RFM-анализ: как сегментировать базу клиентов и использовать результаты ?

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Повышаем конверсию с помощью сегментации.

Целевая реклама работает эффективнее. Но одни настройки аудитории в рекламном кабинете не позволят сделать выгодное предложение каждому клиенту. Один из популярных способов удобной сегментации целевой аудитории – RFM-анализ.

Что такое RFM-анализ и зачем он нужен

В бизнесе работает закон Парето: 80% прибыли приносят 20% клиентов. Эти 20% – пользователи, совершающие покупки часто, много и на крупные суммы. Чтобы правильно строить работу с лояльными клиентами, важно понимать, кто они.

Для привлечения новых людей бизнесу требуется больше средств, чем для работы с существующей базой. Лояльные клиенты оставляют рекомендации друзьям, знакомым, приводя таким образом новые заявки бизнесу. Также они сами приходят повторно, покупают полюбившиеся и новые товары, отмечают бренд в социальных сетях, оставляют отзывы, принимают участие в опросах.

Данные RFM-анализа позволяют более эффективно выстраивать look-alike-таргетинги, формулировать точные офферы. Благодаря разделению базы на группы можно правильно выстроить коммуникацию с клиентами: тратить больше усилий маркетинга на сегменты, способные с большей вероятностью совершить покупку.

RFM-анализ – метод анализа, который позволяет сегментировать клиентов по сумме и частоте покупок и выявлять клиентов, которые приносят больше прибыли.

Покупателей делят на группы по трем параметрам. По каждому параметру покупателю присваивают балл. Чем больше балл, тем меньше шансов, что клиент сделает покупку снова.

R (Recency) – срок с момента последней покупки. Если клиент совершил покупку вчера, он получит 1 из 5 баллов по параметру Recency – лучший результат. А покупатель, который купил товар год назад и больше не совершал покупок, получает 5 – он вряд ли вернется.

F (Frequency) – частота, которая вычисляется как количество покупок. Если покупка первая, Frequency 5 из 5 – это плохой, но улучшаемый показатель. Клиент совершает покупки почти каждую неделю? Частота равна 1, клиент перспективный.

M (Monetary) – сумма, которую потратил клиент за все время. Например, если он оставил у вас больше 50 000 рублей при среднем чеке 20 000, он получит 2 из 5.

С помощью анализа можно определить:

- клиентов, которые совершают покупки часто и на большие суммы

- клиентов, регулярно возвращающихся за небольшими покупками

- клиентов, совершавших покупки очень давно

Работа проводится по принципу: удерживать лучших, активировать середнячков, возвращать уходящих.

Чтобы правильно оценить клиентов, нужно ориентироваться на все три параметра. Например, не стоит учитывать только потраченные клиентом деньги.

Например, первый покупатель совершил покупку на сумму 70 000 рублей и больше ничего никогда не приобретал. А второй ежемесячно покупает расходники на сумму 5 000 рублей уже год. Компания получила от него 60 000 рублей.

Сначала может показаться, что первый покупатель выгоднее, так как принес компании на 10 000 больше. Но на самом деле выгоднее тот, который приносит 60 000 рублей в год. Он знаком с компанией, лояльно к ней относится, поэтому реклама вызовет больший отклик.

Расходовать рекламный бюджет на первого покупателя может оказаться невыгодно из-за малой вероятности повторной покупки.

Важно учитывать, что пользователи могут переходить из одного сегмента в другой.

Что будет, если не использовать RFM-анализ

Если не проводить RFM-анализ, можно столкнуться с такими проблемами:

Расходы на неэффективную рекламу

Объявления и рассылки, которые ушли к бывшим и потенциальным клиентам без дифференциации, могут не дать результата.

Например, ваш бюджет на рекламу – 400 000 рублей. Вы потратили его на ремаркетинг и показы объявлений новым пользователям. При настройке ремаркетинга не было учтено деление по времени покупки. Из-за этого одинаковые объявления видели и те, кто купили товар месяц назад, и те, кто положили его в корзину и не вернулись.

Такая реклама не даст получить прибыль, а целевые предложения посетителям сайта могут принести результат.

Негатив от клиентов из-за спама

Если людям показывается одна и та же реклама больше 4 раз, стоимость клика вырастает на 68%, больше 8 раз – на 138 %.

Пользователи не реагируют на повторную рекламу или меняют отношение к бренду, оставляют гневные отзывы с требованием перестать их преследовать. Из-за этой ошибки вам может потребоваться обработать массу негатива.

Отсутствие реакции аудитории

Когда люди видят бесполезные для них предложения, то проходят мимо вместо того, чтобы оставить email, кликнуть по ссылке или оформить заказы. Пользователи не отреагируют на скидки и акции. Даже яркая и привлекательная реклама не даст результат, если будет показана не тем людям и не в то время.

Как провести RFM-анализ

Анализируем базу клиентов

RFM-анализ всегда начинается с анализа базы клиентов. Например, изучаем две группы пользователей, которые зашли на сайт под своим логином:

- которые оплатили покупки

- которые добавили товар в корзину без оформления заказа, отвлеклись, стали искать более подходящий вариант и пр. По статистике, они возвращаются, если получают хорошее предложение

Итогом будет раздельная статистика по неоплаченным заказам и покупателям.

Сегментируем базу по RFM

Затем создаем группы по времени покупки, частоте покупок и потраченным деньги на группы. Каждой группе присваиваем значение от 1 до 5, где 1 – лучшее, а 5 – худшее значение.

— R (Recency) – группировка по дате последней покупки.

Оцениваем дату покупок, выделяем группу клиентов с наиболее высоким показателем Recency и присваиваем ей позицию 1. Прочих равномерно разбиваем на сегменты в зависимости от активности.

Градация от 1 до 5 отделяет новых и лояльных клиентов от практически потерянных. Клиентов из 1 и 2 сегментов всегда будет меньше, чем из 3, 4 и 5.

Например:

- от 360 дней – 5;

- от 180 дней до 360 дней – 4;

- от 90 до 180 дней – 3;

- от 30 до 90 дней – 2;

- до 30 дней – 1.

— F (Frequency) – группировка по частоте покупки.

Определяем, сколько покупок можем считать выгодными для компании. Важно: низкая или высокая планка может испортить точность подсчета.

Например:

- 1 – 5;

- от 1 до 3 – 4;

- от 3 до 5 – 3;

- от 5 до 10 – 2;

- более 10 – 1.

— M (Monetary) – группировка по сумме покупок.

Клиентов, которые потратили больше всего денег, выделяем в отдельный сегмент. Они играют важную роль, даже если не являются постоянными покупателями.

Например:

- до 1000 рублей – 5;

- от 1000 до 3000 рублей – 4;

- от 3000 рублей до 5000 рублей – 3;

- от 5000 рублей до 10 000 рублей – 2;

- от 10 000 – 1.

Чтобы правильно сгруппировать клиентов, нужно учитывать:

- сезонность (рост продаж летом и падение зимой);

- среднее время между покупками;

- период использования покупки;

- среднюю продолжительность «жизни» клиента до периода, когда он может считаться потерянным.

Затем нумеруем клиентов по каждому параметру.

Например, клиент совершил одну покупку неделю назад на сумму 2000 рублей. В этом случае его значение будет 154.

Создаем группы клиентов с учетом оценки по сегментам

С учетом сегментации по показателям RFM создаем группы клиентов. Например, наиболее привлекательные покупатели с показателем RFM 1-1-1. Или клиенты 2-2-3, которые часто совершают покупки на небольшие суммы, с последней конверсией до полугода назад.

Для каждого пользователя или группы формируем индивидуальное предложение, чтобы покупатели чувствовали себя нужными и ценными.

Как использовать RFM-анализ, чтобы увеличить продажи

Возвращаем клиентов с товаром в корзине

В классической схеме ремаркетинга пользователям после просмотра товара показывается реклама, предлагающая его купить. Рекомендуем работать с зарегистрированными клиентами по схожему принципу, но, учитывая их ценности, запускать рекламу только на посетителей, которые, скорее всего, совершат покупку, и не расходовать бюджет на тех, кто вряд ли купит что-либо.

Например, выбираем людей, которые соответствуют четырем параметрам одновременно:

- они зарегистрированы;

- делали заказы ранее;

- добавили товар в корзину не раньше 90 дней назад;

- не совершили покупку.

У таких клиентов высокая вероятность конверсии. Запускаем на них рекламную кампанию на поиске и в КМС Яндекса. Дополнительно отправляем напоминания на электронную почту, что заказ ожидает оформления в корзине.

Готовим персонализированные предложения

С аудиторией эффективнее взаимодействовать в динамике. Поэтому желательно проводить RFM-анализ каждые две недели и создавать рекламные кампании под новую базу.

Работа с проблемными сегментами помогает повысить продажи. Стратегия может выстраиваться так.

- Приверженцы бренда

Это клиенты, покупающие продукцию одного бренда. Для них запускаем ремаркетинг в Директе, рекламу в Директе, email-рассылки и рекламу в социальных сетях с акциями и спецпредложениями.

- Оптовики

Покупают большими партиями и не часто. Для них запускаем рекламу в Директе и email-рассылки с оптовыми предложениями.

- Активные в прошлом пользователи

Это клиенты, которые раньше совершали покупки каждый месяц, но потом перестали делать заказы и неактивны больше 90 дней. Для них запускаем таргетированную рекламу в социальных сетях, кампанию в Директе и email-рассылки.

В объявления и письма включаем информацию об акциях и сопутствующих товарах к приобретенной продукции. Например, о комплектующих.

- Единичные покупатели

Это пользователи, которые купили только один товар до 3 месяцев назад. На них нацеливаем, например, кампании с предложением сопуствующих товаров, комплектующих в ремаркетинге Директа.

Почти потерянным клиентам можно предлагать большие скидки, а лучшим покупателям отправлять письма с предложением стать участником программы лояльности и приобрести новые товары.

Усредненные меры не всегда приносят доход. Чтобы улучшить результат, нужно делать клиентам персонализированные предложения и использовать разные каналы привлечения.


Источник:
Fatal error: Call to undefined function getPostSource() in /var/www/u36739/data/www/ai-news.ru/news-det.php on line 158