Показатель, который должен быть в основе вашей стратегии email-маркетинга и триггерных рассылок.
RFM-анализ использует данные о прошлых действиях клиента — частоте, давности и сумме покупок — для того, чтобы предсказывать его поведение в будущем. Аббревиатура расшифровывается так:
- Recency — давность последней покупки;
- Frequency — частота покупок;
- Monetary — общая сумма всех покупок.
Суть RFM-анализа: оценить всех клиентов по трем показателям, разделить на группы и разработать план действий в отношении каждой. Подходу более 40 лет, но он до сих пор актуален и используется в маркетинге.
Для чего нужен RFM-анализ
Здесь всё просто: сегментированная база позволяет разделять коммуникацию: вовремя тормошить уснувших клиентов, помогать активным клиентам покупать больше и вознаграждать их за это. Побудить существующего клиента к повторной покупке быстрее и дешевле, чем снова и снова привлекать новых покупателей.
Сегментация базы в 3 шага
В вашей базе должно быть 10 000 контактов или больше — в этом случае результат будет ощутимым. Речь идет не о базе для email-рассылок, а именно обо всей базе клиентов.
Шаг 1. Выгрузите данные из CRM. Вам понадобится выгрузка с информацией обо всех заказах всех клиентов и суммы этих заказов.
Шаг 2. Задайте диапазоны для будущих сегментов. Классический RFM-анализ предполагает, что вы оцените каждого клиента по трем критериям: R (Recency, давность последней покупки), F (Frequency, частота покупок) и M (Monetary, общий доход от клиента). По каждому параметру вы ставите оценку: 1, 2 или 3. Выше балл — хуже оценка.
| R | F | М |
| 1 — недавно покупали | 1 — часто покупают | 1 — высокая доходность |
| 2 — спящие | 2 — редко покупают | 2 — средняя доходность |
| 3 — давние | 3 — покупали один раз | 3 — низкая доходность |
Нужно учитывать, что оценки не привязаны к конкретным суммам или срокам, всё рассчитывается индивидуально для каждой отрасли. Доход в 50 000 рублей с клиента может быть отличным для магазина стикеров, но средним или низким для магазина электроники. Аналогично и с частотой заказов: сервис доставки еды может посчитать, что дата последнего заказа три недели назад — это достаточно давно (2 балла), а для магазина одежды это будет хорошим показателем (1 балл).
Шаг 3. Составляем матрицу сегментов. В итоге у вас получится таблица 3×9.
| 111 — недавние частые с высоким чеком | 211 — спящие частые с высоким чеком | 311 — давние частые с высоким чеком |
| 112 — недавние частые со средним чеком | 212 — спящие частые со средним чеком | 312 — давние частые со средним чеком |
| 113 — недавние частые с низким чеком | 213 — спящие частые с низким чеком | 313 — давние частые с низким чеком |
| 121 — недавние редкие с высоким чеком | 221 — спящие редкие с высоким чеком | 321 — давние редкие с высоким чеком |
| 122 — недавние редкие со средним чеком | 222 — спящие редкие со средним чеком | 322 — давние редкие со средним чеком |
| 123 — недавние редкие с низким чеком | 223 — спящие редкие с низким чеком | 323 — давние редкие с низким чеком |
| 131 — недавние разовые с высоким чеком | 231 — спящие разовые с высоким чеком | 331 — давние разовые с высоким чеком |
| 132 — недавние разовые со средним чеком | 232 — спящие разовые со средним чеком | 332 — давние разовые со средним чеком |
| 133 — недавние разовые с низким чеком | 233 — спящие разовые с низким чеком | 333 — давние разовые с низким чеком |
Баллы от 1 до 3 — это не строгое требование, вы можете ставить 1 и 2 балла или, наоборот, давать более детальную оценку по шкале от 1 до 10.
Дальше вы считаете количество клиентов в каждом сегменте. И визуализируете результат на таком графике:
По итогам оценки у вас может быть и такой результат, что в одном сегменте будет 2 человека, а в другом 10 000. При таком исходе сегменты можно укрупнять, объединяя с соседними, или, наоборот, разделять.
Что такое RF-, RM- и FM-анализ
Вы могли видеть, что некоторые измеряют не три показателя, а только два. Такой подход тоже можно использовать — если вы хотите разделить клиентов только по шкале частоты/доходности, частоты/давности или давности/доходности.
RF-анализ: давность + частота. Если оценку оставить трехбалльную, то такой анализ поможет выделить девять групп клиентов. Самым ценным сегментом будут те, кто покупают регулярно и сохраняют активность.
RM-анализ: давность + доходность. Самый ценный сегмент — те, кто покупал недавно (активный клиент) и сумма была существенной.
FM-анализ: частота + доходность. Самый ценный сегмент — те, кто покупает чаще других и на большие суммы.
Как использовать данные RFM-анализа
Когда база разделена по сегментам, вы можете начинать разрабатывать стратегию по работе с каждым из них. Или, как минимум, с приоритетными для вашего бизнеса.
Это не значит, что брать во внимание стоит только сегменты с самыми хорошими оценками (единицами). Если у вас большой процент клиентов, которые вот-вот отвалятся, стоит разработать стратегию их реактивации.
Когда вы выберете, с какими сегментами будете работать — переключайтесь на стратегию. Один из самых простых способов — сделать сегментированную рассылку, каждая из которых будет сделана персонально под сегмент. В качестве канала можете выбирать только email или тестировать каскадные рассылки, в таком случае повышается шанс доставки.
Примеры email-рассылок под разные сегменты:
Делает покупки редко, последняя была недавно. Таких клиентов важно подтолкнуть к следующей покупке:
Покупает часто, последняя покупка была недавно. Этот покупатель лоялен, его не нужно стимулировать. А вот вознаградить за активность — да. Например, вы первому сообщить ему о новом поступлении или прислать предложение специально для него:
Покупает часто, но давно не делал покупок. Это клиент, который был лояльным, но сейчас он «спит». Напомните ему о себе, это может быть ненавязчивая рассылка с персональными предложениями:
Делал покупку давно, покупает редко. Скорее всего, это или не ваш покупатель, или у него был негативный опыт. Постарайтесь выяснить это — например, отправьте ему рассылку с запросом отзыва о работе вашего магазина, измерьте Net Promoter Score.
Когда рассылка готова — запускайте ее, отслеживайте результат и не забывайте корректировать письма, если какие-то отрабатывают плохо. И не забывайте проводить RFM-анализ регулярно: клиенты постоянно меняют свой сегмент, после вашего стимулирования это точно произойдет.
Насколько часто стоит проводить RFM-анализ? Крупные магазины делают это один раз в 1-2 месяца, небольшим — будет достаточно одного раза в 3-6 месяцев.
Чек-лист по RFM-анализу для интернет-магазинов
Инструмент RFM-анализа встроен в CRM REES46 — вы можете стать нашим клиентом, оформить расширенную подписку на CRM и в любой момент времени видеть актуальные данные по сегментами.
Однако анализ можно проводить и вручную, если все нужные данные у вас есть.
Последовательность RFM-анализа:
☑ Выделить время: RFM-анализ нужно проводить регулярно, а после первого раза нужно будет подготовить маркетинговую стратегию, разработать креативы, отследить и проанализировать результаты.
☑ Подготовить данные. Нужен будет список всех покупателей с информацией об их покупках (суммы, даты).
☑ Поставить каждому клиенту оценки. Насколько сильно дробить — выбираете вы сами, стандартная практика подразумевает трехбалльную систему.
☑ Разделить базу не сегменты. Визуализировать такое можно и в Excel-таблицы, в нашем инструменте графики строятся автоматически.
☑ Выбрать, с какими сегментами вы будете работать сейчас. Зависит от текущей стратегии магазина: если вам критично важно меньше тратить на привлечение новых покупателей, простимулируйте старых, которые купят с наибольшей вероятностью.
☑ Подготовить рекламные креативы (например, персональные рассылки). Отправить, проанализировать результаты.
☑ Повторить RFM-анализ.
Используйте RFM-анализ, что сделать коммуникацию персонализированной — готовьте свои сообщения под каждый сегмент и используйте подходящие каналы: сообщить о начислении бонусов лучше по SMS, а для подборки товаров подойдет email.
