Практически RFM анализ за увеличаване на повторните продажби (видео). RFM анализ

Всеки предприемач в процеса на развитие на бизнеса е изправен пред въпроса: как да направите клиента си по-лоялен и да го предпазите от отиване при конкурент?

Има два типа данни, които могат да се научат за клиентите: кои са те (демографски данни) и какво правят (данни за поведението). По правило търговците се опитват да предвидят точно поведението на клиентите. В края на краищата, ако планирате да продадете продукт или услуга на вашите клиенти, тогава знанието, че един от тях наскоро е закупил няколко артикула на обща стойност 10 000 рубли, е по-ценно от това да знаете тяхната възраст, доходи, семейно положениеили друга подобна информация.

Обикновено специалистите по директен маркетинг използват RFM анализ, за ​​да предвидят поведението на клиентите. Основният въпрос става как да се формализира размера на облагата, донесена от всеки клиент. За целта се изследват три показателя:

• Актуалност- давност на продажбата (колко време е минало от последната покупка на клиента);
• Честота- честота на покупките (общ брой покупки за периода);
• Парични- сумата на продажбите за цялата история (понякога те използват средния чек).

Освен това паричният индикатор не трябва да бъде обвързан с парите. Това може да бъде всеки филтър, приложен към основните показатели на този метод: Възраст и Честота. Монетизацията не винаги е възможно да се сведе до покупки. Например за информационен порталможете да вземете времето за преглед на страницата или дълбочината на преглед на страницата на сайта.

По правило процентът на купувачите, които отговарят на общите промоционални оферти, е малък. RFM анализът е прост и в същото време ефективен метод. Използвайки го, можете да предвидите реакцията на купувача, да подобрите взаимодействието и да увеличите печалбите. В зависимост от принадлежността на клиента към една от избраните групи, различни начинивъздействие. Важността на индикаторите се класира според последователността: възраст, честота, обем на продажбите.

Прилагане на RFM към частна клиентска база данни

Помислете за малка компания за продажби учебни помагала, който използва RFM анализ, за ​​да извлече максимална печалба от всеки клиент. Всяко лято се изпращаха писма до всички клиенти с предложение за закупуване на техните продукти. Пощенските разходи бяха 15 рубли. на писмо, печалбата от всяка продажба е 550 рубли. По този начин, за да оправдаете разходите за изпращане по пощата, трябва да получите повече от 3% от отговорите. Но в продължение на няколко години делът на отговорите не надвишава 1,6%, което не дава печалба. Използвайки RFM, цялата съществуваща клиентска база данни беше разделена на 125 клетки (5x5x5) и беше определен процентът на отговорите за всяка от клетките. Освен това изпращането на писма започна да се извършва от клетки с дял от отговорите над 3%, което позволи на компанията в крайна сметка да реализира печалба.

Струва си да се отбележи, че непрекъснатото използване на RFM анализ няма да е от полза за бизнеса. Ако постоянно го използвате, за да решите въпроса: на кого от клиентите да пишете или да се обадите, тогава някои от тях изобщо няма да ви чуят, докато други - най-активно отзивчивите, ще изпитат умора от постоянно внимание, тъй като ще се свържете тях твърде често. Необходимо е да се разработи стратегия за контакт и да се помисли каква оферта може да бъде адресирана към по-малко възприемчиви клиенти, само за да знаят, че са запомнени.

На практика има опростен RFM анализ, който се нарича RF сегментация, когато не се използва индикаторът Sales Amount, тъй като неговата стойност често зависи от Честотата. С помощта на такъв анализ е лесно да идентифицирате тези, с които трябва да работите активно, и за тях е да разработите специални оферти.

Прилагане на RFM към база данни на корпоративни клиенти

Помислете за прилагане на RFM анализ към база данни корпоративни клиенти. Такава база в повечето случаи е много по-малка от базата на частните клиенти и е възможно да се прибегне до намаляване на броя на групите. Например, за база данни от 10 000 записа, 125 RFM клетки за анализ ще имат само 80 записа във всяка клетка, което не е достатъчно за получаване на статистически резултати. Нека намалим броя на RFM клетките до 20 с намален брой групи, сортирани по честота и количество продажби. Например 5 - по актуалност на покупката, 2 - по честота и 2 - по количество на продажбите.

Теорията на RFM-анализа предполага много прост механизъм за разделяне на възрастта, честотата и обема на продажбите по сегменти: сортирайте всички контакти и ги разделете на 5 равни групи за всеки показател. Този метод работи и помага да се разделят всички клиенти един спрямо друг на:

• току-що купих
• наскоро
• за дълго време
• преди много време

Но на практика има проблем с промяната на тези показатели във времето.

Бизнесът се развива добре, но изведнъж не се прави нито една покупка за месец - това е лошо. Но ако разделите базата данни на равни части, нищо няма да се промени и същите последни купувачи ще попаднат в сегмента „току-що закупени“.

Новият бизнес все още няма данни за продажби от няколко години. В този случай границите ще бъдат много различни всеки ден и няма смисъл да се използва резултатът от такъв RFM анализ.

Сезонността, промоциите и празниците също оказват голямо влияние върху качеството на анализираните данни. Следователно времето трябва да бъде фиксирано. За да определите кои времеви интервали са най-добре зададени, струва си да отговорите на редица въпроси за себе си:

• Каква дължина жизнен цикълклиент?
• Какъв е естественият период на покупка?
• Каква е сезонността?
• Колко време отнема повечето клиенти, за да направят повторна покупка?

Ефективността на RFM анализа изобщо не означава, че той може напълно да замени мениджъра по продажбите. Личната комуникация с клиента позволява на служителя да го разбере добре и да знае много за него. Би било правилно да се съсредоточи вниманието на мениджъра върху ключови клиенти, а с останалите да работим електронна поща, със съобщения и социални мрежи. RFM анализът в този случай се превръща в отличен инструмент за подпомагане на сегментирането на клиентите.

Целевата аудитория на една компания рядко е хомогенна - по-често има ситуация, когато едни и същи услуги или стоки се купуват от купувачи с различни доходи, стойности, нужди. За всеки от тях бизнесът трябва да остане привлекателен: да предлага благоприятни условия, да създава и поддържа усещане за стойност и да подобрява обслужването. За да се намери индивидуален подход към представителите целева аудитория, компанията разделя клиентите на категории по различни критерии. RFM анализът е признат за един от модерните и утвърдени методи за сегментиране на клиентите. Тя ви позволява да идентифицирате групи потребители по лоялност и да изберете подходящи стимули за тях.

Теоретични аспекти RFM подход

Името на RFM анализа се формира от първите букви на думите, всяка от които представлява отделен критерий за сегментиране:

R (Recency) - новост, предписание за действие / време, изминало от последната покупка.

Критерият определя вероятността клиентът да се върне въз основа на неговата активност при покупка. Колкото по-малко време е минало от покупката на продукта, толкова по-вероятно е потребителят да направи повторна покупка. В същото време под действие може да се разбира както направена поръчка, така и посещение на уебсайта на компанията, кликване върху линк и др.

Изчислява се като разликата между текущия ден и деня на последната покупка (в дни/седмици/месеци). Например, разграничават се следните групи купувачи: скорошни (до 3 месеца), средни (от 3 до 6 месеца) и стари (повече от 12 месеца).

F (Frequency) - честота на действията за избрания период / обща честота на покупки (поръчки).

Критерият ясно показва колко често клиентът прави покупки и съответно колко е лоялен към компанията/бранда. Колкото по-висок е този показател, толкова по-вероятно е потребителят да купува отново и отново.

Могат да се разграничат три групи: чести (1 път на тримесечие и по-често), средна честота (1 път на шест месеца / година) и редки (по-малко от 1 път годишно).

M (Monetary) - обемът на покупките в парично изражение, финансови инвестиции / сума пари.

Критерият отразява колко е важен клиентът за бизнеса или с други думи колко пари е оставил в магазина. Връзката, както и в предишните случаи, е следната: повече хораизразходвани средства, толкова по-голяма е вероятността той да похарчи същата сума или повече.

Изчислява се като сбор от всички разходи на купувача за определен период от време. Понякога може да не се вземе предвид – например в случаите, когато стойността на клиента не е измерима в пари.

Така всеки клиент се оценява по три критерия (рецепта, честота, пари). Четвъртият индикатор е общата "присъда" на RFM, която комбинира всичките три точки в една. Най-обещаващи и ценни са тези клиенти, които имат по-висока комбинация от "точки" - те са много вероятно да отговорят на търговска оферта. Например, при класиране по 5 различни групи има 125 възможни резултата, с максимум 555.

Практикуване на RFM анализ

RFM анализът обикновено не изисква комплекс софтуер- доста позната маса Microsoft Excel. При подготовката за работа се използват 5 числови стойности за отделяне на клиенти, където:

1 е най-лошият показател (най-малък обем покупки, най-скорошен, най-рядък);

5 е най-добър показател(най-голям обем, най-малка рецепта, минимална рядкост).

За оценка могат да бъдат избрани както числени стойности, така и процентни показатели. Например, първата група ще включва купувачи, които са закупили стоки и са донесли на компанията печалба до 20% от общата сума Парив колона Парични, а в пета - клиенти с показатели от 80% до 100%.

След като съставим основната таблица, преминаваме директно към RFM анализа и съставяме обобщена таблица (в областта „Имена на редове“ ще отиде „номер на клиент“, в областта „Стойности“ - датата на последната покупка, номерът на покупките и общата цена). Освен това:

1. Присвояваме стойност на всяка колона от таблицата („Параметри на полета със стойност“). За колоната "Дата" се избира операцията "Максимум" и числовият формат "дата", за колоната "Цена" - числовият формат "валута").

1. Ние разделяме купувачите на 5 категории в зависимост от сумата, изразходвана за закупени стоки / услуги (до 20%, от 20% до 40%, от 40% до 60%, от 60% до 80%, от 80% до 100%) .
2. Определете броя на изминалите дни (в Excel, за да изчислите параметъра, можете да изберете готова формулапо дата и час („Дни 360“).

IF (брой изминали дни<=0,2*МАКС (диапазон столбца количества пройденных дней);5;ЕСЛИ (количество пройденных дней <=0,4*МАКС диапазон столбца количества пройденных дней);4;ЕСЛИ (количество пройденных дней <=0,6*МАКС диапазон столбца количества пройденных дней);3;ЕСЛИ (количество пройденных дней <=0,8*МАКС диапазон столбца количества пройденных дней);2;1))))

Подобни формули се използват за изчисляване на стойностите на критериите за честота и пари.

Получената таблица изглежда така:

По този начин клиент № 4 може да бъде признат за най-ценен купувач за компанията (с RFM индикатор 555: както купува често, така и харчи много в сравнение с останалите), а най-малко привлекателните - клиенти № 2 (131 ) и № 6 (221), тъй като правят незначителни и редки поръчки.

След разделянето на аудиторията на сегменти става възможно да се изберат индивидуални методи за комуникация за всеки от тях:

• "Кремът" на клиентската база ще оцени VIP-обслужване и специални оферти, програма за лоялност;
• Печелившите клиенти – идентифицирайте какво им пречи да купуват по-често и го поправете;
• редовни клиенти с малка проверка - увеличете проверката, като предлагате свързани продукти;
• наскоро направихте покупка - дайте време да решите, привлечете вниманието с подходяща и интересна информация;
• най-малко обещаващите купувачи - направете им "провокативна" оферта, "разбъркайте" или премахнете от базата данни, отървете се от "баласта".

RCM-подходът може да бъде полезен за почти всеки бизнес, независимо от сферата на дейност или размера на оборота. Основното му предимство е простотата и яснотата на сегментиране на целевата аудитория и точността на определяне на значимостта на клиентите за компанията.

Всички клиенти, от "харчещите" до "почти изгубените клиенти" имат различни нужди и желания и съответно реагират различно на маркетинговите кампании.

Сегментиране на клиенти с RFM анализ

За да извършите RFM анализ, първо трябва да разделите клиентите на четири равни групи според разпределението на актуалността, честотата и количеството на покупките.

Четири равни групи (квартили) с три променливи образуват 64 (4x4x4) клиентски сегмента, напълно възможно е да се работи с такива фигури.

Имайте предвид, че можете да използвате квинтили (пет равни групи) за по-добри детайли, но работата със 125 сегмента (5x5x5) може да изглежда като трудна задача.

Например, има един клиент и той:

• Е в групата, която прави покупки най-често (R=1)
• Е в групата с най-много покупки (F=1)
• Е в групата, която е похарчила най-много пари (M=1)

Този клиент принадлежи към RFM сегмента 1-1-1 (Най-добри клиенти), (R=1, F=1, M=1).

Ето най-важните RFM сегменти:

Как да проведем RFM анализ

За да извършите RFM анализ, имате нужда от данни за всички покупки, направени от всички клиенти. Това трябва да е информационен файл, обикновено експортиран от вашия счетоводен софтуер или транзакционна база данни.

Стъпка 1. Изтеглете RFM скриптове за анализ и примерни файлове от Githtub.

Стъпка 2. Подгответе CSV файл с всички покупки или използвайте шаблона sample-orders.csv. Имената на колоните трябва да са еднакви.

Стъпка 3. Стартирайте скрипта RFM-analysis.py, който се намира в папката, в която сте поставили файла с данни. Скриптът има три аргумента:

• Файл с данни (-i sample-orders.csv)
• Файл за извеждане на данни с RFM сегментиране (-o rfm-segments.csv)
• Дата на експортиране на файл с данни (-d "ГГГГ-мм-дд")

Това ще създаде RFM сегментите в CSV файл с име rfm-segments.csv или каквото сте посочили с опцията -o.

Интерпретация на резултатите от RFM анализа

• Мария Н. принадлежи към сегмента на най-добрите купувачи и е пазарувала най-скоро (R=1), поръчва често (F=1) и харчи много (M=1).
• Владимир У. на практика попада в сегмента „Изгубени пестеливи клиенти“, той не купува дълго време (R=3), купува малко (F=4) и харчи малко (M=4).
• Екатерина А. принадлежи към сегмента на почти изгубените клиенти. Не е пазарувала дълго време (R=3), купувала е доста често (F=2), но също така е харчила много (M=1).

Тези прости стъпки представляват сегментиране на клиентите. Сега намерете някой, който да прегледа вашата база данни с клиенти и да идентифицира най-важните за вашия бизнес.

Или създайте своя собствена настройка в , както по-долу, за да визуализирате данните:

Изведете своя имейл маркетинг на следващото ниво с RFM сегментиране

Сега е време за имейл маркетинг. Следното е RFM анализ стъпка по стъпка:

1. Изберете RFM сегмента, от който се нуждаете (Най-добри клиенти, Почти изгубени клиенти и т.н.).
2. Решете как най-добре да се справите с този RFM сегмент
3. Дефинирайте задача за данни за имейл кампания и RFM сегмент
4. Настройте проследяване на реализациите за имейл маркетинг
5. Създайте друга имейл версия, свързана с RFM сегмента, от който се нуждаете
6. Стартирайте имейл A/B тестова кампания, при която контролната група получава обикновената версия на имейла, а експерименталната група получава имейла, избран според RFM сегмента
7. Анализирайте резултатите и повтаряйте – по-често това, което работи и по-рядко това, което не работи

Заключение

RFM е сравнително проста техника, която може значително да подобри вашето маркетингово представяне.

Актуализирайте RFM сегментирането чрез автоматизиране на процеса, като например със скрипт за RFM анализ. Най-добре е да актуализирате данните всеки ден.

Offtopic: има само 2 статии с RFM етикет на Habré и ​​двете са от корпоративни блогове. Странно защо има толкова малко съдържание по темата, тъй като в Хабре има много хора от областта, свързана с електронната търговия?

Спирам обаче да наливам вода и предлагам като за начало да се споразумеем за условията. Освен това RFM-анализът се отнася до анализа на стойността на клиента за компанията. Всъщност, малко напреднала версия на ABC анализа, само с фокус не върху продуктите, а върху клиентите. На преден план е формализирането на размера на ползата от всеки клиент за бизнеса. За да се идентифицира тази полза, всеки клиент се разглежда според следните параметри:

Ресенция- новост(време от последната покупка)
Етърсене- честота(честота на покупките за период)
Ммонетен- монетизация(цена на покупките за периода)

дадени:

1. История на продажбите на онлайн магазина под формата на .xlsx изтегляне, като

Sic! Не търсете смисъл в числата, всичко се променя полуслучайно с 1-2 поръчки

2. ТЗ от собственика, чиято пълна версия не звучи по-сложно от фразата „Можете ли да направите RFM анализ?“

Резултат:

Първоначално прекарах половин ден в мислене "Как да направя всичко това с помощта на изчислени обекти на обобщената таблица, така че да е красиво." В резултат на това отбелязах красота и го направих за час с помощта на междинен лист и обичайните формули като "= IF" и т.н.

3. Междинни изчисления

За да изчислите времето от последната покупка, имате нужда от текущата дата (стандартна функция на Excel =TODATE()) и датата на последната покупка на клиента. Тъй като качването беше неподреден масив "Дата-Клиент-Сума_за_покупка", беше трудно да се идентифицира последната дата на покупка за всеки от клиентите. Проблемът беше решен чрез сортиране по целия обем дати в разтоварването (моля, не обвинявайте за „колхозния стил“, но в този момент отбелязах красота, защото исках да приложа решението, което имах в главата си като възможно най-бързо). Колоните с първоначална информация са маркирани в зелено. В първия ред оставих формулите за разбиране, но сортирани по колона в низходящ ред (колоната беше създадена с помощта на конкатенация)

4. Компоненти на лист "Резюме".

Сега събираме резултата от RFM анализа на един лист. Започваме със списъка с клиенти (сортирането няма значение) - копирайте списъка с клиенти от първия лист, оставете само уникални записи, като използвате стандартната функционалност (Данни - Премахване на дубликати). В колона B чрез VLOOKUP изтегляме датата на последната поръчка на клиента. Формулата в колона C отчита броя на клиентските поръчки за цялата пратка. В колона D сумата на поръчките на клиент се изчислява по подобен начин. И колона E изчислява за нас броя на дните от последната покупка от клиента.


Sic! пример за формула за колона E е даден в клетка K1 и само стойностите се съхраняват в самата колона E, за да се демонстрира резултатът

5. Актуалност (време от последната покупка)

Същността на маркираната формула е следната: разглеждаме кой от петте равни интервала от 0 до максимума (маркирани в червено във формулата) е стойността на всяка клетка от колона E и поставяме оценка от 1 (a клиент, който е купил нещо от нас преди година) до 5 (клиент, който е купил нещо или по-скоро).

6. Честота (честота на покупките за периода) и Парични (цена на покупките за периода).

Формулите са идентични, така че нека да разгледаме примера за Честота. В този случай разделихме цялата популация на 3 интервала, равни по брой на членовете на популацията и вижте към кой от тези интервали принадлежи стойността в колона C с оценка 1 (клиент, който купува от нас по-рядко от други) , 3, 5 (клиент, който пазарува от нас по-често от останалите).

За тези, на които им е трудно или им е мързеливо да разберат дефиницията на медианата в Уикипедия: медианата е стойността, която разделя набора от данни на 2 равни по брой части. Пример: средно аритметично от 5 клиента, направили 1, 2, 2, 2, 100 покупки = 21,4 (средна температура в болницата, която не ни говори нищо); медиана за същата серия = 2.

Заключение: Не съм писал за събиране на всички индикатори заедно и сортиране в низходящ ред на най-дясната колона на листа „Резултат“ - мисля, че е ясно)) Моята цел - да създам система „на коляно“, беше напълно постигната . Давам го "както е". Добавяйки тези редове, разбирам, че моята дефиниция на медианата и примерът също не са от най-лесните (за тези, които не са имали математическа статистика в университета). Ако някой предложи по-прост и разбираем вариант - ще го заменя.

Този тип анализ е доказан маркетингов модел за сегментиране на клиенти въз основа на тяхното поведение. Под поведение имаме предвид историята на покупките (транзакциите).
С този инструмент можете да групирате клиенти въз основа на историята на транзакциите - колко често, колко и кога за последен път клиентите са купили. RFM помага да се разделят клиентите в различни категории или клъстери, за да се идентифицират клиенти, които е по-вероятно да отговорят на промоции, както и на бъдещи услуги за персонализиране.

RFM анализ: стигаме до точката

R (актуалност)- индикатор за продължителността на действието. Този индикатор дава отговор на въпроса колко време е минало от последното действие или сделка на клиента с марката? Това обикновено е покупка, въпреки че понякога се използват варианти, като последното посещение на уебсайт или използването на мобилно приложение. В повечето случаи, когато клиент наскоро е взаимодействал или търгувал с марка, е по-вероятно клиентът да отговори на съобщения от марката.

F (честота)- честота. Колко често клиент прави транзакция или взаимодейства с марка за даден период от време? Очевидно клиентите с чести действия са по-активни и вероятно по-лоялни от клиентите, които правят това рядко. А клиентите за еднократна употреба са в собствен клас.

M (паричен)- инвестиция / парична сума. Нарича се още "парична стойност". Този фактор отразява колко клиент е похарчил за марка за даден период от време. На големите харчещи обикновено трябва да се гледа различно от тези, които харчат малко. Разглеждането на паричните средства, разделени по честота, показва, че средната сума на покупката е важен вторичен фактор, който трябва да се вземе предвид при сегментирането на клиентите.

RFM анализ: Алгоритъм за броене

След като получим стойностите на историята на покупките на нашите клиенти, трябва да дадем оценка от едно до пет за всяка група: новост, честота и парична стойност. Освен това оценката трябва да е индивидуална за всеки клиент. Първите пет клиента са с най-висока стойност. Крайният RFM резултат се изчислява просто чрез комбиниране на отделните RFM резултати.

За малки бази е възможно всеки параметър да се раздели от 1 до 3, за общо 9 групи. Или разделение: 5 групи (Пенсиониране) x 2 групи (Честота) x 2 групи (Пари) = 20 RFM клетки.

Пример за изчисление

1) Класификация по параметъра Recency:

- за всеки клиент определя датата на последната покупка; — за всеки клиент изчислете рецептата за покупка (Recency) като разликата между текущата дата (например 01/10/2017) и датата на последната покупка;

— разделяне на получените данни на 5 групи (квантили). Всеки клиент ще получи идентификатор от 1 до 5 в зависимост от дейността си. Тези, които наскоро са направили покупка, ще получат стойност R=5. Тези, които не са купували нищо най-дълго време, ще получат R=1.

2) Класификация по честота:

За всеки клиент определя броя на покупките за определен период;

— разделяне на получените данни на 5 групи (квантили). Клиентите с най-голям брой покупки ще получат стойност F=5, най-малко активните клиенти ще получат F=1.

3) Класификация по паричен параметър:

- за всеки клиент да определя размера на изразходваните от него средства;

— разделяне на получените данни на 5 групи (квантили). Клиентите, които са похарчили най-голямата сума, ще получат стойност M=5, клиентите, които са похарчили най-малката сума - M=1.

4) Комбинирайте получените резултати, всеки клиент ще получи RFM код, състоящ се от три цифри.

Пример за сегментиране на клиенти чрез FRM анализ

Току-що сами определихме обхвата за всеки резултат. Праговете на диапазона са пряко свързани с модела и цикъла на продажби във вашия бизнес. Например в търговията на дребно има активен модел на продажби и нисък цикъл, докато в B2B бизнес често може да има дълъг цикъл (от 1 месец до 1 година) и пасивен модел на продажби (когато клиентите ви намерят сами).

С разрастването на бизнеса показателите често се променят, така че е необходимо бързо да се коригират данните за изчислението.

RFM анализ: Заключения

RFM анализът не повишава ефективността на добрия мениджър продажби. Мениджърът винаги може да разбере по-добре клиента, тъй като общува лично и знае повече информация. Той може да направи напълно персонализирана оферта въз основа на личните характеристики на клиента.

Ако клиентската база е голяма, тогава е по-добре да дадете 20% от най-важните клиенти на работата на мениджърите по продажбите и да комуникирате с останалите 80% чрез имейл маркетинг, телефонни обаждания или социални мрежи.

Можете да прочетете за анализа с помощта на специални решения и Excel в следващите материали.