Что такое RFM-анализ и как сегментировать базу клиентов

У вашей компании есть сайт, пользователи и установленная веб-аналитика. Вы абсолютно бесплатно можете применять RFM-анализ для сегментации своих пользователей на основе любого важного для бизнеса параметра: давность посещения сайта, активность на сайте, количество заказов. Этот вид анализа с успехом применяется не только к данным о пользователях, но и к другим: поведение клиентов, активность в социальных сетях, данные об интересах клиентов.

Что такое RFM-анализ

RFM-анализ (от англ. recency, frequency, monetary, «повторяемость, частота, деньги») — это маркетинговая техника, используемая для оценки и сегментирования клиентов по трем факторам: как давно он совершил покупку, как часто это делает и сколько тратит.

Простыми словами, RFM-анализ — это мощный инструмент для определения наиболее ценных клиентов. Такое исследование позволяет направить маркетинговые усилия на увеличение доходов компании и повышение лояльности клиентов.

Зачем и кому нужен RFM-анализ

Вы наверняка слышали про Принцип Парето, который гласит, что ~20 % клиентов дают ~80 % ценности. RFM-анализ помогает найти именно эти 20 % и работать с ними по-разному, а не одинаково со всеми. RFM не заменяет другие виды сегментации, а лишь дополняет их.

Благодаря RFM исследованию бизнес может сосредоточить свои усилия только на определенном сегменте целевой аудитории — например, на самых лояльных или самых платежеспособных клиентах. Кроме того, вы обнаружите потенциальных клиентов: спящих, не активных, тех, кто ушел к вашим конкурентам.

Такое исследование в долгосрочной перспективе поможет таким специалистам как:

• Маркетологи.
• Руководители бизнеса.
• Руководители отдела продаж.
• Аналитики.
• Финансовые специалисты.
• Бизнес-консультанты.

RFM-отчет позволит сформировать индивидуальную стратегию для каждой важной группы ЦА. При этом информацию в отчете возможно использовать для самых разнообразных задач: например, для создания продажных скриптов, настройки рекламных кампаний, присутствия в социальных сетях, создания нового контента для сайта, ребрендинга.

Читайте также:

Что такое маржа и как ее рассчитать бизнесу

По каким критериям выполняется сегментация

Нацеливаясь на клиентов, нельзя бить пальцем в небо — это слишком дорого и неэффективно. Именно поэтому бизнес сегментирует свою аудиторию на основе демографических, социальных и других данных: возможностей расходования средств, привязанности к бренду и т. д.

Он учитывает три элементарных вопроса:

1. Насколько недавно была совершена покупка? Клиенты, совершившие покупку недавно, считаются более ценными, чем те, кто не совершал покупок в течение длительного времени.
2. С какой периодичностью совершается покупка? Клиенты, совершившие больше покупок, считаются более ценными, чем те, кто совершил меньше.
3. Сколько средств было потрачено на покупку? Клиенты, потратившие больше денег, считаются более ценными, чем те, кто потратил меньше.

Анализ присваивает баллы каждому из этих компонентов на основе заранее определенной шкалы и общий балл. Далее клиенты сегментируются, причем каждый сегмент представляет собой различный уровень потребительской ценности.

Например, клиентам, которые недавно совершили покупку, совершили несколько покупок и потратили значительную сумму денег, присваиваются высокие баллы по каждому компоненту, и они считаются высокоценными клиентами. А вот клиенты, которые долгое время не совершали покупок, совершили мало покупок и потратили мало денег, получат низкие оценки по каждому компоненту и будут считаться малоценными.

Читайте также:

Как увеличить средний чек и продать больше: 10 способов от агентства 1PS.RU

Пример RFM-анализа

Возьмем компанию, которая занимается производством и реализацией оборудования для изготовления пива. Ниша довольно специфическая и целевая аудитория хорошо знакома с продуктом. Это одновременно и плюс, и минус.

У нас есть два клиента, которые потратили по 400 000 рублей. Клиент № 1 купил комплект два года назад и больше не появлялся. Клиент № 2 купил комплект оборудования стоимостью 190 000 рублей, но он регулярно возвращается, покупая расходные материалы и аксессуары раз в две недели. Чтобы вернуть клиента № 1, компания должна коммуницировать с ним совершенно иначе, чем с клиентом № 2. И возврат клиента № 1 обойдется компании гораздо дороже, чем убедить клиента № 2 продолжать покупать у вас. Более того — убеждать того, кто никогда у вас не покупал, будет дешевле, чем попытаться вернуть клиента № 1, который отказался от продукта компании осознанно.

Пошаговая инструкция по RFM-анализу на примере email-кампании

Если вы хотите провести сегментацию по RFM самостоятельно, без привлечения сторонних специалистов, это потребует большого количества данных по бизнесу.

Рассмотрим пошаговую инструкцию по проведению RFM-анализа на примере email-маркетинга. Пусть это будет та же компания, которая занимается производством / реализацией оборудования для изготовления пива.

Шаг 1. Создание базы

Первым шагом будет создание базы данных всех подписчиков на email-рассылку. Для этого необходимо консолидировать данные из всех источников, где у вас имеются подписчики. Примеры таких источников — формы регистрации на веб-сайте, существующие CRM-системы, данные из рекламных платформ, сервисы для email-рассылок (Mailchimp, UniSender).

Для небольших объёмов данных подойдёт хорошо структурированная таблица в Excel или Google Sheets. В более крупных проектах оптимальным решением будет специализированная CRM-система, или даже отдельная база данных.

Основная цель — объединить всю информацию о каждом подписчике. Простыми словами, нужно извлечь email, дату подписки, активность во взаимодействии с рассылками, а также историю покупок и их даты. В дальнейшем такой подход позволит вам получить полную картину по каждому клиенту.

Шаг 2. Присвоение параметров

Как только вы создадите такую базу данных, каждому подписчику должны быть присвоены три параметра:

1. Дата последней покупки.
2. Общее количество заказов.
3. Общая потраченная сумма.

Шаг 3. Расчет повторяемости

Рассчитайте показатель повторяемости на основе даты последней покупки. Здесь важно будет отметить, что каждый бизнес применяет собственные, уникальные методы сегментации. Вы можете использовать, например, такой способ:

• Сегмент 1 — последняя покупка до месяца.
• Сегмент 2 — последняя покупка до 3 месяцев.
• Сегмент 3 — последняя покупка до года.
• Сегмент 4 — последняя покупка более года.

Шаг 5. Расчет частоты

Аналогичным же образом вы можете рассчитать показатель частоты — на основе количества заказов, сделанных клиентами компании, а также денежный показатель — на основе суммы потраченных денег.

Шаг 6. Расчет денежных средств

Расчет вышеуказанным способом должен быть выполнен и для показателя «Денежные средства» за тот же период времени. Система рейтинга включает трехзначную группировку для каждого клиента. Например, клиенты A-C в этой таблице имеют рейтинг от 1 до 5 в зависимости от того, какое место они занимают в каждом измерении:

Исходя из этой группировки, клиент А — самый ценный, клиент С — второй по ценности, а клиент В — третий по ценности.

Шаг 7. Подсчет

Клиенты, получившие наивысший показатель RFM, считаются самыми легкоконверсионными: именно они наиболее вероятно превратятся в новых клиентов (получив рассылку по электронной почте). Итак, далее клиентов упорядочивают по трем параметрам и распределяют списки по 5 группам, где группа 1 является наиболее ценной, а группа 5 — наименее ценной.

Резюме: по академической методологии RFM, вы должны разделить всех своих клиентов на 5 групп. В группу 1 войдут 20 % самых последних покупателей, в группу 2 — 21 %-40 % покупателей и т. д.

Шаг 8. Анализ полученных данных

Его удобно проводить и в форме инфографики (особенно, если она интерактивная), но электронные таблицы не менее удобны. Тот же Excel прекрасно справится с этой задачей:

Есть также несколько более профессиональные платформы именно для RFM-исследований (daasity.com, OWOX, flyde.io), но в настоящий момент все они заблокированы для российских пользователей.

В дальнейшем выводятся конкретные KPI, на которые и должна ориентироваться компания в попытке достичь необходимую цель (повышение продаж, улучшение лояльности ЦА, информирование перед запуском продукта).

Например, компания может создать сегмент «VIP» для клиентов, получивших высокие оценки по всем трем показателям, и сегмент «Лояльные, но неактивные» для клиентов, которые совершили много покупок в прошлом, но не взаимодействовали с брендом в последнее время.

После создания сегментов компании могут использовать целевые кампании для взаимодействия с клиентами из каждой группы. Например, VIP-сегмент может получать эксклюзивные предложения или персонализированные креативы — для поощрения их лояльности, а сегмент «лояльных, но неактивных» может получать стимулы для возвращения к продуктам компании.

Пошаговое руководство: как провести RFM-анализ в Google Sheets с нуля

Итак, напоминаю главное (сейчас это очень важно), RFM — это разбиение клиентов по трем признакам:

1. R (Recency) — давность последней покупки. Чем меньше дней прошло, тем лучше.
2. F (Frequency) — частота покупок.
3. M (Monetary) — сумма денег, которую клиент принес за период.

И, держа вышеуказанную матрицу в голове, приступаем к подготовке первого листа.

Шаг 1. Подготовьте данные и загрузите их в таблицу

Сделайте один лист. Пусть он будет называться Orders, то есть — заказы. Со столбцами:

• A: CustomerID — уникальный идентификатор клиента (email, телефон или ID из CRM).
• B: OrderID — номер заказа.
• C: OrderDate — дата заказа в формате даты.
• D: Amount — сумма заказа числом в одной валюте.

Совет: сразу уберите тестовые заказы, все возвраты. И обязательно приведите валюту к единой.

Шаг 2. Создайте список клиентов

На новом листе RFM:

В A2 вставьте:

=UNIQUE(Orders!A2:A)

Эта команда выведет только уникальных клиентов.

Шаг 3. Посчитайте последнюю дату покупки (для R)

В B1 напишите «LastPurchase». В B2 будем использовать формулу:

Чтобы не получать ошибку, когда покупок нет, можно так:

(Для Excel: =MAXIFS(Orders!C:C, Orders!A:A, A2))

Теперь протяните вниз:

Шаг 4. Вычислите Recency — сколько дней прошло

В C1 — «RecencyDays». Задайте «дату анализа» в F1. Допустим, =TODAY() или же просто конкретную дату.

В C2:

=IF(B2=""; ""; DAYS($F$1; B2))

или просто:

=$F$1 - B2

В Excel будет аналогично. Так мы получили число дней с момента последней покупки.

Шаг 5. Частота покупок (F)

В D1 — «Frequency».

В D2 используем такую функцию:

=COUNTIF(Orders!A:A; A2)

В Excel, напоминаю, применяется тот же COUNTIF.

Если в исходных данных один заказ = одна строка, этого достаточно. Если один заказ может занимать несколько строк, используйте COUNTUNIQUE по OrderID для данного клиента (доп. фильтр).

Для частоты лучше считать уникальные OrderID клиента. И тогда в Google Sheets корректная формула в D2:

=IFERROR(COUNTUNIQUE(FILTER(Orders!B:B; Orders!A:A=A2; Orders!B:B<>"")); 0)

• FILTER берет только заказы этого клиента и убирает пустые OrderID.
• COUNTUNIQUE считает уникальные номера заказов (а не строки).
• IFERROR дает 0, если заказов нет.

Но, если у вас по одному заказу на строку и дублей нет, можно проще:

=COUNTIF(Orders!A:A; A2)

Результат этой краткой формулы на скриншоте выше.

Шаг 6. Денежная ценность (M)

В E1 — указываем слово «Monetary». Здесь все понятно.

В E2 вот так:

=SUMIF(Orders!A:A, A2, Orders!D:D)

В Excel SUMIF такой же.

Шаг 7. Определяем границы для R, F, M через процентили

Процентиль — это «точка» распределения. Например, 20-й процентиль — значение, ниже которого 20 % наблюдений.

Самый популярный вариант этих процентилей — квинтили (делим метрику на 5 равных по числу клиентов групп: 20 / 40 / 60 / 80 %). Для небольших баз можно брать терцили (на 3 группы: 33 / 66 %, соответственно).

Начинаем создавать квантили. Напомню, границы 20 / 40 / 60 / 80 %.

В H1 пишем слово R_Cutoffs.

В H2:

=PERCENTILE($C$2:$C; 0,2)

В H3:

=PERCENTILE($C$2:$C; 0,4)

В H4:

=PERCENTILE($C$2:$C; 0,6)

В H5 используем функцию:

=PERCENTILE($C$2:$C; 0,8)

В I1: F_Cutoffs (для $D$2:$D) — аналогично H2:H5, но укажите диапазон $D$2:$D

В J1: M_Cutoffs (для $E$2:$E) — аналогично, с диапазоном $E$2:$E.

Расскажу, как рассчитать F- и M-пороги:

F-пороги (для диапазона частоты D2:D)

В I1: F_Cutoffs

В I2 (20-й перцентиль):

=PERCENTILE($D$2:$D; 0,2)

В I3 (40-й перцентиль):

=PERCENTILE($D$2:$D; 0,4)

В I4 (60-й перцентиль):

=PERCENTILE($D$2:$D; 0,6)

В I5 (80-й перцентиль):

=PERCENTILE($D$2:$D; 0,8)

M-пороги (для диапазона выручки E2:E)

В J1: M_Cutoffs

В J2 (20-й перцентиль):

=PERCENTILE($E$2:$E; 0,2)

В J3 (40-й перцентиль):

=PERCENTILE($E$2:$E; 0,4)

В J4 (60-й перцентиль):

=PERCENTILE($E$2:$E; 0,6)

В J5 (80-й перцентиль):

Фанаты Excel используют PERCENTILE.INC.

Шаг 8. Присваиваем оценки (скоры) по шкале 1-5 или 1-3

Если клиентов много (1000+), берите 1-5. А если база маленькая — 1-3.

После столбца E (Monetary) и блока квинтилей H-J, у нас заняты:

• H — R_Cutoffs.
• I — F_Cutoffs.
• J — M_Cutoffs.

Так что для присвоения баллов создадим новые, незанятые столбцы.

У нас свободными оказались K, L, M, N — создаем их для баллов и RFM-кода:

В K2:

=IF(C2=""; ""; 6 - (1 + COUNTIF($H$2:$H$5; "<="&C2)))

Чем меньше дней прошло с покупки — тем выше оценка (5 = недавняя активность).

В L2:

=IF(D2=""; ""; 1 + COUNTIF($I$2:$I$5; "<="&D2))

Чем чаще клиент покупает, тем выше балл.

В M2:

=IF(E2=""; ""; 1 + COUNTIF($J$2:$J$5; "<="&E2))

Чем выше общая сумма покупок, тем выше оценка.

В N2:

=IF(K2=""; ""; TEXT(K2; "0") & TEXT(L2; "0") & TEXT(M2; "0"))

Теперь протягиваем ячейку вниз. Вы увидите три цифры. Могут быть 555, 344. А могут и 211 и т.д.

Если при протягивании ячейки N2 (RFM_Code) вниз ничего не происходит — значит, формула в ней не видит данных или зависит от пустых ячеек.

Кажется, все. Запутались? Так бывает, особенно, если нет опыта с электронными таблицами. Или, возможно, наши расчеты показались вам слишком сложным. Не беда — есть другие версии.

Читайте также:

Что такое CRM-система простыми словами и как ее правильно выбрать

Карта сегментов или как расшифровать все группы клиентов

Ниже — простая «легенда» по кодам. Логика очень прозрачная. А именно — смотрим в первую очередь на R (давность), затем на F и M.

Звездочки — любые цифры. Критерии можно «подкрутить» под ваш бизнес. Допустим, считать «Потерянными» R=1-2, если цикл сделки длинный.

Можно ли использовать RFM как основу для предиктивной модели, которая предсказывает будущую ценность клиента и риски оттока, интегрируя ее с другими источниками данных и методами машинного обучения?

Обычно RFM-карта просто показывает, кто сколько раз и когда у нас покупал. Но мы можем пойти гораздо дальше, используя её как отправную точку для предсказаний. Для этого каждый RFM-сегмент мы рассматриваем как ценную характеристику клиента. К этой информации о его покупательском поведении мы добавляем множество других данных: например, какие страницы на нашем сайте он посещал, какие письма от нас открывал, на какие рекламные предложения реагировал, и даже, если известно, его возраст или ГЕО. Все эти сведения затем передаются специальным программам, которые называются алгоритмами машинного обучения. Эти программы начинают искать скрытые связи и закономерности во всем объеме информации, обучаясь на опыте всех наших клиентов. Простыми словами, эти алгоритмы говорят — что было, что будет. Вот у нас если клиент из сегмента в зоне риска вдруг перестает открывать наши рассылки или заходить на сайт, программа может предсказать, что он с высокой долей вероятности скоро перестанет у нас покупать. Это дает нам шанс быстро отреагировать и попытаться его удержать. Или, наоборот, если новый клиент активно просматривает дорогие товары и позитивно реагирует на наши предложения, программа может подсказать, что он вот-вот перейдет в категорию чемпионов, и тогда мы можем поддержать его лояльность специальными предложениями

Елена Апухтина

Руководитель группы развития бизнеса

Стратегии работы с сегментами от удержания до реактивации

«Чемпионы». Практически рекомендую следующую тактику:

• Не давать скидки «просто так» — эти клиенты и так с вами.
• Предлагать ранний доступ к новинкам, либо лимитированным тиражам.
• Приглашать на закрытые мероприятия, в частные сообщества.
• Просить оставить отзыв и делиться UGC (контент от пользователей).
• Давать приоритетную поддержку.
• Давать персональные рекомендации.

«Лояльные». В чем-то с ними проще. Важно:

• Делать персональные подборки, делать апселл (добавочная продажа) по истории покупок.
• Предлагать бонусы за N-ю покупку, статусные уровни (геймификация).
• Давать ранний доступ к акциям, но помягче, чем «Чемпионам».
• Тестировать подписки, пробовать автозаказы, если товар позволяет.

«В зоне риска». Это одна из самых проблемных групп. Вот что можно сделать:

• Запускать серию «удерживающих» писем.
• Отправлять пуши с полезным контентом.
• Возвращать интерес персональными рекомендациями, заманивать мягкими бонусами.
• Напомнить об истекающих баллах.
• Напомнить о статусе (дефицит времени стимулирует).
• Настроить на эту группу ретаргетинг (показы рекламы тем, кто уже был у вас) с акцентом на ценность. Второй вариант — новинки.

«Спящие». Прорабатывам эту группу с помощью пяти тактик. Можно:

1. Отправить письмо в стиле «Мы соскучились» с простым CTA (призыв к действию). Да, такие письма отлично работают и в 2025 году.
2. Предложить персональный бонус за возвращение, ограниченный по времени.
3. Запустить ретаргетинг с напоминанием о бренде.
4. Тестировать триггерные креативы «до / после».
5. Упростить путь к покупке! Максимально. Короткая воронка, популярные товары, бесплатная доставка…и вот оно счастье. Продукт в руках.

«Потерянные». Работаем с ними таким образом:

• Короткая попытка реактивации (1-2 касания) с сильным триггером — и стоп.
• Исключать из части рассылок — чтобы не жечь репутацию, не тратить бюджет.
• Использовать look-alike (похожие аудитории) на основе «Чемпионов» и «Лояльных», а не на основе «Потерянных».
• Периодические запускать «реанимационные» акции под большой инфоповод (редко и точечно).

Как часто надо пересматривать сегменты

Для сегментации, напоминаем, используются факторы:

• Географические.
• Демографические.
• Поведенческие.

Как часто пересматривать сегменты? Зависит от того, какой вопрос задается в ходе исследования, к какому источнику данных есть доступ, а также от аналитических навыков специалиста.

• Если речь о крупном магазине с тысячами артикулов, обновление данных о сегментах нужно производить как минимум пару раз в месяц.
• Если магазин только запустился сегментация должна проводиться ежемесячно.
• Для бизнесов с четкой выраженной ЦА — например, оборудование для промышленного бурения — сегментация может проводиться раз в год и реже.

Читайте также:

Что такое СПИН-продажи и как их использовать бизнесу

Плюсы и минусы RFM-анализа

Начнем с минусов, так как об ограничениях важно знать уже на старте работы с базой клиентов:

• Узкий охват. Это исследование концентрируется только на идеальных клиентах. Но в реальности большинство клиентов покупают не часто и тратят мало.
• Неспособность действовать на основе данных в режиме реального времени. Компании развиваются технологически гораздо быстрее, чем это было еще 50 лет назад. И в результате самообучающиеся алгоритмы и автоматический анализ сегментов становятся более ценными, эффективными, практичными.
• Ориентация с акцентом на B2C. RFM не очень хорошо работает в B2B, поскольку в таких нишах у клиентов нет регулярных покупок.

С появлением технологий нового времени, включая искусственный интеллект, машинное обучение и нейронные сети, RFM, как модель сегментации, может казаться устаревшей — она не дает полной картины поведения клиента. Но сбрасывать со счетов традиционные методики анализа в маркетинге точно не стоит. Судите сами – вот какие плюсы получает бизнес, применяя RFM:

• Идентификация высокоценных клиентов. Это исследование — самый прозрачный способ, с помощью которого бренд может определить своих наиболее ценных клиентов. Например, наиболее вовлеченные сегменты, которые оказывают самое сильное влияние на прибыль бренда (LTV или пожизненная ценность клиента).
• Увеличение CLV и повышение прибыльности. Пожизненная ценность клиента — один из самых важных показателей, который необходимо отслеживать и улучшать, чтобы бизнес процветал. С помощью RFM-отчета компания сможет быстро нацелиться на самых ценных клиентов, а затем — адаптировать для них свою коммуникацию в широком смысле (включая рекламную).
• Снижение оттока. С помощью этого исследования возможно снизить отток клиентов — общаясь с наиболее ценными из них и лучше понимая, почему каждый сегмент остается с брендом. А в дальнейшем — работать над предотвращением оттока в первую очередь.
• Удержание ЦА. Появляется возможность эффективнее удерживать клиентов, собирая от них данные и создавая для них более персонализированный опыт. Например: у каждого из них есть свой стиль в одежде или любимый аромат. В ходе рекламной кампании можно делать акцент на такие вещи.

Инструменты для автоматизации RFM-анализа

Начнем с главного оружия маркетолога — электронных таблиц.

Excel, Google Sheets

Excel | Microsoft 365, Google Sheets

Идеальны для старта: тут и быстрый расчет, и прозрачные формулы, все это бесплатно. Сами сервисы работают без ошибок. Конечно, если вы не допустили опечатку в синтаксисе формулы, например. Плюсы — гибкость, контроль. Минусы — ручные шаги, сложнее поддерживать, если база растет и нужно много интеграций.

RetailCRM

Мобильное приложение CRM-системы RetailCRM

Российская CRM для e-commerce. Есть сегментация, триггерные рассылки, виджеты с аналитикой, а еще возможность подключить новую функцию. Легко тянуть заказы, статусы, источники, строить сегменты и автоматизировать касания.

«Битрикс24»

Десктоп-приложение Битрикс24 для Windows и Mac

Универсальная, но закрытая с точки зрения кода CRM. В ней и задачи, и вся телефония. Сегментация присутствует. Роботы (автоматические сценарии) — на базе полей, воронок. Очень удобно делать триггеры по событиям. RFM можно собрать отчетами, лидо же скриптами. А затем хранить оценки в полях контакта.

Mindbox

Mindbox

CDP (сокр. от Customer Data Platform — платформа клиентских данных) для маркетинг-автоматизации. Собирает профиль клиента из множества источников, поддерживает сегменты, в том числе RFM, оркестрацию каналов (email, SMS, пуши), аудит атрибуции. Больше подойдет для зрелых команд.

Читайте также:

Что такое маркетинговая стратегия: примеры, виды и этапы разработки

FAQ по RFM-анализу

Здесь ответы на не совсем стандартные, но важные вопросы по теме RFM-анализа. Обязательно прочитайте — эта информация точно пригодится вам рано или поздно.

Как выбрать «дату анализа» для Recency и что делать с сезонностью?

Обычно берут «сегодня» (TODAY()), но если у вас сезонный бизнес, фиксируйте якорную дату внутри сезона. Пример — середина высокого сезона, чтобы сравнение было честным. Для длинных циклов увеличьте допуски по R. Пример — считать «Потерянными» только при R=1 и очень больших днях

Что делать, если чеки в разных валютах?

Сначала конвертируйте все в одну валюту по единому правилу (средний курс выбранной даты, например, последнего дня месяца). Иначе параметр Monetary будет искажен, как и процентили будут неправильные.

Как оценивать «новых» с одной покупкой?

У них часто высокий R (покупка совсем недавно), но низкие F и M. Делайте отдельный под-сегмент «New», а именно из кодов 511 / 522. Далее ведите по «программе онбординга» — welcome-серия, персональные подсказки, допродажи и прочее.

Нужно ли объединять офлайн и онлайн-покупки?

Да, по возможности — это ведь один клиент. Связывайте данные по телефону, email, карте лояльности, другим параметрам. Без объединения F и M занижены, а R может быть ложным. Вот покупал вчера клиент в офлайне, а вы считаете его «спящим». Ошибка!

Коротко о главном

• RFM-анализ — это мощный инструмент, который помогает использовать рекламный бюджет с максимальной эффективностью.
• Такой отчет позволяет увеличить доход, ориентируясь на определенные группы существующих клиентов, т.е. происходит сегментация клиентов.
• Бизнес может использовать RFM для определения кластеров клиентов с похожими значениями. Это поможет отрабатывать конкретные сегменты, например, самых платежеспособных клиентов или самых часто покупающих.