У вашей компании есть сайт, активная аудитория и настроенная веб-аналитика. Вы можете бесплатно применять RFM-анализ для сегментации пользователей на основе ключевых бизнес-метрик: давность посещения, частота покупок, средний чек. Этот метод клиентской аналитики успешно работает не только с историей транзакций интернет-магазина, но и с другими данными: поведением потребителей, активностью в рассылках и социальных сетях.
- RFM-анализ за 5 минут: что это и как применить
- Что такое RFM-анализ
- Зачем и кому нужен RFM-анализ
- Как работает сегментация клиентов по методу RFM
- Пример RFM-анализа
- Пошаговая инструкция по RFM-анализу на примере email-кампании
- Карта сегментов или как расшифровать все группы клиентов
- Частые ошибки RFM и как их исправить
- Плюсы и минусы RFM-анализа
- Инструменты для автоматизации RFM-анализа
- FAQ по RFM-анализу
- Коротко о главном
RFM-анализ за 5 минут: что это и как применить
RFM-анализ — это метод сегментации клиентов по трем метрикам: Recency (давность последней покупки), Frequency (частота покупок), Monetary (денежная ценность — сумма трат). Он помогает быстро понять, кто приносит основную выручку, и запустить персональные коммуникации, чтобы увеличить повторные покупки и LTV.
Как применить за 5 шагов:
- Выгрузите данные: customer_id, дата заказа, сумма, статус (исключите тесты/возвраты).
- Посчитайте метрики: R = сегодня − дата последней покупки (в днях); F = число уникальных заказов; M = сумма трат (нетто, в одной валюте).
- Присвойте баллы 1–5 по квинтилям отдельно для R, F, M.
- Соберите RFM-код (например, 5‑5‑4) и соотнесите с сегментом (Чемпионы, Лояльные, В зоне риска, Спящие, Потерянные).
- Запустите сценарии: 5‑5‑5 — VIP/ранний доступ; 5‑1‑1 — welcome-сериал; 2‑3‑* — реактивация и ретаргет.
Результат: быстрый рост повторных покупок, снижение оттока и увеличение пожизненной ценности клиента (LTV).
Что такое RFM-анализ
RFM-анализ (от англ. Recency — давность, Frequency — частота, Monetary — денежная ценность/сумма) — это маркетинговая техника, используемая для оценки и сегментирования клиентов по трем факторам: как давно он совершил покупку, как часто это делает и сколько тратит.
Если коротко, это базовый инструмент для выявления наиболее ценной аудитории. Подход позволяет сфокусировать маркетинг на увеличении выручки и удержании лояльных пользователей.
Зачем и кому нужен RFM-анализ
Вы наверняка знаете принцип Парето: ~20 % покупателей дают ~80 % выручки. RFM-сегментация помогает найти эти 20 % и выстроить с ними отдельную коммуникацию. Метод не заменяет другие виды аналитики, а дополняет их.
Благодаря RFM-отчету бизнес концентрирует ресурсы на конкретной части целевой аудитории — например, на постоянных или самых платежеспособных заказчиках. Вы также обнаружите скрытые резервы: тех, кто начал редко покупать, давно спит или ушел к конкурентам.
Исследование полезно любому проекту, которому нужно повысить рентабельность, оптимизировать рекламный бюджет и сформировать ядро лояльных потребителей.
В долгосрочной перспективе этот подход помогает:
- Маркетологам — персонализировать рассылки и акции.
- Руководителям бизнеса — оценивать реальную эффективность стратегии.
- Руководителям отдела продаж — выделять приоритетные контакты.
- Аналитикам и финансовым специалистам — прогнозировать прибыль.
Результаты анализа позволяют сформировать точечное предложение для каждой группы. Данные используются для написания скриптов продаж, настройки таргетированной рекламы, ведения блога или ребрендинга.
Как работает сегментация клиентов по методу RFM
Настраивать рекламу вслепую — слишком дорого. Поэтому компании сегментируют базу, опираясь на конкретные цифры. Система учитывает три вопроса:
- Насколько недавно прошла транзакция? Пользователи с недавними заказами реагируют на новые предложения лучше тех, кто давно ничего не приобретал.
- С какой периодичностью происходят оплаты? Частый покупатель приносит больше стабильной прибыли, чем разовый.
- Какой объем средств потрачен? Высокий средний чек и большая общая сумма покупок — главный критерий ценности.
Алгоритм присваивает баллы каждому параметру по заданной шкале и формирует итоговый рейтинг. Например, человек с недавней покупкой, частыми заказами и высоким чеком получает максимальные оценки — это ядро вашей аудитории. Тот, кто купил один дешевый товар год назад, получит минимальный балл.
Пример RFM-анализа
Рассмотрим пример из нашего опыта. Компания производит оборудование для пивоварения. Ниша узкая, аудитория хорошо знает товар. Есть два заказчика, потратившие по 400 000 рублей. Первый купил базовый комплект два года назад и пропал. Второй приобрел установку за 190 000 рублей, но стабильно докупает расходники раз в месяц. Чтобы вернуть первого, потребуется сложная и дорогая кампания. Удерживать второго — значительно дешевле. Более того, привлечь абсолютно нового лида часто выгоднее, чем пытаться реанимировать того, кто осознанно отказался от ваших услуг.
Пошаговая инструкция по RFM-анализу на примере email-кампании
Проведение расчетов своими силами требует аккуратной работы с массивами данных. Разберем алгоритм на примере email-маркетинга для той же компании-производителя.
Шаг 1. Создание базы
Сначала соберите единую базу подписчиков. Консолидируйте информацию из CRM, форм на сайте, рекламных кабинетов и сервисов рассылок. Для небольших объемов хватит таблиц Excel. Для крупных e-commerce проектов потребуется полноценная CDP или база данных. Задача — выгрузить email, дату подписки, историю открытий писем и детали всех транзакций.
Шаг 2. Присвоение параметров (R‑дата, F‑количество заказов, M‑сумма)
Каждой строке (контакту) необходимо присвоить три значения: дату последней оплаты, общее число чеков и суммарный доход.
Шаг 3. Расчет давности (Recency) на основе даты последней покупки
В B1 пишем «LastPurchase». В B2 вставляем:
|
=IFERROR(MAX(FILTER(Orders!C:C; Orders!A:A = A2)); "") |
Для Excel используйте: =MAXIFS(Orders!C:C, Orders!A:A, A2)
Протяните формулу вниз:
Шаг 4. Вычислите Recency — сколько дней прошло
В C1 укажите «RecencyDays». Задайте «дату анализа» в F1. Допустим, =TODAY() или конкретную дату.
В C2 пишем:
=IF(B2=""; ""; DAYS($F$1; B2))
или просто:
=$F$1 - B2
Мы получили количество дней простоя.
%201.png)
%201.png)
%201.png)
Шаг 5. Частота покупок (F)
В D1 — «Frequency».
В D2: =COUNTIF(Orders!A:A; A2)
Если один заказ разбит на несколько строк, считайте уникальные номера:
=IFERROR(COUNTUNIQUE(FILTER(Orders!B:B; Orders!A:A=A2; Orders!B:B<>"")); 0)
Шаг 6. Денежная ценность (M)
В E1 — «Monetary».
В E2: =SUMIF(Orders!A:A, A2, Orders!D:D)
Шаг 7. Определяем границы для R, F, M через процентили
Для порогов используйте PERCENTILE по каждому столбцу: R — по C2:C; F — по D2:D; M — по E2:E для квинтилей 0,2 / 0,4 / 0,6 / 0,8.
В H1 пишем R_Cutoffs.
В H2: =PERCENTILE($C$2:$C; 0,2)
Протягиваем до H5, меняя шаг на 0,4, 0,6, 0,8. Аналогично для I1 (F_Cutoffs, диапазон D) и J1 (M_Cutoffs, диапазон E).
PERCENTILE в Sheets принимает долю от 0 до 1. При малом объеме данных пороги могут совпадать — это нормально.
В Excel применяется функция PERCENTILE.INC.
Шаг 8. Присваиваем оценки (скоры) по шкале 1-5 или 1-3
Для баз от 1000 контактов берем шкалу 1-5. Создаем столбцы K, L, M, N.
В K2: =IF(C2=""; ""; 6 - (1 + COUNTIF($H$2:$H$5; "<="&C2)))
В L2: =IF(D2=""; ""; 1 + COUNTIF($I$2:$I$5; "<="&D2))
В M2: =IF(E2=""; ""; 1 + COUNTIF($J$2:$J$5; "<="&E2))
В N2 собираем код: =IF(K2=""; ""; TEXT(K2; "0") & TEXT(L2; "0") & TEXT(M2; "0"))
Важно: для R меньшая давность = выше балл; для F и M большее значение = выше балл.
Протягиваем N2 вниз. Если ячейка пустая, проверьте исходные диапазоны. При работе с большими массивами в Excel используйте функции CONCATENATE и VLOOKUP для оптимизации, обновляйте сводные таблицы раз в 1-3 месяца, либо переходите на Power BI.
Скачайте готовый шаблон для Excel: его автор Михаил Волошин @McKinseyBA. Инструкция доступна на «Хабре».
Карта сегментов или как расшифровать все группы клиентов
Примеры RFM-кодов: звездочка (*) означает любое значение соответствующей метрики. Логика расшифровки строится от показателя R.
|
Группа |
Правило (пример кода) |
Что это значит коротко |
|
Чемпионы |
R≥4, F≥4, M≥4 (напр. 555, 545, 454) |
Покупают недавно, часто и на крупные суммы. Ядро выручки и адвокаты бренда |
|
Лояльные |
R=3-5, F=3-5, M=3-5, но не «Чемпионы» (напр. 444, 435, 353) |
Надежные клиенты с высокой приверженностью. Их легко дорастить до «Чемпионов» |
|
В зоне риска |
R=2-3 при F≥3 и/или M≥3 (напр. 345, 335) |
Раньше покупали активно, но подостыли. Есть риск ухода |
|
Спящие |
R=2-3 при F≤2 и M≤2 (напр. 221, 212) |
Давно не были у вас и не очень ценны. Нужен легкий, аккуратный «пинок» |
|
Потерянные |
R=1 (любой F/M, напр. 1**) |
Очень давно не покупали. Реактивация сложна и не всегда окупается |
Критерии адаптируются под нишу. При длинном цикле сделки «Потерянными» считаются R=1-2.
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?
Стратегии работы с сегментами от удержания до реактивации
«Чемпионы». Не раздавайте им скидки просто так. Предлагайте ранний доступ к новинкам, приглашайте на закрытые ивенты, запрашивайте UGC и обеспечивайте премиальный саппорт.
«Лояльные». Делайте апселл на основе истории просмотров. Внедряйте геймификацию (статусы, бонусы за N-ю покупку). Тестируйте формат подписки.
«В зоне риска». Запускайте цепочки писем с полезным контентом. Напоминайте о сгорающих баллах. Настраивайте ретаргетинг с акцентом на выгоду.
«Спящие». Отправьте рассылку «Мы соскучились» с четким CTA. Дайте ограниченный по времени промокод. Максимально упростите путь к оплате: короткая воронка и бесплатная доставка.
«Потерянные». Сделайте 1-2 касания с сильным оффером и остановитесь. Исключите их из регулярных промо-рассылок, чтобы не портить доставляемость. Используйте эту аудиторию только для редких реанимационных запусков.
Как часто надо пересматривать сегменты
Частота обновления зависит от объема трафика и специфики поведенческих факторов. Крупному e-commerce проекту нужно пересчитывать скоринг минимум дважды в месяц. Молодому интернет-магазину — ежемесячно. В узком B2B (например, продажа промышленных станков) достаточно одного раза в год.
Поведение напрямую диктует настройки таргетинга. Регулярная актуализация данных гарантирует, что вы не отправите скидку на реактивацию тому, кто вчера совершил покупку.
Частые ошибки RFM и как их исправить
Вот самые распространенные проблемы, с которыми сталкиваются при внедрении метода. Рекомендуется учесть их до начала работы с базой.
- Неверное окно времени для R/F в сезонных нишах. Решение: фиксируйте якорную дату внутри сезона (середина пика); сравнивайте YoY; для длинного цикла увеличьте допуски по R.
- Смешанные валюты и брутто-суммы. Решение: конвертируйте к единой валюте и считайте M в нетто (без возвратов/скидок).
- Дубликаты и рассинхрон офлайн/онлайн. Решение: сшивайте по e-mail/телефону/ID/карте лояльности; объединяйте каналы.
- Неправильный расчет F (считаете строки вместо заказов). Решение: используйте COUNTUNIQUE(OrderID) по клиенту.
- Путаница с интерпретацией R. Решение: прямо уточните в тексте — для R: чем меньше дней с последней покупки, тем выше балл.
- Отсутствие action plan после сегментации. Решение: для каждого сегмента задайте цель, канал и оффер (напр., VIP — без скидок и ранний доступ; «В зоне риска» — удерживающая серия + мягкий бонус; «Спящие» — win-back с ограничением по времени).
- Слишком редкое обновление сегментов. Решение: управляйте частотой по масштабу: крупный e-com — минимум 2 раза в месяц; новые магазины — ежемесячно; узкие B2B — по мере необходимости (вплоть до 1 раза в год).
Плюсы и минусы RFM-анализа
Начнем с ограничений метода:
- Узкий фокус. Модель концентрируется на активном ядре, хотя основная масса базы покупает редко.
- Отсутствие real-time реакции. Статические таблицы проигрывают самообучающимся алгоритмам, которые обновляют статусы в реальном времени.
- Слабая применимость в B2B. Из-за отсутствия регулярных транзакций классический расчет здесь работает хуже.
Несмотря на развитие нейросетей, базовая математика остается фундаментом маркетинга. Преимущества подхода:
- Выявление VIP-аудитории. Это самый быстрый способ найти тех, кто генерирует основной LTV.
- Рост рентабельности. Понимая структуру выручки, вы перестаете сливать бюджет на нецелевые показы.
- Снижение оттока. Выявляя пользователей с падающим показателем F, вы успеваете запустить удерживающие механики.
- Персонализация. Зная историю заказов, легко формировать релевантные товарные подборки.
Любая рекламная активность должна иметь измеримую цель: продать сопутствующий товар, повысить чек или вернуть спящего пользователя.
Инструменты для автоматизации RFM-анализа
Начнем с главного оружия маркетолога — электронных таблиц.
Excel, Google Sheets
Excel и Google Sheets идеальны для старта. Плюсы: полный контроль над формулами и бесплатное использование. Минусы: ручной труд и сложность поддержки при росте базы.
RetailCRM
RetailCRM — профильное решение для e-commerce. Умеет строить сегменты, запускать триггерные цепочки и выводить аналитику на дашборды.
«Битрикс24»
Битрикс24 — мощная экосистема. RFM собирается через внутренние отчеты или кастомные скрипты, а оценки записываются в карточку контакта для запуска автоматических роботов.
Mindbox
Mindbox — профессиональная CDP-платформа. Автоматически склеивает профили из разных источников, считает скоринг и управляет омниканальными коммуникациями (email, SMS, push). Подходит для enterprise-сегмента.
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 используют функцию TODAY(). В сезонном бизнесе фиксируйте дату на пике спроса для корректного сравнения.
Что делать, если чеки в разных валютах?
Обязательно конвертируйте все суммы в единую валюту по курсу на дату транзакции. Иначе параметр Monetary сломает всю логику распределения.
Как оценивать «новых» с одной покупкой?
У них максимальный R, но минимальные F и M (коды 511, 522). Выделяйте их в отдельный кластер «Новички» и запускайте онбординг.
Нужно ли объединять офлайн и онлайн-покупки?
Обязательно. Склеивайте профили по номеру телефона или карте лояльности. Без этого активный покупатель из розничного магазина получит статус «потерянного» в онлайне.
Коротко о главном
- RFM-анализ — прикладной метод, повышающий окупаемость маркетинговых инвестиций.
- Сегментация позволяет выстроить персонализированный диалог с разными группами потребителей.
- Внедрение алгоритма помогает найти точки роста: от поощрения лояльного ядра до автоматической реактивации спящей базы.
.png)
.png)
.png)
Комментарии (5)
Оставить комментарий