RFM-анализ: как разбить клиентскую базу на сегменты и работать с каждым прицельно

Принцип Парето в продажах устойчив: 80% выручки приносят 20% клиентов. Задача маркетолога — найти эти 20%, не сжечь бюджет на остальных и не упустить тех, кто ещё мог бы вернуться. RFM-анализ решает именно это.

Что такое RFM

RFM — метод сегментации клиентской базы по трём поведенческим параметрам:

• R (Recency) — давность последней покупки. Чем свежее контакт, тем выше вероятность повторной сделки.
• F (Frequency) — частота покупок за период. Регулярный покупатель ценнее разового при прочих равных.
• M (Monetary) — суммарный объём трат. Показывает финансовую ценность клиента для бизнеса.

Метод появился в 1995 году. Исследователи Том Уонсбик и Ян Рульф Балт в работе «Оптимальный выбор для прямой почтовой рассылки» подтвердили принцип Парето данными и предложили измерять ценность клиента через три переменные.

Кому подходит, а кому нет

Метод хорошо работает там, где клиенты совершают повторные покупки: e-commerce, гостиничный бизнес, beauty-индустрия, медиа, подписные сервисы. Чем больше транзакций в базе, тем точнее сегментация. Оптимальный порог от 10 000 активных клиентов. Меньше база — меньше достоверность выводов.

В B2B и нишах с длинным циклом сделки RFM работает хуже. Покупки там редкие, суммы разнятся, а поведение клиента сложнее свести к трём метрикам. Здесь метод комбинируют с ABC-XYZ-анализом или используют как дополнительный срез, а не основной.

Что это даёт на практике

Когда база разбита на сегменты, исчезает соблазн рассылать одно и то же всем подряд. Вместо этого появляются конкретные рычаги управления:

• Дорогие продукты предлагать тем, кто тратит много и покупает часто, — а не размазывать оффер по всей базе.
• Реферальные программы запускать на клиентов с высокой частотой, но небольшим чеком — чтобы увеличить объём без скидок.
• Таргетинг настраивать по реальному покупательскому поведению, а не только по демографическим признакам.
• Удержание выстраивать на опережение: работать с уходящими сегментами до того, как они замолчат окончательно.

В результате растут LTV и Customer Retention Rate, снижается стоимость реактивации, а бюджет перераспределяется туда, где конверсия выше.

Этапы RFM-анализа

1. Выгрузить данные

Для анализа нужна история транзакций по каждому клиенту: дата последней покупки, количество покупок за период и суммарные траты. Источники — CRM, аналитика интернет-магазина, учётная система.

2. Задать шкалу оценки

Каждый параметр оценивается по шкале. В упрощённом варианте — от 1 до 3, в детализированном — от 1 до 10. Чем лучше показатель, тем выше балл.

Recency (давность): 1 — давно, 2 — средне, 3 — недавно. Frequency (частота): 1 — редко, 2 — иногда, 3 — часто. Monetary (объём): 1 — мало, 2 — средне, 3 — много.

3. Присвоить баллы и сегментировать

Каждый клиент получает трёхзначный код: 333 — лучший сегмент, 111 — наименее активные. При трёхбалльной шкале получается 27 уникальных групп. Для расчётов используют Excel с функциями PERCENTILE или NTILE, Python с библиотекой pandas, либо встроенные инструменты в CRM-системах.

4. Перевести коды в ярлыки

Числовые коды неудобны в ежедневной работе. Их переводят в понятные категории: «чемпионы», «лояльные», «под угрозой», «спящие», «потерянные». Под каждую категорию — отдельная коммуникационная стратегия.

Как работать с каждым сегментом

«Чемпионы» — покупают часто, много и недавно. Убеждать их не нужно — нужно удерживать: программы лояльности, ранний доступ к новинкам, персональные предложения, кросс-сейл и допродажи.

«Лояльные» — стабильные покупатели, но без рекордных чеков. Работают бонусы за объём и реферальные программы, чтобы стимулировать рост среднего чека без агрессивного давления.

«Под угрозой» — раньше покупали активно, сейчас замолчали. Нужна цепочка реактивации: напоминание, специальное предложение, короткий опрос о причинах паузы.

«Спящие» — давно не покупали, но не ушли. Срабатывает персонализированный оффер с учётом истории покупок — выгодная акция или стимулирующее письмо с конкретной выгодой.

«Потерянные» — низкий балл по всем трём параметрам. Масштабные кампании здесь убыточны. Если клиент не реагирует на ограниченный реактивационный оффер, его исключают из активных коммуникаций и снижают расходы на контакт.

Когда пересматривать сегменты

RFM-анализ — снимок в моменте. Клиенты меняют поведение: активный покупатель уходит, «спящий» возвращается. Сегменты пересматривают ежеквартально или при существенном приросте базы. Повторный анализ показывает, сработали ли коммуникации и куда переместились клиенты внутри матрицы — без этого шага анализ превращается в разовое упражнение, а не в рабочий инструмент.

Какой сегмент в вашей базе оказался самым неожиданным по размеру — и что реально помогло с ним работать?