Превращаем бизнес в систему, используя инженерный подход основанный на данных.
Метод сегментации клиентов с помощью
RFM-анализа
/ Введение
Не все клиенты одинаковы. Часто разные типы клиентов имеют разные потребности и мотивацию. Следовательно, единый подход к привлечению и удержанию клиентов часто не дает желаемого результата. Также нецелесообразно индивидуализировать предложения под каждого отдельного клиента, особенно для предприятий с большой клиентской базой.
Сегментация базы — это процесс группировки клиентов на основе общих характеристик или поведения. Сегментируя клиентов на основе общих черт, можно эффективно и надлежащим образом адаптировать усилия по маркетингу, обслуживанию и продажам к потребностям каждой группы. А получать взамен более высокую реакцию и ценность.
Другими словами, сделать передложение более релевантными ожиданиям клиентов.
RFM-анализ — это способ использовать данные, основанные на поведении существующих клиентов, для прогнозирования того, как новый клиент может действовать в будущем. Модель RFM строится с учетом трех ключевых факторов:
Сегментация базы — это процесс группировки клиентов на основе общих характеристик или поведения. Сегментируя клиентов на основе общих черт, можно эффективно и надлежащим образом адаптировать усилия по маркетингу, обслуживанию и продажам к потребностям каждой группы. А получать взамен более высокую реакцию и ценность.
Другими словами, сделать передложение более релевантными ожиданиям клиентов.
RFM-анализ — это способ использовать данные, основанные на поведении существующих клиентов, для прогнозирования того, как новый клиент может действовать в будущем. Модель RFM строится с учетом трех ключевых факторов:
Этот фундаментальный принцип помогает создавать фичи, которые предсказывают вероятность совершения действий в дальнейшем. Его можно распространить на любые действия людей: покупки, вероятность заболеть, вероятность вернуться на сайт, вероятность попасть в тюрьму, вероятность кликнуть на баннер. Можно брать отдельно переменные R, F и M или целиком RFM.
RFM-анализ возник в результате маркетинга прямой почтовой рассылки, в частности, в 1995 году в статье Тома Уонсбика и Яна Рулфа Балта под названием «Оптимальный выбор для прямой почтовой рассылки», опубликованной в журнале Marketing Science. Их работа помогла подтвердить принцип Парето — широко распространенную среди маркетологов идею о том, что 80% продаж приходится на 20% клиентов.
RFM-анализ возник в результате маркетинга прямой почтовой рассылки, в частности, в 1995 году в статье Тома Уонсбика и Яна Рулфа Балта под названием «Оптимальный выбор для прямой почтовой рассылки», опубликованной в журнале Marketing Science. Их работа помогла подтвердить принцип Парето — широко распространенную среди маркетологов идею о том, что 80% продаж приходится на 20% клиентов.
/ Расчет RFM
В работе по исследованию данных, я использую open-source технологии с открытым исходным кодом. Это даёт высокую гибкость и полную свободу действий.
Ну например, к расчёту RFM я захотел добавить сегмент Quantity для полной картины. Чтобы у меня получился RFMQ-анализ в котором я учитывал бы еще количество в штуках покупаемого товара. То же самое и с детализацией клиентов (активные, спящие, давние). При маркетинговой необходимости градация может быть более подробной.
Кроме того, использование open-source ПО позволяет мне "жанглировать" данными и подготавливать к расчёту на свое усмотрение. По-своему провести очистку и проверку, разобрать данные, провести расчёты и потом снова собрать в другом виде.
Формирование RFM анализа состоит из нескольких шагов:
Ну например, к расчёту RFM я захотел добавить сегмент Quantity для полной картины. Чтобы у меня получился RFMQ-анализ в котором я учитывал бы еще количество в штуках покупаемого товара. То же самое и с детализацией клиентов (активные, спящие, давние). При маркетинговой необходимости градация может быть более подробной.
Кроме того, использование open-source ПО позволяет мне "жанглировать" данными и подготавливать к расчёту на свое усмотрение. По-своему провести очистку и проверку, разобрать данные, провести расчёты и потом снова собрать в другом виде.
Формирование RFM анализа состоит из нескольких шагов:
1. Назначение сегментов.
Сначала нам нужно определить сегменты. На сколько подробными они должны быть? В базовом варианте на каждый показатель (давность, частота, деньги) 3 сегмента. Но мы решили показатель, "деньги" разделить более подробно, иначе слишком крупные диапазоны получаются. Это не позволяет делать одно и то же предложение клиентам из начальной и конечной части диапазона. В итоге у нас получилось 5 сегментов Monetary.
Сначала нам нужно определить сегменты. На сколько подробными они должны быть? В базовом варианте на каждый показатель (давность, частота, деньги) 3 сегмента. Но мы решили показатель, "деньги" разделить более подробно, иначе слишком крупные диапазоны получаются. Это не позволяет делать одно и то же предложение клиентам из начальной и конечной части диапазона. В итоге у нас получилось 5 сегментов Monetary.
Сегментация клиентов – это не какая-то чужеродная вещь в маркетинге. Большие компании как можно детальнее стараются сегментировать клиентов, а люди следящие за этим, имеют четкую стратегию – на сегментирование клиентов.
2. Прорабатываем действия.
Главный принцип RFM:
Исходя из этой логики, нужно подготовить план действий для каждого сегмента. Что именно делать, зависит от того в каком контексте используется анализ. Если это email-рассылка, то каждому сегменту разный контент и предложения.
Но это касается и условий, акций, скидок и т.д. Самое главное, что бы у вас появился продуманный тактический план, каким образом работать с клиентами из каждой категории, что бы повысить ценность продукта для клиента.
Главный принцип RFM:
- Лучших клиентов удерживаем.
- Середнячков «раскручиваем» до лучших.
- Уходящих и почти потерянных возвращаем.
Исходя из этой логики, нужно подготовить план действий для каждого сегмента. Что именно делать, зависит от того в каком контексте используется анализ. Если это email-рассылка, то каждому сегменту разный контент и предложения.
Но это касается и условий, акций, скидок и т.д. Самое главное, что бы у вас появился продуманный тактический план, каким образом работать с клиентами из каждой категории, что бы повысить ценность продукта для клиента.
3. Группируем клиентскую базу согласно назначенным сегментам.
Здесь я использую таблицы содержащие информацию о клиентах и заказах. В данном случае RFM посчитан на языке SQL.
Самое главное отличие open-source ПО от готовых решений, можно посмотреть как именно реализован анализ, используемые формулы, и при необходимости можно вносить коррективы в алгоритм.
Здесь я использую таблицы содержащие информацию о клиентах и заказах. В данном случае RFM посчитан на языке SQL.
Самое главное отличие open-source ПО от готовых решений, можно посмотреть как именно реализован анализ, используемые формулы, и при необходимости можно вносить коррективы в алгоритм.
В результате мы получаем группы клиентов с которыми можем работать.
/ Автоматизация
И самое приятное, что действия на основе RFM, в таком виде, можно автоматизировать.
- Рассылки. У вас заранее заготовленные письма для каждого сегмента, машина каждому юзеру отправляет письмо согласно его положения в сегментной иерархии.
- Контент сайта. Показ контента (рекомендации, баннеры, описания и т.д.) в зависимости от заложенных алгоритмов для сегмента.
- Опросники. Каждому сегменту свои виды вопросов для изучения клиентского опыта.
- Путь клиента по карте RFM. Может оказаться полезным историческая фиксация сегмента для изучения динамики клиентов.
/ Эффективное использование RFM
Вместо того, чтобы анализировать всю базу данных клиентов, лучше сегментировать клиентов по таким характеристикам, как возраст или географическое положение, и разделить их на группы клиентов. Вовлекая их в хорошо сегментированную маркетинговую кампанию, можно создать актуальное персонализированное предложение для ценного клиента.
Вычисление RFM для реальных приложений обычно требует специальных аналитических знаний или продвинутых математических навыков. И, как и любая модель, модели RFM могут различаться по сложности: от простых до сложных.
Сегментация RFM начинается с ранжирования клиентов по каждой из трех категорий: оценка новизны, оценка частоты и денежная оценка. Используя подобную систему оценки RFM, легко построить эффективную маркетинговую стратегию, создав сегменты для клиентов:
Вычисление RFM для реальных приложений обычно требует специальных аналитических знаний или продвинутых математических навыков. И, как и любая модель, модели RFM могут различаться по сложности: от простых до сложных.
Сегментация RFM начинается с ранжирования клиентов по каждой из трех категорий: оценка новизны, оценка частоты и денежная оценка. Используя подобную систему оценки RFM, легко построить эффективную маркетинговую стратегию, создав сегменты для клиентов:
- Лучшие клиенты: это клиенты, которые получают высшие баллы в каждой категории. Они лояльны, готовы щедро тратить деньги и, скорее всего, вскоре совершят еще одну покупку. Такие клиенты готовы хорошо реагировать на программы лояльности. Они с большей вероятностью заинтересуются новыми продуктами, которые запускает бизнес. А поскольку они преданы компании и ее продуктам, вероятно, не имеет делового смысла предлагать им скидки. Вместо этого лучше увеличить CLTV, предлагая дорогостоящие товары и рекомендуя продукты на основе прошлых покупок.
- Большие траты. Этот сегмент клиентов основан только на одном из трех показателей: клиенты с наивысшими оценками по денежной стоимости. Обычно маркетологи ориентируются на этот сегмент с помощью роскошных предложений, более высоких уровней подписки и перекрестных/допродаж с добавленной стоимостью, которые увеличивают среднюю стоимость заказа. Опять же, вероятно, имеет смысл не снижать прибыль, предлагая скидки.
- Лояльные клиенты. Это еще один сегмент клиентов, который учитывает только один из трех показателей: клиенты с наивысшими показателями частоты посещений. Несмотря на то, что они часто совершают покупки, они не обязательно тратят больше всего денег, поэтому лучше подумать о том, чтобы вознаградить их бесплатной доставкой или аналогичными предложениями. Тематические программы и обзоры также могут быть эффективными способами привлечения этих клиентов.
- Верные клиенты: клиенты, которые получают высокие оценки по частоте, но низкие по денежной стоимости, как правило, лучше всего реагируют на рекомендации по продуктам, основанные на прошлых покупках, а также на стимулы, связанные с пороговыми значениями расходов (например, бесплатный подарок за транзакции, превышающие среднюю стоимость заказа бренда).
- Клиенты из группы риска. Клиенты, которые в прошлом были в верхнем ряду (лучшие, тратящие больше денег или лояльные), но сейчас имеют низкие показатели новизны и частоты, представляют особую возможность. Следует рассмотреть возможность рассылки для них сообщений, направленных на удержание, таких как скидки, эксклюзивные предложения и запуск новых продуктов. Можно создавать конкретные маршруты взаимодействия с клиентами, направленные на повторное привлечение и удержание клиентов из группы риска.
/ RFM эффективен для малого и среднего бизнеса
Для стартапов и небольших ритейлеров с ограниченными маркетинговыми ресурсами RFM-анализ может стать особенно эффективным инструментом, поскольку:
- Простота: RFM-анализ сам по себе не требует сложных инструментов или сложных аналитических возможностей. Принципы легко понять, а результаты легко интерпретировать и действовать в соответствии с ними.
- Доступность: во многих случаях специалисты по маркетингу без углубленной статистической или аналитической подготовки могут выполнить сегментацию клиентов RFM.
- Эффективность в прямом маркетинге: RFM-анализ, который вырос из маркетинга баз данных и прямого почтового маркетинга, оказался эффективным при использовании относительно недорогих стратегий цифрового прямого маркетинга, которые могут себе позволить небольшие бренды, таких как маркетинговая кампания по электронной почте.
/ Масштабирование RFM в организации
По мере масштабирования бизнеса, представленная модель на основе open-source технологии, легко адаптируется к сложности и объемам взаимодействий по всем каналам, регионам и т. д.
Таким образом, с помощью расширенного RFM можно создавать более аутентичный опыт в масштабе, используя ряд характеристик клиентов в качестве входных данных для модели и выходя за рамки оценок и сегментов для достижения индивидуальной персонализации.
С этими более сложными подходами или без них маркетологи могут использовать RFM-анализ, чтобы:
Таким образом, с помощью расширенного RFM можно создавать более аутентичный опыт в масштабе, используя ряд характеристик клиентов в качестве входных данных для модели и выходя за рамки оценок и сегментов для достижения индивидуальной персонализации.
С этими более сложными подходами или без них маркетологи могут использовать RFM-анализ, чтобы:
- Повысить эффективность маркетинговых кампаний по электронной почте: создать автоматизированную кампанию с сообщениями, адаптированными для каждого сегмента.
- Повысить лояльность и вовлеченность пользователей. Следить за недавними или новыми клиентами, предоставляя своевременные рекламные акции и образовательный контент, которые могут повысить их взаимодействие с брендом.
- Уменьшить отток: через отправление персонализированные сообщений, предложений повторных покупок со скидкой или проведения опросов, которые помогут понять и устранить потенциальные проблемы.
- Сократить маркетинговые затраты и увеличить рентабельность инвестиций. Сократить расходы, быстро и легко сосредоточившись на более мелких сегментах, которые с большей вероятностью принесут доход, и использовать данные RFM-анализа для оптимизации будущих кампаний.
/ Резюме
RFM — это один из многих мощных ключевых показателей эффективности, которые можно использовать для информирования и измерения успеха маркетинговых программ бизнеса и изучения клиентского опыта.
/ ПОЛУЧИТЕ КОНСУЛЬТАЦИЮ
Узнайте как бизнес-аналитика может оптимизировать ваш бизнес.
Нажимая на кнопку, вы соглашаетесь с политикой конфиденциальности.
