Главное Свежее Вакансии   Проекты
Комментируемое:
104 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

RFM моделирование при сегментировании клиентов в CRM-маркетинге

Рассказываем, что такое RFM моделирование в CRM-маркетинге, для чего оно необходимо и как его применять.

Что такое RFM моделирование


RFM (Recency, Frequency, Monetary) анализ — это проверенная маркетинговая модель для проведения сегментирования клиентской базы на основе поведенческих факторов. Источник данных — ваша CRM-система. Клиенты группируются на основе истории их покупок: когда и сколько покупали, частота покупок. Разделение клиентов на сегменты позволяет выделить ключевую аудиторию и произвести анализ ценности каждой группы клиентов для персонализации и планирования рекламных обращений.

RFM учитывает новизну, частоту и денежную ценность каждого клиента и является важной частью CRM-маркетинга. Рассмотрим, чем полезно RFM-моделирование для вашего бизнеса и как произвести простой расчет на основе имеющихся данных.

Применение RFM-сегментации к вашему бизнесу


Маркетологи используют сегментацию на основе RFM для оптимизации рентабельности инвестиций в маркетинговые кампании.

Для чего применяются результаты RFM-анализа

  • RFM для эффективного электронного маркетинга — создание персонализированных рассылок по email, в мессенджерах и приложениях, персональных сообщений в соцсетях.

  • RFM для повышения бизнес-показателя ценности жизни клиента (life time value, LTV) для компании.

Сколько времени клиент проводит с вами в течение своей жизни, зависит от ряда факторов. RFM может помочь во многих из этих аспектов — сокращение оттока, предложение дополнительных и перекрестных продаж сегментам клиентов, которые с большей вероятностью откликнутся, повышение лояльности, привлечение рефералов, продажа дорогостоящих товаров и многое другое.

  • RFM для запуска новых продуктов.

Продвижение новых продуктов среди постоянных клиентов — отличный способ получить первоначальную поддержку и обратную связь. Вы можете связаться с вашими постоянными клиентами еще до создания продукта. Они могут дать вам отличную обратную связь о том, что нужно улучшить и как это продвигать.

  • RFM для повышения лояльности и вовлеченности пользователей.

Полученные данные можно использовать для создания программ лояльности.

  • RFM для снижения оттока клиентов.

Отправляйте персонализированные электронные письма или сообщения, чтобы снова связаться с этими клиентами. Вы даже можете предлагать повторные покупки со скидкой или проводить опросы, чтобы решить их проблемы, прежде чем вы проиграете их конкурентам/альтернативам.

  • RFM для минимизации маркетинговых затрат и повышения рентабельности инвестиций.

Нецелевые маркетинговые кампании могут стоить дорого. Сосредоточение внимания на меньшем сегменте клиентов значительно сократит расходы, позволит вам больше экспериментировать и принимать решения на основе данных.

  • RFM для кампаний ремаркетинга/ретаргетинга.

  • RFM, чтобы лучше понять ваш бизнес.

Большинство малых предприятий не до конца понимают своих клиентов. Рассмотрение различных сегментов RFM может дать расширенное представление о вашем собственном бизнесе и открыть существенные возможности для роста.

Упрощенный расчет рейтинга RFM


Анализ производится с помощью таблиц Excel или в Google Таблицах. Для начала выберите ограничитель по времени анализа — 1 или 2 года. Соберите несколько деталей о каждом клиенте:

  • Идентификатор клиента/адрес электронной почты/ФИО и т. д. — для их идентификации.

  • Давность ® в днях с момента последней покупки: сколько дней назад была совершена последняя покупка?

  • Частота (F) как общее количество транзакций: сколько раз покупатель совершал покупки?

  • Денежные средства (M) как общая сумма потраченных денег: сколько денег потратил этот клиент за ограниченное время? Просто просуммируйте деньги от всех транзакций, чтобы получить значение M.

Суть RFM-анализа состоит в том, чтобы разделить клиентов на группы в зависимости от того, как давно они совершили последнюю покупку, как часто они покупают, и средней стоимости их заказов. По каждой из этих метрик мы относим клиентов к одной из трех групп, которым присваивается номер от 1 до 3, причем 1- лучшая оценка, а 3 — худшая.

Давность:

  • 1 — покупали недавно.
  • 2 — относительно недавние клиенты.
  • 3 — давние клиенты.

Примечание: давность покупки устанавливается индивидуально для каждого вида бизнеса. В секторе В2В давность будет больше. Для примера дальнейших расчетов установим следующие критерии оценки: оценка 1 — давность менее 90 дней, оценка 2 — давность менее 180 дней, но больше 90, оценка 3 — давность менее 365 дней, но больше 180.

Частота:

  1. 1 — покупает часто.
  2. 2 — покупки нечасто.
  3. 3 — покупает редко (разовые заказы).

Примечание: частоту также устанавливаем в зависимости от вида бизнеса. Для нашего примера: оценка 1 — количество покупок более 5, оценка 2 -количество покупок 3-5, оценка 3 — менее 3 покупок.

Стоимость в деньгах:

  1. 1 — высокая стоимость покупок.
  2. 2 — средняя стоимость покупок.
  3. 3 — низкая стоимость покупок.

Примечание: Аналогично устанавливаем градацию стоимости. Для примера: оценка 1 — более 15 тыс. руб., оценка 2 — 5-15 тыс. руб., оценка 3 — менее 5 тыс. руб.

Клиентам выставляются значения RFM путем присвоения оценок на основе установленных критериев. Например, клиент 111 часто делает заказы на крупные суммы и недавно совершил покупку. Клиент 333, с другой стороны, давно сделал один заказ с низкой денежной стоимостью. Клиенты с единицей в каждой категории — ваши лучшие клиенты.

На основе условных данных и присвоенных критериев покажем пример полученных значений RFM.


Оценивание позволяет получить 27 категорий клиентов.


Что делать с результатами RFM —анализа?


Количество сегментов кажется слишком большим? Выделим ключевые из них:

  • «111» — эти клиенты приносят до 80% прибыли. Для них создаются персональные предложения, чтобы удержать их как можно дольше.
  • «х1х» — постоянно покупают в небольших объемах, это клиент № 2 в нашем примере. Для них важно создать предложения, способствующие росту суммы покупок: программы лояльности, бонусные карты, пробники.
  • «хх1» — много тратят, но редко покупают — клиент № 5 в примере. Частоту покупок можно увеличить ценным для них предложением.
  • «13х» — это новые клиенты (клиент № 10 из примера). У них есть потенциал стать постоянными и увеличить средний чек. Для таких покупателей важно вовлечение в бренд: полезный контент, общение, небольшие поощрительные подарки.
  • «33х» — это старые потребители с низкой активностью. Необходимо выявить причину сокращения покупок и создать интерес к новым покупкам.
  • «333» — это те, которых вы потеряли. Можно попробовать восстановить контакты или просто вычеркнуть их из активной базы.

Ключевые сегменты не включают оценки «2», так как эти клиенты покупают стабильно и не требуют пристального внимания.

RFM-моделирование нельзя провести раз и навсегда. Поведение клиентов меняется, и мониторинг нужно вести постоянно, обновлять данные хотя бы раз в квартал.

Если в вашей компании некому выполнять RFM-анализ, вы не знаете, что делать с его результатами, то всегда есть выход — мы можем сделать анализ сами и разработать актуальные предложения для клиентов.

0
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
Первые Новые Популярные
Комментариев еще не оставлено
Выбрать файл
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.