Алгоритм RFM-анализа

Алгоритм RFM-анализа

Ранее мы рассматривали, что такое RFM-анализ и зачем его использовать в маркетинге (детали по ссылке https://maddata.agency/mad-blog/rfm-analiz ). Рассмотрим теперь детальнее способы проведения RFM-анализа.

Эффективность использования RFM-анализа

RFM-анализ имеет многолетний опыт работы, десятилетия академических и промышленных исследований. Это не прихоть или маркетинговый трюк, а научно доказанный процесс.

Прежде всего, он основан на принципе Парето, который обычно называют правилом 80-20. Правило Парето гласит, что 80% результатов происходят от 20% причин. Точно так же 20% клиентов приносят 80% вашего общего дохода.

Люди, которые потратили деньги один раз, с большей вероятностью потратят их снова. Клиенты, которые покупают много, с большей вероятностью повторно купят много.

Принцип Парето лежит в основе RFM-модели. Когда вы сосредоточите свои силы на критически важных сегментах клиентов, то это даст вам гораздо более высокую рентабельность инвестиций.

История RFM в прямом маркетинге, бизнесе баз данных и каталогов

Концепцию RFM первоначально ввели Bult и Wansbeek в 1995 году. Она эффективно использовалась маркетологами для минимизации затрат на печать и доставку при максимальном увеличении прибыли.

Растущая популярность компьютеризации сделала проведение RFM-исследований еще проще. Это связано с тем, что записи о клиентах и покупках были оцифрованы. Профессор Blattberg в 2008 году провел обширное исследование и доказал эффективность RFM в применении к маркетинговым базам данных. Многие другие академические исследования также подтвердили, что RFM-анализ снижает затраты на маркетинг и увеличивает прибыль.

Windsor Circle сообщила о значительном успехе использования RFM для своих розничных клиентов:

  • Eastwood увеличил прибыль от электронного маркетинга на 21%;
  • L’Occitane получила в 25 раз больше дохода от электронной почты. Обратите внимание, в 25 раз, а не на 25%;
  • Frederick’s of Hollywood зафиксировал коэффициент конверсии в своих кампаниях 6–9%.

Эти данные подтверждают полезность проведения RFM-анализа для бизнеса. Теперь разберемся с математикой, лежащей в основе всех этих результатов.

Упрощенный расчет рейтинга RFM

Рассмотрим, как рассчитать оценки RFM для вашей клиентской базы данных.

Нам нужно знать несколько деталей о каждом клиенте:

  • ID пользователя (CID), адрес электронной почты, имя.

Эта информация используется для идентификации клиента.

  • Давность (R) в днях с момента последней покупки.

Сколько дней назад была совершена их последняя покупка? Вычтите дату последней покупки из сегодняшнего дня, чтобы рассчитать значение давности. 1 день назад? 14 дней назад? 500 дней назад?

  • Частота (F) как общее количество транзакций.

Сколько раз покупатель совершал покупки в нашем магазине? Например, если кто-то разместил 10 заказов за период времени, их частота будет равна 10.

  • Денежные средства (M) как общая сумма потраченных денег.

Сколько долларов (или в другой валюте, в которой вы рассчитываете) потратил этот клиент? Опять же, ограничьтесь двумя годами, или возьмите все время. Просто просуммируйте деньги от всех транзакций, чтобы получить значение M.

Пример RFM-анализа

ID пользователя Имя клиента Давность

(R, дни)

Частота

(F, к-во раз)

Деньги

(M, $)

1 Роман Иваненко 3 6 540
2 Елена Васильева 6 10 940
3 Андрей Семенов 45 1 30
4 Тимофей Великий 21 2 64
5 Юлия Андреева 14 4 169
6 Павел Барановский 32 2 55
7 Александр Москаль 5 3 130
8 Евгений Лесной 50 1 950
9 Алексей Фоменко 33 15 2430
10 Иван Солдатенко 10 5 190
11 Дмитрий Михальченко 5 8 840
12 Александр Белый 1 9 1410
13 Елизавета Кот 24 3 54
14 Антон Песков 17 2 44
15 Тарас Павловский 4 1 32

Рассмотрим покупателя Романа Иваненко — последний раз он заказывал 3 дня назад и разместил в общей сложности 6 заказов на сумму 540 долларов до настоящего времени.

Применение формулы оценки RFM

Когда у нас есть значения RFM из истории покупок, мы присваиваем оценку от 1 до 5 для давности, частоты и денежных значений индивидуально для каждого клиента. 5 — это лучшее/самое высокое значение, а 1 — самое низкое/худшее значение. Окончательная RFM-оценка рассчитывается просто путем объединения индивидуальных RFM-оценок.

Помните, что RFM-значения и RFM-оценки — это разные понятия. Значение — это фактическое значение R/F/M для этого клиента, а оценка (балл) — это число от 1 до 5 в зависимости от значения.

Посмотрим на таблицу ниже. Чтобы подсчитать оценки, мы сначала сортируем значения в порядке убывания (от самого высокого до самого низкого). Поскольку у нас 15 клиентов и пять оценок, мы присваиваем оценку 5 первым трем записям, 4 — следующим трем и так далее. Для получения общей RFM-оценки мы просто объединяем оценку R, F и M клиента, чтобы получить трехзначное число.

Примечание: Самые последние покупки считаются лучшими, и им присваивается более высокая оценка.

CID R-зна

чение

R-оценка CID F-значение F-оценка CID M-зна

чение

M-оценка CID RFM-

оценка

12 1 5 9 15 5 9 2430 5 1 544
1 3 5 2 10 5 12 1410 5 2 454
15 4 5 12 9 5 8 950 5 3 111
7 5 4 11 8 4 2 940 4 4 222
11 5 4 1 6 4 11 840 4 5 333
2 6 4 10 5 4 1 540 4 6 222
10 10 3 5 4 3 10 190 3 7 433
5 14 3 7 3 3 5 169 3 8 115
14 17 3 13 3 3 7 130 3 9 155
4 21 2 14 2 2 4 64 2 10 343
13 24 2 4 2 2 6 55 2 11 444
6 32 2 6 2 2 13 54 2 12 555
9 33 1 15 1 1 14 44 1 13 232
3 45 1 3 1 1 15 32 1 14 321
8 50 1 8 1 1 3 30 1 15 511

Таким образом, клиентам, которые совершили покупку недавно, часто покупают и много тратят, присваивается оценка 555. То есть давность или время последнего посещения (R) – 5, частота (F) – 5, деньги (M) – 5. Они ваши лучшие клиенты. В нашем примере Александр Белый, а не Алексей Фоменко — самый крупный потребитель.

С другой стороны, есть клиенты, которые тратят мало денег, мало покупают и делали это давно. Им подходит оценка 111: давность (R) – 1, частота (F) – 1, деньги (M) – 1. Андрей Семенов в нашем случае.

Сейчас разберемся, почему мы делали группы из трех клиентов на каждую оценку.

Как рассчитать балл RFM по шкале от 1 до 5?

Разные бизнесы могут использовать разные методы формул RFM для ранжирования RFM-значений по шкале от 1 до 5. Но вот два наиболее распространенных метода.

  • Метод 1. Простые фиксированные диапазоны

Пример: Если кто-то совершил покупку в течение последних 24 часов, присвойте им оценку 5. За последние 3 дня поставьте им оценку 4. Присвойте 3, если они купили в течение текущего месяца, 2 — за последние шесть месяцев и 1 — для всех остальных.

Как видите, мы сами определили диапазон для каждой оценки. Пороговые значения диапазона зависят от характера бизнеса. Вы также должны определить диапазоны для частотных и денежных значений, аналогично этому способу.

Этот метод оценки зависит от отдельных предприятий. В этом случае они решают, какой диапазон они считают идеальным с точки зрения давности, частоты и денежных значений.

Но есть проблемы с таким расчетом методом фиксированных диапазонов для оценок RFM: по мере роста бизнеса диапазоны оценок могут нуждаться в частой корректировке. Если у вас есть бизнес с регулярными платежами, но с разными условиями оплаты (ежемесячно, ежегодно и т.д.), то расчеты будут неверными.

  • Метод 2. Квантили — создание 5 равных частей на основе доступных вам значений

Вспомните школьные годы, был такой термин “процентиль” в мат.статистике. Процентиль — это просто процент значений, которые находятся на уровне определенного наблюдения или ниже него.

Квантили похожи на процентиль, но вместо того, чтобы делить данные на 100 частей, мы делим их на 5 равных частей. Если вы понимаете процентили, вам будет легче понять квантили. Если мы сделаем пять равных диапазонов процентилей, оценка 18 процентилей попадет в диапазон 0–20, который будет 1-м квантилем. Значение 81 процентиля будет находиться в диапазоне 80–100 и, следовательно, в 5-м квантиле.

Этот метод включает в себя немного сложную математику, но решает множество проблем в методе фиксированного диапазона. Квантили работают с любой отраслью, поскольку диапазоны выбираются из самих данных, они распределяют клиентов равномерно и не имеют перекрестных значений.

Квантили — это чаще всего рекомендуемый метод расчета RFM-оценки. Он используется для создания RFM-сегментации, которая в свою очередь является решением для бизнес-аналитики и маркетингового анализа для онлайн-продавцов.

Для сводки расчетов RFM возьмите данные о ваших клиентах, поставьте оценки от 1 до 5 по значениям R, F и M. Лучше всего использовать квантили, так как они подходят для всех предприятий и регулируются в соответствии с вашими данными.

Визуализация данных RFM

Графическое представление RFM-сегментации поможет вам и другим лицам, принимающим решения, лучше понять RFM-анализ вашей организации.

R, F и M имеют оценки от 1 до 5, то есть всего 5x5x5 = 125 комбинаций значений RFM. Три измерения R, F и M лучше всего изобразить на трехмерной диаграмме. Если бы мы посмотрели, сколько у нас клиентов для каждого значения RFM, нам пришлось бы посмотреть на 125 точек данных.

Но работать с трехмерными диаграммами на бумаге или на экране компьютера не получится. Нам нужно что-то в двух измерениях, что-то, что легче изобразить и понять.

Более простое представление RFM-анализа

В этом подходе мы откладываем частоту и денежную оценку на оси Y (диапазон от 0 до 5) и давность (диапазон от 0 до 5) на оси X. Это уменьшает количество возможных комбинаций со 125 до 50. Объединение F и M в одну имеет смысл, потому что оба связаны с тем, сколько покупает покупатель. R на другой оси позволяет быстро оценить уровни повторного взаимодействия с клиентом.

Рассмотрим, к примеру, бизнес по подписке. Для клиента с ежемесячной подпиской на 100$ их денежное значение будет составлять 1200$ за полный год, но частота будет составлять 12 из-за ежемесячного выставления счетов.

С другой стороны, единовременная коммерческая деятельность или годовая подписка в размере 1200$ указывает на хорошую денежную ценность, но частота составляет только 1 из-за разовой покупки.

Заказчик одинаково важен в обоих случаях. И наш подход к объединению частотной и денежной оценок придает им одинаковую важность в нашем RFM-анализе.

Повышение эффективности — создание RFM-сегментов

Понимание 50 элементов все еще может быть утомительным. Таким образом, мы можем разделить наш анализ на 11 сегментов, чтобы лучше понимать наших клиентов. Мы рассматривали такое RFM-сегментирование в статье https://maddata.agency/mad-blog/rfm-analiz

Вот таблица, в которой объясняется, как создать 11 клиентских сегментов на основе RFM-оценок.

Клиентский сегмент Диапазон оценок 

давности

Диапазон оценок 

частоты и денег

Лидеры 4-5 4-5
Постоянные клиенты 2-5 3-5
Потенциально-лояльные 3-5 1-3
Недавние 4-5 0-1
Перспективные 3-4 0-1
Нуждающиеся во внимании 2-3 2-3
Те, которые собираются «уснуть» 2-3 0-2
Клиенты под угрозой 0-2 2-5
Те, которых нельзя потерять 0-1 4-5
«Уснувшие» 1-2 1-2
Потерянные 0-2 0-2

Окончательная презентация RFM-анализа

Придание четкого цвета каждому сегменту упростит запоминание материала. И если корректно подбирать цвета, то графическое представление RFM станет намного проще для публикации и понимания.

Вот так может выглядеть итоговый отчет по RFM-анализу

Алгоритм RFM-анализа фото 1

Практические применение RFM-сегментации

Выше мы научились выполнять RFM-анализ, но теперь надо понять, как использовать RFM-сегменты. Для этого существует несколько способов. Рассмотрим детальнее на каждом из 11 сегментов RFM, какие стратегии вы можете реализовать для них:

Клиентский сегмент Деятельность Стратегия
Лидеры Они ваши лучшие клиенты. Эти клиенты недавно совершили покупку, покупают часто, и самый дорогой ваш продукт • Вознаграждать их

• Завоевать доверие

• Продвигайте новые продукты

Постоянные клиенты Эта категория клиентов может не покупала совсем недавно, но они наверняка покупают часто и дорогие продукты • Принимайте отзывы и проводите опросы

• Продавайте свои товары дороже (Upsell)

• Презентуйте бонусы

Потенциально-

лояльные

Хотя и не покупают на регулярной основе, но являются недавними покупателями и тратят приличную сумму на покупки продуктов • Предлагайте программу лояльности

• Проводите для них конкурсы

• Сделайте так, чтобы они почувствовали себя особенными

Недавние Они самые недавние покупатели, купили товары с  низкой ценой, и всего один или два раза • Обеспечьте поддержку

• Подарите им скидки

• Постройте отношения

Перспективные Этот сегмент клиентов – это те, кто купил недавно и приобрел товары по самой низкой цене.

Стратегии

• Предоставьте бесплатную пробную версию

• Повышайте узнаваемость бренда

• Предложите кредит от магазина

Нуждающиеся во внимании Эти клиенты, возможно, не покупали в последнее время, но они потратили приличную сумму денег довольно много раз • Предлагайте комбинированные продукты.

• Будьте на связи

• Расскажите им о своих новых предложениях.

Те, которые собираются «уснуть» Тип клиентов, которые покупали ваши товары, но давно. Кроме того, они не часто покупают и не тратят много • Делитесь ценным ресурсом

• Проведите анализ конкурентов.

• Предоставляйте актуальные обновления продукта.

Клиенты под угрозой Эти клиенты часто покупали ваши продукты, покупали дорогие продукты. Но уже давно не покупают • Предложите кредит от магазина

• Предоставьте список желаний

• Обновите предложения

Те, которых нельзя потерять Такие клиенты были частыми покупателями и покупали дорогие продукты, но со временем они больше не возвращались • Предоставьте индивидуальный сервис

• Позвоните им

• Общайтесь в социальных сетях

«Уснувшие» Эти клиенты покупали только недорогие товары, делали покупки один или два раза и никогда не возвращались. • Решите, хотите ли вы их вернуть

• Пересмотрите свой продукт

• Отправьте персонализированную кампанию

Потерянные Как следует из названия, вы почти потеряли этих клиентов, они так и не вернулись. Кроме того, их предыдущие покупки были недорогими продуктами, которые осуществлялись раз или два • Восстановите связь с ними

• Сделайте последнее предложение

• Принимайте отзывы

При выполнении такой RFM-сегментации нужно продумать, какое количество ваших клиентов будет в этих сегментах. И определить, насколько будет эффективным использование рекомендованных маркетинговых действий для вашего бизнеса.

Facebook Comment

Still dont know about MAD?

Lets get acquainted! We will throw off intro materials about us and Data products. We promise - no spam ;)



[recaptcha]