Личный кабинет
Интернет-магазин
Чтобы лучше понимать потребности клиентов, предлагать то, что им действительно нужно, разрабатывать эффективные маркетинговые стратегии, увеличивать охваты и повышать ROI, разделяйте потребителей на сегменты. RFM-анализ наилучшим образом подходит именно для этого — особенно в IT и телекоме, где клиенты переходят от разовых покупок к подпискам. Рассказываем, как его провести и применить полученные данные.
Что такое RFM-анализ
Маркетологам критически важно не просто знать своих клиентов, а понимать неоднородность их покупательского поведения — иначе бюджет на коммуникацию распыляется без гарантии отклика.
RFM-анализ — метод сегментации клиентов по покупкам (Recency - давность, Frequency - частота, Monetary - размер трат) работает как формальная матрица: он оценивает каждого потребителя по трём объективным параметрам — давность последней покупки, частота транзакций и суммарный объём трат — и на их основе сегментирует аудиторию на непересекающиеся группы.
Важно для IT и телекома: в подписочных моделях «покупка» — это факт продления доступа или оплаты периода. Recency показывает, когда клиент последний раз подтвердил платёж, а Frequency — регулярность этих подтверждений.
В итоге вы получаете прозрачную классификацию: кто покупает много и регулярно (ваше ядро), кто тратит крупные суммы, но редко, и кто «замолчал» надолго.
RFM-анализ — это не просто метод, а операциональный инструмент для превращения хаотичной клиентской базы в структурированную карту покупательских привычек.
Зачем нужен RFM-анализ
Рассылать одно предложение всем подряд — значит гарантированно терять ROI и недополучать LTV, поскольку потребности и мотивация разных сегментов диаметрально противоположны.
Чтобы этого избежать, RFM-сегментация становится основой для точечного маркетинга: на выходе анализа вы точно знаете, кому показывать рекламное объявление, кому запустить прогрев через email-рассылку, а кому — предложить персональный бонус.
Внедрение такого подхода позволяет персонализировать каждый канал коммуникации — например, постоянным клиентам вы отправляете анонсы новинок, укрепляя лояльность, а давно неактивным — мотивирующую скидку, возвращая их в воронку.
RFM-анализ решает главную задачу роста: повышает эффективность каждого маркетингового касания, напрямую увеличивая возврат на инвестиции и пожизненную ценность клиента. RFM-матрицу можно обогатить данными NPS/CSAT: сегмент с высокими показателями транзакций, но низким NPS — группа риска, требующая работы с качеством сервиса, а не скидок.
Где используется
RFM-анализ используют компании из сегментов B2C и B2B для настройки таргетированной рекламы, подготовки скриптов для телефонных звонков и email-рассылок.
Метод RFM подходит для e-commerce, прямых продаж, некоммерческих взаимодействий. Его используют, если потребность в продукте не разовая, а периодическая, и потому довольные клиенты совершают покупки регулярно.
Для исследования бизнеса с редкими покупками (например, продажа недвижимости или детских кроваток) RFM-анализ будет бесполезным.
Основные параметры
В основе RFM-анализа три показателя:
- Давность покупки (Recency). Показывает время, прошедшее от последней сделки. Клиент, который недавно заказал у вас товар, с большей вероятностью прочитает письмо из email-рассылки или ответит на звонок менеджера, чем покупатель, оформивший заказ более года назад — на основе этого работает Recency. Учитывайте контрактные циклы: клиент с «низким R» может просто ждать пролонгации по графику, а не уходить.
- Частота покупки (Frequency). Показывает, как часто потребитель делает покупки, обращается за услугами или выполняет другие целевые действия за определенный период. Допустим, обычные клиенты заказывают воду на дом раз в 5–6 недель, а офисные сотрудники делают это гораздо чаще — раз в 2–3 недели. Получается, что за один и тот же период времени взаимодействовать с офисными клиентами нужно активнее — на этом принципе основан Frequency. Пример для IT: офис регулярно масштабирует облачную АТС, подключая новых сотрудников — это высокий Frequency.
- Сумма чека (Monetary). Показывает, сколько денег, времени или других ресурсов клиент потратил за определенный период времени. Сумма чека в меньшей степени прогнозирует потребительские тенденции, если сравнивать с давностью и частотой покупок. Часто клиенты, которые заказывают на большие суммы, — занятые люди, поэтому редко откликаются на звонки и промо-рассылки. Полезно связать с ARPU: сегменты с высокими F и M коррелируют со средним доходом на пользователя — это помогает выделению бюджета на удержание «золотых» клиентов.
Плюсы и минусы метода
Бизнес, который разделяет клиентов на разные сегменты, оптимизирует затраты на рекламу, успешнее запускает новые товары и лучше контактирует с потребителями, потому что знает, как и с помощью каких инструментов работать.
Плюсы RFM-анализа:
- Персонализация. Важно не только увеличивать охваты, но и повышать качество работы уже с имеющейся аудиторией. RFM-анализ направлен на выяснение клиентских потребностей — на их основе вы разработаете по-настоящему привлекательные персональные предложения.
- Снижение расходов на рекламу. Можно подогревать лиды даже с минимальными вложениями, если оптимизировать маркетинговые стратегии — например, разрабатывать отдельные скрипты для продаж и таргетинга.
- Удобство и скорость. Сегментация с помощью RFM-анализа занимает около 20–25 минут, даже если клиентская база включает 50–70 тысяч контактов. Все, что необходимо — несколько простых формул в Excel и исходные данные.
- Прогноз оттока. Когда добавляют мониторинг Churn Rate, понятно что клиенты с низким R и падающим F — группа риска, требующая превентивных мер удержания. В B2B сегменте удержание обычно дешевле привлечения.
Минусы у RFM-анализа тоже есть — его эффективность определяется объемом клиентской базы. Если у вас небольшой бизнес и аудитория не превышает 2–3 тысячи потребителей, то ощутимого результата добиться сложно.
Техника RFM не определяет поведение клиентов и не прогнозирует будущее, а лишь систематизирует массивы данных. Она дает только исходную информацию, а то, как она будет реализована в рекламной кампании, зависит уже от маркетологов, аналитиков и руководителей компаний.
Работа с персональными данными в телекоме регулируется 152-ФЗ. Перед экспортом RFM-сегментов в рекламные системы убедитесь, что у вас есть согласие клиентов на обработку данных для маркетинговых целей.
Как провести RFM-анализ
Используйте Excel, онлайн-таблицы или автоматизированные CDP/CRM, чтобы выполнить анализ по методу RFM. Сначала соберите все данные, например, для телекома первичным источником являются данные биллинга и CDR (Call Detail Records), а не только CRM. Затем рассчитайте Recency, Frequency и Monetary. Далее выведите обозначения клиентов и проанализируйте результаты.
Сбор данных
Начните RFM-анализ со сбора информации. Сначала выгрузите данные в Excel: идентификаторы клиентов, даты последних покупок, суммы покупок.
Перенесите список на новый лист в Excel и выберите опцию «Удалить дубликаты», чтобы оставить только уникальные параметры. Исключите тестовые аккаунты и триал-периоды, для них используйте отдельную метрику активности.
Добавьте столбец «Общее количество покупок» (формула СЧЕТСЛИМН) и «Итоговая сумма покупок» (формула СУММЕСЛИМН. Для мультипродуктовых клиентов проводите анализ как по общему счету, так и по каждому продукту отдельно.
Добавьте столбцы «R», «F» и «M» и пока оставьте пустыми.
Минимум, который должен быть в таблице для эффективного RFM-анализа — 8 столбцов. Добавлять больше, если это необходимо вашему бизнесу, — можно, но меньше не стоит.
Группировка потребителей
Теперь, когда данные готовы, переходите к следующему шагу — разделению потребителей. Для баз от 10 000 клиентов используйте 5-балльную шкалу (квантили 20%/40%/60%/80%) — это позволит выделить микро-сегменты, например, «средне-активные с высоким чеком».
Группировка по давности покупки (Recency): давние (1), относительно недавние (2), недавние (3) — или 1–5 для точной сегментации.
Алгоритм группировки по Recency: 1) От текущей даты (=СЕГОДНЯ) отнимите дату последней покупки. 2) Выберите функцию «ПРОЦЕНТИЛЬ.ВКЛ» — она делит значения по уровням. 3) Чтобы узнать группу, примените функцию «ЕСЛИ». Учитывайте дату окончания контракта — это уточнит интерпретацию.
Группировка по частоте покупки (Frequency): 1 — одна покупка, 2 — редко, 3 — часто (или шкала 1–5)
Алгоритм группировки по Frequency: 1) Воспользуйтесь формулой «ПРОЦЕНТИЛЬ». 2) Поменяйте диапазон значений. 3) Примените функцию «ЕСЛИ», чтобы разбить клиентов на группы. Для новых клиентов без оплат используйте метрики активности в триале — частота логинов, подключение функций, завершение онбординга.
Группировка по сумме чека (Monetary): 1 — низкий чек, 2 — средний чек, 3 — высокий чек (или 1–5).
Сделайте то же самое, что и с Frequency. Используйте формулу «ПРОЦЕНТИЛЬ», поменяйте диапазон значений и примените условие — формулу «ЕСЛИ». Параметры всегда индивидуальные — зависят от сферы и масштабов бизнеса.
Оценка результатов
Чтобы рассчитать обозначение клиента, добавьте новый столбец «RFM» в таблицу Excel. Используйте формулу: Recency × 100 + Frequency × 10 + Monetary.
В результате у каждого клиента будет трехзначное обозначение — 111, 121, 122 и так до 333 (или 555 при 5-балльной шкале).
Чтобы было удобнее работать с результатами, создайте сводную таблицу. Включите в строки RFM, а в значения — количество по полю «Клиент». Скопируйте информацию на новый лист и переименуйте столбцы на «Сегмент» и «Количество».
Расшифровка обозначений: если RFM = 213, то R = 2, F = 1, M = 3. Клиент является «относительно недавним», покупает «редко» и оставляет «высокий чек».
Как разработать коммуникацию для сегментов
Маркетинговая стратегия выстраивается под особенности сегмента:
- Потерянные. Давние клиенты, которые совершили всего одну покупку — 111, 112, 113. Обычно с ними не взаимодействуют. Отток клиентов неизбежен, поэтому лучшее решение — сэкономить время и бюджет рекламной кампании.
- Под угрозой оттока. Клиенты, которые покупали давно, но совершили больше одной покупки — 121, 122, 123. Попробуйте рассказать им об акциях, предложите скидку на повторный заказ и попытайтесь узнать, почему они перестали к вам обращаться. Полезно добавить триггер на Churn Risk, который автоматически ставит задачи менеджерам при падении R и F.
- Бывшие лояльные. Потребители, которые раньше часто покупали на разные чеки, но перестали со временем — 131, 132, 133. Сделайте промо-рассылку для этих сегментов и предложите долгосрочную мотивацию — например, бонусную систему.
- Новички. Клиенты, которые недавно совершали сделку — 311, 312, 313. Обязательно взаимодействуйте с новыми потребителями — они нередко откликаются на информационные рассылки, приглашения перейти в блог компании и ознакомиться с обучающим контентом. Для триал-пользователей запускать онбординг-цепочки до первой оплаты.
- Перспективные. Новые клиенты с большим чеком — 313, регулярные клиенты с большим чеком — 323. В эту же группу можно отнести потребителей, которые часто заказывают на средний чек — 233, 233, 332. Чтобы сохранить их интерес, предлагайте подарки и сопутствующие товары. Дополнительно полезно связать с LTV-прогнозом, и приоритет отдать сегменту с более высоким потенциалом пожизненной ценности.
- Идеальные. Клиенты, которые заказывают много и часто — 333. Рекламные кампании для идеальных потребителей рассчитаны на то, чтобы их удержать, поэтому акцентируйте внимание не на скидках, а на персональном обслуживании и приглашениях на мероприятия бренда.
Чтобы усовершенствовать коммуникации, отслеживайте текущие сделки и анализируйте прошлые. Используйте систему записи разговоров MANGO OFFICE, чтобы узнать, как операторы общаются с клиентами и работают с возражениями. Подключите запись звонков к виртуальной АТС и получите всю необходимую информацию о разговорах. Автоматизируйте сегментацию, настройте RFM-расчет в вашей CDP или CRM с интеграцией в каналы коммуникации — это сэкономит время и повысит точность.
Как использовать данные
Информация, которую удалось получить при RFM-анализе, будет полезна при запуске новых товаров и услуг, поможет увеличить доход компании, сократить показатели естественного оттока потребителей и сократить расходы на коммуникации с клиентами.
Направления использования данных RFM-аналитики:
- Увеличение LTV. Программы лояльности, бонусы, предложение сопутствующих товаров — все это повышает прибыль компании, полученную от одного покупателя. Используйте RFM, чтобы выделить и удержать частых потребителей с крупным чеком. Сопоставляйте сегменты с ARPU и LTV для повышения точности прогноза.
- Расширение ассортимента. Сообщайте лояльным и перспективным покупателям о запуске нового товара или услуги — они сделают первые заказы, напишут отзывы и расскажут об этом друзьям. Чтобы повысить отклик, предложите скидку на новый товар.
- Увеличение лояльности и вовлеченности. Повышайте вовлеченность через особенности разных сегментов. Например, для бывших лояльных клиентов подготовьте промо-рассылку, а для новичков — информационный и образовательный контент.
- Повышение эффективности коммуникаций. Прописывайте скрипты телефонных разговоров, email- и смс-рассылок отдельно под каждый потребительский сегмент — это повышает вероятность откликов и новых заказов.
- Уменьшение количества потерянных клиентов. Чтобы сократить отток потребителей, используйте скидки на повторные заказы, программы лояльности, другие выгодные предложения — например, бесплатную доставку при покупке от определенной суммы.
- Экономия на рекламе и увеличение ROI. Теперь, когда все клиенты разделены на сегменты, вы взаимодействуете с ними не одинаково, а по-разному и с учетом всех особенностей — это увеличивает возврат инвестиций и сокращает расходы на маркетинг.
- Улучшение ретаргетинга (ремаркетинга). Экспортируйте сегменты потребителей в рекламные сервисы, чтобы создавать на их основе целевые аудитории — пользователей, которые увидят вашу рекламу на других сайтах.
Как часто обновлять сегменты
Со временем потребители из одной группы переходят в другую: приходят новые клиенты, перспективные — берут тайм-аут, а бывшие лояльные — реагируют на промо-рассылку и возвращаются к покупкам.
Частота обновления сегментов зависит от жизненного цикла одного потребителя, естественного периода покупки и срока, в течение которого один клиент повторно обращается в вашу компанию — зависит только от особенностей вашего бизнеса.
Если вернуться к примеру компании, которая доставляет воду на дом и в офис, то обновлять сегменты достаточно раз в 3 месяца. Другое дело — крупный и успешный интернет-магазин. Тогда пересматривать сегменты можно чаще — раз в 1–1,5 месяца.
Чек-лист внедрения RFM-анализа для IT иkb телеком-компании
Пошаговый план запуска RFM-сегментации с учётом специфики подписочных моделей, биллинговых данных и B2B-процессов. Следуя этому чек-листу, вы превратите сырые транзакции в инструмент роста LTV и снижения оттока.
Шаг 1: Выгрузка CDR из биллинга
Цель: получить полную транзакционную историю для расчёта Recency, Frequency, Monetary.
Действия:
- Экспортируйте из биллинговой системы данные за период 12–24 месяцев: клиент_id, дата платежа, сумма, тип услуги, статус транзакции.
- Дополните выгрузку метаданными: дата подключения, тарифный план, регион, тип клиента (B2B/B2C).
- Для телеком-услуг добавьте CDR (Call Detail Records): длительность сессий, объем трафика, количество активных номеров — это уточнит Frequency.
- Сохраните данные в формате CSV/Excel или подключите напрямую к аналитической платформе через API.
Важно: CRM часто не содержит полной финансовой истории — используйте биллинг как primary source.
Шаг 2: Очистка данных от тестовых аккаунтов
Цель: исключить искажения RFM-метрик за счёт нецелевых записей.
Действия:
- Отфильтруйте аккаунты с пометками «test», «demo», «internal», «partner_access».
- Исключите клиентов с нулевой суммой платежей или с транзакциями только в период триала.
- Для B2B-сегмента: удалите холдинговые записи, если анализ проводится по юридическим лицам, а не по группам компаний.
- Проверьте дубликаты: один клиент может иметь несколько учётных записей (например, для разных филиалов) — объедините их по ИНН или домену почты.
Результат: чистый дата-сет, где каждая запись отражает реальное коммерческое взаимодействие.
Шаг 3: Расчет R/F/M по 5-балльной шкале
Цель: сегментировать клиентов с точностью, достаточной для персонализации коммуникаций.
Действия:
- Recency: рассчитайте дни с последней оплаты. Разбейте на квантили: 5 баллов — последние 30 дней, 4 — 31–90, 3 — 91–180, 2 — 181–365, 1 — более 365 дней.
- Frequency: посчитайте количество платежей за период. Шкала: 5 — ежемесячные оплаты, 4 — раз в квартал, 3 — раз в полгода, 2 — раз в год, 1 — единоразово.
- Monetary: суммируйте расходы клиента. Используйте процентили: 5 — топ-20% по чеку, 4 — следующие 20%, и так далее.
- Сформируйте RFM-код: R×100 + F×10 + M (например, 543). Для мультипродуктовых клиентов рассчитайте метрики по каждому сервису отдельно.
Инструменты: Excel (функции ПРОЦЕНТИЛЬ.ВКЛ, ЕСЛИ), Python (pandas.qcut), или встроенные модули CDP/CRM.
Шаг 4: Сопоставление с NPS и поведенческими метриками
Цель: дополнить транзакционную RFM-модель данными о лояльности и удовлетворённости.
Действия:
- Экспортируйте последние результаты опросов NPS/CSAT и присвойте каждому клиенту соответствующий балл.
- Создайте матрицу: RFM-сегмент × NPS-группа (Promoters/Passives/Detractors).
- Выявите «группы риска»: клиенты с высокими R/F/M, но низким NPS — они могут уйти к конкуренту несмотря на активность.
- Дополните модель поведенческими метриками: частота обращений в поддержку, активность в личном кабинете, открытие писем — это уточнит портрет сегмента.
Практический инсайт: сегмент «333 + Detractor» требует не скидок, а работы с качеством сервиса и персонального контакта.
Шаг 5: Настройка триггерных рассылок для сегментов риска
Цель: автоматизировать удержание клиентов с признаками оттока.
Действия:
- Определите критерии «риска»: R ≤ 2 + падение F на 30% + NPS ≤ 6.
- Настройте в CRM/CDP автоматическое добавление таких клиентов в сегмент «Churn Risk».
- Разработайте триггерную цепочку:
- День 1: персональное письмо от менеджера с вопросом «Всё ли работает?»;
- День 3: предложение бесплатного аудита использования сервиса;
- День 7: персональная скидка или бонус при продлении.
- Подключите A/B-тестирование: сравнивайте эффективность разных офферов для сегмента риска.
- Настройте алерты для менеджеров: при попадании ключевого B2B-клиента в «Churn Risk» — мгновенное уведомление в Slack/Telegram.
Метрики успеха: снижение Churn Rate в сегменте риска на 15–25% за квартал, рост реактивации на 10+ п.п.
Итог: после выполнения чек-листа вы получите автоматизированную систему RFM-сегментации, интегрированную с биллингом, NPS и каналами коммуникации. Это позволит прогнозировать отток, персонализировать предложения и увеличивать LTV без ручного анализа таблиц.
Что важно запомнить
- RFM-аналитика помогает онлайн и офлайн-бизнесу повышать продажи и отклик аудитории, сокращать расходы на рекламу, делать маркетинг персонализированным и эффективным.
- Концепция аналитики по методу RFM основана на трех показателях: Recency (давность покупки), Frequency (частота покупки) и Monetary (сумма чека). В подписочных моделях: «покупка» = продление доступа.
- Используйте для группировки Excel или онлайн-таблицы, а все исходные параметры выгружайте с помощью CRM-системы.
- Некоторые CRM-инструменты автоматически сегментируют потребителей по методу RFM — например, Битрикс-24, 1С, Passteam, amoCRM, поэтому вручную ничего делать не придется. Настройте интеграцию с CDP для кросс-канальной аналитики.
- Со временем информация устаревает, поэтому не забывайте обновлять сегменты — вручную или через автоматизированные сервисы.
- Чек-лист внедрения для телекома: 1) Выгрузка CDR из биллинга, 2) Очистка данных от тестовых аккаунтов, 3) Расчет R/F/M по 5-балльной шкале, 4) Сопоставление с NPS/Churn, 5) Настройка триггерных рассылок для сегментов риска.
< читать Журнал
