Пошаговая инструкция как провести RFM-анализ
Пошаговая инструкция как провести RFM-анализ

Пошаговая инструкция как провести RFM-анализ

Суть RFM-анализа. Плюсы и минусы RFM-анализа. Параметры RFM-анализа. Пошаговая инструкция проведения анализа. Анализ полученных данных на примере. Пример RFM-анализа для email-рассылки. Частичная автоматизация RFM-анализа с Python. RFM-анализ для интернет-рекламы. Частота проведения RFM-анализа.
Время чтения: 15 минут. Нет времени читать?

RFM-анализ — это интересный способ сегментировать клиентскую аудиторию. Он разделяет потребителей на несколько групп, чтобы сделать для них персонализированные предложения согласно их предыдущим действиям. Этот анализ не демонстрирует будущие шаги клиентов — он подсказывает, как подтолкнуть их совершить те или иные действия.

Проводить анализ можно в Экселе. Также его можно автоматизировать с помощью Python. И для того, и для другого варианта ниже представлены пошаговые инструкции. Все предельно просто, справится даже далекий от анализа данных предприниматель. Примеры полученных данных подскажут, к какому результату нужно прийти, чтобы считать RFM-анализ завершенным.

Суть RFM-анализа

Для эффективных продаж мало просто составить список своих клиентов, не учитывая в нем их покупательские возможности. Речь идет о формировании актуальных предложений, включая персонализированные. Релевантность основывается на знании того, какие товары и в каких категориях клиент приобретает чаще всего, сколько позиций обычно содержится в чеке, какова средняя стоимость покупок и что стало мотивацией к ним: например, определенную продукцию клиент предпочитает только во время предпраздничного шопинга.

Параметров для распределения покупателей огромное количество — вы можете выбрать те, которые подходят именно вашим, а можете разработать их самостоятельно. Однако зачем что-то придумывать, если уже существуют проверенные способы, гарантирующие результаты, в том числе классика маркетинга — RFM-анализ клиентов.

Наиболее часто этот инструмент используют на рынках B2C. Благодаря ему клиентскую базу можно разделить на три сегмента, каждый из которых будет характеризоваться тремя важными покупательскими параметрами: это давность приобретения, его частота, сумма в чеке.

RFM-анализ необходим, чтобы найти клиентов, которые приобретают товары у вас или могут приобретать. После этого нужно разработать способ коммуникации, мотивирующий их делать покупки больше и чаще. Этим они дополнительно увеличат вашу прибыль.

Суть RFM-анализа

Но подходит ли такой метод абсолютно любой компании? Нет. Он хорошо работает, если в базе более 10 тысяч позиций. При меньшей цифре проверка гипотез и тестирование оказываются недостоверными. Несомненно, если у компании меньше покупателей, использовать RFM-анализ клиентской базы, конечно, тоже можно, но в этом случае нужно быть готовым к неадекватным результатам, которые к тому же вообще не зависят от того, что вы делаете.

Однако тем фирмам, которые обладают подходящей клиентской базой, этот способ помогает определить приоритеты. Зная, что такое RFM-анализ, в маркетинге проще найти свою покупательскую аудиторию, ответив на основные вопросы:

  • На каких покупателей не стоит тратить время и средства?

  • На каких из ваших клиентов подействуют рекламные кампании?

  • Кто из потребителей способен принести вам максимальную прибыль?

  • Какие рекламные акции лучше проводить для определенных категорий покупателей?

Плюсы и минусы RFM-анализа

Но, как и все другие инструменты бизнеса, RFM-анализ при всех своих достоинствах имеет и некоторые недостатки.

Плюсы:

  • Помогает значительно экономить, так как оптимизирует целевую аудиторию и уменьшает затраты на маркетинг.

  • Очень удобен для тех, кто занимается торговлей через Интернет, осуществляет рассылки, работает в сфере прямого маркетинга, а также для некоммерческих предприятий.

  • Обладает прекрасной комбинаторностью с другими маркетинговыми инструментами.

  • Так как таргетинг в результате использования анализа становится контролируемым, количество лояльных клиентов увеличивается.

Минусы:

  • Необходимость в значительной клиентской базе, так как эффективность анализа зависит от количества позиций в ней: чем больше, тем точнее.

  • Если компания специализируется на так называемых одноразовых покупателях и товарах, этот метод ей не подойдет, так как способ предполагает цикличность приобретений.

  • У продавца должен быть наработан опыт продаж, так как анализ на основе прошлых действий прогнозирует дальнейшие результаты торговли.

  • Не все могут справиться со сложными расчетами системы. Для этого необходимы специальные программы и скрипты. Причем чем крупнее компания, тем сложнее оценка.

  • Анализ необходимо проводить периодически, минимум раз в год, обновлять, так как движение клиентов может изменить сегментирование в базе данных.

Параметры RFM-анализа

Плюсы и минусы RFM-анализа

RFM — это аббревиатура, которая расшифровывается следующим образом:

  • Recency (R) — давность последней покупки

Этот параметр учитывает, как давно происходило взаимодействие с покупателем, сколько прошло дней, недель, месяцев. Это разница между текущей датой и временем последнего приобретения вашей продукции. К повторным заказам больше склонны те, кто совершал покупку не очень давно, в отличие от тех, кто уже длительное время не проявлял интерес к вашим товарам. Последних можно вернуть только очень привлекательными предложениями.

  • Frequency (F)  суммарная частота покупок

Данный показатель определяет количество ваших взаимодействий с покупателями (то есть совершенных покупок) в определенный промежуток времени. Если они были успешными и для вас, и для вашего клиента, то их периодичность можно не только поддерживать, но и увеличивать. Если покупатель часто приобретает товары у вас, то, скорее всего, это будет продолжаться и дальше. Значение также имеет то, как давно он совершал покупку.

  • Monetary (M) — объём покупок

Параметр демонстрирует так называемую стоимость клиента — учитывает доходы и прибыльность от него в течение определенного срока или за определенное число взаимодействий. Основан на сумме, которую потратил покупатель на ваши товары. Если проанализировать клиентов по денежным показателям, можно выяснить, кто из них представляет большую ценность для вас.

Чтобы рассчитать эти параметры, нужно брать период, с помощью которого необходимые показатели будут отражены точнее всего. Например, выборку за год рекомендуется делить на кварталы.

Значение Monetary в большинстве случаев зависит от Frequency, поэтому часто не используется и тогда метод называется просто RF-сегментацией. В любом случае этот принцип позволяет при составлении базы клиентов делить их на разные категории — активные, спящие, растущие — и, соответственно, выявлять тех, с кем вашему бизнесу есть смысл работать. Также вы сможете разрабатывать для самого активного сегмента целевые маркетинговые кампании и релевантные предложения.

Пошаговая инструкция проведения анализа

Шаг 1. Собираем данные

Чтобы определить период, за который нужна информация, нужно учесть специфику бизнеса, включая такие параметры, как B2B или B2C. Обычно используются данные за прошлый год. По клиентам можно собрать такие сведения:

  • Идентификатор. В качестве ID можно использовать фамилию и имя, номер телефона, адрес электронной почты.

  • Время приобретений, сделок и других видов взаимодействий.

  • Число покупок и пр.

  • Средний и общий чек.

Этот шаг значительно упрощается, если автоматизировать процесс с помощью специального ПО типа CRM-системы «Битрикс24» или «Мегаплан». Благодаря таким платформам данные легко выгружаются, с ними просто работать.

Также можно создавать базы вручную, например в Excel. В рабочем документе нужно поставить колонку «Текущая дата» и «Дни с последнего взаимодействия». Они создаются после числа последней сделки. Далее требуется сделать три столбца с пометками R, F, M. На момент сбора данных они еще не нужны, но понадобятся на следующих этапах.

Шаг 2. Сегментируем и оцениваем клиентов

Количество групп покупателей и размер оценочной шкалы зависят от размера базы данных. Скажем, для трех сегментов достаточно шкалы от 1 до 3, для четырех — до 4 и так далее. Три группы являются стандартом для баз данных, поэтому примеры стоит приводить именно для этого количества. Каждой из них присваивается оценка:

  • Группа 1. В нее входят клиенты, которые покупают много, часто и на крупные суммы. Оценка «1» — хорошие показатели.

  • Группа 2.Те, кто периодически посещают, но покупки делают не всегда, чек чаще на средние суммы. Оценка «2» — нормальные показатели.

  • Группа 3.Посещают очень редко, покупают мало, тратят немного. Оценка «3» — плохие показатели.

Затем все группы нужно разобрать по отдельности для каждого параметра R, F, M. В результате мы получим 3 х 3 х 3 = 27 сегментов.

Аналогичный принцип деления на группы используется в методе ABC, поэтому если вы знакомы с ним, то RFM-анализ в Excel будет для вас несложным.

Показатель 1. Recency (давность сделки)

Пошаговая инструкция проведения анализа

В этом разрезе мы делим клиентов по времени, прошедшему с момента последнего взаимодействия. Активность покупателей зависит от вида бизнеса, так как для каждой сферы характерны разные циклы сделок.

Как пример можно привести такие показатели:

  • Для группы 1 — до 90 дней, хороший показатель.

  • Для группы 2 — 90–180 дней, нормальный показатель.

  • Для группы 3 — свыше 180 дней, плохой показатель.

Сортировка проводится разными способами. Можно рассмотреть один из них.

Так как мы знаем, когда была совершена последняя покупка, ставим в столбец текущую дату, в столбце «Результат» выполняем алгоритм: знак «=» — выбор ячейки с текущей датой «С2» — знак «=» — выбор ячейки с числом сделки «В2» — Enter. Формат ячейки, в которой производятся расчеты, должен быть числовым.

После этих действий становится видно, когда в последний раз было приобретение у каждого клиента. Затем снова делим всю базу на три группы и ставим каждой собственную оценку.

Для этого нужно выделить таблицу и рассортировать в графе «Количество дней» данные «по возрастанию». Те, кто попал в группу 1, то есть делал покупку сравнительно недавно, являются лучшими клиентами, а те, кто оказался в третьей, соответственно, худшими.

«Целевая аудитория: как правильно таргетировать свое предложение на рынке» Подробнее

Лучшим потребителем будет тот, кто попал в первую группу (так как он покупал совсем недавно), а худшим — в третью группу (так как покупал давно).

Показатель 2. Frequency (частота сделки)

Эта сортировка основана на активности клиента:

  • Группа 1 — от 5 покупок, хороший показатель.

  • Группа 2 — 2–4 покупки, нормальный показатель.

  • Группа 3 — 1 покупка, плохой показатель.

Производится сегментирование с помощью функции сортировки, так же как и в предыдущем случае. После того как данные были распределены, им снова присваивается оценка.

Самые активные клиенты окажутся в группе 1, те же, кто покупал редко, — в группе 3.

Показатель 3. Monetary (вложения)

В этом случае клиенты делятся по тратам аналогично предыдущим способам. Можно воспользоваться формулой, а можно фильтровать вручную от большего к меньшему.

  • Группа 1 — траты от 52 000 рублей и выше, хороший показатель.

  • Группа 2 — траты от 52 000 до 36 000 рублей, нормальный показатель.

  • Группа 3 — траты менее 36 000 рублей, плохой показатель.

Как и в предыдущих случаях, наибольшую ценность для бизнеса представляет группа 1.

Шаг 3. Осуществляем оценку RFM

Оценка RFM

Хотя оценок может быть сколько угодно, в нашем примере их три — 1, 2, 3. Они присвоены каждому покупателю по определенному показателю. Всего у нас 27 сегментов, где клиенты отфильтрованы по трем параметрам RFM: 111, 112, 113, 121, 122… 333.

Можно воспользоваться функцией «сортировка», чтобы увидеть все сегменты с необходимым показателем.

Анализ полученных данных на примере

После того как клиенты рассортированы, вы можете видеть данные по каждой группе и продумывать маркетинговую стратегию по конкретному сегменту. Для удобства вся информация сведена в таблице.

Сегмент клиентов Характеристика сегмента Маркетинговая стратегия

111 («Ядро»)

Клиенты, которые покупали недавно, делают это часто, тратят большие суммы. Те самые 20 % по правилу Парето

С такими покупателями нужно проводить персональные кампании: предлагать им нечто ценное вроде золотой клиентской карты, пригласить на мероприятие, которое проводите, найти способ выразить лично благодарность за взаимодействие. А вот скидки лучше оставить для других клиентов

х1х (Лояльные)

Траты небольшие, зато постоянные

Таких клиентов можно простимулировать в показателе Monetary бонусами, программами лояльности, подарками за приобретения, а также предлагать сопутствующие товары

xx1 («Киты»)

Траты значительны, но нерегулярные. Однако для бизнеса этот ценный клиент

Скорее всего, поможет персональный подход: выяснить, какие покупки совершались, предложить что-то из аналогичных категорий. Как и с «Ядром», скидки не нужны — требуется нечто ценное, особенное. Кроме того, не будет лишним напрямую узнать, что хотели бы эти клиенты от продавца

13х, если низшая оценка «3» (Новички)

Сегмент, на который стоит обратить внимание, но от которого не нужно ждать гарантированной лояльности

Необходимо предоставлять полезную информацию, помогать с выбором. Чтобы привлечь внимание и установить отношения надолго, можно поздравить с каким-либо праздником в социальных сетях, предложить бонусы и акции

33х, если низшая оценка «3» («Сони»)

Когда-то были хорошими покупателями, но затем перестали ими быть

Чтобы оживить отношения, рекомендуется, во-первых, узнать, в чем причина «расставания», во-вторых, предложить новый продукт, бесплатный пробный период, пригласить на распродажу, рассказать о действующих акциях и скидках

333 (Потерянные)

Перестали покупать

Вернуть в число активных можно, спровоцировав. Однако, если реакции нет, лучше оставить все как есть, не тратить время на них

В таблице нет категории «2». На самом деле «двойки» и так покупают хорошо и регулярно, поэтому нет необходимости выделять их в отдельную категорию. С ними можно использовать любые стандартные маркетинговые ходы.

Пример RFM-анализа для email-рассылки

  • Уходящие

Сегмент Характеристика сегмента Что отправляем

111

Потерянные экономные

 

В большинстве случаев эти клиенты ушли навсегда. Нет смысла тратить на них время и усилия. Достаточно автоматической реактивационной цепочки

112

Одноразовые

113

Одноразовые

121

 

Уходящие редкие

После нескольких покупок взаимодействие с этими клиентами прекратилось. Чтобы вернуть их, нужно понять, почему они ушли. Чтобы получить обратную связь, стоит прибегнуть к реактивационной рассылке, в которую включить опрос

122

123

131

Уходящие постоянные

 

Чтобы вернуть этих клиентов, нужно приложить все силы. Подойдут реактивационные цепочки, обратная связь, рассылки с предложением бонусов, программ лояльности

132

Уходящие хорошие постоянные

133

Уходящие VIP

  • Спящие

Сегмент Характеристика сегмента Что отправляем

211

Спящие разовые с маленьким чеком

 

Обычно они помнят вашу компанию. Их активность можно разбудить, отправляя рассылки, где сообщается о различных акциях и выгодных предложениях. Подобные стимулирующие действия нередко дают нужный эффект

212

213

221

Спящие редкие с маленьким чеком

222

Спящие редкие со средним чеком

223

Спящие редкие с высоким чеком

231

Спящие постоянные с маленьким чеком

 

Эти клиенты приобретали ваши товары совсем недавно, но больше не делают этого. В этом случае вы обязаны узнать, что произошло. Понять причину можно с помощью рассылок об акциях и с опросом, благодаря чему у вас появится шанс вернуть их

222

Спящие постоянные со средним чеком

223

Спящие постоянные с высоким чеком

  • Постоянные

Сегмент Характеристика сегмента Что отправляем

311

Новички с маленьким чеком

Необходима так называемая welcome-цепочка, или приветственные письма. В них нужно рассказать обо всех преимуществах взаимодействия с вами, ответить на часто задаваемые вопросы, а также приложить обучающие материалы

312

Новички со средним чеком

313

Новички с высоким чеком. Потенциальные VIP.

Кроме стандартной welcome-цепочки, можно сделать предложение, которое заинтересует эту категорию клиентов

321

Постоянные с маленьким чеком

 

В этом случае для вас важно увеличить среднюю стоимость покупки. Нужно заинтересовать клиента, чтобы совершить допродажу. Рассылка, которую им отправляют, должна содержать информацию о сопутствующих товарах

322

Постоянные со средним чеком

323

Постоянные с высоким чеком

Так как эти клиенты приносят хорошую прибыль, лишние рассылки могут только раздражать их. Достаточно обычных

331

Постоянные с маленьким чеком

Здесь также желательно искать способы допродажи, чтобы увеличить средний чек. В рассылках рекомендуется предлагать сопутствующие товары

332

Постоянные со средним чеком

Это лучшие клиенты, но даже у них можно увеличить чек. Для этого подходят специальные предложения и информация о сопутствующих товарах

333

VIP

Эта категория достойна особых предложений: подойдет приглашение к участию в программе лояльности, например членство в клубе любимых покупателей

Дальнейшие шаги после RFM-анализа:

  1. Выбор сегмента RFM, который вас интересует (VIP-клиенты, уходящие редкие или другие).

  2. Определение линии поведения с этой категорией.

  3. Сбор данных для email-кампании и RFM-сегмента.

  4. Настройка отслеживания конверсии рассылок.

  5. Создание определенного типа рассылок, предназначенного той RFM-категории, которая интересует вас.

  6. A/B-тестирование с помощью электронной почты, при котором контрольной группе отправляют стандартную рассылку.

  7. Анализ результатов тестирования и повтор — то, что действует, отправляйте чаще, что не действует — реже.

Частичная автоматизация RFM-анализа с Python 

Анализ полученных данных на примере

Если клиентская база превышает сотню тысяч позиций, то обработать ее вручную довольно сложно, особенно если покупателей нужно делить не только по сегментам, но и по регионам. Для облегчения процесса можно его частично автоматизировать. Вам понадобится RFMizer — библиотека на языке программирования Python. Это ПО помогает решать задачи RFM-анализа в автоматическом режиме. Сделать это несложно — достаточно следовать инструкции, приведенной ниже. В ней подробно объясняется, как и куда вписываются значения для базы данных.

Шаг 1. Скачиваем библиотеку RFMizer на Python, автор — сотрудник Google Александр Приходько. Разархивируйте файлы после того, как скачали.

Шаг 2. Устанавливаем собственно Python — язык программирования, с которым работает эта библиотека. Чтобы было проще, можно воспользоваться программой Anaconda. Устанавливаем ее, а затем Python 3.7 version (последняя доступная версия на момент написания статьи) или выше.

«Целевая аудитория: как правильно таргетировать свое предложение на рынке» Подробнее

Шаг 3. В Anaconda-Navigator в разделе Environment устанавливаем pyyaml и plotly. Чтобы найти эти пакеты, в правом поле ввода поискового запроса пишем эти названия, затем нажимаем на них и кнопку Apply.

Затем настраиваем библиотеку RFMizer:

Шаг 1. После того как мы разархивировали библиотеку RFMizer, открываем файл config.yaml.

Шаг 2. Появляется окно, куда можно вписать интересующие вас параметры (например, в программе Sublime Text), после чего сохранить изменения.

Шаг 3. В папку со скриптом добавляем файл выгрузки из CRM, где будут такие столбцы:

  • order_date;

  • user_id;

  • order_value

Запускаем скрипт: выполняем команду python rfmizer.py config.yaml input-file. Input-file — это название файла из CRM. Его можно переименовать, чтобы было проще: например, дать название orders.csv. Тогда скрипт будет запускаться по команде python rfmizer.py config.yaml orders.csv.

После запуска скрипта в папке с ним будут созданы файлы:

  • RFM_3-3-3-365-182_borders.csv;

  • RFM_3-3-3-365-182_mapping.csv;

  • RFM_3-3-3-365-182_ratios.csv.

RFM-анализ для интернет-рекламы

RFM-анализ для интернет-рекламы

Чтобы найти cookie людей в Интернете, нужно связать результаты работы библиотеки RFMizer или данные из таблицы в Excel с сервисом Яндекс.Аудитории.

Для этого нужны два файла. Первый — с результатами RFM-анализа. Если вы работаете с RFMizer, то вам понадобится файл RFM_3-3-3-365-182_mapping.csv, если в Excel — в файле должны быть столбцы:

  • id пользователя;

  • Recency;

  • Frequency;

  • Monetary.

Будет лучше, если в файле окажутся дополнительные данные, например дата рождения клиента, его пол, телефон и пр. Таблица должна выглядеть следующим образом:

userid, recency, frequency, monetary, phone, email, gender, birthdate
1234, 2, 3, 2, 10000, 79876543210, mail@yandex.ru, M, 01.01.1970

В этом случае сопоставление данных в Яндекс.Аудиториях, скорее всего, будет более качественным.

Затем нужно сопоставить обе таблицы. Если вы работаете в Excel, используйте функцию ВПР (или VLOOKUP, если речь идет об английской версии, предназначенной для Google Doc). 

В результате вы получите файл с примерно таким содержимым:

userid, recency, frequency, monetary, phone, email
1234, 2, 3, 2, 10000, 79876543210, mail@yandex.ru

Номер телефона должен быть введен в базу данных в формате, указанном в таблице, чтобы избежать лишней обработки файла перед загрузкой в Яндекс.Аудитории.

Далее решаем, какой сегмент мы должны загрузить.

Хеширование данных

Для Яндекс.Аудиторий минимум составляет 1000 записей. При недостаточном количестве клиентов сегменты объединяются либо анализ RFM нужно провести с меньшим числом категорий.

Когда мы решили, с каким сегментом мы работаем, нам нужно создать загрузочный файл для размещения в Яндекс.Аудиториях — CSV-файл в кодировке UTF-8 или Windows-1251. В нем будут отражены следующие данные в таком виде:

external_id,phone,email,gender,birthdate
1,79876543210,mail@yandex.ru,M,01.01.1970
2,79012345678,example2@yandex.ru,F,01.01.1980

Требования, которые нужно соблюдать при работе с Яндекс.Аудиториями, можно найти в Яндекс.Помощи.

  • Хеширование данных

Это процесс, при котором данные кодируются особым образом для сохранения конфиденциальности приобретателей. В результате тот, кто будет загружать файл с базой, не увидит контакты клиентов.

  • Работа после загрузки в Яндекс.Аудитории

Когда база загружена на платформу, в течение нескольких часов создается сегмент и становится доступна его статистика. Обращайте внимание на параметр «Схожесть аудитории». Высокий показатель говорит, что аудитория в вашей базе довольно однородная. Соответственно, тем качественнее будет созданный сегмент «двойников» (look-alike) — ваших потенциальных заказчиков.

При низкой схожести подобная аудитория вряд ли нужна. В ней, скорее всего, ваших вероятных клиентов будет крайне мало.

  • Корректировка ставок в результате RFM-анализа

Корректировка ставок в результате RFM-анализа

Анализ незаменим, когда необходимо корректировать ставки рекламных кампаний. Благодаря этому можно приобрести более качественный трафик.

Можно рассмотреть как пример RFM-анализа использование способа в системе Яндекс.Директ.

Например, наш товар — кожаные диваны высокой ценовой категории. Когда люди ищут подобную мебель, то в поисковике они чаще всего пишут просто «диван», без деталей. Нам же нужно определить среди тех, кто набирает это слово в поисковой строке, способных купить именно наш премиум-товар.

В этом случае как раз нужна RFM-корректировка. В Яндекс.Аудиториях нужно создать сегмент клиентов, обладающих высокой платежеспособностью. Затем из пользователей с большим уровнем схожести создается группа look-alike. К ней применяется корректировка ставок. Принцип заключается в следующем: если пользователь, который ищет диван через поисковик, похож на клиента из сегмента, выбранного нами, то при демонстрации ему рекламного объявления система увеличивает аукционную ставку 1 рубль в заданное количество раз. Такая стратегия очень работоспособна.

Частота проведения RFM-анализа

Не стоит забывать, что клиентам свойственно менять свой сегмент. Покупающие много и часто внезапно перестают это делать, зато ваши рассылки подействовали на сонь, и они превратились в ваших постоянных приобретателей.

Сделав RFM-анализ, периодически повторяйте его и пересматривайте группы своих клиентов. Ваша задача — определить изменение статуса клиентов и принять соответствующие меры, например, больше не отправлять реактивирующие цепочки тому, кто и так регулярно приобретает у вас товары.

Частота проведения анализа зависит от размера и подвижности базы. Например, для крупного интернет-магазина, где очень часто совершается большое число покупок, проводить анализ по новой рекомендуется раз в месяц или два. Чем меньше клиентов или реже заказы, тем реже можно пересматривать базу — раз в квартал, полгода.

Это поможет вам разработать маркетинговую стратегию, в которой будут учтены все персональные характеристики каждого сегмента. Как результат — вы будете экономить на тех клиентах, которые для вас уже «мертвы», и больше зарабатывать на активных покупателях.

Но не стоит думать, что все завязано на прибыли. Благодаря RFM-анализу ценность жизни вашего клиента увеличивается. А счастливый клиент — полезный клиент.


Статья опубликована:

Генератор Продаж

Категории