Сегментация клиентов по лояльности или RFM-анализ

Каждый предприниматель в процессе развития бизнеса сталкивается с вопросом: как сделать своего клиента более лояльным и не дать ему уйти к конкуренту?

 

Существует два типа данных, которые можно узнать о покупателях: кто они такие (демографические данные) и что они делают (поведенческие данные). Как правило, маркетологи пытаются предугадать именно поведение клиентов. Ведь если вы планируете продать товар или услугу своим клиентам, то знание, что кто-то из них недавно приобрел несколько предметов общей стоимостью 10000 рублей, ценнее, чем знание их возраста, дохода, семейного положения или другой подобной информации.

 

Обычно для предсказания поведения клиентов специалисты по директ-маркетингу используют RFM-анализ. Главным становится вопрос, как формализовать размер пользы, принесенной каждым клиентом. Для этой цели изучаются три показателя:

  • Recency — давность продажи (сколько времени прошло с момента последней покупки клиента);
  • Frequency — частота покупок (общее количество покупок в периоде);
  • Monetary — сумма продаж за всю историю (иногда используют средний чек).
rfm kub 400h400  400 copy 3 - Сегментация клиентов по лояльности или RFM-анализ

Рисунок 1. Параметры RFM-анализа

Причем, показатель Monetary не обязательно привязывать к деньгам. Это может быть любой фильтр, наложенный на основные показатели этого метода: Давность и Частота. Монетизацию не всегда удается свести к покупкам. Например, для информационного портала можно взять время просмотра страницы или глубину просмотра страниц на сайте.

 

Как правило, процент покупателей, реагирующий на общие рекламные предложения, невелик. RFM-анализ – это простой и, в  то же время, эффективный метод. Используя его, можно предсказать реакцию покупателя, улучшить взаимодействие и повысить прибыль. В зависимости от принадлежности клиента к одной из выделенных групп применяются разные способы воздействия.  Важность показателей ранжируется согласно последовательности: Давность, Частота, Сумма продаж.

Применение RFM для базы данных частных клиентов

Рассмотрим небольшую компанию по продаже учебных пособий, которая использовала RFM-анализ для извлечения максимальной прибыли с каждого покупателя. Ежегодно лето всем клиентам рассылались письма с предложением приобрести их продукцию. Затраты на рассылку составляли 15 руб. на одно письмо, прибыль же от каждой продажи – 550 руб. Таким образом, чтобы оправдать затраты на рассылку, необходимо получать более 3% откликов. Но на протяжении нескольких лет доля откликов не превышала 1,6%, что не давало прибыли. Применив RFM, всю существующую базу данных клиентов разбили по 125 ячейкам (5х5х5) и определили долю откликов по каждой из ячеек. Далее рассылку писем стали осуществлять по ячейкам с долей откликов более 3%, что позволило компании в итоге получить прибыль.

 

Стоит отметить, что непрерывное использование RFM-анализа не пойдет на пользу бизнесу. Если постоянно его применять для решения вопроса: кому из клиентов написать или позвонить, – то некоторые из них вообще никогда не получат от вас известий, а другие – наиболее активно реагирующие, будут испытывать усталость от постоянного внимания, поскольку вы будете связываться с ними слишком часто. Необходимо разрабатывать стратегию контактирования и подумать, с каким предложением можно обратиться к менее восприимчивым клиентам, просто чтобы они знали, что о них помнят.

 

На практике встречается упрощенный RFM-анализ, который называют RF-сегментация, когда показатель Сумма продаж не используется, потому что его значение часто зависит от Частоты. С помощью такого анализа несложно выделить тех, с кем нужно проводить активную работу, и именно для них разрабатывать специальные предложения.

rfm kub 400h400  400 copy - Сегментация клиентов по лояльности или RFM-анализ

Рисунок 2. Разделение клиентской базы на сегменты

Применение RFM для базы данных корпоративных клиентов

Рассмотрим применение RFM-анализа к базе данных корпоративных клиентов. Такая база, в большинстве случаев, гораздо меньше базы частных клиентов, и можно прибегнуть к сокращению количества групп. Например, для базы в 10000 записей 125 ячеек RFM-анализа будут иметь всего 80 записей в каждой ячейке, а этого мало для получения статистических результатов. Сократим количество RFM-ячеек до 20 с уменьшенным количеством групп, отсортированных по Частоте и Сумме продаж. Например, 5 – по Давности покупки, 2 – по Частоте и 2 – по Сумме продаж.

rfm kub 400h400  400 copy 2 - Сегментация клиентов по лояльности или RFM-анализ

Рисунок 3. Сокращенный RFM-анализ

В теории RFM-анализа предполагается очень простой механизм разделения Давности, Частоты и Суммы продаж по сегментам: отсортировать все контакты и разбить на 5 равных групп для каждого показателя. Этот способ работает и помогает разбить всех клиентов относительно друг друга на:

  • покупали только что
  • недавно
  • давно
  • очень давно

Но на практике возникает проблема изменения этих показателей во времени.

 

Пример 1:

 
Бизнес развивается хорошо, но вдруг в течение месяца не совершается ни одной покупки — это плохо. Но если разбить базу данных на равные части — ничего не изменится и всё те же последние покупатели попадут в сегмент «покупали только что».

 

Пример 2:

 
Новый бизнес ещё не имеет данных о продажах за несколько лет. В этом случае границы с каждым днём будут сильно отличаться и пользоваться результатом такого RFM-анализа вообще нет смысла.

 

Сезонности, акции и праздники тоже сильно влияют на качество анализируемых данных. Поэтому время стоит фиксировать. Для того, чтобы определиться какие временные интервалы лучше выставить, стоит ответить для себя на ряд вопросов:

  • Какая длина жизненного цикла клиента?
  • Какой естественный период покупки?
  • Какая сезонность?
  • За какое время большинство клиентов успевает совершить повторную покупку?

Действенность RFM-анализа совсем не означает, что он может полностью заменить менеджера по продажам. Личное общение с заказчиком позволяет сотруднику хорошо понимать его и многое знать о нем. Правильно будет сосредоточить внимание менеджера на ключевых клиентах, а с остальными вести работу по электронной почте, с помощью сообщений и социальных сетей. RFM-анализ в этом случае становится отличным инструментом, помогающим провести сегментацию покупателей.

Узнайте о других решениях

Методы анализа

chaid example 300x192 - Сегментация клиентов по лояльности или RFM-анализ

CHAID-анализ

Загрузить программу ВІ Демонстрации решений CHAID-анализ. Построение деревьев классификации Для чего это нужно? Определение целевых

Технологии аналитики

main tci sat 300x78 - Сегментация клиентов по лояльности или RFM-анализ

Облачная аналитика

  TIBCO Cloud. Предоставьте всем возможность интегрировать   Более простая и быстрая интеграция на основе

xbyncuvzbchphuyzcgusmf 300x225 - Сегментация клиентов по лояльности или RFM-анализ

TIBCO GeoAnalytics

Загрузить программу ВІ Демонстрации решений В повседневной жизни мы привыкли находить нужный объект при помощи

Напишите нам

и мы ответим в течении часа

support@asu-analitika.ru

131 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Gartner BI Magic Quadrant 2019: обзор лидеров рынка

Загрузить программу ВІ Демонстрации решений В январе Gartner традиционно выпускает масштабное исследование рынка систем бизнес-аналитики, …

quienes somos 03 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Цены на продукты

Загрузите бесплатно Демонстрация Мы подготовили для Вас ориентировочные цены на различные продукты и пакеты программ, …

prodvizhenie 1200x350 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Что выбрать Spotfire,Tableau,Microsoft BI или Qlik Sense?

Конечно, Tableau и Spotfire предлагают унифицированное представление данных, но не настолько эффективно, как QlikSense. QlikSense …

img243 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Видео демонстрации и обучение

Видео материалы по Tibco Spotfire Лучше один раз увидеть ! Обучающие видео, презентации и комментарии …

sap 7 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Начало работы с Tibco Spotfire Desktop

Загрузить программу ВІ Демонстрации решений Для успешной работы с продуктами Tibco Spotfire, Вам потребуется 10 …

maxresdefault 66x66 - Сегментация клиентов по лояльности или RFM-анализ
Зачем вообще нужны системы бизнес-аналитики

Загрузить программу ВІ Демонстрации решений Визуализация в бизнес-аналитике очень важна. Например, концепт этих графиков отрисован …

active icon pdf - Сегментация клиентов по лояльности или RFM-анализ
Наша компания
active icon pdf - Сегментация клиентов по лояльности или RFM-анализ
Tibco Spotfire

Несколько видео о наших продуктах

085 - Сегментация клиентов по лояльности или RFM-анализ
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
106 - Сегментация клиентов по лояльности или RFM-анализ
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
1 11 - Сегментация клиентов по лояльности или RFM-анализ
Проиграть видео
Как аналитика данных помогает менеджерам компании

This Is A Custom Widget

This Sliding Bar can be switched on or off in theme options, and can take any widget you throw at it or even fill it with your custom HTML Code. Its perfect for grabbing the attention of your viewers. Choose between 1, 2, 3 or 4 columns, set the background color, widget divider color, activate transparency, a top border or fully disable it on desktop and mobile.