Меньше скидок, больше выручки: как RFM-анализ меняет работу с базой

Компания рассылает скидку пятнадцать процентов всей базе разом. Одному клиенту она без надобности — он и так купит на этой неделе. Другой почти готов уйти к конкуренту, а ему пришел тот же промокод, что и постоянному покупателю — повода остаться он не получил. RFM-анализ решает эту задачу: делит клиентов по давности, частоте и сумме покупок — и показывает бизнесу, кому из них скидка правда нужна для принятия решения. Разбираем, как считать сегменты и что предлагать каждому — от лояльных клиентов до тех, кто давно ушел.

RFM-анализ — это метод разделения сегментации клиентской базы на сегменты по трем параметрам покупательского поведения:

Ответы переводят в баллы — обычно от одного до трех, — и клиент получает код вроде 111 или 333.

Диапазоны у каждого бизнеса свои. Купленная год назад квартира — это недавно, йогурт с той же датой — очень давно. Мебельный ритейлер может делить так:

Код 111 — постоянный VIP, 333 — разовый покупатель, который скорее всего не вернется. Держать в фокусе все возможные сочетания не нужно — обычно достаточно нескольких сегментов, которые компания хочет удержать или вернуть.

Сервис «Здравсити» отказался от суммы покупок вообще — считает только давность и частоту, потому что для CRM-команды KPI — рост частоты, а не среднего чека. На основе этих двух параметров построили девять подсегментов от «новичка» до «оттока» и под каждый — свою цепочку коммуникаций: приоритет мобильным пушам, запрет на скидку в первую неделю после заказа, баллы вместо промокода для тех, кто уже лояльный.

Результат — доход от прямых коммуникаций вырос в 3,6 раза год к году, при этом общий оборот компании увеличился только в 1,49 раза: рассылки не съели другие каналы, а принесли дополнительные деньги.

Постоянному клиенту скидка часто не нужна вообще, а иногда вредна. «Здравсити» не дает промокод в сценарии «брошенная корзина», если клиент за год потратил больше шести тысяч рублей или сделал больше пяти покупок, — считают его лояльным и предлагают баллы вместо скидки. В AB-тесте баллы дали конверсию в четыре раза выше, чем промокод: клиент видит их в личном кабинете, и это ощутимее, чем потенциальная скидка когда-нибудь.

У брендов одежды Charuel и Calista самый большой вклад в выручку CRM-канала дали именно рассылки по RFM-сегментам — больше, чем «брошенная корзина» или welcome-цепочка. Новичков вели к повторному заказу баллами программы лояльности, лояльных — к росту среднего чека: у каждого сегмента была своя цель и свое письмо. В сумме доля выручки из CRM-канала выросла на восемь процентных пунктов, доля повторных заказов — на тринадцать.

Клиента, который раньше покупал часто и вдруг остановился, обычно тянет сразу закрыть промокодом. Сервис доставки Foodband сделал иначе: разбил цепочку на четыре коротких отрезка — от первого до сто четвертого дня после заказа. Через семь дней после заказа приходит пуш «наша пицца по вам скучает», без скидки — это дало плюс девять процентов заказов и плюс десять процентов оборота. Только если клиент не отреагировал, включается скидка до 25% (+19% заказов), а бесплатная пицца в конце цепочки вернула еще +7% процентов заказов.

У Foodband реактивация была построена на давности заказа. Каршеринг «Делимобиль» пошел дальше и добавил к RFM человеческий фактор — сегментировал по имени. Команда разбила отток на пять групп по давности последней поездки, а в одном из экспериментов выделила из глубокого оттока всех клиентов по имени Александр и отправила им письмо с бонусами, обратившись «Саша». Один из получателей обиделся на фамильярность — ему отправили второе письмо, «Александр, исправляемся…» (тоже со скидкой).

В итоге все Саши и один Александр дали +13% к частоте поездок и +32% процента к числу райдеров (клиентов, которые в итоге доехали после рассылки), относительно контрольной группы. Механика разовая и не масштабируется на всю базу, но показывает: в сегменте оттока персонализация иногда работает сильнее размера скидки.

Все компании выше считали сегменты не в Excel, а через платформу. В CDP есть встроенный RFM-отчет: загружаете историю заказов — он сам делит базу и обновляет ее при каждой новой транзакции. Отчет отвечает на три вопроса: какая средняя частота покупки, какой средний чек и сколько покупок в среднем делает клиент за все время.

RFM — это не разовый расчет, а процесс: клиенты двигаются между сегментами, и вчерашний VIP через полгода может оказаться в оттоке. Начать можно без платформы — выгрузить базу за полгода и вручную разбить клиентов хотя бы по давности покупки. Как эту логику довести до автоматических цепочек — в полном разборе стратегии «Здравсити»: от принципов частоты рассылок до теста «баллы против промокода».

Больше полезных материалов читайте в Mindbox Журнале