Связаться с нами
Закрыть
Назад в блог
Назад в блог

Горячо-холодно: как RFM-сегментация помогает оценить качество клиентов

#аналитика
11 июня 324 просмотра 7 минут на чтение

У вашего бизнеса уже есть определенная клиентская база, сбор которой потребовал огромных усилий и финансовых затрат. В этой базе люди, которые однажды сделали у вас заказ или воспользовались услугами. Как теперь сделать так, чтобы существующие клиенты приносили прибыль? Превратить их из просто клиентов в лояльных клиентов. Здесь не обойтись без сегментации, RFM-анализа и еще пары секретов.

В погоне за привлечением новых покупателей и расширением некоторые компании забывают о работе с уже существующими клиентами, с теми, кто хотя бы раз с вами взаимодействовал. И это неправильно. В качестве доказательства напрашивается принцип Парето: 80% прибыли приносят 20% постоянных покупателей. Весьма внушительный аргумент, чтобы пересмотреть взаимоотношения с клиентской базой. Но обеспечение компании прибыли – это далеко не единственная вещь, которую делают лояльные клиенты для компании. Как правило, они:
  • рассказывают своим друзьям и родным об удачном заказе и «приводят» их к вам;
  • обращаются повторно и рассматривают другие ваши товары и услуги при необходимости;
  • оставляют отзывы, отмечают бренд в публикациях на своих страницах;
  • вступают в группы бренда в социальных сетях, следить за новостями.

Согласитесь, неплохая поддержка. Тем более, все это требует меньше финансовых затрат, в отличие от привлечения новой аудитории.


RFM-анализ - один из способов классификации своей аудитории по покупательскому поведению и создания сценариев дальнейшей работы с каждым сегментом. Вы поймете, кого можно причислить к самым лучшим клиентам, кого – к просто лояльным, кто окажется транжирой, а кто – экономным покупателем и т.д. Соответственно, для каждой группы необходимо будет разработать специальные предложения и стратегию взаимодействия.


RFM-анализ: что для него потребуется

Основой будут являться три показателя: Recency (давность) – количество времени, которое прошло с предыдущей покупки (сделки), Frequency (частота) – количество покупок, Monetary (деньги) – общая сумма покупок. Для проведения анализа вам потребуются данные обо всех покупках всех клиентов. То есть необходимо выгрузить файл из вашей системы учета клиентов.

Затем клиентская база по этим показателям (давность, частота и деньги) делится на 3 диапазона:

Давность:
  • 1 – давние;
  • 2 – «спящие» (относительно недавние);
  • 3 – недавние.
Частота покупок:
  • 1 — разовая;
  • 2 — редкие;
  • 3 — частые.
Сумма покупок:
  • 1 — низкий чек;
  • 2 — средний чек;
  • 3 — высокий чек.

В итоге каждый клиент получит свой определенный числовой показатель. Например, 113 будет означать, что клиент давно совершил разовую дорогую покупку у вас. В итоге пересечения всех этих показателей и диапазонов дадут 27 возможных комбинаций (сегментов).

Весь процесс работы с Excel можно разделить на несколько шагов

Шаг 1. Выгружаем из CRM документ со сделками по всем клиентам. Для RFM-анализа понадобятся «Имя клиента», «Дата покупки», «Сумма покупки». Такую выгрузку может предоставить любая CRM-система.

Шаг 2. Создание и настройка сводной таблицы, чтобы посчитать: сколько раз клиент заказывал, на какую сумму и когда заказывал в последний раз. Применение условий в Excel, чтобы присвоить числовые диапазоны.

Шаг 3. Создание сводной таблицы на основании этих кодов. В результате должна получиться следующая таблица:

Подробное видео о том, как провести такой анализ можно найти у UniSender:

А дальше?

Здесь начинается самое интересное – оценка состояния базы клиентов и разработка моделей взаимодействия с ними. Охарактеризуйте каждый сегмент (123, 322 и т.д.). Например, клиентов с разовыми и давними покупками (111, 112, 113) можно попробовать вернуть с помощью специальных бонусов, скидок или подарков. Впрочем, если это не сработает в первый раз, слишком много времени и усилий в дальнейшем на это не стоит тратить. Отток клиентов из базы неизбежен.

Для клиентов, кто не совершал покупки некоторое время, но раньше покупал часто и тратил много можно предложить следующее:
  • скидку на заказ (например, «Скидка действует всю неделю»);
  • разослать информацию о распродаже;
  • создать персональную товарную подборку.

Для тех клиентов, кто все-таки склонен к покупкам, можно повышать ставки в динамическом ремаркетинге или в контексте. Ремаркетинг на основе RFM-анализа позволяет потратить рекламные деньги не на огромную аудиторию тех, кто лишь просто просматривал товар, а на определенную выборку пользователей.

Категории идеальных клиентов, таких как «транжиры» и лояльные клиенты, как правило, не требуют особых временных и финансовых затрат. Все, что нужно делать, – убедить этих клиентов в том, что они для вас ценны. Из скидок здесь будет уместна только программа лояльности для постоянных клиентов. В остальном достаточно персональных товарных подборок, сообщений о важных нововведениях, полезного контента в рассылках. Также можно попробовать продвигать и свои дорогие продукты (для категории транжир, например, 333).

В чем плюсы RFM-анализа

  • Не нужно привлекать дополнительных специалистов или программное обеспечение. Анализ легко сделать в Excel.
  • Не требуются дополнительные данные. Для такого анализа подойдет уже имеющаяся у вас информация из CRM-системы.
  • Занимает не очень много времени. Саму разбивку клиентов на группы можно сделать за полчаса, используя формулы Excel.
  • Не только не требует дополнительных затрат, но и в последствии помогает оптимизировать бюджет и получить прибыль.

Важно! Со временем списки клиентов по RFM-анализу могут устаревать: покупатели переходят из одного сегмента в другой, постоянные могут сделать перерыв в покупках, а те, кто заказал один раз – стать активнее и перейти в раздел транжир. Именно поэтому списки периодически необходимо обновлять. Как часто это делать – зависит от бизнеса и его специфики, сезонности, жизненного цикла клиента и т.д. Для крупного интернет-магазина с широким ассортиментом обновление списков и новый RFM-анализ можно проводить один в месяц.

Постоянные и лояльные клиенты – мечта любого бизнеса и фундамент для дальнейшей работы. Именно поэтому наряду привлечением новых, не стоит забывать и о «старых» покупателях. Вовремя предоставленная скидка, показанное объявление или отправленное уведомление способны творить чудеса и наладить контакт между вами и вашими существующими клиентами. Для понимания своей аудитории попробуйте RFM-анализ. Это несложный, но очень эффективный способ улучшить ваши отношения с клиентами, понять их и, соответственно, улучшить показатели бизнеса.

Другие статьи по теме
15 января 982 просмотра 6 минут
#аналитика
Цели в Google Analytics: как создать, настроить и установить
06 октября 526 просмотров
#аналитика
Что такое Big Data простыми словами
Большие данные становятся неотъемлемой частью нашей жизни. Все мы ежедневно используем какие-либо технологии и контактируем с продуктами и крупными компаниями. Компании предлагают нам свои продукты и, в свою очередь, используют данные, которые мы им предоставляем (начиная от отслеживания переходов на сайте и заканчивая персональной информацией при оформлении заказов). Настал момент подробнее разобраться, как собираются эти огромные потоки информации и что с ними делают.
10 сентября 345 просмотров
#аналитика
Customer Journey Map: что это, зачем, источники информации, где и как визуализировать
«Клиент редко покупает то, что бизнес ему продает», – сказал Питер Друкер, один из известных теоретиков менеджмента. Многие клиенты вкладывают другие смыслы в ваши товары и приходят к покупке с помощью тех каналов, которым вы, возможно, не уделяли внимание.
22 июля 2187 просмотров 4 минуты
#аналитика
CRM-системы: что это такое и зачем они нужны
Автоматизация рабочих процессов сейчас – это привилегия не только крупного бизнеса. IT-технологии развились до такой степени, что различные аналитические системы и другие нужные продукты стали доступны малым и средним компаниям. В том числе и программы для автоматизации работы с клиентами. Если вы все еще сомневаетесь в необходимости внедрения CRM-системы, то эта статья для вас.
20 июля 306 просмотров 4 минуты
#аналитика
Применение машинного обучения в Google таблицах с помощью библиотеки Tensorflow.js и Google Apps скрипта
Тема машинного обучения сейчас очень актуальна и продолжает набирать обороты. Машинное обучение — это алгоритм, с помощью которого система распознает данные и их закономерности, предсказывает значения на основе обученной модели.
02 июня 391 просмотр 3 минуты
#аналитика
Сервис передачи расходов из Яндекс.Маркета в Яндекс.Метрику
MediaNation начала работу над созданием собственного сервиса стриминга данных – StreamMyData. Первый коннектор, который представлен в системе, позволяет передавать данные о расходах из Яндекс.Маркета в Яндекс.Метрику. Это означает, что в Метрике вы сможете видеть расходы по Яндекс.Маркету, сопоставлять их с данными по продажам и доходу и принимать решения о том, как повысить эффективность размещения на Яндекс.Маркете.
27 мая 300 просмотров 1 минута
#аналитика
Как в Google BigQuery разделить значение столбца по символу
Часто в UTM-метках используется символ вертикальной черты (|), который разделяет параметры визуально. В результате при передаче таких данных в базу два важных параметра попадают в один столбец, что затрудняет их дальнейший анализ. Возникает вопрос: как их “физически” разделить, если работа с данными ведется в Google BigQuery?
20 мая 1120 просмотров 8 минут
#аналитика
Кейс: сквозная аналитика для Tilda-сайта и нестандартной CRM
Мы привыкли, что сквозная аналитика востребована в крупном ритейле, и для ее обеспечения используются большие сложные CRM. Однако этот кейс демонстрирует, что связь транзакций и источников лидов интересует всех, кто хочет грамотно подходить к маркетингу. Даже модных блогеров, чьи сайты созданы на Tilda, а используемая CRM ограничена в функционале.
23 апреля 282 просмотра 8 минут
#аналитика
Маркетинговая аналитика во времена COVID-19 – опыт Google
На днях Thinkwithgoogle.com опубликовал материал своего руководителя отдела стратегической аналитики, Авинаша Кошика, где тот рассказывает, от какой аналитической работы его отдел отказался на период пандемии, а какую продолжает вести. Любопытный материал с точки зрения отношения (очень) крупного бизнеса к текущей ситуации. Приводим наиболее интересные тезисы.
18 февраля 767 просмотров 10 минут
#аналитика
Как анализировать данные продаж с помощью Google BigQuery и Data Studio
Давайте работать?
Мы верим в ваш бизнес
Наверх