Як використовувати RFM-аналіз клієнтів і збільшувати повторні продажі?

У клієнтській базі магазину може бути кілька тисяч контактів. Це виглядає переконливо. Але сама цифра майже нічого не говорить про якість такої бази.

Один покупець замовляє щомісяця й поступово збільшує чек. Інший прийшов під час розпродажу, купив одну недорогу річ і більше не повертався. Третій раніше був постійним клієнтом, а потім раптово зник. Можливо, пішов до конкурента. Можливо, просто забув про магазин.

Надсилати всім трьом однакову розсилку — не найкраща ідея. Саме тут і стане у пригоді RFM-аналіз. Він показує, хто дійсно важливий для бізнесу зараз, кого ще можна повернути та на яких покупців уже не варто витрачати більшу частину маркетингового бюджету.

Що показує RFM-аналіз?

В основі методу лише три показники:

• R — Recency: скільки часу минуло з моменту останньої покупки;
• F — Frequency: як часто клієнт робив замовлення;
• M — Monetary: скільки грошей він витратив за обраний період.

Припустімо, двоє людей залишили в магазині по $500. Але один зробив десять замовлень і був активним минулого тижня, а другий витратив усю суму рік тому й відтоді не з’являвся. За загальною виручкою вони виглядають однаково. За RFM — уже ні.

У цьому і полягає сенс RFM-аналізу клієнтської бази: він допомагає побачити за загальною статистикою поведінку конкретних покупців.

Метод використовують інтернет-магазини, кав’ярні, салони, ресторани та інші компанії, де є повторні покупки. Щоправда, інтервали всюди будуть різними. Для кав’ярні клієнт, який не заходив місяць, уже може вважатися таким, що йде. Для магазину меблів такий строк цілком нормальний.

Навіщо ділити покупців на групи?

Коли база невелика, власнику бізнесу може здаватися, що він і так добре знає своїх клієнтів. З часом це перестає працювати. Покупців стає більше, історія замовлень зростає, а помічати зміни вручну вже складно.

RFM-аналіз у маркетингу допомагає відповісти на цілком практичні запитання:

• хто приносить основну частину виручки;
• які постійні клієнти почали купувати рідше;
• кому варто запропонувати підвищений кешбек;
• кого можна повернути нагадуванням про бонуси;
• на які сегменти невигідно витрачати дорогу рекламу.

Після такого поділу розсилки стають точнішими. Постійного покупця не потрібно зустрічати повідомленням «Ми сумуємо», якщо він був у магазині вчора. А клієнту, який не повертався вісім місяців, навряд чи підійде звичайна новина про поповнення асортименту.

Як розрахувати RFM?

Спочатку обирають період — наприклад, останні шість місяців або рік. Потім для кожного покупця збирають три значення.

Далі кожному значенню присвоюють бал. Часто використовують шкалу від 1 до 5: одиниця означає слабкий результат, п’ятірка — високий.

Межі бізнес визначає самостійно. Готової шкали, яка однаково підійде всім, не існує. Магазину одягу та кав’ярні немає сенсу оцінювати частоту покупок за однаковими правилами.

Розглянемо умовний приклад.

Магазин аналізує замовлення за останній рік і бачить таку картину:

Олексій купував нещодавно, робив це часто й витратив більше за інших. Він отримує максимальні оцінки за всіма трьома параметрами.

У Марії середні показники. Вона ще не втрачена, але за її активністю вже варто стежити.

Сергій давно не повертався, замовлень у нього мало, сума теж невелика. Витрачати на нього такий самий рекламний бюджет, як на Олексія, навряд чи розумно.

Так працює класичний метод RFM-аналізу. У результаті кожен клієнт отримує код із трьох цифр, після чого схожі коди об’єднують у більші сегменти.

Три групи, з якими зручно працювати

Теоретично сегментів може бути багато: нові, перспективні, постійні, лояльні, ті, що втрачають активність, втрачені тощо. Але для початку зовсім не обов’язково будувати складну систему з десяти або п’ятнадцяти категорій.

Часто достатньо трьох основних груп.

Найкращі клієнти

Вони купували нещодавно, повертаються регулярно та приносять помітну частину виручки. Такі люди вже знають компанію і, найімовірніше, задоволені попереднім досвідом. Але вважати їхню лояльність вічною все одно не варто.

Постійних покупців краще не завалювати звичайними знижками. Для них цікавіше працюють ранній доступ до новинок, підвищений рівень у програмі лояльності, додаткові бонуси або закриті пропозиції.

Завдання тут не в тому, щоб терміново продати ще щось. Важливіше зберегти звичку повертатися та показати, що постійність помічають.

Клієнти, яких ще можна повернути

Мабуть, це найцікавіший сегмент. Раніше люди купували досить активно, але останнім часом почали з’являтися рідше або зовсім перестали приходити.

Причини можуть бути різними. Клієнт міг забути про компанію, не дочекатися потрібного товару, розчаруватися в останньому замовленні або просто отримати зручнішу пропозицію від конкурента.

Для цієї групи можна підготувати окремий сценарій:

• нагадати про накопичені бонуси;
• дати підвищений кешбек на наступну покупку;
• показати товари зі знайомої категорії;
• встановити короткий строк дії персональної пропозиції.

Повідомлення краще будувати навколо попереднього досвіду клієнта. Якщо він завжди купував доглядову косметику, пропозиція з випадкової категорії навряд чи поверне його швидше.

Втрачені клієнти

Вони давно нічого не купували, майже не реагують на повідомлення та зазвичай мають низький показник Recency. Повернути частину таких людей можна, але очікування варто залишати реалістичними.

Постійно збільшувати знижку тут небезпечно. У певний момент клієнт повернеться лише заради дуже низької ціни й знову зникне після замовлення.

Розумніше провести окрему кампанію: запропонувати подарунок за повернення, нарахувати обмежений бонус або запитати, чому людина перестала купувати. Останній варіант іноді корисніший за чергову акцію. Він принаймні показує причину відтоку.

Якщо сегмент ніяк не реагує, частоту повідомлень краще скоротити. Маркетинговий бюджет не безмежний.

Як обирати межі для оцінок?

Одна з поширених помилок — взяти готові інтервали з чужої статті та застосувати їх без змін.

Уявімо, що оцінку 5 за Recency отримують усі, хто купував протягом останніх 30 днів. Для ювелірного магазину це може бути надто суворою умовою: прикраси рідко замовляють щомісяця. Для кав’ярні, навпаки, надто м’якою.

Межі краще будувати на власних даних. Подивіться, як часто зазвичай повертаються ваші клієнти, які суми вважаються високими та скільки замовлень дійсно відрізняє постійного покупця від випадкового.

Іноді зручно ділити базу на рівні частини. Наприклад, 20% клієнтів із найсвіжішими покупками отримують R5, наступні 20% — R4 і так далі. В іншому бізнесі зрозуміліше використовувати фіксовані інтервали: до 14 днів, від 15 до 30, від 31 до 60.

Обидва підходи допустимі. Головне, щоб оцінки відображали реальну поведінку аудиторії, а не просто красиво виглядали в таблиці.

Чим ABC/RFM-аналіз відрізняється від звичайного RFM?

Класичний RFM враховує час останньої покупки, частоту замовлень і витрачену суму. ABC/RFM-аналіз додає ще один рівень — розподіл клієнтів за їхнім внеском у виручку або прибуток.

Зазвичай виділяють три класи:

• A — покупці з найбільшим внеском;
• B — клієнти із середньою цінністю;
• C — покупці з невеликим внеском.

Потім усередині кожного класу аналізують показники R, F і M.

Це допомагає помітити відмінності, які звичайна сегментація іноді згладжує. Наприклад, два клієнти можуть мати схожий RFM-код, але один купує високомаржинальні товари, а другий — лише позиції за акціями. Формально активність подібна, але цінність для бізнесу різна.

Для невеликої бази така деталізація може бути зайвою. А ось за великого асортименту та тисяч покупців вона вже дає точнішу картину.

Як програма лояльності спрощує аналіз?

Розрахувати RFM вручну можливо. Потрібна історія замовлень, таблиця та трохи часу. Проблема починається пізніше: дані постійно змінюються.

Клієнт зробив нове замовлення — його Recency оновився. Здійснив ще дві покупки — змінився Frequency. Витратив велику суму — зріс Monetary. У великій базі перераховувати все це вручну щотижня незручно.

Програма лояльності бере рутинну частину на себе. Вона пов’язує покупки з конкретними клієнтами, зберігає суми чеків, розраховує частоту візитів і оновлює сегменти.

Далі бізнес може налаштувати окремі дії для кожної групи.

Наприклад, найкращий клієнт отримує доступ до новинок. Покупцю з групи ризику надходить нагадування про бонуси. Втраченому клієнту надсилають одну персональну пропозицію — без нескінченної серії однакових розсилок.

У такому разі RFM-аналіз клієнтської бази перестає бути таблицею, яку відкривають раз на рік. Він стає робочим інструментом: допомагає обирати аудиторію для кампаній, не роздавати знижки всім підряд і вчасно помічати клієнтів, які почали йти.

Сам аналіз не збільшує продажі. Він лише показує, де шукати можливості. Зростання починається пізніше — коли бізнес змінює пропозиції, тестує різні сценарії та перевіряє, які групи дійсно почали повертатися частіше.