Когда счет клиентов идет на сотни, тысячи и более — сложно подобрать ключ к каждому. Хочется, чтобы все, кто покупает много и часто, продолжали в том же духе, а остальные — больше и чаще. Но подгонять всех «под одну гребенку» — значит скорее навредить.
На помощь приходит RFM-анализ. Маркетологам он помогает разделить клиентов на целевые группы, а финансистам — скорректировать маркетинговый бюджет и тарифную политику компании.
Как сортировать покупателей с помощью RFM-анализа, рассказывает Ирина Семенова — финансовый директор на аутсорсе из консалт-бюро «Нескучные финансы», которое помогает с управленческим учетом более чем 100 клиентам из Украины, России, Казахстана, Беларуси и Чехии.
Критерии RFM-анализа
В основе RFM-анализа лежат три показателя, по которым оценивается каждый клиент:
Recency — давность: сколько времени прошло с момента последней покупки.
Frequency — частота: сколько покупок клиент сделал за период.
Monetary — деньги: общая стоимость покупок, которые совершил клиент.
RFM-анализ позволяет рассортировать потребителей согласно принципу Парето: 80% прибыли бизнес делает на 20% клиентов. Основные усилия компания должна направлять на то, чтобы такие люди не уходили, их становилось больше и они увеличивали количество и сумму покупок.
Как работает RFM-анализ в маркетинге
Сегментирование клиентов по частоте, давности и общей сумме покупок позволяет настраивать точечную коммуникацию с каждой группой и не тратить бюджет на заведомо неэффективную рекламу.
Ирина: «Когда бизнес не проводит RFM-анализ, работа маркетолога зачастую сводится к массовой рассылке, которую клиент воспринимает как спам.
Недавно компания, где я лет пять назад купила обувь и уже почти об этом забыла, прислала мне смс, которое начиналось со слов “спасибо, что вы все еще с нами”. Ничего, кроме недоумения, у меня эта рассылка не вызвала. А вот если бы было что-то в духе “однажды вы купили у нас сапоги, и вам, возможно, будут интересны наши новые предложения” — как знать.
Для этого и нужно сегментировать клиентов — чтобы каждый получал сообщения, которые найдут отклик именно у него. Такая реклама гораздо эффективнее спама».
После RFM-анализа маркетолог получает три целевых группы клиентов:
- VIP — покупают много, часто и с высоким средним чеком.
- Лояльные — покупают меньше и реже, с более низким средним чеком, но обладают потенциалом тоже стать VIP.
- Остальные — покупают редко, мало, средний чек низкий, возможно, ограничили взаимодействие с компанией всего одним заказом и возвращаться не собираются.
Клиентам, которые находятся в сегменте VIP, нужно постоянно предлагать скидки, бонусы, подарки, участие в программах лояльности и прочие возможные «пряники», чтобы такие покупатели и дальше оставались VIP.
Лояльные клиенты, у которых есть потенциал стать VIP, требуют внимания и особого подхода. На остальных тратить много ресурсов не стоит. Тем не менее можно связаться с такими покупателями и рассказать о спецпредложениях, скидках, акциях, предложить пройти опрос в духе «что вам у нас понравилось, а что — нет». Однако, если после этого клиент не вернется — не страшно.
Как RFM-анализ помогает финансисту
Ирина: «Финансистам RFM-анализ позволяет сократить затраты на рекламу и увеличить ее эффективность. При точечном воздействии на группы клиентов денег на маркетинг обычно уходит меньше, а конверсия повышается. На каждый потраченный на рекламу доллар бизнес получает больше выручки».
RFM-анализ считается инструментом маркетологов. У финансистов для оценки того, сколько компания зарабатывает на каждом клиенте, товаре или услуге, более популярен ABC-анализ, в основе которого тоже лежит принцип Парето.
Но бывают ситуации, когда RFM-анализ используют в дополнение к ABC, чтобы разрешить сомнения собственника или топ-менеджеров.
Кейс. Транспортная компания на протяжении нескольких лет несла убытки. Когда стали разбираться, почему работают в минус, первым делом урезали расходы, но этого оказалось недостаточно. Вскоре поняли: бизнес теряет много денег из-за слишком больших скидок самым крупным клиентам. Но оставались сомнения — а результаты RFM-анализа окончательно их развеяли. Когда компания урезала скидки, заказчики, вопреки опасениям, не разбежались, поскольку тариф все равно оставался для них выгодным. А убытки бизнеса в первый же месяц сократились вдвое.
Как проводить RFM-анализ
Ирина: «Собрать данные для RFM-анализа несложно. Нужно иметь какой-либо ID клиента — имя, телефон, email, ник в мессенджере. А еще — суммы и даты сделанных им покупок».
Для начала выгружаем в Excel или Google Tab всех клиентов, например, за год: колонка A — ID, B — дата покупки, C — сумма покупки.
Затем на основе этих данных формируем сводную таблицу, настройки которой можно увидеть на скриншоте.
У нас должна получиться таблица, которая выглядит примерно так:
Затем сводную таблицу копируем на следующий лист и задаем дату, от которой отсчитываем давность покупки, а также количество дней для сортировки по давности.
Таблица, которую получаем на выходе, выглядит примерно так:
В нашем примере дата отсчета — 1 января 2021 года, она задана в ячейке J1. Недавние покупки — не ранее 95 дней (число 95 задано в ячейке K1), средней давности — от 95 до 206 дней (величина 206 задана в ячейке K2). Все это имеет значение, поскольку номера ячеек мы используем в формулах, которые распределяют клиентов по критериям давности, частоты и сумме покупок.
Исходя из ваших потребностей в ходе анализа можно использовать любые ячейки и значения. Просто в этом случае в формулах нужно будет задавать соответствующие номера ячеек.
В нашем примере клиент Алексеев совершил последнюю покупку 8 июня 2020 года. Дата покупки — ячейка B2. В ячейке C2 считаем Recency — количество дней между расчетной датой 1 января 2021 года и датой его последней покупки. Для этого используем формулу: = $J$1-B2. И так по всей колонке: J1-B3, J1-B4 и т. д.
В колонке D считаем показатель R для нужд нашего анализа по формуле: =ЕСЛИ(C2<$K$1;3;ЕСЛИ(C2<$K$2;2;1)). В ячейках K1 и K2 у нас задано крайнее количество дней для сортировки покупок на недавние и средней давности. Эта формула универсальна для всей колонки.
Колонка E — Frequency, количество покупок. У клиента Алексеева 1 покупка, поэтому в ячейке E2 у нас цифра 1.
В колонке F считаем критерий F. Формула для строки 2: =ЕСЛИ(E2=1;1;ЕСЛИ(E2<4;2;3)). Для строки 3, соответственно, уже будет E3 и т. д.
Для расчета значения Monetary нам нужно задать предельные суммы разграничения малых, средних и крупных покупок. Суммы покупок клиентов в нашем примере в колонке G. Пограничную сумму между малыми и средними считаем по формуле: =PERCENTILE.EXC($G$2:$G$43;0,33). Формула для расчета границы между средними и крупными: =PERCENTILE.EXC($G$2:$G$43;0,66).
В нашем примере сумма для разграничений малых и средних покупок содержится в ячейке K8, средних и крупных — K9. Номера этих ячеек используем для определения значения M для клиента в колонке H: =ЕСЛИ(G2<$K$8;1;ЕСЛИ(G2<$K$9;2;3)).
В колонке I определяем RFM для каждого покупателя. Делать это вручную не нужно, лучше использовать формулу: =D2*100+F2*10+H2. В колонке D у нас значение R, колонке F — F, а в колонке H — M.
Финальный этап — на основе последней таблицы сделать еще одну сводную таблицу с настройками, как на скриншоте ниже.
Эта таблица покажет, сколько у нас клиентов в каждом сегменте от 111 до 333, где 111 — самые бесперспективные, а 333 — лучшие из лучших, которых мы должны холить и лелеять.
Для примера: если RFM = 311, значит, клиент купил товар недавно, но на небольшую сумму, и повторных заказов не делал. Но нужно постараться, чтобы он вернулся и покупал больше. RFM 313 означает, что человек сделал заказ недавно и на крупную сумму, но пока не совершал повторных покупок, то есть необходимо простимулировать его к следующей.
Детально разбирать каждое значение RFM смысла нет. Достаточно знать общее правило: клиент, в индексе RFM которого есть хотя бы одна тройка, — лояльный, ему стоит уделить особое внимание. Если преобладают двойки, нужно стимулировать покупателя повышать их до троек. А чем больше единиц, тем менее перспективен клиент для компании.
Ирина: «Универсального ответа на вопрос о том, как часто надо проводить RFM-анализ, не существует. Все зависит от специфики конкретного бизнеса. Но можно порекомендовать делать RFM-анализ после того, как вы запустили новый продукт и получили реакцию на него от клиентов из VIP-сегмента.
Нет смысла проводить RFM-анализ в компаниях, специализация которых предполагает разовый характер покупок. Например, в агентствах недвижимости. Многие приобретают жилье раз в жизни. А если чаще, то вряд ли люди будут делать это каждый год, тем более — каждый месяц».
Хотите получать дайджест статей?
