RFM-анализ: сегментация клиентов для повышения эффективности рекламы

Некоторые покупатели требуют персонализированного подхода. Именно так они начинают действовать целенаправленно, увеличивают число своих покупок и тратят более значительные суммы. Но как определить, каким клиентам следует предложить индивидуализированные предложения? В этом вопросе на помощь приходит RFM-анализ, с которым вы сможете подробнее ознакомиться в данной статье.

RFM-анализ — это способ сегментации клиентов по частоте и объему покупок для определения наиболее прибыльных потребителей.

Как утверждал Парето, 80% прибыли поступает от 20% клиентов. Задача маркетологов — выявить именно этих клиентов, что позволяет сделать RFM-анализ. Он основывается на трех основных показателях:

- Recency (Последняя покупка). Время, прошедшее с момента последнего приобретения клиента.

- Frequency (Частота покупок). Регулярность покупок или других целевых действий со стороны потребителя.

- Monetary (Расходы). Сумма денег, потраченная клиентом за определенный период. Этот аспект может также оцениваться по другим параметрам, как, например, время, проведенное на сайте.

С помощью этих трех факторов можно выделять активных и неактивных клиентов для создания более нацеленных рекламных кампаний. Это способствует росту доходов и снижению затрат на рекламу.

Анализ RFM используется компаниями из B2C-сектора, у которых количество клиентов превышает 10 тысяч. Однако это не означает, что B2B-компании или организации с меньшей клиентской базой не могут применять этот метод. В таких ситуациях его эффективность может быть несколько ниже, и обычно это компенсируется уменьшением числа сегментов.

Данный метод помогает в организации успешных email-кампаний, создании скриптов для телефонных разговоров с клиентами и реализации специфических рекламных акций для уже имеющихся клиентов.

Некоторые маркетологи используют RFM-анализ для оптимизации текущих рекламных кампаний. Например, когда пользователи кликают на рекламу, но вместо выполнения целевых действий читают блог.

Как видно, этот подход достаточно универсален и находит применение в различных ситуациях. Для достижения высокого качества результатов крайне важно правильно проводить RFM-анализ, о чем мы поговорим немного позже.

В мире не существует абсолютного идеала, и RFM-анализ также не является исключением. Он обладает как достоинствами, так и недостатками, которые желательно изучить перед его использованием.

Для проведения RFM-анализа данные должны быть подготовлены в определенном формате, о чем мы поговорим далее.

Для выполнения RFM-анализа необходимо использовать данные о покупках всех клиентов и суммах сделок. Обычно эти данные выгружаются из CRM-систем или аналитических платформ.Однако просто выгруженные данные не подойдут для анализа. Сначала потребуется их предварительная обработка.

Для проведения анализа выгрузите данные о транзакциях, где каждая строка представляет новую покупку. Количество столбцов может варьироваться, но обязательно должны присутствовать следующие данные:

- Идентификатор клиента (например, email, номер телефона, ID и т.п.);
- Дата транзакции;
- Количество покупок;
- Сумма сделки.

Переходим к практике. Рассмотрим проведение анализа на примере небольшой компании. Важно отметить, что для этого не требуются навыки работы в специализированном программном обеспечении. RFM-анализ можно легко выполнить в Excel или Google Таблицах.

Однако, такой подход не подойдет для крупных организаций с клиентской базой, насчитывающей десятки тысяч контактов. В таких случаях обычно используется специализированное программное обеспечение, часто разработанное на заказ.

Начните с этапа сбора данных. Определите период анализа, который будет наиболее подходящим для вашей организации. Обычно это зависит от специфики бизнеса (например, B2B или B2C).

В большинстве случаев используются данные за последние 1-2 года.Как уже упоминалось, исходные данные должны соответствовать нескольким обязательным требованиям. Они должны включать следующие сведения:

- Идентификатор клиента (например, ID, номер телефона, номер заказа, ФИО, email и т.п.);
- Дата транзакции;
- Количество сделанных покупок (или других целевых действий);
- Сумма потраченных средств.

Эти данные позволят вам провести точный и информативный RFM-анализ.

Не создавайте таблицу вручную, это может занять много времени. Воспользуйтесь CRM-системой или аналитической платформой, которые автоматизируют экспорт необходимых данных. Например, отлично подойдет Битрикс24.

После выгрузки данных добавьте в таблицу еще несколько столбцов:
- Текущая дата;
- Количество дней с последней покупки;
- R (Recency), F (Frequency) и M (Monetary) — пока оставьте их пустыми, но они понадобятся на следующих этапах анализа.

Переходим к самому интересному и важному этапу — группировке и оценке потребителей. Чем больше исходная база данных, тем больше групп и шире шкала оценок. Обычно используют три группы с оценками от 1 до 3. Однако, при работе с большими объемами данных (от нескольких сотен тысяч контактов), некоторые маркетологи предпочитают использовать 4 или 5 групп.

В нашем случае такой необходимости нет, поэтому остановимся на трех группах:
Группа 1. Выгодные потребители — часто покупают на крупные суммы.
Группа 2. Нормальные потребители — иногда покупают на средние суммы.
Группа 3. Невыгодные потребители — редко покупают на маленькие суммы.Крупные суммы и частые покупки — понятия относительные и зависят от специфики бизнеса. Например, для небольшого цветочного магазина выгодным потребителем будет человек, совершающий две покупки в год на сумму 3-4 тысячи рублей. В то время как для крупного гипермаркета выг

одным потребителем будет тот, кто делает покупки несколько раз в неделю на 5-7 тысяч рублей.

Для каждой буквы (R, F и M) база данных анализируется отдельно. В результате анализа получается 27 сегментов потребителей.

Отсортируем потребителей по количеству дней с последний покупки (или иного целевого действия). Определите, что для вашего бизнеса считается хорошим, средним и плохим показателем в соответствии со средней длительностью сделок.

В нашем примере градация следующая:

Для упрощения и ускорения сортировки сделайте несколько дополнительных манипуляций. Во-первых, заполните столбец «Количество дней с последней покупки».

Для этого посчитайте разность между текущей датой и днем последней покупки. Автоматизируйте процесс специальной формулой:

После ввода формулы нажмите клавишу Enter, и программа автоматически посчитает количество дней с момента последней покупки. Чтобы применить формулу ко всем клиентам, протяните ее на остальные строки. Для этого щелкните левой кнопкой мыши на ячейку с формулой у первого клиента и потяните за правый нижний угол ячейки вниз.

Распределите всех клиентов по группам. Чтобы упростить процесс, отсортируйте массив данных по количеству дней с момента последней покупки. Выделите массив данных (как показано на изображении ниже), затем в Excel найдите раздел «Сортировка и фильтры» и выберите опцию «от Я до А».

В столбце R разместите числа 1, 2 и 3 согласно ранее установленным параметрам для каждой категории: высокая, средняя и низкая. В данном случае все участники, которые делали покупки в течение последних шести месяцев (до 180 дней), будут отнесены к первой категории, и так далее.

Мы классифицируем клиентов на основании их активности — частоты покупок или других целевых действий. Эта классификация на группы зависит от особенностей вашего бизнеса.

В нашем примере она выглядит следующим образом:

«Хорошая» категория (Группа 1) — 5 и более покупок; «Средняя» категория (Группа 2) — от 2 до 4 покупок; «Плохая» категория (Группа 3) — только 1 покупка.

Эти показатели должны быть извлечены из вашей CRM или аналитической системы, поэтому нет необходимости в дополнительных вычислениях, как в случае с временем с последней покупки. Просто организуйте клиентов по количеству их покупок, чтобы удобно распределить категории.

Следуя заранее установленной методике, сгруппируйте клиентов в зависимости от их расходов на покупки. Однако вначале установите критерии, характерные для вашего бизнеса.

В качестве примера можно воспользоваться следующей классификацией:

Не забудьте сначала упорядочить клиентскую базу по суммам затрат, чтобы упростить и ускорить процесс их распределения по указанным группам.

После классификации клиентов по всем критериям у вас должно получиться 27 сегментов: 111, 112, 121, 211 и т.п до 333. Определение всех сегментов следующее:

Чтобы быстро ориентироваться по сегментам в полученной таблице, примените фильтры:

В правом нижнем углу каждой ячейки первой строки появится стрелка. С её помощью можно временно исключать информацию о клиентах из определённых групп. Давайте посмотрим, кто часто совершает покупки на крупные суммы и недавно сделал последнюю сделку. Для этого оставим первую группу во всех трёх столбцах R, F и M.

Это самые ценные клиенты компании, для которых следует разработать специальные предложения с выгодными условиями. Однако об этом мы поговорим в следующем разделе статьи.

Потребители распределены по сегментам, что делать дальше? Создавать персонализированные маркетинговые стратегии для увеличения вовлеченности и количества целевых действий.Теперь на сцену выходит маркетолог. Успех дальнейших шагов зависит от его профессионализма и опыта. Давайте рассмотрим несколько примеров:

- «111» — это самые активные клиенты, приносящие 80% прибыли. Работайте с ними индивидуально: предлагайте что-то ценное, например, золотую карту или приглашение на отраслевое мероприятие.

- «х1х» — покупают немного, но регулярно. Предлагайте им сопутствующие товары, бонусную карту или участие в программе лояльности. Постарайтесь стимулировать этих потребителей к увеличению расходов.

- «xx1» — покупают редко, но на крупные суммы. Предлагайте таким клиентам что-то ценное или особенное. Индивидуальный подход важен, чтобы побудить крупных потребителей к более частым покупкам.

- «13x» — новые клиенты, которые могут стать лояльными в будущем. Установите как можно больше коммуникаций: поздравьте с покупкой, пригласите на сайт или в социальные сети, предложите интересные и полезные статьи в блоге и т.п. Постарайтесь превратить их в лояльных потребителей, которые будут регулярно обращаться в вашу компанию.

- «33x» — это старые клиенты, чья активность снизилась. Постарайтесь выяснить, почему они перестали совершать покупки. Стимулируйте их на новую сделку, предложив индивидуальные условия, скидки или акции. Восстановите отношения и продолжайте плодотворное сотрудничество.

- «333» — это потерянные клиенты, которые давно не проявляли активности. Попробуйте восстановить контакт, предложив им скидки или специальные предложения. Если отклика нет, прекратите дальнейшие попытки и сосредоточьтесь на более перспективных сегментах.

В примерах выше отсутствуют двойки, и это не случайно. Такие клиенты делают стабильные и хорошие покупки, поэтому выделять их отдельно нет необходимости. Как показывает практика, на них отлично работают стандартные рекламные кампании, и разрабатывать индивидуальные предложения не требуется.

Сегодня вы познакомились с RFM-анализом. В отличие от других аналогичных методик, он прост в реализации, поэтому его часто выбирают начинающие продакты и предприниматели. Ознакомьтесь с примером из статьи, чтобы эффективно использовать этот инструмент и повысить результативность своей маркетинговой стратегии.