Одна з основних переваг RFM — для аналізу та сегментації вам достатньо мати інформацію про покупки чи активності, які хочете відстежити. Зіставивши активність із її частотою та часом, ви отримаєте потрібний результат.

Абревіатура RFM розшифровується як:

  1. Recency (Давність) — давність останньої покупки. Ті, хто купував нещодавно, вважаються більш активними та цінними.
  2. Frequency (Частота) — сегментація покупців за кількістю покупок. Ті, хто купують частіше, мають велику цінність для нас.
  3. Monetary (Середній чек) — середня дохідність від дій. Клієнти, які витрачають більше грошей, вважаються більш цінними. Середній чек розраховується за допомогою ділення суми всіх покупок на їхню кількість (F).

«Давність» і «Частота» — досить варіативні параметри, які можуть змінюватись залежно від цілей сегментації.

Наприклад, маркетологу може бути цікава давність останнього відкриття листа та частота відкриттів загалом. За допомогою аналізу він може визначити сегмент тих, хто часто відкриває листи та тих, хто давно їх не відкривав. Визначивши потрібний сегмент, можна направити активності на реактивацію контактів, що давно не читали листи, і зробити частину контактів знову активними. 

Тих, хто ігнорує активності компанії, варто видалити з бази, щоб не витрачати на них маркетинговий бюджет.

Аналогічні дії можна проводити також з клієнтами, які давно нічого не купували.

Ще один великий плюс RFM-аналізу — аналітику можна провести тільки за двома найцікавішими для вас показниками. При сегментації досить часто використовується RF-аналіз, де враховуються показники давності (R) та частоти (F). Показник середнього чека (M) не враховується, оскільки залежить від частоти покупок (F).

Велика кількість компаній, для яких параметр «Monetary» не такий важливий або не несе конкретної прикладної користі в поточному завданні, не використовують цей показник, а використовують саме RF-аналіз.

Наприклад, при надсиланні інформаційних Email-розсилок для маркетплейса, важлива частота відкриття листів та давності їх відкриття. З цих даних виводяться свої сегменти. В цьому випадку параметр «Monetary» має мало прикладної користі, тому що потрібні не прямі продажі, а стимуляція відкриттів та переходів.

А ось при розсиланні проморозсилок для магазину електроніки може знадобитися параметр середнього чека: з його допомогою можна стимулювати клієнта до повернення та повторних покупок. Як бачите, навіть для того самого каналу використовуються різні сегменти аналізу, виходячи з поточних завдань.

Абревіатура також вказує ступінь важливості кожної змінної. Від Recency (R) — найважливішої, до Monetary (M) — найменш важливої.

Навіщо проводять RFM-аналіз?

RFM-аналіз використовують у компаніях, які мають базу контактів і бажають підвищити ефективність маркетингу, збільшити прибуток. Зокрема, метод корисний для:

  1. Оптимізації маркетингових кампаній. Допомагає компаніям зрозуміти: які покупці мають найбільшу цінність, як часто вони купують і скільки грошей витрачають. Це дозволяє спрямовувати маркетингові кампанії на конкретні групи користувачів для оптимізації бюджету та підвищення ефективності роботи з аудиторією.
  2. Втримання. RFM-аналіз дозволяє виділити клієнтів, які знаходяться на межі того, щоб піти, та запропонувати персоналізовані послуги чи знижки для їх утримання.
  3. Підвищення лояльності. Завдяки створеній на основі RFM-аналізу сегментації, можна вимірювати кількість лояльних та нелояльних клієнтів. Це дозволяє спрямовувати зусилля для підвищення лояльності конкретних сегментів та вимірювати ефективність цих зусиль.
  4. Оптимізації асортименту. Допомагає визначити, які товари чи послуги є найбільш популярними серед покупців. Це дозволяє оптимізувати роботу та зосередити увагу на виробництві, масштабуванні найвигідніших продуктів та послуг бізнесу.

Які недоліки у RFM-аналізу?

  1. Зосередженість лише на трьох конкретних параметрах, що обмежує аналіз. Інші фактори, такі як вік, географія та соціальний статус, не враховуються.
  2. Неповне врахування активності клієнтів. RFM не враховує таких форм активності: коментарі, рекомендації, відгуки тощо.
  3. Якщо дані є неоднорідними, виникає складність визначення меж сегментів.
  4. Необхідність додаткової аналітики. RFM-аналіз клієнтів дає загальне уявлення про клієнтів бізнесу. Для глибшого розуміння його може бути недостатньо.
  5. Необхідність регулярного оновлення. Класифікація покупців повинна проводитися регулярно, оскільки їх параметри згодом змінюватимуться.

Яка аудиторія отримується

Аудиторія, що отримується з RFM-аналізу, залежить від обраних умов. Зазвичай клієнтів поділяють на кілька груп залежно від їхньої поведінки та вартості:

  1. «VIP» або «Найкращі» — це група тих, хто часто купує, витрачає багато грошей і купляв нещодавно. Вони зазвичай є найціннішими клієнтами. Запропонуйте їм особливі умови та програми лояльності для їх втримання.
  2. «Нові» — ті, хто купував нещодавно. Їхня загальна сума не дуже висока, але вони купили вперше. Ці клієнти потенційно перспективні для компанії, на них можна направити маркетингові зусилля, щоб втримати їх та перетворити на постійних.
  3. «Сплячі» група, користувачі якої давно не робили жодних дій, але були активними раніше і витрачали багато грошей. Ці клієнти потенційно цінні, тому варто спрямовувати на них маркетингові активності, щоб перевести їх у категорію «VIP».
  4. «Втрачені» — це група клієнтів, які давно не здійснювали жодних взаємодій із нами та їх загальна сума покупок невисока. Спробуйте повернути цих клієнтів, пропонуючи їм знижки чи інші привабливі пропозиції.

Одержувані групи допомагають компаніям ефективно націлити свої маркетингові зусилля, роблячи кожному сегменту найбільш вдалі пропозиції. Це дозволяє повертати й втримувати користувачів.

Приклад формування сегментів

Для формування аналізу існує безліч інструментів, які я розгляну пізніше. Приклад RFM-аналізу проводитиму в Exel-таблиці для наочності.

Є певний список контактів з інформацією про дати останньої покупки, кількість покупок та їхню загальну суму. Виходячи з цих даних, я виводжу сегменти R, F і M.

Виходячи з цих даних, я виводжу сегменти R, F і M.

Для початку вирахую кількість днів з моменту останньої покупки. Віднімаю дату останньої покупки з поточної дати.

Віднімаю дату останньої покупки з поточної дати.

Далі потрібно розділити клієнтів на 3 групи. Призначаю їм цінність 1, 2 чи 3, виходячи з того, як давно вони купували. Я обчислюю максимальну кількість днів від дати останньої покупки, на основі якої формуватиму групи. 

Використовую функцію «PERCENTILE.INC»: вона підсумовує значення та повертає цифру, яка входить у вказаний діапазон відсотків. Оскільки я шукаю всього три групи, мені потрібно розділити середню суму днів з часу останнього замовлення на 3 рівні частини, щоб надати їм цінність. 33% для значення 3, 66% для значення 2 та залишок для значення 1.

Наприклад, щоб знайти 33% тих, хто купив найменше часу тому, я використовую формулу: =PERCENTILE.INC(D2:D16;0,33).

D2; D16 – це діапазон осередків, з яких я рахую, а 0,33 — це 33%.

D2; D16 – це діапазон осередків, з яких я рахую, а 0,33 — це 33%.

Отримав 3 групи: ті, хто зробив замовлення максимум 99 днів тому (найкращі), від 99 до 208 днів (середні) та третя група, яка замовляла від 208 днів тому і пізніше (найгірші).

Далі я обчислюю, до якої групи належить кожен із контактів, застосовуючи такі умови: якщо D2 менше ніж 99, тоді присвоїти значення 3, якщо D2 менш як 208 — присвоїти значення 2, якщо інакше — присвоїти 1.

У формулі для прикладу це виглядає так: =IF(D2<99;3;IF(D2<208;2;1)).

У формулі для прикладу це виглядає так: =IF(D2<99;3;IF(D2<208;2;1)).

Далі тягну формулу по стовпцю вниз і отримую результат.

Далі тягну формулу по стовпцю вниз і отримую результат

Зробив те саме для інших показників.

Зробив те саме для інших показників.

Далі, коли я поставив всі значення цінності всім параметрам, виводжу групи. Використовую просту формулу:

Цінність R*100 + Цінність F*10 + Цінність М

У формулі для прикладу це виглядає так: G2*100+H2*10+I2.

У формулі для прикладу це виглядає так: G2*100+H2*10+I2.

Тепер я маю групи, які можна використовувати для аналізу. Найкращі клієнти — це ті, хто в групі 333, гірші 111. Поріг входження до групи визначайте, відштовхуючись від ваших потреб. Наприклад, до найкращих можна віднести 333, 332, 331, 323, 322. А 133, 132, 123 — до сплячих. До нових можна віднести 311, 312, 313 і так далі.

Що надсилати сегментам

RFM-аналіз застосовують для більш ефективного управління базою та націлювання маркетингових кампаній. Ось кілька прикладів, які повідомлення варто надсилати різним сегментам:

  1. Група «VIP». Відправляйте їм повідомлення про особливі пропозиції, ексклюзивні акції, нові продукти та послуги, спеціальні знижки або бонуси за лояльність. Також можна запропонувати їм програми лояльності, наприклад знижки, безплатну доставку або ексклюзивні подарунки.
  2. Група «Сплячі». Надсилайте повідомлення про те, що ви сумуєте за ними. Пропонуйте спеціальні знижки, щоб залучити їх назад, використовуйте персоналізовані рекламні кампанії, засновані на попередніх покупках, щоб залучити їх знову.
  3. Група «Нові». Надсилайте повідомлення про те, які продукти та послуги ви надаєте, а також пропонуйте їм спеціальні знижки та привілеї для нових користувачів, промокоди. Також можна надсилати їм інформацію про умови гарантії та повернення, тим самим формуючи довіру.
  4. Група «Втрачені». Щоб залучити цих клієнтів назад, надсилайте повідомлення з пропозиціями, такими як знижки, бонуси, подарунки чи безоплатна доставка. Також можна надіслати інформацію про нові продукти та послуги, які можуть зацікавити користувачів повернутися та здійснити покупку.

Повідомлення, надіслані кожній групі, повинні бути персоналізованими та відповідати їх потребам та інтересам.

Нижче приклад того, як компанія Book24, використовує промокод з акцентом на обмеженість пропозиції для реактивації втрачених клієнтів, які не купували понад півроку.

Нижче приклад того, як компанія Book24

Які інструменти використовуються

Як я вже казав, для проведення RFM-сегментації використовуються різні інструменти, включаючи традиційні таблиці Excel або Google Sheets, спеціалізовані програми та онлайн-сервіси, а також програмування Python. Розгляньмо деякі з цих інструментів:

  1. Excel або Google Sheets — найпоширеніші інструменти. У них можна легко створити таблицю з даними про користувачів та їх покупки, а також використовувати функції для розрахунку цікавих для нас параметрів і сегментації, як у прикладі.
  2. Kissmetrics, Mixpanel, Salesforce — онлайн-сервіси, які при підключенні до сайту відстежують дії та поведінку користувачів, надають можливість аналізувати активності. Використовуються для RFM-аналізу.
  3. Мова програмування Python (якщо ви з нею вже знайомі) може використовуватись для автоматичної сегментації клієнтів. Існують бібліотеки та фреймворки, такі, як Pandas та Scikit-learn, які дозволяють швидко та ефективно проводити сегментацію у Python.

    Pandas дозволяє обробляти великі обсяги даних, здійснювати угруповання, сортування та розрахунки Recency, Frequency та Monetary.

    Scikit-learn забезпечує доступ до різних алгоритмів машинного навчання, які класифікують клієнтів за різними сегментами з урахуванням результатів RFM-аналізу. Спільне використання цих інструментів робить процес RFM-аналізу більш ефективним та надійним.

Вибір конкретного інструменту для проведення RFM-аналізу залежить від цілей, обсягу даних та рівня технічних знань маркетолога. Наприклад, маючи хороші технічні знання, за допомогою Python можна досить швидко та зручно проводити сегментацію баз великих обсягів. Якщо не маєте належної технічної підготовки, довірте це онлайн-сервісам.

Exel-таблиці дають можливість швидко та зручно проводити аналіз, але для великої бази краще використовувати інші методи.

Висновки

  1. RFM-аналіз — це метод маркетингового аналізу, який використовують для сегментації контактів у базі на основі їхньої поведінки. Інформація, зібрана цим методом, допомагає побачити який покупець приносить більшу вигоду, а який меншу. 
  2. RFM розшифровується, як R-recency — давність останньої покупки, F-frequency — сегментація покупців за кількістю покупок, M-monetary — середня прибутковість від дій.
  3. Основні переваги RFM-аналізу — це мінімальна кількість потрібних для аналізу даних і можливість проводити аналітику тільки за потрібними показниками. 
  4. У RFM-аналізу є недоліки, такі як:
  • зосередженість тільки на трьох конкретних параметрах;
  • недостатнє врахування активності клієнтів;
  • складність визначення меж між сегментами;
  • необхідність додаткової аналітики;
  • необхідність регулярного оновлення.
  1. Аудиторія, одержувана з RFM-аналізу, залежить від обраних критеріїв. Зазвичай це VIP-клієнти, сплячі, нові та втрачені. Кожній із цих категорій слід надсилати різні повідомлення.
  2. Проводити RFM-аналіз можна як в Exel або Google таблицях, так і за допомогою вебсервісів і навіть мови програмування Python.

Матеріал написно у співавторстві с Віталієм Івановим.

Дізнатися більше
8
5
1