RFM-аналіз для магазину: як знайти лояльних клієнтів і тих, хто відходить

Що вимірює RFM

• Recency, давність: скільки днів минуло від останньої покупки клієнта. Що менше, то краще.
• Frequency, частота: скільки покупок клієнт зробив за період, наприклад за останні 12 місяців.
• Monetary, гроші: скільки клієнт витратив за той самий період з урахуванням повернень.

Давність зазвичай найсильніший сигнал. Клієнт, який купував минулого тижня, імовірніше повернеться, ніж той, хто востаннє приходив пів року тому, навіть якщо другий загалом витратив більше. Частота показує звичку, а гроші — наскільки клієнт важливий для виручки.

Що потрібно перед початком

RFM працює лише з покупками, які можна привʼязати до людини: картка лояльності, номер телефону на касі чи обліковий запис в інтернет-магазині. Анонімні чеки оцінити неможливо, тож спершу перевірте, яка частка продажів у вас впізнана. Якщо вона мала, аналіз описує учасників програми лояльності, а не всіх клієнтів, і читати його треба саме так. Використання даних клієнтів для маркетингу може потребувати згоди за законодавством про захист персональних даних, тож перевірте правила, що діють для вас.

Як зробити RFM-аналіз: крок за кроком

1. Визначте, які покупки враховувати: впізнані чеки з усіх магазинів та інтернет-магазину, без тестових і службових покупок.
2. Оберіть період, зазвичай останні 12 місяців, і дату відліку, зазвичай сьогодні.
3. Вивантажте для кожного клієнта дату останньої покупки, кількість покупок і загальну суму за період.
4. Рахуйте кілька чеків одного клієнта за один день як один візит, щоб розділені оплати не завищували частоту.
5. Обчисліть давність як кількість днів між останньою покупкою й датою відліку.
6. Оцініть кожен показник від 1 до 5, поділивши клієнтів на пʼять рівних груп; для давності найсвіжіша група отримує 5.
7. Обʼєднайте оцінки в невелику кількість сегментів, з якими можна працювати.
8. Призначте кожному сегменту одну зрозумілу дію та відповідальну людину.
9. Повторюйте аналіз щомісяця або щокварталу й стежте, як клієнти переходять між сегментами.

Сегменти, з якими легко працювати

• Чемпіони (давність 5, частота 4–5): найкращі клієнти. Дякуйте їм, давайте ранній доступ до новинок, не засипайте знижками.
• Лояльні (давність 3–4, частота 4–5): постійні клієнти. Підтримуйте інтерес доречними новинами й перевагами програми лояльності.
• Нові (давність 5, частота 1): нещодавно зробили першу покупку. Мета — другий візит.
• Під загрозою (давність 1–2, частота 3–5): купували часто, але давно не приходили. Найцінніший сегмент для повернення.
• Втрачені (давність 1, частота 1–2): купували раз чи двічі давно. Низький пріоритет; лише дешеві загальні кампанії.

Пʼяти сегментів більшості магазинів досить. Сітка зі 125 комбінацій оцінок виглядає точною, але працювати з нею неможливо.

Приклад (умовні цифри)

Мережа з трьох магазинів має 2 000 клієнтів із впізнаними покупками за останні 12 місяців. У пʼяти рівних групах кожна оцінка охоплює 400 клієнтів. Троє з них:

• Клієнт A: остання покупка 6 днів тому, 14 візитів, 820 EUR. Оцінки R5 F5 M5 — чемпіон.
• Клієнт B: остання покупка 95 днів тому, 9 візитів, 610 EUR. Оцінки R2 F4 M4 — під загрозою. До весни B приходив майже щомісяця.
• Клієнт C: остання покупка 12 днів тому, 1 візит, 35 EUR. Оцінки R5 F1 M1 — новий.

Припустімо, у сегмент «під загрозою» потрапили 140 клієнтів. Разом вони витратили за період значно більше, ніж 300 втрачених, тож персональне повідомлення чи пропозиція для них варті більше, ніж загальна кампанія на всіх. Після наступного щомісячного розрахунку магазин дивиться, скільки зі 140 повернулися в лояльні й скільки нових клієнтів прийшли вдруге.

Підлаштуйте давність під цикл покупок

Тридцять днів без покупки мало що значать для меблевого магазину й дуже багато — для пекарні. Рівні групи автоматично підлаштовуються під ваші дані, але подивіться, які діапазони днів стоять за кожною оцінкою. Якщо R1 починається від 40 днів у магазині, куди люди зазвичай ходять щотижня, ці клієнти справді відходять; для магазину з річним циклом покупок може знадобитися довший період, щоб аналіз щось показав.

Як це працює в OrgLines

В OrgLines аналітика рітейлу будується на копії операцій вашої програми лояльності: чеки, учасники, списані бали й частка чеків зі списанням — по магазинах і по продавцях. Аналітика клієнтів розміщує учасників у сітці давності й частоти. Натисніть сегмент, щоб побачити лише цих клієнтів, збережіть його й вивантажте файлом для інструмента розсилок, яким ви вже користуєтесь. Вбудованої розсилки немає.

Сітка чесно показує свої межі. Коли клієнтів замало для ранжування, вона не малюється взагалі, бо була б артефактом вибірки, а не картиною вашої бази, а клієнтів, яких не було з чим порівняти, показано окремим числом замість того, щоб ховати. Сітка використовує давність і частоту; якщо потрібні ще й гроші, додайте їх у власному розрахунку на вивантаженому сегменті чи даних продажів.

Типові помилки

• Змішувати анонімні й впізнані продажі, через що база виглядає меншою чи більшою, ніж є.
• Рахувати розділені оплати як окремі візити.
• Брати надто короткий період, через що сезонні клієнти виглядають втраченими.
• Будувати десятки сегментів і не працювати з жодним.
• Надсилати однакову знижку всім сегментам, зокрема чемпіонам, які й так купили б.
• Робити аналіз один раз замість стежити за переходами між сегментами.
• Ігнорувати вимоги щодо згоди, вивантажуючи клієнтів для кампаній.

Чеклист

• Частка впізнаних продажів відома.
• Період і дата відліку записані.
• Чеки одного дня обʼєднані в один візит.
• Оцінки щоразу рахуються однаково.
• Не більше пʼяти сегментів, у кожного одна дія й відповідальний.
• Вивантаження для кампаній враховують згоду клієнтів.
• Наступний розрахунок у календарі, переходи між сегментами порівнюються.

Спробувати безкоштовно в OrgLines