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

RFM сегментирането се състои от три параметъра:

Скорост (R)- дата на последната покупка

Тоест колко време е изминало от взаимодействието с клиента в дни, седмици или месеци. Изчислява се като разлика между текущата и датата на последната поръчка. Клиентите, които наскоро са пазарували от вас, са по-склонни да повтарят поръчки, отколкото тези, които не са показвали никаква активност от дълго време. Потребители, които са купили преди много време, могат да бъдат подновени само с оферти, които ги привличат обратно.

Честота (F)- обща честота на покупките

Показва колко взаимодействия (покупки) сте имали с клиент за определен период от време. Ако и двете страни са доволни, има шанс да запазите честотата на покупките или да увеличите във ваша полза. Колкото повече клиент е правил покупки от вас, толкова по-вероятно е той да ги повтори в бъдеще. Обикновено този показател е тясно свързан с предписанието на покупката.

Парични (M)- обем на покупките

Подобно на предишните индикатори, той се изчислява за определен период или брой взаимодействия. Показва каква е била "стойността на клиентите" по отношение на приходите и рентабилността, или по-скоро количеството пари, които са били изразходвани. Обобщените парични анализи често представят клиенти, чиито покупки отразяват по-висока стойност за вашия бизнес.

Важно е да се изчислят всички горепосочени показатели за периода, който най-точно показва необходимите данни. Да кажем, че можете да вземете проба от една година и да я разделите на тримесечия.

Обикновено малък процент от клиентите отговарят на общи промоционални оферти. RFM е страхотен за прогнозиране на реакцията на клиентите и подобряване на ангажираността, както и увеличаване на печалбите. RFM използва поведението на клиента, за да определи как да се справи с всяка група клиенти. Важността на показателите е степенувана според последователността на буквите - рецепта, честота, пари. Понякога има име RF сегментациякогато Monetary не се използва, защото стойността му често зависи от Честотата. Сегментиране клиентска базаспоред този принцип ви позволява да идентифицирате тези, с които наистина трябва да работите, като ги разделяте на клиентски сегменти (активни, спящи, растящи), разработвайки целеви маркетингови предложения за най-активната група клиенти.

Искате ли да извършите RFM анализ на базата от контакти с клиенти на вашия бизнес?

• Ние ще се свържем с Вас, ще уточним с какви данни разполагате и на базата на тях ще изготвим безплатно документ с отчет в рамките на една седмица.
• Доверяват ни се повече от 2000 компании, но за да гарантираме безопасността на данните на вашите клиенти, можем да подпишем поверително споразумение за защита на данните.

Определяне на RFM условия

Дефинициите на "рецепта", "честота" и "пари" са дори интуитивни, но нашата задача е да ги превърнем в числа, които могат да се използват за оценка на RFM, а това вече е малко по-сложно.

Нека представим данните си под формата на таблица, сортирани по първата стойност - датата на последната покупка (R).

	Дата на последна покупка (R)	Обем на покупките (F)	Сума на покупките, UAH	Средна сметка, UAH (М)
Иван Петров
Петър Иванов
Олег Плющ
Сидор Петров
Оля Сидорова
Анна Волкова

Незабавно ще поставим „тежест“ за всеки показател (R, F, M) за всеки клиент, въз основа на получените данни. За да оценим клиентската база, ще използваме числени стойности от 1 до 3 или в проценти, определени за всеки клиент в резултат на анализа. За улеснение нека разделим цялата клиентска база на 5 равни части по всеки от показателите. Да кажем, от нашия пример, според показателя "обем на покупки" F - 1,2,3,4,5.

1 - най-лошият обем за нас, маркирайте го като 1;

2,3,4 - среден резултат, маркирайте го с 2;

5 е най-добрата стойност на F. Това е нашата 3.

И така: 1 е лошо, 2 е средно аритметичнои 3 е добре. Чрез поставяне на „тегло“ за всеки индикатор, за да класирате списъка с помощта на тези тегла.

Сега можем лесно да определим кой е най-добрият клиент за нас с резултати от 333. 111 показва, че клиентът рядко се интересува от нас, може би дори веднъж. Въз основа на получените резултати можете да изберете варианти как да се справите с определена група клиенти.

Тъжното е, че обикновено 111 е най-големият сегмент. И е хубаво, че можете да не губите време за тези, които вече са изгубени, а да се концентрирате върху наистина важните за нас клиенти.

Предимството на RFM сегментирането е, че анализът може да се направи дори по един индикатор, който ви интересува най-много или да комбинирате индикатори, въпреки че пълното сегментиране на клиентската база ще ви даде много повече възможности. Да предположим, че вземем само предписанието и честотата като основа и графично изобразяваме получените данни:

Зелен сектор 5% - най-добрите клиенти, които активно реагират на всичко, купуват и т.н., съответно сектор 1.1 - "ние ги губим." Трябва да работите с всеки от сегментите на масата по различен начин, предлагайки ги различни условиясътрудничество.

Винаги казваме, че е добре да видим ситуацията в статика (как се справяме сега), но още по-важно е да видим в динамика (накъде се движим). Ако изчислите същата таблица за предходния период и я "наложите" върху текущата днес, можете да видите как се променят данните:

В сектор 1.1 показателят спада с 6%, благодарение на намаление на броя пасивни клиенти. От друга страна, в сектор 3.3 броят на „добрите клиенти” нараства с 2%. Е, това означава, че работим в правилната посока. Необходимо е да се анализира поради какво се случва това и да се консолидира резултатът.

Тези данни вече са достатъчни за ефективна работас клиенти, но ако добавите паричния сегмент към този индикатор, тогава работата с числа ще стане още по-интересна :) RFM ви позволява да сегментирате базата данни, така че да харчите време и пари за правилните клиенти. Опитайте се да сегментирате поне по един показател и дори работата с тези данни може да допринесе за растежа на редовните клиенти.

статията е актуализирана от дата 17.11.2013 г

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, пълна версиякоето 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 последна датапокупки за всеки клиент. 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. Колона D по същия начинвзема се предвид сумата от поръчки на клиент. 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 в последно време).

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 аритметична стойност 5 клиента, които са направили 1, 2, 2, 2, 100 покупки = 21,4 (не ни казва нищо средна температураот болница); 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.

Какво е

RFM анализе метод за анализ на клиентската база, базиран на поведенческите фактори на група или сегмент от съществуващи клиенти.

RFM анализът ви позволява да оцените общото състояние на базата данни, да организирате имейл маркетинга по-ефективно и да се сравните благоприятно с повечето други методи по отношение на яснота и лекота на използване.

Как работи?

Всичко е просто. Клиентската база е разделена на сегменти според три параметъра:

Recency (R) - възрастта на последната покупка

Тоест колко време е минало от последната покупка в дни, седмици или месеци. Изчислява се от момента на последната поръчка до текущата дата.

Сегментите са разделени на 3 условни: добро - нормално - лошо. Може също да се тълкува като:

"Начинаещи" - "Време е да купите отново" - "Беше много отдавна."

Тъй като бизнесът на всеки е различен, условното „добро - нормално - лошо“ също ще бъде различно за всеки. Някой има цикъл повторни продажби 1 седмица, някой има 1 месец, а някой има година. Ето защо, в зависимост от спецификата на вашия бизнес (или вашите цели), можете да коригирате вашите „добър – нормален – лош“ в диапазоните, от които се нуждаете.

За да улесните определянето, трябва да си отговорите на няколко въпроса:

• Какъв е естественият период на покупка?
• Каква е сезонността?
• Колко време отнема повечето клиенти, за да направят повторна покупка?
• Какъв период на бездействие на клиента може да се счита, че сме загубили клиент (дълж кръговат на животаклиент)

Клиентите, които наскоро са пазарували от вас, са по-склонни да повтарят поръчки, отколкото тези, които не са показвали никаква активност от дълго време. Потребители, които са купили преди много време, могат да бъдат подновени само с оферти, които ги привличат обратно.

Честота (F) - обща честота на покупките

Показва колко взаимодействия (покупки) сте имали с клиент за даден период от време. Ако и двете страни са доволни, има шанс да запазите честотата на покупките или да увеличите във ваша полза. Колкото повече клиент е правил покупки от вас, толкова по-вероятно е той да ги повтори в бъдеще. Обикновено този показател е тясно свързан с предписанието на покупката.

Тук, както и в сегмента на рецептите, има условни „добри - нормални - лоши“. За някои „добри“ са 10-20 покупки, „нормални“ са 5-10, а „лоши“ са 1-5. И за някой, и за някой и 5 покупки - „много добре!“

Можете да коригирате тази сума, както желаете, в зависимост от вашата цел.

Monetary (M) - обем на покупките

Подобно на предишните индикатори, той се изчислява за определен период или брой взаимодействия. Показва каква е била така наречената "парична стойност на клиента", с други думи - сумата пари, която е похарчил клиентът с вас. Обобщените парични анализи често представят клиенти, чиито покупки отразяват по-висока стойност за вашия бизнес.

Важно е да се изчислят всички горепосочени показатели за периода, който най-точно показва необходимите данни. Да кажем, че можете да вземете проба от една година и да я разделите на тримесечия.

Защо е необходим RFM анализ

По правило повечето клиенти реагират зле на общи промоционални оферти.

RFM е отличен метод за сегментиране на клиенти за прогнозиране на реакцията на клиентите и подобряване на ангажираността на клиентите и увеличаване на повторните продажби.

Този метод използва поведението на купувача, за да определи как да се справя с всяка група клиенти.

Понякога името RF сегментиране се среща, когато не се използва паричният индикатор, тъй като стойността му често зависи от честотата.

Сегментирането на клиентската база според този принцип ви позволява да идентифицирате тези, с които наистина трябва да работите, като ги разделяте на клиентски сегменти (активни, спящи, нарастващи), разработвайки целеви маркетингови предложения за:

• Най-активната група клиенти.
• Тези клиенти, които „е време да купят отново“ - например, време е да сменят лещи или да купят нов пакет храна, защото е минал месец
• На които искаме да направим "специална" оферта
• Кого рискуваме да загубим?
• Дори за тези, които най-вероятно вече са изгубени (реактивиране)

Също толкова важно е да следим количествения състав на важните за нас сегменти във времето. Например, добрата новина е, че вашият сегмент Златни клиенти расте, а лошата новина е, че сегментите Риск от загуба и Еднократни клиенти също растат.

Как се използва?

Следващата таблица показва най-ясно стратегията за работа с всеки сегмент.

Таблица 1 Пример за работа с RFM сегменти

сегмент	Дейност
	Благодарност, научете как да използвате, разкажете за основните си предимства
Активен	Нормален режим на маркетингова дейност, планирано изпращане по пощата
Обещаващо
Специално внимание
	Покана за специален клуб, оферта специални условия и предимства, специално обслужване
Не пускай	Програма за лоялност, задържане, повторно активиране
Еднократна покупка	Напомняне, повторно активиране, новости
Риск от загуба	Реактивиране, новости, жив контакт - идентифициране на проблема

Струва си да се помни, че това е само един пример за използване на RFM сегменти. Всеки бизнес има свои собствени характеристики и един решение на едно мястоне може да бъде.

Няколко важни бележки или съвета:

• Никога не давайте отстъпки веднага след първата покупка (сегмент за начинаещи). Това няма да доведе до нищо друго освен загуба на печалба. Основната задача на този етап е да угодиш! Обслужване, продукт, внимание. Предложете кой от вашите продукти може идеално да допълни покупката на клиента
• Следете внимателно броя на клиентите във вашите критични сегменти: златен, активен, перспективен и не изпускайте
• Сегментът „еднократна покупка“ в повечето търговски обекти е най-голям. Това е нормално, но трябва да се стремим да намалим дела на този сегмент

По този начин клиентите, които са купили наскоро, чести купувачи и харчат много, получават оценка 5 |5|5 . Те са най-добрите ви клиенти.

В случая това е Александра VIP- клиент, а не Анна, която харчи най-много.

От друга страна, клиентът, който е похарчил най-малко, е купил отдавна и често не му се дава оценка 1|1|1 . В случая това е Никола. Сега това има смисъл, нали?

Как да изчислим резултата RFMпо скала от 1-5?
Различни фирми могат да използват различни методиза класиране на стойности RFMпо скала от 1 до 5. Но ето двата най-често срещани метода.

МЕТОД 1: Прости фиксирани диапазони:

Пример:

Ако някой е купил през последните 24 часа, оценете ги 5 .
За последното 3 дни - 4 . Назначаване 3 ако са закупили през текущия месец, 2 - през последните шест месеца и 1 - за всички останали.

Както можете да видите, ние сами сме определили диапазона за всеки резултат. Праговете на диапазона се основават на естеството на бизнеса. По същия начин дефинирате диапазони за честота и парични стойности.

Този метод на оценка зависи от отделните фирми, тъй като те решават какъв диапазон считат за идеален за периодичност, честота и парични стойности.

Използвайки този методизчисление има някои нюанси.
С разрастването на бизнеса диапазонът на резултатите може да изисква чести корекции.

МЕТОД 2: Процентно разделяне на 5 равни стойности въз основа на наличните данни.

Този метод е малко по-сложен, тъй като трябва да работите с проценти, но от своя страна решава много от проблемите, които може да срещнете, когато използвате първия метод. Този подход работи с всяка индустрия, тъй като диапазоните се избират от самите данни и се разпределят равномерно.
Разбира се, препоръчваме да използвате този метод, тъй като сегментирането ще бъде по-точно.

Обобщение на RFM изчисленията:

Вземете данните на вашия клиент, дайте оценка от 1 преди 5 за Р, Еи М.
Графично представяне RFMпомогне на вас и на други лица, вземащи решения, да разберете по-добре RFM анализа на вашата организация.

Р, Еи Мимат оценки от 1 -5 , Обща сума 5 х 5 х 5 = 125 стойностни комбинации. три измерения Р, Еи Мможе да бъде по най-добрия начинначертан върху 3D диаграма. Ако погледнем колко клиенти имаме за всяка стойност RFM, ще трябва да погледнем 125 точки за данни.

Но работете с 3D- графики на хартия или компютърен екран няма да работят. Имаме нужда от нещо в две измерения, нещо по-лесно за представяне и разбиране.

Опростено представяне на RFM анализ:

При този подход използваме честота + парична точка на оста x (диапазон от 0 до 10) и време на последната покупка (диапазон от 0 до 5) на оста y. Това намалява възможните комбинации от 125 на 50. Комбинирането на F и M в един критерий има смисъл, защото и двете стойности са свързани с това колко купува клиентът. R (актуалност) на другата ос ни дава бърз поглед върху нивата на повторно ангажиране на клиентите.

Подобряване на ефективността – създаване на сегменти.

Разбирането на 50 елемента все още може да бъде досадно. Следователно можем да обобщим нашия анализ в 11 сегмента, за да разберем по-добре нашите клиенти.
Ако си спомняте, обсъдихме тези сегменти в началото на тази статия.

Ето таблица, която обяснява как можете да създавате 11 сегментаклиенти въз основа на оценки RFM.
Осигуряването на ясен цвят за всеки сегмент ще улесни клиентите да го запомнят и разберат текущо състояниев бизнеса.

Ето нашия окончателен обобщен доклад RFM- анализ!

В днешно време всяка компания трябва да привлича клиенти. За да направите това, трябва постоянно да поддържате потока и растежа на клиентите за бързото и стабилно развитие на бизнеса. Но придържането само към привличането не е достатъчно. Също така е необходимо да ги заинтересувате и да забавите възможно най-много време.

За да привлечете вниманието на клиента към себе си, трябва да имате представа какви оферти ще заинтересуват най-много тези клиенти. За да направите това, трябва да оцените клиентската база за нейната склонност да отговори на предоставеното предложение. В този случай ще използваме RFM анализ. Той е подходящ за нашия случай, тъй като компанията, която ще анализираме, се занимава с продажба и доставка на различни ястия. Самата база данни беше предоставена по взаимно съгласие в поверителна форма, с изключение на такива данни като датата на закупуване и разходите за закупуване на клиенти (генерирахме самите идентификатори на клиенти за по-голяма яснота). Това ни е достатъчно за RFM анализ.

RFM анализът е най-разпространеният изследователски метод в тази област. Този анализ е описан от различни руски учени. Р. И. Баженов и В. А. Векслер използваха RFM-анализ в разработената авторска конфигурация за 1C: Enterprise "Analysis потребителски кошници» . Е.П. Голубков разгледа същността и методологията на RFM анализа. В И. Александров и А.А. Клюева изследва връзката между RFM анализа и имейл маркетинга и как RFM анализът може да се приложи към реална клиентска база. В И. Александров проучи използването на RFM анализ в областта на електронната търговия и предостави диаграми, които ясно показват сегментирането на потребителите на онлайн магазина според критериите за давност и честота. Различни аспекти на анализа са описани от А. А. Наумов, Р. И. Баженов и други, приложени към различни областизнания . RFM анализът е изследван и от чуждестранни учени.

RFM анализът е съкращение на думите Актуалност, Честотаи Парични. Както виждаме, този анализвъз основа на три показателя:

Актуалност- в нашия случай се разбира датата на последната покупка, направена от клиента.

Честота- броят покупки, направени от този клиент за целия период от време.

Парични– изразходвани пари в бройклиент за целия период на неговите покупки.

По време на изчисляването на този анализ трябва да определим колко части трябва да бъдат разделени на всеки от тези показатели, за да оценим клиентите, например от 3 части (групи). Къде в първата част ще бъдат "най-лошите" клиенти по определени показатели. Във втората част - "средните" клиенти. В третата - "най-добрите" клиенти. Но в нашия случай, за оценка на клиентската база, ще използваме проценти от 1 до 5 групи, за по-голяма гъвкавост и различни подходи към определени клиенти.

За да направим RFM анализ, ще използваме софтуер Microsoft Excelи готова таблица с клиентска база данни:

Фигура 1 - Таблица на клиентската база

Първо трябва да приведете тази таблица във формата, от която се нуждаем за RFM анализ, за ​​да направите това, изберете цялата таблица и използвайте функцията "Pivot Table", която се намира в секцията "Insert".

След като сме създали "Pivot Table", трябва в списъка с полета на обобщената таблица да прехвърлим полето "Client ID" в областта "Row Names". След това преместваме полето "Дата на покупка" два пъти в областта "Стойност". Накрая преместваме полето „Разходи за покупка (в рубли)“ в същата област „Стойности“.

Получаваме следната таблица:

Фигура 2 - Обобщена таблица на клиентската база

След това в колона "B", щракнете с десния бутон върху полето, наречено "Дата на покупка", изберете реда "Параметри на полета със стойност ...". След като щракнете върху този ред, ще се отвори следният прозорец:

Фигура 3 - Прозорец "Параметри на полето от стойности"

Където в раздела "Операция" изберете реда "Максимум" и приложете настройките. След това прилагаме полетата във формат "Дата" към колона "B". И форматът "Валута" към колона "D".

В резултат на това получаваме следната таблица:

Фигура 4 - Готова таблица за изчисляване на RFM анализ

В получената таблица можем да видим например клиент с ID равен на "10000", който е направил само 3 покупки с крайна ценав размер на 877 рубли, а последната му покупка е направена на 01.12.2012 г.

Сега, когато нашата маса е напълно готова и показана желаната форма, нека да преминем директно към самия RFM анализ.

Както споменахме по-рано, ние ще оценим и разделим клиентите на 5 категории. Където в първа категория ще попаднат клиентите с „най-лоши” показатели, а в пета – с „най-добри” показатели. Да вземем за всяка категория като процент на стъпки от 20%.

Тоест, според индикатора „Паричен“, тези клиенти, които са закупили стоки и са донесли на компанията до 20% от печалбата от максималната сума на всички стойности на полетата на колоната „Паричен“, ще паднат в първа категория. От 20% до 40% от същата максимална сума ще попаднат във втора категория и така нататък до пета категория, където клиентите с процентот 80% до 100% от реализираната печалба. Ще направим същото и с индикаторите „Скорост“ и „Честота“.

За да направите това, трябва да създадете още няколко колони, като „Скорост“, „Честота“, „Парични“ и „Брой изминали дни“.

Фигура 5 - Таблица с подготвени RFM колони

Колоната "Брой изминали дни" ще ни покаже колко дни са изминали до максималната последна покупка на клиента в компанията от всички налични. В бъдеще ще ни е необходим за изчисляване на индикатора Recency, определящ възрастта на последните покупки на клиенти.

=МАКС($B$2:$B$2296)-B2

В резултат на това получаваме следния резултат:

Фигура 6 - Таблица с изчислената колона "Брой изминали дни"

След това преминаваме към анализа на индикатора за актуалност. В полетата на тази колона е необходимо да се въведе формула, която да изчислява този показател спрямо степента на давност на последната покупка на клиента. В нашия случай изглежда така:

=АКО(F2<=0,2*МАКС($F$2:$F$2296);5;ЕСЛИ(F2<=0,4*МАКС($F$2:$F$2296);4;ЕСЛИ(F2<=0,6*МАКС($F$2:$F$2296);3;ЕСЛИ(F2<=0,8*МАКС($F$2:$F$2296);2;1))))

Правим същото за колоната „Честота“:

=АКО(C2<=0,2*МАКС($C$2:$C$2296);1;ЕСЛИ(C2<=0,4*МАКС($C$2:$C$2296);2;ЕСЛИ(C2<=0,6*МАКС($C$2:$C$2296);3;ЕСЛИ(C2<=0,8*МАКС($C$2:$C$2296);4;5))))

За колоната Monetary въведете следната формула в полетата:

=АКО(D2<=0,2*МАКС($D$2:$D$2296);1;ЕСЛИ(D2<=0,4*МАКС($D$2:$D$2296);2;ЕСЛИ(D2<=0,6*МАКС($D$2:$D$2296);3;ЕСЛИ(D2<=0,8*МАКС($D$2:$D$2296);4;5))))

След като въведем всички формули за изчисляване на тези показатели, в крайна сметка получаваме следния резултат:

Фигура 7 - Резултат от RFM анализ

На този етап сме завършили RFM анализа. За удобство можете да сортирате колоните „Скорост“, „Честота“ и „Парични“ във възходящ / низходящ ред за лесно търсене и анализ на клиентската база според тези изчислени показатели.

Например, в нашия случай, клиентът с идентификатор "10002" е най-лошият купувач на тази компания и има показатели във формата " 111 » (Последност - 1 ; честота - 1 ; Парични- 1 ). Тъй като този клиент не е правил покупка на тази компания почти две години и половина (857 дни) и през това време е направил само една покупка на стойност 210 рубли.

С такива клиенти компаниите предпочитат да прилагат различни подходи. Някой се опитва да привлече вниманието към този клиент, така че той да се заинтересува от компанията и да направи покупки отново. Или някои ги смятат за "еднократни" клиенти и предпочитат да не им отделят собственото време, а се насочват само към по-"перспективни" купувачи, които имат по-високи RFM показатели до " 555 “, за да подобрим отношенията между клиента и компанията и да предложим различни промоции или бонуси.

Също така е възможно да се извършват различни анализи, като се правят изводи въз основа на RFM индикаторите на клиентските данни. Например, има клиент с индикатора " 155 » (Последност - 1 ; честота - 5 ; Парични- 5 ). Този клиент ни казва, че някога е направил много покупки и е донесъл добра печалба на тази компания. Но по някаква причина отдавна спрях да правя покупки. В такива случаи можете или лично да попитате клиента по какви причини е отказал да прояви интерес към тази компания, или да преразгледате предишните си отношения с клиента по времето, когато е престанал да си сътрудничи с компанията.

В допълнение, има и, например, клиенти с индикатори " 511 ". Това са онези клиенти, които току-що са започнали да правят каквито и да било покупки и са „новобранци“. Компанията обикновено се опитва да не разочарова такива клиенти и им демонстрира различни конкурентни предимства.

Както можете да видите, този RFM анализ е полезен за сегментиране на клиенти в определени категории и ни позволява да ги изучаваме. След разпределението и проучването на клиентите, ние можем да изготвим нашите индивидуални подходи към тях, за да увеличим печалбата на тази компания и да повишим лоялността на клиентите за успешен бизнес.

Предлаганото изследване може да се използва в работата на търговски фирми и при обучението на студенти в различни области.

Библиографски списък

Баженов Р.И., Векслер В.А., Гринкруг Л.С. RFM-анализ на клиентската база в приложеното решение 1C: Enterprise 8.3 // Информатизация и комуникация. 2014. № 2. стр. 51-54.

Голубков Е.П. RFM-анализ: методология и практика на приложение // Маркетинг в Русия и в чужбина. 2013. № 6. C. 11-24.

Александров В.И., Клюева А.А. RFM анализ и имейл маркетинг. Теория и практика // Интернет маркетинг. 2012. № 2. С. 96-106.

Александров В.И. Приложение на RFM-анализа при разработването на целеви маркетингови стратегии в областта на електронната търговия // Маркетинг и маркетингови изследвания. 2014. № 5. С. 332-339.

Наумов А.А., Наумова А.А., Баженов Р.И. За някои модели и модификации на класическия ABC-анализ // Съвременни научни изследвания и иновации. 2014. № 12 [Електронен ресурс]. URL: http://web.snauka.ru/issues/2014/12/42200 (дата на достъп: 27.12.2014 г.).

Жилкин С.А., Баженов Р.И. Подобряване на гамата от медицински продукти на базата на ABC-анализ // Икономика и управление на иновативни технологии. 2014. № 12 [Електронен ресурс]. URL: (дата на достъп: 27.12.2014 г.).

Резниченко Н.В., Наумов А.А., Баженов Р.И. Подобряване на асортимента от кафе ястия и системата за закупуване на компоненти на базата на ABC-XYZ-анализ // Икономика и управление на иновативни технологии. 2014. № 12 [Електронен ресурс]. URL: (дата на достъп: 27.12.2014 г.).

Наумов А.А., Баженов Р.И. По проблемите на класическите показатели за ефективността на инвестиционните проекти // Съвременни научни изследвания и иновации. 2014. № 11-2 (43). стр. 181-187.

Бронщайн К.С., Наумов А.А., Баженов Р.И. Приложение на класическия ABC-анализ за анализ на асортимента от кафе ястия // Икономика и управление на иновативни технологии. 2014. № 11 (38). стр. 100-110.

Наумов А.А., Баженов Р.И. За нестабилността на метода за нормализиране на критериите // Съвременни научни изследвания и иновации. 2014. № 11-1 (43). стр. 64-68.

Остроушко А.А., Баженов Р.И. Анализ на гамата от електрически стоки с помощта на ABC-анализ // Икономика и управление на иновативни технологии. 2014. № 10 (37). стр. 73-81.

Сизих А.Ф., Баженов Р.И. Разработване на софтуерна система за търсене на асоциативни правила на базата на априорния алгоритъм // Съвременни научни изследвания и иновации. 2014. № 10-1 (42). стр. 52-59.

Векслер В.А., Баженов Р.И., Баженова Н.Г. Модел на субект-връзка на образованието за възрастни в регионалната разширена образователна система // Азиатски социални науки. 2014. Т. 10. № 20. S.1-14.

Векслер В.А., Баженов Р.И. Определяне на връзката на номенклатурните позиции с помощта на 1C: Enterprise 8.3 // Съвременни научни изследвания и иновации. 2014. № 7 (39). стр. 45-49.

Пронина О.Ю., Баженов Р.И. Изследване на методите за регресионен анализ за софтуерната среда Eviews // Nauka-rastudent.ru. – 2015. – бр. 01 (013) / [Електронен ресурс] – Режим на достъп. – URL: http://nauka-rastudent.ru/13/2320/

Рий С.Б. Избор на клиенти в маркетинга на бази данни: значението на RFM // Теза. 2003 г.

Mahboubeh K., Kiyana Z., Sarah A., Somayeh A. Оценка на жизнената стойност на клиента въз основа на RFM анализ на поведението на клиента при покупка: Казус от практиката // Procedia Computer Science. 2011. № 3. C. 57-63.

Kristof C., Filip A.M., Koen W. Въздействието на точността на данните върху производителността на сегментирането: Сравнителен RFM анализ, логистична регресия и дървета на решенията // Journal of Business Research. 2014. V. 67. C. 2751-2758.

Ya-Han H., Tzu-Wei Y. Откриване на ценни често срещани модели въз основа на RFM анализ без информация за идентификация на клиента. // Системи, базирани на знания. 2014. Т. 61. С. 76-88.

Уикипедия. RFM анализ. [Електронен ресурс]. // Уикипедия: безплатната енциклопедия. URL: https://ru.wikipedia.org/wiki/RFM-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7 (дата на достъп: 01/10/15 ).

Баженов Р.И., Лучанинов Д.В. Използване на смесени елементи за обучение за формиране на творческа инициатива на хуманитарни студенти при изучаване на съвременни информационни технологии // Life Science Journal. 2014. Т. 11. № 11с. стр. 371-374.

Баженов Р.И. Относно организацията на изследователската практика за студенти от направление "Информационни системи и технологии" // Съвременни научни изследвания и иновации. 2014. № 9-2 (41). стр. 62-69.

Прегледи на публикации: Моля Изчакай