Клиентская аналитика: RFM анализ + Факторный анализ продаж
Успех сети напрямую зависит от грамотного взаимодействия клиентов. Ведь покупатели – это то звено, от которого будет зависеть будет ли прибыльным магазин или же наоборот – его функционирование будет убыточным.
Поэтому важно распознавать потребности клиентов, что позволит:
✅ оптимизировать ассортимент и предлагать то, что на самом деле нужно покупателям;
✅ разрабатывать действенные маркетинговые кампании;
✅ увеличивать охват клиентов;
✅ повышать ROI и LTV.
Эффективным методом в исследовании клиентской базы является RFM-анализ. Главная его задача – сегментация покупателей и детальное изучение их покупательского поведения.
В результате такой сегментации по трем параметрам (давность (R), частота (F), ценность (M)) можно понять:
- какие клиенты (20%) наиболее ценные для сети, поскольку генерируют 80% продаж;
- кто из клиентов покупает многое, но редко;
- каких клиентов сеть может скоро потери скоро.
Такая информация дает подсказки кому и какую именно рекламу присылать, какие бонусы предлагать либо же использовать другие каналы информирования.
Пример. Для постоянных клиентов лучше использовать рассылку с новыми товарами по тем категориям, которые чаще всего встречаются в их покупательских корзинах, а "спящим" покупателям – предоставлять мотивирующую скидку.
Где лучше внедрять RFM-анализ?
- в компаниях (B2C и B2B) для настройки таргетированной рекламы, подготовки скриптов (шаблонов) для телефонных звонков и email-рассылок.
- сферы применения: ритейл, прямые продажи, некоммерческое взаимодействие.
- обязательное условие: потребность в товарах (услугах) носит периодический характер и есть необходимость в налаживании долговременных отношений.
Примечание! Для исследования бизнеса с редкими покупками (продажа недвижимости, детской мебели) RFM-анализ будет неэффективным.
Пример сегментации клиентов в RFM-анализе
Рассмотрим на примере как происходит разделение клиентов по группам ценности (M) (оборот). Возьмем данные оборота 5 клиентов за выбранный период: $120, 250, 300, 140 и 20. По сортируем их в порядке возрастания оборота:
Клиент Оборот ($)
1 20
2 120
3 140
4 250
5 300
Чтобы разделить на три равных группы, необходимо определить чему будет равняться 33% и 66% (третьи части выборки) в обороте всех клиентов. В дальнейшем эти значения будут пределами группировки для трех групп (рассчитывается на основании квантилей):
- (0 - 33%] - 3 группа - стоимость покупок низкая;
- (33,1 - 66%] - 2 группа - стоимость покупок средняя;
- (66,1 -100%] - 1 группа - стоимость покупок высока.
По данным примера 33% составит $126,4, а 66% - $ 210,4. Тогда критерии разделения клиентов по обороту будут следующими:
- $ 20,0 - $126,4 - 3 группа;
- $ 126,5 - $ 210,4 - 2 группа;
- $ 210,5 и больше - 1 группа.
Клиент Оборот ($) Группы (М)
1 20 3
2 120 3
3 140 2
4 250 1
5 300 1
Аналогично группировка выполняется по частоте покупок (F). Все клиенты делятся на три группы:
- (0 - 33%] - 3 группа - редко совершают покупку;
- (33,1 - 66%] - 2 группа - нечасто осуществляют покупку;
- (66,1 -100%] - 1 группа - часто совершают покупку.
Распределяя клиентов по давности покупок (R), следует учитывать обратный принцип выделения групп:
- (0 - 33%] - 1 группа - недавно посетили магазин;
- (33,1 - 66%] - 2 группа - не так давно посещали магазин;
- (66,1 -100%] - 3 группа - давно посетили магазин.
Таким образом, зная, что клиент находится в группе 211 (не так давно посещал магазин, часто совершает покупки, стоимость покупок большая), стоит ему напомнить о выгодности покупок в сети и мотивировать посетить магазин. А клиенты группы 333 является наименее ценными и не имеет смысла тратить время и усилия на этот сегмент.
Факторный анализ в клиентской аналитике
Главная задача RFM-анализа – увеличить продажи сети с помощью правильного взаимодействия с каждой отдельной группой покупателей.
В такой цепочке важно проводить оценку полученных результатов: проверять достигла ли сеть желаемых целей и как это произошло?
Для этого по каждому сегменту следует проводить факторный анализ продаж. Он позволит понять, что повлияло на изменение оборота:
- количество клиентов;
- количество чеков на одного клиента;
- величина среднего чека.
Факторная модель:
Оборот = Кол-во клиентов × Кол-во чеков на 1 клиента × Средний чек
Для проведения факторного анализа можно использовать любой метод элиминирования.
Рассмотрим пример:
В группе клиентов 233 (RFM-анализа) менеджер выполнил рассылку с акциями и предложил бонусы, после чего было зафиксировано:
Факторный анализ оборота магазина для клиентов 233 группы
Показатель |
Текущий период |
Предыдущий период |
Абсолютное отклонение |
Влияние показателя на Оборот |
Кол-во клиентов, особ |
15 |
15 |
0 |
(15-15) × 5 × 120 = 0 |
Кол-во чеков на 1 клиента, шт |
5 |
7 |
+2 |
15 × (7-50) ×120 = 3600 |
Средний чек, $ |
120 |
145 |
+25 |
15 × 7 × (145-120) = 2625 |
Оборот, $ |
9000 |
15225 |
+6225 |
Σ 6225 |
! Давайте проанализируем. Оборот клиентов 233 группы вырос на ↑ $ 6 225. Такое изменение произошло под влиянием следующих факторов:
- кол-во чеков (покупок) по каждому клиенту выросло на ↑ 2 чека и привело к увеличению оборота на ↑ $ 3600.
- средний чек вырос на ↑ $ 25, что обеспечило увеличение оборота на ↑ $ 2625.
- кол-во клиентов в этой группе осталось неизменным, а следовательно не повлияло на величину оборота.
В таком случае выявлено, что наиболее результативными являются меры, которы мотивируют клиентов увеличивать количество покупок. Именно на этом следует сосредоточить внимание менеджерам магазина.
Выводы
RFM-анализ – высокоэффективный инструмент при использовании с грамотной системой мер для каждой отдельной группы клиентов.
При этом обязательным условием успеха является регулярная оценка эффективности выполненных рассылок и взаимодействий. Факторный анализ в таком исследовании позволит понять, как изменились ключевые показатели покупательского поведения клиентов и как это отразилось на величине продаж.
Для проведения такого аналитической оценки рекомендуем использовать отчет "RFM-анализ" на аналитической платформе для ритейлеров Datawiz.io.
Функционал отчета не только быстро выполнит сегментацию клиентов, но и поможет вам отслеживать "миграцию" клиентов из одной группы в другую, изучать их покупательские корзины, проводить факторный анализ показателей продаж с помощью динамических визуализаций.