RFM-анализ

1.

RFMанализ

2.

Что это такое?
• RFM-анализ — метод анализа, позволяющий сегментировать клиентов по частоте и
сумме покупок и выявлять тех, которые приносят больше денег.
• Аббревиатура RFM расшифровывается:
• Recency — давность (как давно ваши клиенты были у вас на процедурах). Высокий
показатель давности означает, что у клиента уже сложилось достаточно хорошее
впечатление о вашем бренде, поэтому он недавно посещал вас. Давность в срезе
клиентской базы можно посмотреть, если отсортировать клиентов по дате последней
покупки.
• Frequency — частота (как часто они у вас покупают). Высокий показатель частоты
говорит о том, что клиенту нравится ваш бренд, ваши товары и услуги, поэтому он
часто к вам возвращается. Для расчета частоты посещения нужно общее кол-во
покупок/визитов разделить на кол-во месяцев/дней/годов и т.д.
• Monetary — деньги (общая сумма трат). Высокий уровень этого показателя означает,
что клиенту нравится тратить именно у вас.

3.

Версии модели RFM
• RFM — это простая структура для количественной оценки поведения клиентов.
Многие пользователи дополнили и расширили модель сегментации RFM, создав ее
вариации.
• Две наиболее примечательные версии:
• RFD (Recency, Frequency, Duration) — Duration здесь — это затраченное время.
Особенно полезна при анализе поведения потребителей продуктов,
ориентированных на просмотр/чтение/серфинг.
• RFE (Recency, Frequency, Engagement) — Engagement (вовлеченность) может быть
составной величиной, основанной на времени, проведенном на странице, количестве
страниц за посещение, показателе отказов, активности в социальных сетях и т. д.
Особенно полезно для онлайн-бизнеса.
• Вы можете осуществлять RFM-анализ по всей своей клиентской базе или только для
ее части. Например, можно сначала сегментировать клиентов на основе
географического региона или других демографических характеристик, а затем
провести RFM для исторических сегментов поведения, основанных на транзакциях.

4.

• Объедините и сгруппируйте клиентов в различные сегменты для
легкого запоминания и целевой ориентации кампаний. Это очень
полезно для понимания степени отклика ваших клиентов и
маркетинга баз данных на основе сегментации.
• Полученные сегменты можно упорядочить от наиболее ценных
(наибольшая повторяемость, частота и ценность) до наименее
ценных (наименьшая повторяемость, частота и ценность).
Идентификация наиболее ценных сегментов RFM помогает в
извлечении выгоды из случайных взаимосвязей в данных,
используемых для этого анализа.
• Давайте рассмотрим имплементацию нашей сегментации на
практике.

5.

• Для RFM-анализа нам потребуются определенные данные о каждом из
клиентов:
• ID клиента / имя / компания и т.д. - для их идентификации.
• Давность (R) как количество дней с момента последней
покупки: Сколько дней назад была совершена их последняя покупка?
Вычтите дату последней покупки из сегодняшнего дня, чтобы
рассчитать значение давности. 1 день назад? 14 дней назад? 500 дней
назад?
• Частота (F) как общее количество транзакций: Сколько раз клиент
совершал покупки в нашем магазине? Например, если кто-то сделал
10 заказов за определенный период времени, его частота равна 10.
• Деньги (М) как общая сумма потраченных денег: Сколько $$ (или
любой другой валюты расчета) потратил этот клиент? Просто
суммируйте деньги от всех транзакций, чтобы получить значение M.

6.

Чтобы извлечь эти значения, нам понадобятся только следующие столбцы из датасета.
'CUSTOMERNAME', 'ORDERNUMBER', 'ORDERDATE' и 'SALES'. ("ИМЯ ЗАКАЗЧИКА»,
«НОМЕР ЗАКАЗА», «ДАТА ЗАКАЗА» и «ПРОДАЖИ")

7.

Создание таблицы RFM
В датасете последний заказ был сделан 31 мая 2005 года, для
расчета давности мы использовали его в качестве даты для
функции NOW.

8.

9.

10.

11.

• RFM-сегментация легко ответит на данные вопросы для
вашего бизнеса...
• Кто мои лучшие клиенты?
• Какие клиенты находятся на пороге оттока?
• Кто является потерянными клиентами, которым не нужно
уделять много внимания?
• Кто ваши постоянные клиенты?
• Каких клиентов вы должны удержать?
• Кто имеет потенциал для преобразования в более
прибыльных клиентов?
• Какая группа клиентов с наибольшей вероятностью
откликнется на вашу текущую кампанию?

12.

Вопрос: Кто такие потерянные
клиенты?

13.

Плюсы RFM-анализ
• RFM применим во многих сферах – e-comm, HoReCa, сфера красоты,
оффлайн-ритейл и другие;
• Благодаря RFM вы узнаете больше о каждом сегменте, а каждом клиенте в
целом, также о том – кто ваши лучшие покупатели;
• RFM помогает выстраивать высокоэффективные таргетированные
рекламные кампании;
• RFM помогает улучшить клиентский опыт и лояльность;
• При комбинировании с другими маркетинговыми инструментами, дает
детализированную аналитику по клиентам и полезные выводы на ее основе;
• RFM снижает стоимость маркетинговых активностей за счет оптимизации
целевой аудитории;
• Снижает процент негативной реакции клиентов на рекламу за счет
оптимизации целевой аудитории.

14.

Ограничения RFM-анализа
• Нельзя полагаться на результаты RFM-анализа по клиентам,
совершившим одну покупку;
• При единоразовой продаже одного продукта на результаты RFMанализа также не стоит полагаться;
• RFM основывается на уже имеющихся данных о покупках, он не
применим на ваших потенциальных клиентах;
• Без использования специальных сервисов расчеты вручную
занимают достаточно много времени, особенно если у вас
большая клиентская база;
• Показывая слишком много рекламы одному конкретному
сегменту может привести к «перенасыщению» и снижению
эффективности ваших кампаний.

15.

Заключение
• RFM — далеко не единственный, но крайне полезный
инструмент для анализа клиентской базы. Проделав с его
помощью сравнительно небольшую работу, вы выстраиваете
подход, при котором учитываются индивидуальные
особенности каждого клиента.