RFM-анализ: зачем нужен, как провести

О чем речь? RFM-анализ — метод сегментации клиентов на основе их покупательского поведения. Оценку проводят по трем ключевым параметрам: Recency (давность последней покупки), Frequency (частота покупок) и Monetary (сумма затрат). Этот подход помогает бизнесу выделить наиболее ценные сегменты аудитории и оптимизировать маркетинговые стратегии.

Как использовать? RFM-анализ применяют для персонализации коммуникаций, прогнозирования оттока клиентов и повышения эффективности рекламных кампаний. Разделив базу покупателей на группы, получится точечно работать с каждой категорией, увеличивая доходность и лояльность.

Особенности RFM-анализа

Сегодня компании конкурируют не столько за привлечение новых покупателей, сколько за сохранение постоянных. Причина проста: по различным оценкам, получение каждого требует затрат в 5–6 раз выше, чем удержание уже совершившего сделку.

Чтобы чётко понимать, с кем стоит развивать отношения, а кому достаточно напоминать о себе лишь эпизодически, используют эффективный метод RFM-анализа клиентской базы. Несмотря на схожесть с известными методиками ABC и XYZ, этот подход фокусируется не на товаре или складских остатках, а непосредственно на покупательском поведении.

Источник: shutterstock.com

Три опорных показателя методики RFM:

• Recency (давность последней покупки) — важнейший критерий, отражающий, когда клиент прошлый раз взаимодействовал с компанией. Простая логика: чем меньше прошло времени со сделки, тем живее интерес. И тем проще снова вовлечь человека в контакт. Недавний клиент скорее откроет имейл-рассылку или ответит на звонок, чем тот, кто совершал последнюю покупку год назад.

  Например, рестораны быстрого питания всегда напоминают о себе спустя короткое время после прошлого заказа, предлагая бонус или дополнительную скидку, — так удерживается внимание и растёт повторный отклик.

• Frequency (частота контактов) — второй ключевой индикатор. Он показывает, насколько регулярно клиент пользуется услугами или товарами компании. Часто взаимодействующие потребители требуют частых и содержательных контактов.

  Офисные центры, еженедельно заказывающие питьевую воду, нуждаются в совершенно иной системе коммуникаций и предложений, чем частные домохозяйства, делающие такую заявку раз в месяц-два. Чем чаще клиент контактирует, тем больше вариантов допродаж и персонализации у фирмы.

• Monetary (сумма чека) — показывает экономическую ценность потребителя. Интересно, что высокий средний чек не обязательно гарантирует лояльность. Так, корпоративные клиенты могут совершать значимые разовые закупки, но редко реагировать на массовые маркетинговые инициативы, ожидая персонализированный подход и точечный контакт.

Потребность в RFM-методике возникает в типичных ситуациях, знакомых каждому бизнесу:

• резкое расширение клиентской базы: необходимо чётко понимать, кто наиболее ценен;

• период снижения стабильности продаж и непонятных колебаний спроса;

• заметный рост числа «спящих» или полностью ушедших покупателей;

• необходимость персонализировать маркетинговые акции, повысив их отдачу.

Проведя расчёт RFM-показателей, аналитики получают чёткую структуру клиентских сегментов.

Приведем пример: интернет-магазин запускает краткосрочную акцию — 10 % скидки на покупки в течение недели. Типичная картина выглядит следующим образом: абсолютное большинство (около 80 %) воспользуется ею однократно и не вернётся. Однако оставшиеся 20 % заинтересуются предложением, совершат повторные покупки и станут постоянными клиентами.

Именно на этих потребителей и будут направлены последующие усилия по удержанию: персональные письма, специальные программы и VIP-обслуживание.

Какие задачи решает RFM-анализ

Использование RFM-анализа в маркетинге заметно увеличивает результативность кампаний. После внедрения этого подхода компании отмечают повышение конверсии, рост среднего чека и увеличение доли возвращающихся потребителей.

RFM позволяет точно персонализировать внутренние предложения, учитывая неоднородность клиентской базы. Так, часть из них реагирует на скидки и берет эконом-товары, другим интересны лишь премиальные продукты. Есть покупатели, которым цена вообще не важна.

Также частота обращений определяет тип коммуникации. Те, кто покупает регулярно, получают иные предложения по сравнению с редкими посетителями. С помощью сегментации аудитории по методу RFM компания предлагает именно то, что вызывает отклик у конкретного сегмента.

Дополнительно RFM-анализ улучшает клиентский опыт. Постоянные потребители получают доступ к специальным программам лояльности, закрытым клубам, индивидуальным промокодам и бесплатной доставке. Это увеличивает привязанность к бренду и снижает вероятность ухода к конкурентам.

Отделы продаж и маркетинга получают эффективный инструмент оптимизации работы. Специалисты чётко понимают, с кем ведётся взаимодействие, выбирают наилучшие стратегии и упрощают создание целевых кампаний.

Возвращение ушедших клиентов — отдельное преимущество RFM-анализа. Сегментация помогает выявить тех, кто давно не делал покупок. Им направляются личные рассылки в Telegram или email, что обходится существенно дешевле рекламы, ориентированной на новых пользователей.

Также значительно возрастает точность таргетинга: PR-показы и клики становятся целевыми, снижаются неэффективные траты бюджета, а отток постоянных клиентов сокращается.

В каких случаях RFM-анализ полезен, а в каких не нужен

RFM-анализ клиентской базы уместен при двух условиях:

1. Достаточное количество данных: не меньше тысячи покупателей, а лучше — десятки тысяч.

2. Регулярные транзакции: товар/услуга приобретаются циклично (еда, одежда, абонементы, косметика).

Источник: shutterstock.com

Так, B2C-сегмент с коротким жизненным циклом сделки легко поддается RFM-анализу. Салоны красоты, фитнес-клубы, службы доставки, fashion-ритейл, магазины косметики и зоотоваров быстро собирают историю заказов и тут же используют её для точного таргетинга.

Когда метод даёт мало пользы:

• Слишком малая база. Если всего сотня клиентов, разбивка на сегменты RFM-анализа превращает каждый из показателей в горстку наблюдений — статистическая погрешность съедает смысл.

• Длинный цикл покупки. Высокотехнологичное оборудование, элитная недвижимость, капитальный ремонт яхт — сделки единичны, поэтому частота и давность не помогают предсказывать следующий заказ.

• Выраженная сезонность. Лыжный курорт или прокат катеров подчинены календарю, а не поведению клиента: Recency здесь зависит от времени года, а не от лояльности, и выводы будут искажены.

‍Именно поэтому RFM-анализ не всегда подходит для B2B-сегмента. Контракты на аренду, создание корпоративного портала или поставку промышленного оборудования обсуждаются месяцы, а то и годы. Чтобы заметить закономерность, иногда нужен десятилетний трек-рекорд. Молодые компании такой роскоши не имеют и тратят время без гарантии результата.

RFM-анализ не будет эффективным в следующих случаях:

• Слишком маленькая база данных. Применение RFM-анализа требует объёма. Когда в клиентской базе менее 1000 пользователей и меньше 3000 транзакций, распределение по 27 ячейкам Recency–Frequency–Monetary статистически неустойчиво. Многие сегменты останутся пустыми или с 1–2 контактами, что делает стратегические выводы ненадёжными.

• Недавний запуск бизнеса. Стартапы, находящиеся в начале пути, ещё не обладают достаточной историей продаж. Все клиенты — «свежие», поэтому показатель Recency выровнен. Частота обращений также будет искусственно занижена. Чтобы сделать RFM-анализ, нужно сначала накопить данные, иначе результат будет искажен.

• Неполные или неструктурированные данные. Без сведений о хотя бы одном из трёх элементов — R, F или M — анализ теряет смысл. Пример: компания продает доступ по подписке, не фиксируя отдельные транзакции. В таком случае Frequency нельзя корректно рассчитать, а Monetary ограничен фиксированной суммой. Отсутствие данных по давности делает невозможной оценку клиентской активности.

• Товары с разовой покупкой. Недвижимость, элитные авто, редкие ювелирные изделия — отрасли, где RFM-анализ не применим. Клиенты покупают один раз, не возвращаются за вторым, а повторные контакты не запланированы. Здесь логика анализа разрушается.

• Нет стратегии работы с результатами. Даже самый точный RFM-анализ не принесёт пользы, если компания не собирается внедрять сценарии на его основе. Без имейл-рассылок, персонализированных акций и дифференцированного обслуживания расшифровка сегментов так и останется таблицей без последствий.

ТОП-7 кейсов
из разных ниш с ростом
от 89% до 1732%

Узнать подробнее

Преимущества и недостатки RFM-анализа

Выгоды от его использования:

• Прозрачная динамика покупок. Метод показывает, как часто и в какие дни клиенты оформляют заказы: ежедневно, еженедельно, ежемесячно. Благодаря этим цифрам маркетинг точно видит объём активной аудитории, финансовый отдел строит основанные на реальности прогнозы выручки.

• Тонкая персонализация предложений. Сегментация отделяет тех, кто покупает раз в месяц, от тех, кто вспоминает о бренде раз в полгода. Рекламная команда настраивает сообщения с нужной периодичностью, стимулируя повторную сделку и рост среднего чека.

• Оптимизация PR-расходов. Анализ выделяет прибыльных клиентов, на которых целесообразно концентрировать усилия. Инвестиции перестают утекать на лиды с низкой отдачей, эффективность кампаний повышается, а бюджет сжимается.

• Фокус при выводе новинок. Когда появляется товар, проще таргетировать рассылку на частых покупателей с высоким чеком — вероятность отклика именно этой группы максимальна, что ускоряет первые продажи и сбор обратной связи.

• Доступность и скорость расчётов. Инструмент не требует сложных систем: базовые вычисления выполняются в Excel, а большинство CRM-платформ уже имеют встроенные модули. Время от запуска до результата измеряется часами, а не неделями.

• Планирование запасов и ресурсов. Зная, в какие периоды активизируются разные сегменты, логистика заранее формирует запасы, а служба поддержки корректирует нагрузки, что снижает издержки и исключает дефицит.

Проводить RFM-анализ полезно регулярно — раз в квартал, 6 месяцев, год. Мониторинг переводит пассивных клиентов в активные, отражая динамику поведения, позволяя вовремя корректировать маркетинговую стратегию и обеспечивая устойчивый рост выручки, повышение ROI.

Источник: shutterstock.com

Недостатки RFM-анализа:

• Ограничения по объёму данных. RFM-анализ приносит реальные результаты только при наличии накопленной клиентской базы и истории покупок. Если у компании нет данных по транзакциям, давности и сумме покупок, метод неприменим. Особенно эффективен он при наличии от 10 000 клиентов и минимум годе активной коммерческой деятельности.

• Нечувствительность к сезонным колебаниям. Один из ключевых недостатков — отсутствие их учёта. Так, продажи ёлок, новогоднего декора, школьной формы активны строго в определённое время года. В таких случаях высокий Recency может быть ложным, и сегментация искажает поведение клиентов, не отражая реальных закономерностей.

• Ограниченная применимость для товаров с длительным циклом покупки. Если продукт приобретается раз в несколько лет — как недвижимость, автомобили, мебель — показатели частоты и давности теряют смысл. В таких отраслях RFM-анализ клиентов не даёт ценной информации, и стоит использовать другие инструменты — поведенческую аналитику, интервью, построение портретов клиента на основе других критериев.

Типы клиентов, выявляемые с помощью RFM-анализа

По алгоритму RFM-анализа потребители получают трёхзначный код, где каждая цифра отражает оценку по одному из 3 параметров. Так формируются устойчивые поведенческие типы:

Потерянные клиенты (категории: 111, 112, 113)

Это те, кто однажды сделал покупку, но больше не проявлял активности. Отток этой группы — нормальное явление. Пытаться вернуть их с помощью рекламы неэффективно. В данном случае разумнее перераспределить ресурсы на более перспективные сегменты.

Клиенты в зоне риска (121, 122, 123)

Они покупали более одного раза, но последнее взаимодействие было давно. Это сигнал: клиент теряет интерес. Целесообразно предложить акцию или персонализированное письмо, чтобы выяснить причины и стимулировать возврат.

Бывшие лояльные (131, 132, 133)

Ранее они проявляли высокую активность, но затем «остыли». Таким пользователям можно напомнить о себе через имейл-рассылку, добавить долгосрочные мотивации: накопительные баллы, бонусы за возврат.

Новые клиенты (311, 312, 313)

Только что совершили первую покупку. Им важно выстроить впечатление: направить приветственное письмо, полезный контент, ссылку на блог. Начинается путь к лояльности.

Перспективные покупатели (313, 323, 233, 332)

Они уже демонстрируют хорошие результаты по суммам и частоте либо только начали, но с высоким потенциалом. Здесь задача — укрепить отношения, предложить апсейл и создать условия для повышения вовлечённости.

Идеальные клиенты (333)

Они активны, тратят много и часто возвращаются. Тут важны не скидки, а качественный сервис, персональное внимание и участие в закрытых мероприятиях. Сюда направляют усилия по удержанию, а не по мотивации.

Этапы проведения RFM-анализа

Первый этап

Понимание, как провести RFM-анализ, начинается с корректной подготовки данных. Этап 1 — сбор и структурирование информации — выполняется с помощью CRM-системы и электронных таблиц (Excel или Google Таблицы).

В первую очередь необходимо выгрузить:

• Идентификаторы клиентов.

• Даты последних покупок.

• Суммы совершённых заказов.

Далее следует:

• Разместить данные на новом листе.

• Удалить дубликаты, чтобы остались только уникальные записи.

• Добавить столбцы:

1. общее количество сделок;

2. итоговая сумма покупок.

Создаётся также заготовка для будущего анализа:

• Столбцы Recency, Frequency, Monetary.

Пока значения этих показателей не рассчитываются.

Для выполнения анализа необходимо минимум восемь столбцов. На этом этапе закладывается основа для будущей сегментации клиентов, поэтому важно обеспечить чистоту и полноту данных.

Второй этап

Источник: shutterstock.com

На втором этапе RFM-анализа происходит ключевая операция — сегментация клиентской базы. Для этого используется стандартная трехбалльная шкала по каждому из 3 параметров: Recency (R) — давность, Frequency (F) — частота, Monetary (M) — сумма. В итоге клиенты распределяются минимум по 27 группам (3×3×3).

Recency — давность последней покупки. Из текущей даты вычитается дата крайней сделки, с помощью функции ПРОЦЕНТИЛЬ.ВКЛ значения делятся на три части. И через ЕСЛИ клиенту присваивается соответствующая категория.

• Оценка 1: покупал много времени назад.

• Категория 2: приобретал в недалеком прошлом.

• Оценка 3: покупал совсем недавно.

Frequency — частота сделок. Используется ПРОЦЕНТИЛЬ для расчёта границ, применяются формулы ЕСЛИ, учитывая диапазоны частоты.

• Оценка 1: одна покупка.

• Оценка 2: редкие сделки.

• Оценка 3: частые покупки.

Monetary — объём сделок. Принцип идентичен частоте: используются ПРОЦЕНТИЛЬ и условная формула.

• Оценка 1: низкие суммы.

• Оценка 2: средние.

• Оценка 3: крупные суммы.

Диапазоны для расчёта зависят от отрасли. Например, 1000 рублей — это мало для поставщика оборудования, но достаточно для магазина косметики. Аналогично, «полгода без покупок» может быть нормой для одной ниши и тревожным сигналом для другой.

Если база превышает 10 000 клиентов, можно использовать шкалу от 1 до 5. Тогда формируется 125 сегментов, что даёт ещё более тонкую настройку коммуникаций.

Третий этап

Источник: shutterstock.com

На третьем этапе RFM-анализ превращается из набора чисел в осмысленную карту сегментов. Сначала в таблице добавляется столбец «RFM». Для каждого клиента высчитывают код по формуле:

При трёхбалльной шкале возможны значения от 111 до 333, и каждый код мгновенно подсказывает, как взаимодействовать с пользователем.

Чтобы оценить распределение, создают сводную таблицу: в строки перетаскивают поле «RFM», в значения — счётчик идентификаторов клиентов.

Итоговый отчёт копируют на отдельный лист и переименовывают колонки в «Сегмент» и «Количество». Так появляется компактная сводка, где видно, сколько людей попало, например, в 231 (давно, но часто и с высоким чеком) или 113 (недавно, редко, малый оборот).

Далее сегменты сортируют по объёму и ценности: группы 33* становятся приоритетом для VIP-сервиса, а коды 12* получают реактивационные кампании. Такой быстрый срез позволяет маркетингу и продажам оперативно назначать бюджеты, не погружаясь в громоздкие отчёты.

Полное кластерное полотно:

Приведем пример:

• Recency 2 — клиент заходил сравнительно недавно, значит, канал связи ещё «тёплый».
• Frequency 3 — исторически покупал часто, бренд знаком и понятен.
• Monetary 1 — чек небольшой, маржинальности почти нет.

Вывод: Покупатель перспективен: сохранилась память о компании и привычка к регулярным заказам, но ценность каждой покупки мала. Цель — подтолкнуть его к более дорогим товарам: предложить комплекты, добавить бесплатную доставку при увеличенном чеке или запустить персональный апсейл-бот.

Инструменты RFM-анализа

Инструментарий для запуска RFM-анализа делится на два класса: универсальные таблицы и специализированные сервисы. Базовое решение — Excel либо Google Sheets. Оба инструмента бесплатны, знакомы команде и позволяют быстро начать работу.

Последняя версия Excel обрабатывает до миллиона строк, этого хватает большинству небольших компаний. Google Sheets ограничен 10 млн ячеек, но при грамотной структуризации туда помещается годовая история даже активного интернет-магазина.

Если транзакций значимо больше, потребуются BI-платформы или СУБД, способные хранить десятки миллионов чеков и выполнять агрегацию за секунды.

Перед расчётами выгружают из CRM три поля: уникальный ID клиента, дату каждой покупки и сумму сделки. Далее включают условное форматирование: красный подсвечивает «уснувших», зелёный — VIP, жёлтый — клиентов в зоне риска. Такой визуальный слой делает отчёт интуитивно понятным даже менеджеру без аналитического опыта.

Альтернатива таблицам — облачные сервисы с RFM-модулем «из коробки». Многие предлагают бесплатные тарифы, но требуют аккуратного обращения с персональными данными. Перед импортом базу обезличивают: вместо ФИО и телефона подставляют хэш-идентификатор, созданный, например, формулой:

Полученный код сохраняет уникальность записи и скрывает личную информацию.

Наконец, сводные диаграммы подключают к дашборду, чтобы динамика сегментов отслеживалась почти в реальном времени. Простые инструменты плюс внимательная подготовка данных дают точные инсайты за пару часов без привлечения дорогих консультантов.

Методы работы с разными сегментами после RFM-анализа

Когда компании удаётся сделать RFM-анализ, таблица кодов превращается в карту последующих действий. Каждый сегмент получает собственную тактику: «звёздным» клиентам предлагают премиальные услуги и продлевают привилегии, новичков аккуратно подталкивают ко второй сделке, усиливая их вовлечённость.

«Идеальные» покупатели служат эталоном ─ маркетинг ищет схожие профили в потенциальной аудитории и привлекает их целевыми кампаниями.

Источник: shutterstock.com

Например, крупная сеть супермаркетов хочет строить долгосрочные отношения и сегментирует аудиторию по RFM. Анализ помог понять, что в базе есть большая доля «спящих» клиентов: они раньше покупали много и часто, но сейчас пропали с радаров.

RFM-анализ поможет вернуть их к диалогу. Он подскажет, чем интересовались эти клиенты и даст идеи для персональных предложений, которые возвратят их интерес.

Матрица Recency-Frequency-Monetary RFM-анализа подсказала, какие категории товаров эти покупатели интересовали, в какие дни они заходили и какой чек считали комфортным. На основе этих данных разработали серию персональных купонов: скидка на любимые позиции, баллы за возвращение и напоминание о сезонных новинках.

Результат: часть неактивных клиентов снова стала постоянной. Управление потребностями оставшихся превратилось в предсказуемый процесс, где покупатель постепенно перемещается из «спящего» сегмента в лояльный.

Ниже — полная карта действий, где метод RFM-анализа служит основой ежедневного маркетинга.

Лояльные покупатели:

Новички:

«Спящие» контакты:

Риск ухода:

Давняя разовая покупка:

Работа с клиентскими сегментами требует точной настройки каналов: формат общения в имейл, push-уведомлениях, мессенджерах или звонках должен соответствовать ожиданиям аудитории.

Чем больше известно о человеке — его история заказов, интересы, предпочтения, — тем выше точность таргетинга и итоговая отдача от маркетинговой кампании. Похожие группы можно объединять в коммуникационную волну, аккуратно сохраняя персональные различия и акценты.

Продуманная карта сегментов позволяет использовать портреты «идеальных» покупателей как эталон и управлять потребностями текущих клиентов, переводя их из менее прибыльных в более ценные. Разовый 133 постепенно превращается в 113, затем стремится к 111. Такой рост внутри базы возможен только потому, что каждая механика привязана к конкретному кластеру.

Финальный элемент алгоритма RFM-анализа — квартальный пересчёт кодов: клиенты мигрируют, маркетинг подстраивает сценарии, а бизнес видит стабильный рост без лишних рекламных затрат.

Скачайте полезный документ по теме:

Чек-лист: Как добиваться своих целей в переговорах с клиентами

Часто задаваемые вопросы об RFM-анализе

С какой периодичностью следует применять этот метод?

На практике базу пересчитывают 1–3 раза за квартал. Такой режим позволяет вовремя замечать, что активный покупатель начинает «остывать», а редкий гость — наоборот, втягивается. Свежий срез помогает безошибочно определять, кто уже стал постоянным, кто только что сделал первый заказ, а кто перестал открывать письма.

Длительные паузы между расчётами обесценивают сегментацию: структура базы уже изменилась, а решения принимаются на устаревших данных.

Какие бизнес-задачи решаются через результаты RFM, помимо самой сегментации?

Метод RFM-анализа по-настоящему универсален. Он служит фундаментом для роста LTV, когда программы лояльности и бонусные механики нацеливают клиентов на более частые и дорогие покупки. Лояльные группы становятся площадкой для тестового запуска новинок: первыми оформляют заказы, дают отзывы и сарафанное продвижение.

Персональные офферы внутри каждого кластера повышают ROI кампаний, а экспорт сегментов в рекламные платформы выводит ремаркетинг на новый уровень точности.

Чем усилить RFM, если одного среза «давность–частота–сумма» недостаточно?

Эффект заметно возрастает, когда RFM комбинируют с другими слоями аналитики. Поведенческие данные с сайта или приложения раскрывают, где именно падает воронка.

Машинное обучение, «подкормленное» RFM-показателями, предсказывает, какой клиент вот-вот перейдёт в более прибыльную ячейку или собирается уйти. Сопоставление сегментов с отчётами об оттоке быстро выявляет болевые точки сервиса и подсказывает сценарии удержания.

Как понять, что сегментация работает и приносит деньги?

Сразу смотрят на конверсию внутри кластеров: растёт ли доля клиентов, сделавших повторный заказ. Второй индикатор — LTV, суммарная ценность покупателя за всё время взаимодействия; она должна стабильно увеличиваться.

Далее считают ROI: сколько рублей принесла каждая вложенная кампания, основанная на сегменте. Оценивают коэффициент возврата: какой процент новичков приходит еще.

Какие просчёты чаще всего портят итог RFM-сегментации?

Главная ошибка — читать цифры в отрыве от специфики бизнеса: высокая частота покупок может идти с мизерной маржой и совсем не быть «золотым» признаком.

Вторая ловушка — забывать о внешних переменных: праздники, сезонность, изменения ассортимента могут за недели перевернуть структуру базы. Третий промах — излишнее дробление: вместо нескольких внятных групп делают калейдоскоп микросегментов, ресурсы распыляются, а коммуникация теряет фокус.

Правильно внедрённая модель способствует эффективному распределению ресурсов, росту лояльности и конверсии, позволяя компании сфокусироваться на наиболее прибыльных сегментах и минимизировать затраты на менее перспективных клиентов. В результате бизнес получает устойчивое конкурентное преимущество и долгосрочное увеличение доходности без значительного подъема бюджета на продвижение.

Источник изображения на шапке: shutterstock.com

Автор статьи

Дмитрий Свистунов

Руководитель SEO-отдела и разработки

Последние статьи этого автора:

• Адаптивная верстка сайта: гайд для начинающих
• Анкор ссылки: виды, правила составления, влияние на продвижение
• Белая раскрутка сайта без перехода на темную сторону

Забрать ценные бизнес-подарки бесплатно

Полезные
материалы
для руководителей

Скачать 3,2 MB