19.09.2022
5 минут

Как улучшить рассылку с помощью RFM-анализа клиентов

RFM-анализ – это один из методов сегментации покупателей, с помощью которого можно точечно и целенаправленно работать с клиентами. Но это не стандартная сегментация по полу или интересам, а более глубокая аналитика, основанная на поведении клиентов. 

В статье разберем особенности RFM-анализа в email-маркетинге, дадим пошаговый алгоритм проведения анализа и покажем, как данные о пользователях улучшают рассылки. 

Суть метода и его ценность для email-маркетинга

RFM-анализ позволяет анализировать базу по трем параметрам: сумма, давность и частота покупок.

  • Recency – давность покупки
  • Frequency – частота покупок
  • Monetary – сумма покупок 

Такой способ исследования позволяет получить 3 больших, 9 средних или 27 сегментов с разным покупательским поведением и подготовить для них индивидуальную стратегию email-рассылки. 

Например, вы нашли сегмент клиентов, которые раньше постоянно совершали заказы, но перестали. Что можно сделать для их возвращения: прислать реанимационное письмо со скидкой, пригласить вступить в программу лояльности или предложить клиенту рассказать, почему он ушел от вас. 

Другой пример – сегмент тех, кто периодически покупает на небольшую сумму. Можно мотивировать их покупать чаще или на более крупные суммы. Для этого подойдет то же приглашение вступить в программу лояльности, триггерные рассылки с сопутствующими товарами, а также с похожими, но более дорогими.

В этом и есть основная ценность RFM-анализа – понимание аудитории и разработка индивидуальной стратегии взаимодействия.

Такой подход улучшает не только показатели рассылки, но и приносит прибыль компании: подписчики получают релевантные рассылки с учетом их поведения и интересов, становятся лояльнее и покупают чаще. 

Задачи, которые можно решить на основании данных анализа 
Задачи, которые можно решить на основании данных анализа 

Как провести RFM-анализ клиентов: пошаговая инструкция

Анализ базы проводится в несколько этапов: сначала собирают данные о покупках, затем их группируют по определенным критериям и сегментируют. После этого сегменты анализируют и разрабатывают стратегию взаимодействия с каждым из них. 

Если у вас небольшая база, то анализ можно сделать в обычной Excel-таблице с помощью формул. Но если в базе более 20 000 клиентов, лучше автоматизировать сбор и группировку данных. Для этого подойдут CRM-системы или специальные скрипты.

У крупных CRM-систем есть автоматическая сегментация по методологии RFM. Нужно указать, по каким параметрам нужно анализировать аудиторию, и CRM соберет нужные данные, сгруппирует клиентов по нужным параметрам и сформирует сегменты.

Скрипты – если у системы учета клиентов нет возможности автоматической сегментации по RFM, воспользуйтесь специальными скриптами, которые будут собирать нужные данные. 

Зарегистрируйтесь
И попробуйте Sendsay бесплатно

1. Сбор данных и их группировка 

Для RFM-анализа клиентов понадобятся следующие данные о подписчике: email-адрес, даты покупок, количество заказов и сумма покупки. Если анализ делается вручную, то всю информацию выгружают в таблицу и с помощью формул группируют данные по каждому клиенту: 

  • сколько дней прошло с его последнего заказа
  • сколько заказов он совершил
  • средний чек каждого клиента

Если процесс автоматизирован, то система сама рассчитает все эти значения.

2. Определение критериев и сегментирование

Дальше нужно решить, по каким критериям сегментировать базу. Для этого нужно определить среднюю границу каждого анализируемого показателя с учетом особенностей бизнеса. Например, какие заказы считать давними – которые были 3, 6 или 12 месяцев назад? В каждой нише будут свои границы. 

По такому же принципу для каждого параметра RFM-анализа нужно прописать сумму, количество и частоту покупок. Какие сегменты могут быть для параметра «давность»:

  • недавно – покупали менее 3 месяцев назад
  • давно – покупали 3-6 месяцев назад
  • очень давно – покупали более полугода назад

Таким образом для каждого параметра выделяют по 3 сегмента и в общей сложности получается 9 сегментов:

Обычно каждому из них присваивают цифровое значение, что позволяет создавать короткие и удобные названия. Для каждого параметра проставляют значения 1, 2 и 3, как на схеме ниже. 

Цифры не обязательно проставлять именно таким образом, выбирайте способ, который будет удобен для вас при проведении RFM-анализа базы
Цифры не обязательно проставлять именно таким образом, выбирайте способ, который будет удобен для вас при проведении RFM-анализа базы

Теперь эти сегменты нужно перекрестить и получить 27 маленьких сегментов с более точной информацией о клиентах. Именно на этом этапе пригодятся короткие цифровые значения, о которых мы говорили выше. 

Например, покупатель недавно совершил одну покупку с маленьким чеком. Смотрим на схему выше и видим, что его цифровая запись будет 311. Не нужно каждый раз прописывать: одна покупка, недавно, маленький чек – достаточно коротко написать 311 и все будет понятно.

3. Анализ сегментов и разработка стратегии взаимодействия

Итак, все нужные данные с помощью RFM-анализа клиентской базы мы собрали: у нас есть 27 сегментов аудитории. Теперь остается главное – проанализировать каждый и продумать стратегию взаимодействия с каждым из них. 

Основная концепция такая: 

  • вернуть уходящих
  • редких сделать постоянными
  • постоянных удержать 

Разберем детальнее сегменты базы и посмотрим, как с помощью email-маркетинга можно точечно работать с разными клиентами, увеличивая прибыль, лояльность подписчиков и показатели рассылок. 

Пример использования данных RFM-анализа для покупателей, которые давно перестали покупать
Пример использования данных RFM-анализа для покупателей, которые давно перестали покупать
RFM-анализ позволяет персонально работать с разными покупателями, учитывая не только клиентские интересы, но и покупательское поведение
RFM-анализ позволяет персонально работать с разными покупателями, учитывая не только клиентские интересы, но и покупательское поведение
RFM-анализ используется в маркетинге не только для увеличения продаж, но и для повышения лояльности
RFM-анализ используется в маркетинге не только для увеличения продаж, но и для повышения лояльности

Как часто нужно проводить RFM-анализ

Нужно учитывать, что пользователи часто меняют свое покупательское поведение, поэтому рекомендуется периодически обновлять данные о клиентах и адаптировать стратегию работы с ними. Например, если реанимационная рассылка не принесла результатов, лучше исключить подписчиков из списка, они уже вряд ли вернутся. 

Частота обновления клиентской базы для RFM-анализа зависит от бизнеса. Крупному интернет-магазину повседневных товаров стоит часто обновлять информацию, а агентству продажи недвижимости достаточно раза в год или полгода. Но если вы пользуетесь автоматическим сбором данных из CRM-системы, то достаточно просто настроить обновление списков получателей.

RFM-анализ можно сделать в сервисе email-рассылок Sendsay. В настройках импорта контактов из CRM нужно создать автоматизацию по времени, благодаря которой списки клиентов будут обновляться ежедневно в 12 ночи по Москве. Таким образом, изменение поведения клиента будут автоматически учитываться и рассылку получат только те клиенты, которые соответствуют указанным параметрам. 

Итак, подведем итог. RFM-анализ клиентов – мощный инструмент, который может помочь в создании эффективной стратегии email-маркетинга. Точечная и персональная стратегия работы с разными покупателями поможет: 

  • делать индивидуальные предложения
  • своевременно отмечать потерю VIP-клиентов
  • удерживать постоянных
  • вовлекать новичков
  • увеличивать прибыль 
  • повышать лояльность 
  • улучшать показатели рассылок

Проводить анализ можно вручную или автоматизировать с помощью CRM-систем или других сервисов. Также важно правильно выставить границы для каждого сегмента, чтобы группы получались не слишком большими и клиенты равномерно распределялись внутри каждого показателя RFM-анализа. 

Над статьёй работали:
Присоединяйтесь к нам в соцсетях