редакции
Gala Ivannikova
RFM-анализ клиентской базы и визуализация данных в Google Data Studio
Что такое RFM-анализ клиентской базы?
RFM — это аббревиатура от Recency, Frequency и Monetary, что можно перевести на русский язык как давность, частота и сумма покупок. В основе RFM-анализа лежат ключевые индикаторы поведения пользователей: дата последней покупки, частота покупок и общая сумма всех покупок.
Для некоторых видов бизнеса, для которых не подходит использование LTV (общей суммы покупок), можно заметить эту метрику на вовлеченность (Engagement). В таком случае анализ будет правильнее назвать RFE, вместо RFM. В качестве метрики вовлеченности может быть количество достижений целей на сайте, просмотры страниц, комментарии пользователей, количество оценок и т.п.
RFM-анализ помогает ответить на следующие вопросы.
- Кто ваши самые ценные клиенты?
- Какие из клиентов имеют высокий потенциал?
- На каких клиентов стоит обратить внимание, чтобы не потерять?
- Каким клиентам стоит напомнить о себе в первую очередь?
Я проводила RFM-анализ для своих клиентов двумя разными способами. В первом случае мы делили клиентов на сегменты в зависимости от средних показателей по проекту. Во втором — были конкретные правила для отнесения пользователя к той или иной группе.
Давайте покажу на примере сегментацию на основе средних значений и в конце добавлю пару слов о том, как преобразовать результаты для второго метода.
Пример RFM-анализа и визуализация данных в Google Data Studio
Пример отчета в Google Data Studio можно найти по ссылке. Шаблон построен на тестовых данных и не содержит коммерческой тайны.
Отчет начинается с основных метрик проекта:
- Выручка
- Количество заказов
- Количество покупателей
- Средняя частота покупок
- Средний чек
- Средняя выручка на одного пользователя
Следующий блок — опускаемся чуть ниже по уровню детализации и рассматриваем объём выручки отдельно для каждого сегмента. Дальше добавляем деталей и в таблице показываем основные метрики для каждого сегмента в отдельности. Метрики такие же, как в самом начале отчета, но здесь мы уже можем сделать некоторые выводы. Например, что Чемпионы и Лояльные покупатели совершают покупки чаще среднего. При этом у них высокий средний чек и выручка на одного клиента значительно выше среднего значения по компании. Мне нравится график ниже, на котором наглядно показаны сегменты пользователей по количеству покупок и суммарной выручке. В конце отчета спускаемся еще на один уровень детализации ниже и посмотрим основные метрики по каждому отдельному User-ID. Возможно, в таком виде таблица выглядит не особо полезной. Но, если связать данные с email адресом клиента, то, зная, к какому сегменту он принадлежит, можно: Если зайти в режим редактирования отчета и посмотреть источники трафика, то вы найдете там 1 таблицу Google Sheets. Саму таблицу можно посмотреть на вкладке RFM по ссылке. Поначалу выглядит сложно, но давайте разбираться. Все начинается с вкладки Report Configuration, на которой настраивается регулярная выгрузка данных из Google Analytics. Я импортирую данные из GA с помощью стандартного дополнения к Google Sheets от GA. Установить дополнение можно бесплатно по ссылке. На вкладке Report Configuration необходимо добавить View-ID вашего аккаунта Google Analytics и поменять диапазон дат, при желании. Очень важный момент! С помощью дополнения для Google Sheets невозможно просто взять и выгрузить User-ID, даже если у вас настроено соответствущее представление в GA. Сначала вам следуюет создать кастомный параметр и уже туда передавать значение вашего User-ID. Официальную справку Google по теме можно найти по ссылке. Когда специальный параметр создан, подставьте его номер в поле Dimensions на вкладке Report Configuration. В моем примере указаны параметры 6 и 7. Их там два, потому что мы отслеживали также является ли пользователь зарегистрированным на сайте или нет и передавали данную информацию также в качестве специального параметра. Ну и в вашем аккаунте GA должна быть уже настроенная расширенная электронная коммерция, чтобы в отчете мы могли видеть данные о транзакциях и выручке. Когда предварительная работа по настройке GA завершена и вы подкорректировали параметры выгрузки данных, можно запускать импорт и настраивать автоматическое обновление отчета. Это все делается просто в настройках дополнения к Google Sheets. Результаты будут выгружены на вкладку RFM Report и там же будут обновляться согласно расписанию. На следующем шаге я немного преобразую данные с вкладки RFM Report, чтобы мне было удобнее с ними работать. Результат находится на вкладке RFM Report_Work. Далее возвращаемся на нашу вкладку RFM, где и происходит основная магия. =UNIQUE(‘RFM Report_Work’!$A$2:$A) =if(A2="","", MAXIFS(‘RFM Report_Work’!C:C,’RFM Report_Work’!A:A,A2)) =iferror((ROUNDDOWN(RANK.AVG(B2,B$2:B, TRUE) / ((COUNT(B$2:B) + 1) / 5), 0) + 1),"") =if(A2="","", countif(‘RFM Report_Work’!$A$2:$A,$A2)) =if(A2="", "", ROUNDDOWN(RANK.AVG(D2,D$2:D, TRUE) / ((COUNT(D$2:D) + 1) / 5), 0) + 1) =if(A2="", "", sumif(‘RFM Report_Work’!$A$2:$A,$A2,’RFM Report_Work’!$E$2:$E)) =if(A2="", "", ROUNDDOWN(RANK.AVG(F2,F$2:F, TRUE) / ((COUNT(F$2:F) + 1) / 5), 0) + 1) =if(A2="", "", VALUE(CONCATENATE(C2,E2,G2))) =iferror(VLOOKUP(H2,’Association table’!$A$1:$C$125,2,0),"") =iferror(VLOOKUP(H2,’Association table’!$A$1:$C$125,3,0),"") =if(A2="","", MAXIFS(‘RFM Report_Work’!D:D,’RFM Report_Work’!A:A,A2)) На этом мы закончим разбор основной вкладки отчета. Мы не рассмотрели с вами вкладки Customer Segments Info, Customer Segments и Association table.На вкладке Customer Segments Info указано какие значения RFM какому сегменту соответствуют. Далее эти данные пробразованы в более удобную для работы таблицу Association table. А на вкладке Customer Segments можно посмотреть сколько всего клиентов для каждого значения RFM. Как и обещала в начале, делюсь еще одним варианто сегментации. Если у вас есть конкретные показатели, по которым вам бы хотелось сегментировать пользователей, то можно использовать ваши индивидуальные данные. Если вы посмотрите на вкладку Bonus_Segments, то найдете таблицу правил для сегментации пользователей. Здесь мы указаываем несколько временных периодов, минимальный и максимальный пороги выручки и количество совершенных пользователем покупок. И уже в зависимости от этих данных делим пользователей на сегменты. А на вкладке Bonus_RFM описываем эти условия формулами. *** На этом хочу завершить материал и, надеюсь, что он был полезен. Если отчет вам понравился, но сложно разобраться самостоятельно — пишите. Я могу помочь провести RFM-анализ на ваших данных. Оригинал статьи находится на моем сайте gaille.me
Заглянем под капот отчёта?
Импорт данных из Google Analytics
Формулы для расчета
Сегментация пользователей
Еще один вариант сегментации
