RFM-анализ – сбор актуальной информации об активности клиентов с последующим разделением их на группы для индивидуальной работы.
Существует правило, по которому небольшой процент клиентов делает большую часть выручки. Именно на основании этого правила и появился RFM-анализ, потому как он позволяющий эффективно выявлять ту самую часть аудитории.
В сегодняшнем материале рассмотрим механизм проведения анализа, его достоинства и недостатки, и разберемся, как использовать результаты в маркетинге.
Плюсы и минусы
Как и в случае с любым другим инструментом, RFM-анализ имеет свои достоинства и недостатки. Подробно разберем их в данном разделе.
– Плюсы
Одним из главных достоинством данного метода является возможность оптимизации рекламного бюджета благодаря более точным настройкам таргетинга.
Также стоит выделить широкий спектр применения RFM-анализа. Он подойдет в прямом маркетинге, в онлайн-торговле, в рассылках и даже для работы некоммерческих организаций.
Еще одно неоспоримое достоинство – возможность комбинирования RFM-анализа с другими методами работы с клиентами компании. Более того, с его помощью можно значительно повысить лояльность аудитории благодаря повышенной контролируемости таргетинга.
– Минусы
К сожалению, без них никак.
То, насколько эффективно покажет себя RFM-анализ, напрямую зависит от размера клиентской базы. Если клиентов можно пересчитать по пальцам, то данный метод точно не для Вас. Впрочем, это можно считать скорее особенностью, чем серьезным минусом.
Еще одной неприятной особенностью анализа является зависимость от постоянных клиентов. Если Ваша ниша предполагает «одноразовые» продажи, то лучше сразу забыть про RFM.
Более того, клиентская база данных имеет особенность меняться, поэтому анализ следует проводить минимум один раз в год.
Нельзя не отметить сложность расчетов по данному методу. Без соответствующего программного обеспечения и скриптов производить расчеты будет затруднительно, особенно в случае крупных компаний.
И что самое важное, анализ основывается на истории взаимодействия с клиентами. И показать он может только прошлое, чтобы из него можно было извлечь полезный опыт. Какое-либо прогнозирование невозможно.
Далее будем рассматривать практические шаги.
Собираем данные для анализа
Сбор данных для проведения RFM-анализа осуществляется с привязкой к определенному временному отрезку. Какой именно, напрямую зависит от особенностей сферы деятельности, в том числе B2B это или B2C. Чаще всего сбор информации осуществляется за последний год работы.
Важно учитывать следующее:
- Личные данные клиента. К примеру, ФИО, номер телефона и другие контактные данные;
- Даты совершения сделок;
- Общая сумма сделок и их количество.
Упростить процесс сбора данных можно при помощи CRM-систем, в которые заранее вносится вся поступающая информация о взаимодействиях с клиентами. В дальнейшем выгрузить все интересующие Вас данные не составит никакого труда.
Советуем сразу заносить все в таблицу. «Текущая дата», «Дата последней сделки», «Общая сумма», «Количество сделок», а также еще три столбца «R», «F», «M», которые понадобятся нам в дальнейшем.
Группировка потребителей и оценка
Следуем шагом необходимо осуществить группировку потребителей, опираясь на данные, которые были занесены в таблицу ранее.
Размер шкалы оценок напрямую зависит от количества групп. Так, если у Вас пять групп, оценки будут выставляться от 1 до 5.
Выделим три группы:
Группа 1. В первую группу заносим потребителей, которые покупают много, часто и на большие суммы. Наиболее приятная для нас группа, и по шкале оценок выставляем ей «1».
Группа 2. Во вторую группу определяем клиентов со средними показателями. Такие могут иногда приходить, что-то покупать, при этом на суммы, которые нельзя назвать большие. По шкале ставим им «2».
Группа 3. Третья группа – самые редкие гости, которые мало покупают, а их чеки обычно ниже среднего показателя. Оценка «3».
Распределение оценок должно осуществляться в разрезе каждого элемента RFM, для каждой буквы по отдельности. Поэтому на выходе у нас получится 27 сегментов (3*3*3).
– «R» – Recency (давность сделки)
Первым показателем, по которому следует сортировать клиентов компании, является время, прошедшее с момента последней сделки. Критерии оценок индивидуальны в каждой нише. Так, например, в одной нише частота покупок хотя бы раз в три месяца является хорошим показателем, а в другой – раз в месяц это уже плохо.
Итак, определив для своего бизнеса показатели оценки, следует распределить им оценки и занести в таблицу в соответствующем столбце. Сделать это довольно просто, отсортировав столбец с датой последней покупки.
Таким образом, после выставления оценок по «R» мы уже имеем целых три сегмента аудитории. Следующим этапом каждому из этих сегментов присваивается новая оценка по другому параметру.
– «F» – Frequency (частота)
Посмотрите, как часто клиенты компании совершают у Вас покупки, и выставите соответствующие оценки. Опять же, в данном случае критерии определения оценок будут различаться в зависимости от специфики бизнеса. Так что является хорошим показателем в одной нише, считаете ужаснейшим для другой.
Определившись с критериями, проводим сортировку базы данных и выставляем оценки.
Если после выставления оценок по R у нас имелось всего три сегмента: 1, 2 и 3, то теперь их стало кратно больше. Возможные вариации могут выглядеть следующим образом: 11, 12, 13, 21, 22, 23, 31, 32, 33.
Итого клиентская база разделена на девять сегментов. А далее нам следует расставить оценки по еще одному критерию.
– «M» – Monetary (вложения)
В данном случае мы оцениваем траты клиентов. Принцип аналогичен тому, о чем мы писали ранее. Определяете принцип выставления оценок, далее проводите сортировку, и, собственно, выставляете оценки.
В итоге получаем три оценки (это в нашем случае, Вы можете выставлять столько, сколько нужно в Вашем случае). В нашем случае каждый клиент имеет по три оценки от 1 до 3. Это 27 сегментов аудитории, которые выглядят следующим образом: “111”, “123” и так далее.
Чтобы увидеть каждую группу, достаточно отсортировать столбцы по интересующим параметрам.
Анализ данных
Хорошо, сегменты мы получили, но что с ними делать?
В первую очередь нужно подвергнуть их анализу, чтобы понять, кто из них кто. Распределим сегменты в порядке убывания их актуальности для нас.
– «111»
Итак, «111» для нас – ядро аудитории. Именно тот меньший процент клиентской базы, приносящий наибольшее количество прибыли. Сегмент характеризуется высокой частотой покупок, последняя из которых была совершена недавно, а также большими чеками.
– «х1х»
Клиенты из группы «x1x» – это те, кто покупает довольно часто, кто делал это в последний раз какое-то время назад, и чеки у них не самые высокие. В целом, можно назвать данную группу клиентов лояльными, а значит, с ними точно следует работать. Про использование полученной в результате анализа информации мы поговорим в следующем разделе.
– «хх1»
Сегменты «хх1» – это те, кто тратит много, но вот «R» и «F» оставляют желать лучшего. То есть покупки совершаются время от времени. Но отметим, что это также ценные клиенты.
– «13х»
«13х» – покупают редко, но в последний раз сделали это совсем недавно. Размер чеков в данном случае мы не рассматриваем. Важно не допустить их превращение в навсегда ушедших от Вас. Не факт, что получится сделать всех лояльными, но попробовать стоит.
– «33х»
«331» или «332» – в прошлом были клиентами, совершали покупки на большие и средние чеки.
– «333»
«333» – это те, кого уже потеряли, совершавшие покупки на низкие чеки.
Использование результатов RFM-анализа в работе
Самое время переходить к тому, ради чего задумывалась данная статья – к реальным шагам работы с клиентами компании. Рассмотрим каждую выделенную в предыдущем разделе группу.
– «111»
Самая активная часть нашей аудитории. Работа с ними – одно удовольствие, покупают часто, много и на большие суммы. Им стоит предлагать самое выгодное, продумать под них отдельную программу лояльности, можно выдать приглашение на мероприятие компании и просто выразить свою благодарность.
– «х1х»
Лояльная часть аудитории, которая тратит не особо много. Основная задача при работе с такими – увеличение среднего чека. Сделать это можно при помощи дополнительных продаж или переориентирования на более дорогую продукцию.
Клиентам из данного сегмента также следует предлагать программы лояльности, чтобы стимулировать траты.
– «хх1»
С теми, кто тратит много, но время от времени, следует действовать осмотрительно. В первую очередь изучите, что именно покупали клиенты. Понимая это, можно предложить им что-нибудь из схожей категории.
Также важно понимать, чего эти люди могли бы хотеть от Вас в дальнейшем. Разумно предлагать им что-то особенно ценное и редкое.
– «13х»
Это та самая категория покупателей, которым нужно помочь выбирать, дать актуальный совет. Также следует поделиться с ними актуальной информацией по действующим акциям и бонусам. Важно установить с ними крепкие отношения, в чем точно помогут социальные сети.
– «33х»
Те, кто раньше покупал активно, сейчас практически перестали Вас посещать?
Выясните причину, после чего предложите что-нибудь актуальное для них. Такую категорию клиентов могут заинтересовать новые предложения, а также возможность получения бесплатного пробного периода или какого-либо расходника. В данном случае все зависит от специфики ниши.
– «333»
Последняя категория клиентов, которая приносит меньше всего денег. Вряд ли получится спровоцировать их на покупку, и не всегда стоит пытаться это делать. Порой возможная выгода оказывается меньше затрат на попытку.
Вместо заключения
RFM-анализ – весьма актуальный, хоть и весьма специфичный метод работы с клиентской базой. При правильном подходе он позволяет эффективно распределять аудиторию по группам для более персонализированной работы, что значительно повышает качество взаимодействия и стимулирует продажи.
Разумеется, RFM-анализ не лишен минусов, главный из которых – невозможность прогнозирования. Делать какие-либо прогнозы с его помощью невозможно, только анализировать уже имеющиеся результаты. Но на основании полученных данных, если сделать правильные выводы, можно разработать эффективную маркетинговую стратегию, которую в дальнейшем так же следует подвергнуть анализу.
А Вы используете RFM-анализ в работе?
