rfm что это такое

RFM-анализ одной кнопкой или как мы облегчили клиентам жизнь

С тех пор как в компании Mindbox впервые произнесли Machine Learning, общей целью стала Большая Зеленая Кнопка. Это такая кнопка во весь экран, при нажатии на которую всё работает само и приносит прибыль.

В аналитическом проекте «RFM» цель менее амбициозная — Маленькая зеленая кнопка. Нажимаешь, и база автоматически делится на сегменты, по которым запускается отправка писем (например).

Чтобы добиться цели, мы написали автоматический RFM-сегментатор и разработали специальный отчет, чтобы наглядно представлять результаты.

Что такое RFM-анализ

Результат email-рассылки зависит от охвата аудитории и качества самой рассылки. Бесконечно увеличивать охват нельзя, а значит, нужно увеличивать качество. Для этого рассылку нужно персонализировать, так как все люди разные и каждому нужно что-то свое.

Потребителей обычно много, сделать индивидуальное письмо под каждого сложно. Чтобы справиться с проблемой, маркетологи делят потребителей на группы — сегменты.

Делить можно по-разному. Один из вариантов — RFM-анализ.

То есть RFM-анализ — это способ сегментации. Сегментами называются непересекающиеся группы потребителей. RFM-анализ предлагает для каждого покупателя выделить три признака:

Многие маркетинговые компании делают и используют RFM-анализ. Мы в том числе. В статье про RFM-сегментацию рассказали, какой отчет умеем делать, и как он может помочь маркетологам.

Существующие подходы к RFM-анализу

Существующие подходы к RFM-анализу у всех примерно схожи.

Клиентов делят на группы по каждому признаку. Обычно таких групп не больше пяти. Пересечения групп называют сегментами.

Например, при делении на четыре группы по каждому из трех признаков образуется 64 (4x4x4) сегмента потребителей, а на пять — уже 125 сегментов.

Основная сложность — определить границы групп, потому что нет определенного правила, как это делать.

Рассмотрим наиболее популярные подходы на примере одной базы клиентов:

Здесь мы используем только два измерения (R и M) из трех для удобства восприятия.

Подход 1. Разделение на равные части по диапазонам значений

При этом подходе разделение делается исходя из из значений признаков. В нашем случае выделяем три группы по тратам: до 5 тысяч рублей, от 5 до 10 тысяч и от 10 тысяч. И три группы по давности срока покупки: до 80 дней, от 80 до 160 дней, от 160 дней.

Получаем девять сегментов:

Подход 2. Разделение на равные части по количеству потребителей

При таком подходе разделение по каждому признаку выполняется так, чтобы в группы попадало одинаковое количество потребителей.
Вот так распределяются покупатели из нашего примера (по-прежнему делим на три части по каждому признаку):

Подход 3. Ручной

Аналитик изучает базу данных и подбирает правильное разделение.

RFM-отчет одной кнопкой с помощью Machine Learning

Мы решили избавиться от недостатков старых подходов. Для этого пришлось прибегнуть к алгоритмам Machine Learning.

Используя методы кластеризации, мы автоматически определяем, сколько же на самом деле сегментов потребителей в базе и что это за сегменты. А с помощью решающего дерева приводим эти сегменты к удобному для восприятия виду. Как это работает, рассказываем в отдельной статье про устройство сегментатора.

Для примера выше мы получили вот такой результат:

Чтобы все это было удобным и понятным для маркетологов, мы разработали отчет, в котором удобно и понятно (как нам кажется) описаны результаты сегментации.

Чтобы получить его, достаточно нажать одну кнопку — и система все сделает сама.
Отчет помещается на одну страницу и состоит из трех таблиц.

Часть 1. Оценка состояния базы

Первая таблица — сводная. В ней собрана информация по всем сегментам базы, полученная на основе RFM-анализа. Ключевые показатели: активность потребителей в сегменте и их ценность.

Активность определяется давностью последней покупки, а ценность — потраченной суммой.

Каждый сегмент относится к одной из категорий. В каждой категории может быть несколько сегментов или вообще не быть ни одного. В ячейках указано общее количество потребителей из всех сегментов категории.

Показатели «Активность» и «Ценность» образуют девять категорий сегментов. Еще одна категория: «Никогда не покупали»

P.S. Здесь выражения «Отток» и «Риск оттока» используются как сокращения для «Давно не покупавшие клиенты» и «Клиенты, покупавшие среднее количество времени назад» и не означают отток в прямом смысле этого слова. Аналогично, «Активные» — обозначение для «Клиенты, недавно сделавшие покупку».

В примере выше 80% клиентов не имеют покупок, почти треть высокоценных — в оттоке, еще треть — в группе риска.

Оценка состояния базы помогает выбрать категорию, с которой важно работать в первую очередь.

Чтобы показать, как пользоваться отчетом, возьмем клиентов с высокой ценностью, то есть клиентов, потративших больше всего денег.

Часть 2. Изучение сегментов

Во второй таблице отчета выводятся: размер сегментов, оборот, то есть сумма, потраченная всеми потребителями в сегменте, и средний чек.

Все сегменты потребителей представляются списком. Например, вот список сегментов покупателей, имеющих покупки:

Чтобы вывести в отчет только потребителей с высокой ценностью, используем фильтр.

В результате применения фильтра получаем семь сегментов потребителей с высокой ценностью.

На основе этой информации можно сделать разные выводы.

Например, сегмент №2 имеет значительно больший оборот, чем другие, при умеренном среднем чеке. Это говорит о большом числе покупок потребителей в этом сегменте и их высокой лояльности. Не опасаясь оттока клиентов, им можно рассылать письма и рассказывать, например, о новинках.

Теперь обратим внимание на средний чек: сегмент №7 с самым большим средним чеком находится в оттоке, а сегмент №9 со вторым по величине средним чеком — в группе риска. Потребители из данных сегментов готовы покупать на крупные суммы, но не покупали уже давно. Возможно, имеет смысл побудить их к действиям с помощью промокода или информационного письма.

Изучение сегментов нужно, чтобы понять, с какими сегментами стоит усиленно поработать.

Часть 3. Детальная информация по сегментам

В последней таблице показаны границы сегментов по каждому признаку (R, F, M) и средние значения по ним.

Из этой таблицы видно, что потребители из сегмента №2 действительно имеют больше покупок, чем другие, — в среднем 12

Нам нужно выбрать, с каким сегментом мы хотим работать первым. Допустим, нас заинтересовали сегменты с самыми большими средними чеками: №7 и №9. Рассмотрим их подробнее.

В сегменте №7 клиенты не делали покупки почти год — вернуть их будет нелегко. Но, возможно, попробовать стоит, поскольку в среднем потребители из данного сегмента покупали 2,1 раза — это значит, что первая покупка их не разочаровала. Вполне вероятно, что хорошая скидка поможет им снова активно заинтересоваться брендом.

С сегментом №9 проще — средняя давность покупки у клиентов из него составляет всего три месяца, а среднее количество покупок — 2,8. Скорее всего, эти клиенты достаточно лояльны и не требуют по отношению к себе никаких действий. Но можно отправить письмо с рекламой или небольшой скидкой, чтобы напомнить о бренде.

Когда сегменты для дальнейших действий выбраны, можно запускать нужные маркетинговые кампании.

До настоящей Зеленой Кнопки осталось совсем немного

Мы создали автоматический RFM-сегментатор и остались довольны — нужно 20 секунд времени человека, чтобы получить распределение базы клиентов по сегментам.

Мы собираемся автоматизировать настройку маркетинговых кампаний для сегментов, чтобы человеку и на это не нужно было тратить время.

Конечно, жалко будет, что никому больше не понадобится наш отчет, но технический прогресс не щадит никого.

Источник

Применение RFM-анализа в сегментировании клиентской базы

Сегментация и таргетинг — это альфа и омега маркетинга, и email-маркетинг — не исключение. Даже если у вас есть накопленная за годы работы клиентская база, веерные рассылки могут принести вам не меньше вреда, чем пользы. Вам нужно уметь отправлять именно те письма, которые будут нужны вашим клиентам и принесут вам необходимые продажи или, например, регистрации на сайте, при этом не заваливая ящики ваших клиентов ненужными сообщениями, которые они бы воспринимали как спам. Для этого необходимо чётко понимать, кому и зачем вы отправляете каждое ваше письмо.

Специально для хабраблога компании Unisender мы подготовили цикл материалов «Таргетинг и сегментация email-рассылок». Во второй статье мы переходим к рассмотрению конкретных методик сегментации и расскажем о применении RFM-анализа в сегментации клиентской базы.

В классическом маркетинге существует методика RFM-анализа, который применяется для прогнозирования поведения клиента на основе его прошлых действий. RFM – аббревиатура слов Recency (новизна), Frequency (частота), Monetary (вложения).
Recency – это время, прошедшее с последней активности клиента, будь то покупка, переход по ссылке или просто открытие письма.
Frequency – количество действий, совершенных клиентом.
Monetary – денежные затраты клиента на товары и услуги компании.

Предполагается, что клиент, проявивший себя недавно, показывающий повышенную активность с момента своей регистрации или тратящий на ваши товары больше денег, будет более заинтересован в вашей рекламной кампании.

Существует также довольно актуальная для легальных рассылок вариация RFD, в которой D (Duration) – общая продолжительность знакомства с клиентом. Для описанной мною ниже методики непринципиально, учитываются ли вложения клиента или то, насколько давно он является подписчиком.

В ходе деления на сегменты нашего адресного списка мы рассмотрим каждую из деталей паззла по отдельности и придадим картине целостность в конце.

R = Recency

В соответствии со спецификой предлагаемых вами услуг необходимо определиться с критерием активности клиента. Будет это дата совершения последней покупки, момент последнего перехода по ссылке в письме или же достаточно и последнего открытия письма – решать вам.

Следует условно определить несколько временных циклов, активность за которые будет учитываться. Как правило, если речь идет о рассылках, маркетологи останавливаются на пяти периодах совершения последнего действия: последний месяц, два месяца, три, полгода и год.

Теперь, используя собранные данные, следует «раскидать» клиентов по временным группам. У вас должно получиться нечто подобное:

1. 0-30 дней: 5,100 покупателей/подписчиков
2. 31-60 дней: 12,300
3. 61-90 дней: 32,800
4. 91-180 дней: 75,000
5. 181-365 дней: 123,400

Группа 1 здесь и далее будет включать самых выгодных клиентов. «Лучший» сегмент всегда будет иметь наименьшее число покупателей/подписчиков, в то время как «худший» будет самым крупным. Не пытайтесь изменить критерии групп так, чтобы они были равны. Напротив, у вас должно выйти нечто вроде пирамиды.

F = Frequency

Здесь мы будем рассматривать то, насколько часто клиент проявлял активность. Как и в случае с Recency, мы остановимся на пяти пунктах, каждый из которых будет содержать определенный количественный спектр покупок/действий.

Опять же, группа 1 будет учитывать наиболее активных. Хорошенько подумайте, после какого количества действий ваш клиент считается самым выгодным: установка слишком высокой или слишком низкой планки может сбить точность подсчета.

Конечный вариант может выглядеть примерно так:

1. 16+ покупок/действий
2. 11-15
3. 5-11
4. 2-4
5. 0-1

M = Monetary

Этот пункт определяет «качество» совершаемых пользователем действий, как правило, измеряемое в потраченных на ваши товары и услуги деньгах. Это может быть также и непрямой доход от действий клиента. В некоторых случаях, когда выгоду от действий пользователя сложно учесть в деньгах или иной конкретной величине, или ценность каждого действия, совершенного пользователем, одинакова, этот пункт может быть заменен на продолжительность подписки клиента или отсутствовать вовсе.

Так же, как и в предыдущем пункте, необходимо определить индивидуальные для каждой компании значимые пределы денежных вложений.

Таким образом, мы получим без малого 125 групп: 555, 554, 553, 552, 551, 545, и так вплоть до 111. Но это далеко не значит, но нужно адресовать каждой из групп индивидуальные письма: как правило, такое детальное разделение применяется для анализа. Сгруппировав клиентов таким образом, вы сразу получите целостную картину происходящего с вашей клиентской базой. Скажем, клиенты 5R-5F-1M могли обратиться к вашим услугам лишь разово, потратив немалую сумму, но не рассчитывая на долговременное сотрудничество. А вот 5R-3F-1M с большей вероятностью стали недовольны услугами компании или потеряли к ней интерес.

1R-1F-1M

Это – сливки вашего клиентского списка. Если вы верно избрали пределы групп R, F и M, то этот сегмент должен быть крайне мал – не более 5% адресной базы. Что бы вы ни делали, вам уже вряд ли удастся испортить отношения с такими клиентами.

В связи с этим многие компании полагают, что лучше оставить отношения с такими клиентами как есть – и они продолжат лидировать в списках продаж. Но – этим они теряют возможность дать им лидировать с большим отрывом. У совершенства не бывает предела.

Можно расширить границы сотрудничества с этими людьми, учредив программу лояльности, приглашая на специальные мероприятия или же анкетируя их на предмет пожеланий к развитию компании. Важно всячески показывать таким клиентам, что они – уважаемые и желанные гости, а не случайные прохожие.

5R-5F-5M

Хоть эти клиенты и кажутся наименее перспективными, не стоит совсем скидывать их со счетов: хоть раз, но они все же проявили интерес к вашей продукции. Чаще всего рекламщики готовят для них специальные, «провокационные» сообщения, которые позволяют избавиться от балласта из тех, кто совсем не проявляет интереса (или просто забросил электронный ящик), а остальных перевести в следующую категорию.

«1» только в одной категории

Тем, у кого единица только в категории Recency, следует дать немного времени, чтобы определиться. Они знают о ваших услугах и, возможно, скоро проявят к ним интерес. Аппетитные рассылки в этом случае – самый эффективный способ удержать их внимание.

Клиенты, покупающие часто (1F), но на небольшие суммы, ценны для вас своим постоянством. Попробуйте воспользоваться методикой из предыдущей статьи: предложить им товары, которые как правило покупают за компанию с теми, что приобрели они. Возможно, это сможет расширить ассортимент их покупок.

Клиент с 1М крайне цене для вашей компании своими существенными вложениями, но не проявляет активности. Следует показать его особую ценность для вас. Взгляните на то, что они покупали и как давно не совершали никаких действий. Вам необходимо аккуратно выяснить, чего бы они хотели от вашей компании? Чего им не хватает, чтобы стать вашими постоянными покупателями? Небольшое анкетирование может пойти на пользу.

«5» только в одной из категорий

Эти пользователи – подающий большие надежды сегмент и простор для вашей исследовательской деятельности. Они достаточно постоянны, чтобы вы смогли поэкспериментировать и найти подходящий под специфику вашей компании способ вытягивать клиентов со значений в 2-4 в каждом из пунктов.

Методика RFM – далеко не абсолютный, но крайне полезный инструмент анализа адресного списка. Оглянитесь: проделав сравнительно6о небольшую работу, вы уже видите индивидуальный подход к своим клиентам. Дело за малым: приступать к действию.

По материалам статей Kelly Lorenz — RFM Segmentation and Analysis: Part 1, Part 2, Part 3.

Чтобы не пропустить следующие материалы по этой теме, нажмите сердечко в нашем профиле и отметьте блог компании Unisender в настройках вашей хабраленты.

Источник

Что такое RFM-анализ и как его использовать

Блочный редактор писем, готовые шаблоны email, формы подписки и автоматизация. Запускайте email-рассылки, чтобы быть на связи со своими клиентами.

Где взять базу? Как сделать красивое письмо? Какие показатели смотреть? Расскажем об этом в бесплатном курсе из 16 писем. Татуировка в каждом письме!

Рассказываем про инструменты для email-рассылок. Обсуждаем лучшие примеры и механики. Говорим о деньгах. Публикуем вакансии.

Что такое RFM

RFM-анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех клиентов, которые приносят больше денег.

Аббревиатура RFM расшифровывается:

По этим признакам можно разделить всех ваших клиентов на группы, понять, кто из клиентов покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.

С каждой группой можно строить отдельные коммуникации: давать им разную рекламу и делать разные email-рассылки. Например, группе постоянных VIP-клиентов высылать специальные предложения, а пользователям, которые давно не покупали — мотивирующую скидку, и настроить на них таргетированную рекламу.

Как разделить клиентов

Суть RFM-анализа в том, что мы разделяем всех клиентов на группы, в зависимости от того, как давно они сделали последнюю покупку, как часто покупали и насколько большой была сумма их заказов. По каждому из этих признаков мы выделяем по три равные группы. Затем присваиваем каждой группе числовое обозначение от 1 до 3.

По давности заказа (recency):

По частоте покупок (frequency):

По сумме покупок (monetary):

Например, пользователь «111» покупал давно, один раз и на маленькую сумму. Так себе клиент, иным словом. Или пользователь «333»: покупает часто, на большую сумму и последняя покупка была недавно. Это наши лучшие клиенты.

Диапазоны для 1, 2 и 3 вы задаете сами. Я имею в виду, что вы сами определяете, что значит, например, маленькая, средняя и большая сумма продаж: для какого-то бизнеса 10 000 руб. — это много для 1 клиента, для какого-то — почти ничего.

RFM-анализ удобнее всего делать с использованием «Сводных таблиц» в Excel или даже в Google Таблицах — там тоже есть такая функция.

Источник

RFM-анализ: что такое в маркетинге + шаблон в excel

RFM-анализ – сбор данных об активности покупателей, деление их на группы для индивидуальной работы с каждой.

Начну с того, что не стоит швыряться своим продуктом или услугой направо и налево. Тем более пытаться загрести себе побольше клиентов и бесконечно тратиться на рекламу, чтобы продать быстрее и больше. Это дохлый номер.

Чтобы Ваши денежки не исчезали в никуда, а клиенты были только “свои” и самые лучшие, стоит воспользоваться методом RFM.

Готовая сортировка

что это такое

RFM-анализ родился из правила Парето: 80% прибыли приносит только 20% клиентов. То есть задача бизнеса – распознать те самые 20% лучших потребителей и направить на неё максимум рекламных усилий.

Возникает закономерный вопрос: кто же такие эти “лучшие” потребители?

Невольно хочется ответить, что те, кто больше всех заплатил. Но если бы всё решалось так просто, тогда предприниматели не ломали бы головы над стратегиями маркетинга.

На самом деле имеет значение не только сумма, которую потратил клиент, но и то, как часто он совершает покупки. Потому и была разработана классификация потребителей по методу 3-х значений RFM:

Этот анализ помогает бизнесу расставить акценты и решить четыре основных вопроса:

– Плюсы и минусы

Но как бы ни был хорош RFM анализ, важно понимать, что в реальном мире не всё так идеально, и этот инструмент имеет свои плюсы и минусы:

И наконец мы переходим к практике. Подготовила для Вас “руководство пользователя” для RFM-анализа.

Пошаговое руководство

Выдыхайте – на Ваше счастье для проведения такого анализа клиентов не нужно глубоких познаний и сложных программ. Достаточно работы в Excel, Google Таблицах с макросами.

Шаблон. Скачивайте шаблон по ссылке –> RFM-анализ. Рассказывать буду максимально просто и без сложных формул. Этот метод отлично подойдет для небольших компаний.

Если Вы компания крупная, то используйте дополнительное ПО ну или формулы.

Шаг 1. Собираем данные

За какой период брать данные, зависит от специфики бизнеса (в том числе B2B или B2C). Как правило, собирают информацию за последний год. В качестве данных клиентов выступают следующие позиции:

Чтобы упростить данный шаг, лучше автоматизировать процесс и применить специальное ПО, например, CRM-систему Битрикс24 или Мегаплан. Там выгрузить эти данные довольно легко.

Также сразу в нашем документе после даты последней покупки делаем столбцы “Текущая дата” и “Количество дней с последней покупки”. А в конце три столбца “R”, “F”, “M”. Их пока не трогаем, но дальше они пригодятся.

Шаг 2. Группируем потребителей и оцениваем

Чем больше база данных, тем больше групп и тем шире шкала оценок. То есть если у Вас 3 группы, то шкала оценок будет от 1 до 3, если 4 – от 1 до 4, если 5 – от 1 до 5. Стандарт – это три группы, на него мы и будем опираться. Итак, теперь присвоим каждой группе оценку:

Обозначу сразу, что всю базу мы разбираем для каждой буквы по отдельности. То есть наши 3 сегмента в разрезе
“R”, потом “F” и наконец по “M”. Итого у нас получится
27 сегментов (3*3*3).

Кстати, если Вы знакомы с ABC анализом, то метод RFM будет для Вас достаточно простым, так как принцип у него похожий, мы также делим на группы.

– Показатель 1. Recency (давность сделки)

Сортируем потребителей по тому, сколько времени прошло с момента их последней активности. У каждого бизнеса разный цикл сделки, соответственно и активность разная.

В качестве примера:

Сортировать можно несколькими способами, но я приведу один для примера. У нас есть дата последней покупки, поэтому мы заполняем столбец текущей датой, затем в столбце, где будет результат, выполняем такие действия:

Нажимаем знак “=”; —> Выбираем ячейку с текущей датой (“С2”); —> Нажимаем знак “-”; —> Выбираем ячейку с датой покупки (“В2”); —> Нажимаем “↵ Enter “. Только учтите, что там, где мы считаем, формат ячейки должен быть числовой.

Формула для количества дней

Теперь мы видим, сколько дней прошло с момента последней покупки каждого покупателя. После этого необходимо разделить (как договаривались выше) всех покупателей на 3 группы и каждой присвоить соответствующую цифру.

Чтобы разделить, выделяем всю таблицу и сортируем её по графе “Количество дней”, ставим значение “по возрастанию”.

Сортировка по дням

Лучшим потребителем соответственно будет тот, кто попал в первую группу (так как он покупал совсем недавно), а худший – в третью группу (так как покупал давно).

– Показатель 2. Frequency (частота сделки)

Теперь сортируем клиентов по тому, как часто они совершали свою активность.

Сделать это можно элементарно, все той же сортировкой по аналогии с предыдущим показателем. Таким образом, наши показатели сортировались по выбранным нами параметрами. И опять назначаем каждой группе свою цифру.

Сортировка по покупкам

Итак, в первой группе находятся самые активные (те, кто покупал чаще всего). В нашем случае – наибольшее количество покупок одного клиента – от 5.

– Показатель 3. Monetary (вложения)

Здесь сортируем клиентов согласно их тратам. Все то же самое, как и в предыдущих вариантах. Или пользуйтесь формулой, или же фильтруйте от большего к меньшему.

И опять-таки – самый ценный для Вас клиент окажется в первой группе. Ничего нового. И не забываем про цифру.

Сортировка по сумме

Шаг 3. Даём оценку RFM

В нашем случае получилось три оценки “1”, “2”, “3” (Вы помните, что их может быть бесконечное множество). То есть каждому покупателю мы по каждому параметру присвоили свою собственную оценку.

Итого у нас вышло 27 сегментов с оценками по 3-м показателям RFM вида “111”, “112”, “113”, “121”, “131” и так далее до “333”.

Кратко все сегменты

Увидеть эти группы можно с помощью стандартной функции “сортировка”, отобрав по нужному параметру.

Анализ полученных данных

Клиенты распределены по сегментам и теперь понятно, кто есть кто. Осталось создать свою рекламную стратегию для каждого сегмента, и для наглядности я свела информацию в таблицу.

У Вас может возникнуть вопрос “А где же “двойки”?” – их отдельно выделять не стала, так как к ним подходят стандартные маркетинговые усилия. Они и так стабильно и хорошо покупают.

коротко о главном

RFM-анализ призван помочь компании в разработке маркетинговой стратегии с индивидуальным подходом к каждому сегменту. Тем самым сэкономить на “мертвых” и побольше заработать на “живых”.

Справедливости ради надо отметить, что речь идёт не только о прибыли бизнеса. В некотором смысле, RFM-анализ способствует увеличению ценности жизни потребителя. Тут уж, как говорится, “Счастливый клиент – полезный клиент”.

Источник