RFM-анализ
RFM-анализ — это способ разделить клиентскую базу на группы по реальному поведению: когда клиент покупал в последний раз, как часто покупает и сколько тратит. Аббревиатура расшифровывается как Recency (давность последней покупки), Frequency (частота) и Monetary (сумма). Каждому клиенту присваивают оценку по каждому из трёх параметров, и он попадает в сегмент, который отражает его реальный статус в базе — лоялен и активен, заходит нечасто, покупал когда-то хорошо, но давно пропал. Не обобщённый портрет и не демографический срез, а описание того, что человек реально делал.
Зачем это нужно? В любой клиентской базе люди неравнозначны. Одни покупают часто и на крупные суммы, другие заглянули один раз год назад и не вернулись, третьи бывают редко, но тратят сразу много. Если отправить всем одно и то же письмо со скидкой — предложение получат и те, кто купит без скидки, и те, кого она уже не вернёт. RFM убирает эту проблему: показывает, кому писать в первую очередь, кого достаточно раз в месяц поддерживать полезным сообщением, а кого бесполезно тревожить вообще — вероятность отклика после долгого молчания слишком мала.
Главное отличие от стандартной сегментации по возрасту, городу или полу — RFM строится только на реальных покупках, а не на предположениях. Не «мужчина 40 лет, интересуется строительством», а «три покупки за полгода, последняя — два месяца назад». Для этого не нужно проводить опросы или строить персонажей: данные уже есть в кассовой системе, CRM или таблице заказов. Сегменты не устаревают мгновенно — как только клиент совершил покупку, его положение в матрице обновляется само.
Самый частый практический вывод RFM — это «спящие» клиенты с высокой исторической суммой покупок. Они когда-то тратили хорошо, потом пропали — и именно их реактивировать выгоднее всего: они уже знают бизнес и когда-то ему доверяли, нужен только повод вернуться. Персональное письмо с напоминанием даёт результат там, где новый клиент с той же суммой первой покупки потребует полного цикла рекламы и прогрева. Как построить матрицу, разбить базу по ячейкам и составить предложение для каждого сегмента — подробнее в статье про RFM-анализ клиентской базы.