Исследуем клиентскую базу через RFM-анализ

 Публичный пост
23 декабря 2023  56

Сегментация действующей клиентской базы компании выполняет две главные функции. Первая – анализ покупательского поведения, вторая – прогнозирование и планирование последующей работы с каждым выделенным сегментом целевой аудитории.

Для исследования применяется много методов, основанных на различных метриках. Особого внимания заслуживает метод RFM как метод, основанный на самых информативных и достоверных показателях работы с клиентом.

RFM-анализ: основание и суть

RFM-анализ в маркетинге – это метод сегментации клиентской базы, основанный на типах покупательской активности.

На основании трех показателей вся активная база делится на несколько групп. Каждая группа характеризуется определенным типом покупательского поведения, в зависимости от которого приносит продавцу определенный уровень прибыли. 

Образно говоря, все покупатели ранжируются по группам в зависимости от их полезности для компании.

Измерение полезности основано на законе Парето, гласящем, что 20% клиентов компании приносят ей 80% прибыли. RFM-анализ позволяет достаточно достоверно выявить те самые 20% клиентов, которые обеспечивают заветную прибыль и заработок.

Действенность RFM-метода основана на том, что для анализа используются фактические показатели, взятые из статистики продаж:

  • «Recency» – давность сделки;
  • «Frequency» – частота сделки;
  • «Monetary» – вложения клиента.

Реально наработанная статистика дает возможность продавцу ответить на ключевые вопросы продаж и маркетинга. Они, в общем-то, традиционны, но от этого не теряют актуальности для бизнеса.

  • Какие клиенты приносят основную прибыль? В перспективе этот вопрос важен для расстановки приоритетов: на ком сосредоточить основное внимание?
  • Какие клиенты убыточны? С кем будет выгоднее прервать деловые отношения?
  • Какие маркетинговые инструменты нужно применять в отношении каждой группы клиентов?
  • Как подействует реклама на клиентов?

Еще одна важная задача, которую решает RFM-анализ, - это разработка мер по удержанию клиентов и стимулированию повторных продаж. Гораздо проще и дешевле подкорректировать взаимоотношения с тем, кто уже однажды купил, чем искать нового потенциального покупателя и запускать всю воронку продаж на пустом месте.

Значение каждой метрики

Более подробно метрики RFM-анализа объясняются следующим образом.

«Recency»

Это обозначение давности сделки, то есть времени, прошедшего с последней покупки клиента. В зависимости от того, как давно клиент посещал продавца в последний раз, всю целевую аудиторию делят на три группы:

  • 1 – недавно купившие клиенты;
  • 2 – «спящие» клиенты;
  • 3 – уходящие клиенты.

«Frequency»

Это обозначение частоты покупок, в количественном обозначении выражает общее число покупок (заказов), совершенных за определённый отрезок времени. Данная метрика делит покупателей также на три группы:

  • 1 – часто покупают;
  • 2 – редко покупают;
  • 3 – купили один раз, эпизодически.

«Monetary»

Метрика обозначает вложения клиента в компанию продавца (имеются в виду суммы, которые тратит клиент на покупки в компании). В зависимости от общего объёма покупок, совершенных за выбранный период, клиенты группируются так:

  • 1 – крупный чек покупки;
  • 2 – средние покупки;
  • 3 – маленький чек, низкая сумма.

Каждой группе целевой аудитории в результате анализа присваиваются три метрики. В итоге получается 27 различных групп клиентов, имеющих разные характеристики покупательского поведения.

Часто возникает вопрос: где найти правило, на основании которого нужно присваивать клиенту ту или иную оценку? Нет такого железного правила. Каждая компания должна ориентироваться на свои особенности. Например, если клиент покупал в гипермаркете товары один раз в три-четыре дня и не приходил уже больше двух месяцев, его смело можно включить в группу уходящих покупателей.

Группа Группа Группа
111 – недавние, частые, крупные покупки 121 – недавние, редкие, крупные покупки 131 – недавние, разовые, крупные покупки
112 – недавние, частые, средние покупки 122 – недавние, редкие, средние покупки 132 – недавние, разовые, средние покупки
113 – недавние, частые, маленькие покупки 123 – недавние, редкие, маленькие покупки 133 – недавние, разовые, маленькие покупки
211 – спящие, частые, крупные покупки 221 – спящие, редкие, крупные покупки 231 – спящие, разовые, крупные покупки
212 – спящие, частые, средние покупки 222 – спящие, редкие, средние покупки 232 – спящие, разовые, средние покупки
213 – спящие, частые, маленькие покупки 223 – спящие, редкие, маленькие покупки 233 – спящие, разовые, маленькие покупки
311 – уходящие, частые, крупные покупки 321 – уходящие, редкие, крупные покупки 331 – уходящие, разовые, крупные покупки
312 – уходящие, частые, средние покупки 322 – уходящие, редкие, средние покупки 332 – уходящие, разовые, средние покупки
313 – уходящие, частые, маленькие покупки 323 – уходящие, редкие, маленькие покупки 333 – уходящие, разовые, маленькие покупки

RFM-анализ клиентской базы: пошаговое руководство

При проведении RFM-анализа основное рабочее время аналитика будет потрачено на сбор и предварительную обработку сведений, на основе которых вычисляются метрики. Все данные нужно будет брать из управленческого учета компании, поэтому если таковой не ведется, то провести RFM-анализ будет несколько сложно.

Для изучения потребуются сведения об истории продаж каждого действующего покупателя фирмы:

  • Идентификатор клиента: проще всего использовать инициалы.
  • Дата последней покупки субъекта.
  • Общее количество покупок субъекта за выбранный период.
  • Сумма, потраченная на покупки.

Для обработки данных удобнее всего будет использовать общедоступный Excel или иные виды табличных обработок. В целях проведения анализа готовится нехитрый шаблон вот такого типа:

Заголовки колонок обозначают, какие данные в них нужно внести:

  • «Ф. И. О.» - персональные данные покупателя;
  • «дата последней покупки» - конкретный день, когда клиент совершал покупку в последний раз;
  • «текущая дата» - день проведения анализа;
  • «количество дней с последней покупки» - количество дней, прошедших между датой последней сделки с покупателем и датой проведения анализа;
  • «количество покупок» - конкретная цифра, означающая сколько раз клиент покупал товар;
  • «сумма» - общая сумма покупок за период;
  • «R» - оценка давности покупки;
  • «F» - оценка частоты покупки;
  • «M» - оценка суммы покупки.

Предварительно подготовленную информацию придется вручную разнести по нужным столбикам. Исключение составит графа «Количество дней с последней покупки». В ней должно стоять количество дней, прошедших между датой последней сделки с покупателем и датой проведения анализа.

Вручную считать эту цифру для всех анализируемых покупателей будет весьма долго, тем более что это может сделать таблица при подстановке нужной формулы.

На этом самая долгая часть анализа будет закончена. Для последующих действий нам потребуется функции таблицы «Фильтр» и «Сортировка», а также параметры оценки нужных метрик, принятые для анализа.

Сначала заполняем колонку «R»: в нее нужно внести оценку давности покупки каждого клиента. Алгоритм действий прост:

  • в заголовке таблицы вставляем фильтр;
  • запускает сортировку по возрастанию в колонке «Количество дней с последней покупки», в результате чего все клиенты в таблице расположатся в порядке от самой недавней покупки до самой давней;
  • в колонке «R» напротив каждого клиента выставляем ту принятую оценку, в пределах которой находится давность покупки.

Сохраняем сделанные изменения и запоминаем алгоритм работы для последующих шагов. Пока что получится таблица вот такого вида:

Далее заполняем столбик «F» - количество покупок. Все делаем аналогично:

  • вставляем фильтр и сортируем содержимое столбика «Количество покупок» по возрастанию или по убыванию;
  • присваиваем в колонке «F» каждому клиенту оценку, принятую для данной метрики.

Последний шаг – оценка суммы покупок:

  • с помощью все того же фильтра сортируем по убыванию или по возрастанию данные в столбце «Сумма покупки»;
  • в колонке «M» проставляем оценку метрики, соответствующую сумме вложений клиента.

Вот пример полностью заполненной таблицы RFM-анализа в Excel:

В итоге каждый клиент «кодируется» оценкой из трех цифр: 111, 222, 333 и т.п. Эти коды содержатся в матрице оценки метрик, на основе которой клиенты будут сегментироваться на различные группы.

На заметку: метрики можно калибровать не только тремя показателями. Кто-то использует больше градаций, кто-то вообще ограничивается двумя: все зависит от потребностей конкретной компании и особенностей ее деятельности.

RFM-анализ: пример интерпретации результатов

Важно не только заполнить матрицу RFM-анализа, но определить, что и как делать после этого. Результаты анализа становятся основой дальнейшего решения о том, как выстраивать взаимодействие с каждой группой.

✅ Группа клиентов с шифром 111 – это ядро целевой аудитории, те самые 20%, которые приносят основной доход фирме. Это ВИП-клиенты, которые могут рассчитывать на самый лучший индивидуальный сервис в компании. Единственное, что не нужно им предлагать – это скидки: они и так готовы платить полную цену, не стоит терять прибыль.

Для клиентов с шифром х1х необходимо разработать варианты повышения ценника – предлагать дополнительные товары со скидками, акции «1+1=3» и т.п. Клиенты группы хх1 – очень важная группа, удерживать которую является стратегической задачей. Их нужно стимулировать индивидуальными предложениями к более частым покупкам и расширению ассортимента покупаемых товаров.

✅ «Двойки» - стабильные середнячки. Их не нужно каким-то особым способом привлекать в компанию, они и так покупают регулярно. К ним нужно проявлять повышенное внимание при пересмотре сегментации через какое-то время.

Группы с шифром 223, 232 и 233 наиболее нестабильны и могут потерять интерес к продавцу. Здесь подходят меры, направленные на удержание внимания: постоянное информирование о новинках, регулярные рассылки новостей об акциях и распродажах, проведение опросов.

✅ Группа 31х – это лояльные клиенты, по каким-то причинам прекратившие покупки у продавца. Шифры 31х, 321, 331 – кандидаты на применение мер по возврату покупателя в компанию, поскольку у них есть ресурс пользы.

Как раз этим группам стоит предлагать скидки, распродажи, новые товары на пробу. Вопрос с группами 322 и 332 должен решаться уже в зависимости от конкретных цифр, а группа 323 и 333 – явные кандидаты на вылет без потерь для продавца.

Актуальность анализа

Основная цель анализа – стратегическое планирование продаж и рекламных кампаний, поэтому чем меньше целевая аудитория, тем меньше смысла будет в проведении такого анализа. Если компания знает всех своих клиентов «в лицо», то будет проще и эффективнее индивидуализировать общение с каждым из них.

Если же у компании клиентская база насчитывает более тысячи, тем более – нескольких тысяч клиентов, тогда RFM-анализ будет уместен. Нужно помнить и о том, что чем больше исходная выборка, на основе которой проводится анализ, тем достовернее данные.

Что касается сферы рынка, в которой можно применять RFM-метод для сегментирования аудитории, то не имеет значения, что это будет – В2В или В2С. Правда, в сегменте В2В вряд ли наберется 10 тысяч оптовых покупателей, поэтому здесь эффективность анализа будет ниже, чем в розничной торговле.

Не подойдет анализ также недавно открытым компаниям или проектным стартапам. У них еще нет наработанной истории в виде постоянной клиентской базы, они еще не вышли на свои реальные объемы продаж, так что им стоит пока повременить с RFM-анализом.

В маркетинге называют обычно вот такие виды компаний, которым очень поможет RFM-метод в работе с клиентами:

  • HoReCa (гостиницы, рестораны, кафе);
  • e‑commerce, интернет-магазины;
  • сетевая розничная торговля;
  • парикмахерские и салоны красоты, весь спектр услуг косметологии;
  • фитнес-клубы;
  • СМИ.

Периодичность проведения

Во всех перечисленных видах бизнеса поток клиентов стабилен, причем не только постоянных, но и новых. Поэтому оптимальный период для проведения новой сегментации – месяц или квартал. Такой продолжительности будет достаточно, чтобы отследить появление новых покупателей и отток старых.

Невольным помощником в вопросе удержания клиентов выступает метрика давности покупки. Все просто: достаточно сформировать статистику по покупкам и выяснить среднюю периодичность покупок клиента. Давность последней совершенной покупки покажет, придерживается ли клиент обычного поведения или же перестал посещать продавца с прежней частотой. Простое сравнение уже поможет принять решение о дальнейшей политике работы с этим клиентом.

Более редкие проведения RFM-анализа могут пропустить появление новых покупателей и их моментальный отток из клиентской базы. Также затягивание с пересмотром сегментации может привести к тому, что время для возвращения в компанию ушедших клиентов будет упущено.

Плюсы и минусы

RFM-анализ, как и любой метод сегментации действующей целевой аудитории, имеет и плюсы, и минусы. Его положительное значение состоит в том, что он наглядно покажет:

  • баланс притока и оттока клиентов;
  • расстановку и соотношение «прибыльных» и «убыточных» клиентов;
  • количество и емкость самых лояльных клиентов фирмы;
  • перспективы повышения доходов за счет увеличения продаж.

Сегментация, проведённая в результате RFM-анализа, дает понимание, какой выручки можно ждать от каждой целевой группы. В зависимости от этого можно формировать систему мероприятий как в маркетинге, так и в продажах, направленных на получение максимальной сбытовой эффективности по каждой группе клиентов.

Для рекламных кампаний RFM-сегментация поможет повысить конверсию за счет направления каждой группе клиентов индивидуализированных, уникальных предложений.

Ограничения для проведения RFM-анализа определяются спецификой деятельности фирмы. Те, кто специализируется на единоразовых продажах уникального товара, например, автосалоны, предметы роскоши, мебель, вряд ли смогут провести достоверный RFM-анализ. У таких компаний нет клиентской базы, которую можно считать регулярной.

Сложности с проведением RFM-анализа будут и у тех компаний, в которых отсутствует автоматизированный учет продаж. Собрать все исходные вручную практически невозможно, а если и возможно, то крайне трудоемко.

Итог

Чем хороши цифры – тем, что они не врут. Клиент может приходить каждый день – и вам начнет казаться, что это самый лучший и лояльный покупатель. Но цифры могут показать, что прибыль с его покупок не окупает даже кофе, который он выпивает во время визита.

К сожалению, так бывает часто: «лучшие клиенты» тянут вас на дно. Поэтому метод RFM-анализа применяется для управления отношениями с клиентами. Это инструмент, позволяющий не только избавляться от балласта, но и расти за счет тех покупателей, которых раньше просто не замечали.

📚 Подборка интересных статей для вас:

  • Индексы покупательской удовлетворенности и лояльности: CSI, CLI, NPS;
  • Как проводится ABC/XYZ-анализ;
  • Анализируем бизнес через матрицы SWOT и PEST;
  • Подробное руководство по технике СПИН продаж.
Аватар Виктория Котенко
Виктория Котенко @vika
Инспектирую ломбарды"Сотис"
📍Новочеркасск, Россия

Хочу стать успешным копирайтером, но пока получаются только первые шаги

Связанные посты
Откомментируйте первым 👇

😎

Автор поста открыл его для большого интернета, но комментирование и движухи доступны только участникам Клуба

Что вообще здесь происходит?


Войти  или  Вступить в Клуб