Как правило, на рекламные предложения «из пушки по воробьям» никто не откликается. Нужны оптимальные способы воздействия на клиентов в зависимости от того, как давно они совершили последнюю покупку, с какой частотой обычно это делают и на какие суммы.
Как правило, на рекламные предложения «из пушки по воробьям» никто не откликается. Нужны оптимальные способы воздействия на клиентов в зависимости от того, как давно они совершили последнюю покупку, с какой частотой обычно это делают и на какие суммы.
Это отдельные сегменты аудитории, выделить их позволяет RFM-анализ. В статье вы увидите все его возможности и способы применения.
Зачем нужен RFM-анализ
Группировать вручную — долго и муторно, и не всегда очевидно, какие признаки лучше применить. RFM-анализ дает готовую схему, согласно которой более «дорогим», как и менее «дорогим», клиентам нужен особый подход.
Одних мы хотим заполучить в ряды постоянных клиентов. По вторым об этом говорить рано, и наша цель — просто их удержать, чтобы они не ушли к конкурентам. Вы группируете клиентов и определяете, кто покупает часто и много, кто — часто, но по мелочи, а кто давно ничего не покупал.
В зависимости от этого можно разрабатывать релевантные коммуникации и контент. Лояльным клиентам — спецпредложения. Тем, кто давно не покупал — бонус или скидку + таргетинг, чтобы напомнить о себе. В отдельном параграфе этой статьи рассмотрим конкретные примеры.
Область применения
Данный метод подходит B2C компаниям с клиентской базой от 10 000 контактов. Можно применять и для B2B, но там база, как правило, гораздо меньше. В таком случае стоит сократить количество сегментов.
Чаще всего этот метод сегментации используется в email-рассылках. Также он пригодится при подготовке скриптов для телефонных звонков клиентам или любых узко таргетированных маркетинговых кампаний на существующих клиентов.
Кроме того, RFM-анализ подходит, если конверсионное действие отлично от покупки и не заканчивается получением денег от клиентов (допустим, просмотр статей блога).
Механика RFM-сегментации
Основа — три показателя, названия которых зашифрованы в названии метода:
- Recency (давность, новизна) — как давно клиенты делали последнюю покупку;
- Frequency (частота) — как часто они покупают;
- Monetary (суммарная стоимость покупок; для других действий — ценность взаимодействия) — на какую сумму они покупают. Либо показатель можно привязать к просмотру страниц сайта (длительность или глубина).
Классический способ — поделить клиентскую базу по этим показателям на 3 диапазона. Например, высокий показатель новизны — до 2 месяцев, средний — от 2 до 6 и низкий — более 6. Универсальных рекомендаций нет, так как здесь влияют многие факторы — отрасль, жизненный цикл покупателя и т.д.
Вы сами решаете, что значит маленькая, средняя и большая стоимость продаж на клиента. Для одного бизнеса 10 000 рублей — приличная сумма, для другого — слишком скромная.
В Excel эти интервалы можно выделить с помощью формулы, как — смотрите в следующем параграфе.
Для простоты принадлежность клиента к определенному диапазону представляют их в виде 3-балльной системы.
Давность заказа:
1 — давние;
2 — «спящие» (относительно недавние);
3 — недавние.
Частота покупок:
1 — разовые;
2 — редкие;
3 — частые.
Сумма покупок:
1 — низкий чек;
2 — средний чек;
3 — высокий чек.
Пересечения показателей и уровней дают 27 возможных комбинаций (сегментов):
Забегая вперед, скажем, что некоторые могут быть пустыми или очень маленькими. Например, если у вас нет клиентов, которые в прошлом покупали на большие суммы.
Примечание. Можно использовать только один или два показателя, но это снизит однородность сегментов. А можно наоборот выделить больше уровней, однако это усложнит анализ и дальнейшую работу с сегментами, так как их получится еще больше. Если 4 — то 64 сегмента, 5 — уже 125 и т.д.
Делать всё это вручную трудоемко, лучше использовать сводные таблицы Excel или Google Таблиц. Данный функционал позволяет автоматически делить базу данных на три условно равные группы. Рассмотрим подробнее на примере.
Алгоритм RFM-анализа в Excel
1) Представьте данные о клиентской базе в виде таблицы со столбцами:
В примере за ID мы взяли номер, но там может быть любая контактная информация клиента — email, телефон, имя.
2) Создайте и настройте сводную таблицу, чтобы посчитать:
- Сколько раз клиент заказывал — перетягиваем столбец с ID и значение количества по полю «Сумма». Так мы видим, сколько заказов по каждому ID;
- На какую сумму клиент заказывал — значение суммы по полю «Сумма»;
- Когда клиент в последний раз заказывал — значение максимума по полю «Дата».
Скопируйте данные на новый лист, переименуйте поля в читаемый вид и для удобства поменяйте порядок столбцов (дата — на второе место, так как дальше работать именно с ней):
3) В отдельном столбце рассчитайте, сколько дней прошло с последнего заказа по любой из формул:
- Для сегодняшнего дня:
- Для другой даты (в примере — 01.01.2018):
У нас готов показатель Recency (давность покупки).
4) Разбейте клиентов на группы по показателю Recency.
Можно использовать функцию ПРОЦЕНТИЛЬ.ВКЛ. Из всех вариантов давности она вытягивает те, которые входят в 33% и 66%.
Получаются три равные группы: кто совершил заказ максимум 39 дней назад (недавние), от 39 до 91 дня включительно (относительно недавние) и от 92 дня (самые давние клиенты).
Чтобы узнать, к какой группе относится каждый клиент, примените такое условие:
Вот результат:
5) Определите то же самое по столбцу «Количество», чтобы применить показатель Frequency (Частота).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений:
Получается также три равные группы: первая совершает до 2 заказов, вторая — от 2 до 4, третья — больше 4.
Примените условие:
6) Определите то же самое по столбцу «Сумма», чтобы применить показатель Monetary (Сумма покупки).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений. Примените условие:
Вы получили все нужные показатели для RFM-анализа.
7) Рассчитайте обозначение (код) каждого клиента по методу RFM:
8) Сделайте сводную таблицу на основании этих кодов. Включите в строки RFM, в значения — количество по полю «Клиент»:
Скопируйте на новый лист и переименуйте столбцы:
Из этой таблицы вы видите количество клиентов в каждом сегменте.
Все подробности смотрите в этом видео:
Технические особенности
Определять границы сегментов — основная сложность, так как нет конкретного правила.
Как вы видели в нашем примере, сегменты получаются неравномерные. Один включает 74 человека, другой — всего 1, а самих сегментов 27! Слишком широкие группы можно разбивать на несколько по дополнительным признакам, немногочисленные близкие по поведению объединять. Но это лишняя ручная работа.
Можно при разделении целенаправленно соблюдать равное количество клиентов в группах. Чем это грозит? Трудно выделить «самых-самых». В одном сегменте могут оказаться покупатели на 1 и на 15 тысяч рублей.
В обоих случаях вы получаете слишком большое количество сегментов. Не факт, что они критически отличаются друг от друга, и есть смысл в отдельных программах.
Конечно, можно всё безукоризненно сделать руками, получить оптимальное количество равномерных по содержанию сегментов. Но это десятки часов работы специально обученного сотрудника. Ведь сегменты со временем еще полезно обновлять. Это не всегда реально и эффективно.
Обойти эти ограничения позволяет специализированный сервис Mindbox, который автоматизирует RFM-анализ. Благодаря алгоритмам кластеризации он определяет, сколько на самом деле сегментов (3-15 штук) и что они включают. То есть не по заданным параметрам, а по данным в базе. Пустых сегментов не выдает.
Дополнительный и важный плюс — он подстраивается под любую сферу.
Визуализация результата:
В Mindbox можно построить отчет по сегментации. Достаточно нажать кнопку. Отчет включает три таблицы.
Оценка состояния базы
Ключевые показатели сводной таблицы: активность потребителей (давность последней покупки) и ценность (потраченная сумма).
Здесь четыре категории. В каждой может быть несколько сегментов или вообще ни одного. В ячейках — общее количество потребителей из всех сегментов категории.
«Отток» — это клиенты, которые давно не покупали, а «Риск оттока» — которые покупали среднее количество времени назад. Активные — те, кто недавно совершил покупку.
Этот отчет помогает выбрать сегмент, с которым стоит работать в первую очередь.
Изучение сегментов
Показатели: размер сегментов, оборот (сумма, которую потратили все клиенты сегмента), средний чек.
Например, вот список сегментов, которые совершали покупки:
Фильтр позволяет увидеть определенную категорию по ценности:
В примере вы видите 7 сегментов с высокой ценностью:
На основе этой информации можно решать, с какими сегментами работать.
Детальная информация по сегментам
Показатели: границы сегментов по каждому признаку (R, F, M) и средние значения по ним.
Когда сегменты для дальнейших действий выбраны, можно запускать для них маркетинговые кампании.
Как разрабатывать коммуникации для сегментов
Во-первых, охарактеризуйте полученные сегменты, чтобы дальше было проще с ними работать. Например, клиент 111 давно делал единичные заказы на маленькую сумму. А клиент 333 напротив покупает часто и тратит на покупки много, последняя была не так давно.
Далее оцените ценность и разработайте стратегию работы с каждым сегментом. Решите, какие сообщения подойдут для каждого сегмента. Главный принцип: лучших клиентов удерживаем, середнячков «раскручиваем» до лучших, уходящих и почти потерянных возвращаем.
Потерянные
На самых давних клиентов не стоит тратить много времени и усилий (111, 112, 113). Можно попробовать их вернуть, попытка не пытка. Например, расскажите об акциях, скидках и распродажах.
Также напишите, почему выгодно оставаться с вами, но не настаивайте — возможно, их отток неизбежен.
Почитать еще
Несколько видео о наших продуктах
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
Проиграть видео
Как аналитика данных помогает менеджерам компании