Как увеличить продажи: сегментация клиентов и rfm-анализ

Все клиенты, от «транжир» до «практически потерянных клиентов» имеют желания и различные потребности, и по-различному реагируют на маркетинговые кампании.

По мере расширения бизнеса сегментация аудитории может значительно улучшить эффективность маркетинговой деятельности, по окончании чего кампании начинают охватывать большее количество клиентов, что в итоге повышает коэффициент отклика (response rate) и продажи.

Что такое RFM-анализ?

RFM-анализ — это техника сегментации клиентов, опирающаяся на их поведение.

  • Recency (R) — давность, время с прошедшей приобретения
  • Frequency (F) — частота, общее число приобретений
  • Monetary (M) — деньги, общая сумма приобретений

RFM-анализ был в первый раз применен более сорока лет назад в области адресной почтовой рассылки, но наряду с этим он все еще есть действенным методом оптимизации маркетинговой деятельности.

Хорошие эффекты RFM-анализа:

  • Увеличение процента удержанных клиентов
  • Увеличение коэффициента отклика
  • Увеличение процента конверсии
  • Увеличение дохода

Как добиться успеха в сегментации и персонализации?

Сегментация клиентов посредством RFM-анализа

Как увеличить продажи: сегментация клиентов и rfm-анализ

Для исполнения RFM-анализа сперва направляться поделить клиентов на четыре равные группы, в соответствии с распределению значений давности, величины и частоты приобретений.

Четыре равные группы (квартили) с тремя переменными образуют 64 (4x4x4) клиентских сегмента, с этими цифрами в полной мере возможно трудиться.

Увидьте, что вы имеете возможность применять квинтили (пять равных групп) для лучшей детализации, но, работа с 125 сегментами (5x5x5) может показаться сложной задачей.

Давность (R)

Частота (F)

Деньги (M)

Квартиль 1 (R=1)

Квартиль 1 (F=1)

Квартиль 1 (M=1)

Квартиль 2 (R=2)

Квартиль 2 (F=2)

Квартиль 2 (M=2)

Квартиль 3 (R=3)

Квартиль 3 (F=3)

Квартиль 3 (M=3)

Квартиль 4 (R=4)

Квартиль 4 (F=4)

Квартиль 4 (M=4)

К примеру, имеется один клиент, и он:

  • Находится в группе, совершающих приобретения чаще всего (R=1)
  • Находится в группе, совершивших громаднейшее количество приобретений (F=1)
  • Находится в группе, израсходовавших солиднейшую сумму денег (M=1)

Этот клиент в собственности RFM-сегменту 1-1-1 (Лучшие клиенты), (R=1, F=1, M=1).

Вот самые ответственные RFM-сегменты:

Сегмент

RFM

Описание

Маркетинговая деятельность

Лучшие клиенты

1-1-1

Клиенты, совершившие последние приобретения, делающие это чаще остальных, и тратящие денег больше остальных

Без ценовых стимулов, новые программа и продукты скидок для постоянных клиентов

Лояльные клиенты

X-1-X

Клиенты, совершившие последние приобретения

Изучите их R и M для предстоящей сегментации

Транжиры

X-X-1

Клиенты, тратящие больше остальных

Продвиньте самые дорогие продукты

Практически потерянные клиенты

3-1-1

Не совершали приобретения некое время, но брали довольно часто и тратили больше остальных

Агрессивные ценовые стимулы

Потерянные клиенты

4-1-1

Не совершали приобретения в далеком прошлом, но брали довольно часто и тратили больше остальных

Агрессивные ценовые стимулы

Потерянные экономные клиенты

4-4-4

Не совершали приобретения в далеком прошлом, брали мало и тратили меньше остальных

Не прикладывайте большое количество упрочнений к их возвращению

Маркетинг лояльности, либо Как добиться размещения клиентов?

Как совершить RFM-анализ

Дабы совершить RFM-анализ, вам пригодятся информацию о всех приобретениях, идеальных всеми клиентами. Это должен быть файл с информацией, в большинстве случаев экспортируемый из вашего бухгалтерского ПО либо транзакционной базы данных.

Ход 1. Скачайте скрипты для RFM-анализа и файлы примеров с Githtub.

Ход 2. Подготовьте файл CSV со всеми приобретениями либо же применяйте шаблон sample-orders.csv. Имена столбцов должны быть теми же.

order_date

order_id

customer

grand_total

2016-01-01

US-52653

john

40

2016-01-02

US-52654

mary

70

Ход 3. Запустите скрипт RFM-analysis.py, находящийся в папке, куда вы поместили файл с данными. В скрипте имеется три довода:

python RFM-analysis.py -i sample-orders.csv -o rfm-segments.csv -d 2014-04-01

  • Файл с данными (-i sample-orders.csv)
  • Файл для вывода данных с RFM-сегментацией (-o rfm-segments.csv)
  • Дата экспорта файла с данными (-d «YYYY-mm-dd”)

Это создаст RFM-сегменты в CSV-файле с заглавием rfm-segments.csv или иначе, а зависимости от того, что было задано вами с параметром –o.

Расшифровка результатов RFM-анализа

Клиент

Давность

Частота

Сумма

Сегмент RFM

Мария Н.

4 дня

58 приобретений

$2 869

1-1-1

Владимир У.

50 дней

1 приобретение

$44

3-4-4

Екатерина А.

47 дней

2 приобретения

$156

3-2-1

  • Мария Н. принадлежит к сегменту «Лучшие клиенты», она совершала приобретения совсем сравнительно не так давно (R=1), заказывает довольно часто (F=1) и тратит большое количество (M=1).
  • Владимир У. фактически попал в сегмент «Потерянные экономные клиенты», он не брал достаточно давно (R=3), брал мало (F=4) и израсходовал мало (M=4).
  • Екатерина А. относится к сегменту «Практически потерянные клиенты». Она не совершала приобретения достаточно давно (R=3), брала частенько (F=2), но наряду с этим она тратила довольно много (M=1).

Эти простые шаги и имеется сегментация клиентов. Сейчас выясните кого-нибудь прочесывать базу данных клиентов и выявлять самые важных для вашего бизнеса.

Либо же создайте собственную настройку в сервисе Tableau, как ниже, дабы визуализировать эти:

Выведите собственный email-маркетинг на новый уровень методом RFM-сегментации

Сейчас пришел черед email маркетинга. Ниже приводится пошаговый RFM-анализ:

1. Выберите RFM-сегмент, необходимый вам (Лучшие клиенты, Практически потерянные клиенты, итд).
2. Решите как оптимальнеепоступить с данным RFM-сегментом
3. Выясните задачу для данных email кампании и RFM-сегмента
4. Настройте отслеживание конверсии e-mail маркетинга
5. Создайте еще одну email версию, привзяанную к RFM-сегменту, нужному вам
6. Запустите кампанию по A/B-тестированию через email, в то время, когда контрольная несколько приобретает простую версию письма, а экспериментальная несколько — письмо, выбранное в соответствии с RFM-сегменту
7. Проанализируйте результаты и повторите — чаще то, что действует и реже то, что не действует

Сегментация и персонализация email-маркетинга: управление для начинающих

Заключение

RFM есть довольно несложной техникой, с чьей помощью вероятно значительно улучшить вашу маркетинговую деятельность.

Обновляйте RFM-сегментацию методом автоматизирования процесса, к примеру, посредством скрипта RFM-анализа. оптимальнееобновлять эти ежедневно.

Высоких вам конверсий!

По данным: joaocorreia.io, image source seorankvideo

Случайные статьи:

Василий Федосеев: RFM-сегментация клиентской базы на примере ИМ Экспедиция


Подборка похожих статей:

admin