Сегментация клиентов — RFM по выгрузке заказов

RFM делит базу по трём числам, которые есть в любой выгрузке заказов:

Каждое число превращается в оценку от 1 до 3 — по терцилям, то есть база делится на три части по каждой из осей. Это важная деталь: границы задаёт ваша база, а не внешний норматив. «Давно не покупал» для доставки еды — это три недели, для мебели — три года, и никакая универсальная таблица тут не поможет. Поэтому границы показаны на странице, и их видно.

Дальше пара R и F даёт сегмент, а M отделяет ценную часть тех, кто уходит. Три оценки по три значения — это 27 ячеек, и работать с 27 ячейками невозможно: именно на этом большинство попыток сегментации и заканчивается. Поэтому ячейки сведены в девять сегментов, у каждого из которых есть своё решение.

Почему терцили, а не квинтили, как в классической схеме на 125 ячеек: чтобы каждая ячейка что-то значила, в ней должны быть десятки клиентов. На базе в тысячу человек 125 ячеек дают в среднем восемь клиентов на ячейку — это уже не сегменты, а имена. Пять оценок имеют смысл от нескольких десятков тысяч клиентов.

Смотреть надо не на размер сегмента, а на расхождение между двумя числами: долей клиентов и долей выручки.

• Чемпионы и постоянные дают долю выручки заметно больше своей доли в базе — это нормальная, здоровая база. Если 10% клиентов приносят 30–40% выручки, у вас есть ядро, и главная задача — его не растерять.
• Доли примерно равны — ядра нет, все клиенты одинаковы, повторные покупки почти не случаются. Тогда RFM вам мало что даст: работать надо не с сегментами, а с тем, почему нет второй покупки.
• «Уходящие ценные» — самая дорогая строка таблицы. Это люди, которые покупали часто и много, а сейчас пропали. Они уже доказали, что им нужно то, что вы продаёте, поэтому вернуть их дешевле, чем найти новых, — и именно про них обычно никто ничего не делает.
• «Новые» — самая большая развилка. Доля клиентов с одной покупкой — это тот запас, который либо станет ядром, либо уйдёт в потерянных. Разница между «купил один раз» и «купил два раза» больше, чем между вторым и третьим.
• «Потерянные» — это статья расходов. Пока они в регулярных рассылках, они снижают открываемость и, если вы платите за отправку или за загрузку аудиторий в рекламу, тратят деньги.

Число в колонке «выручка на клиента» полезнее среднего чека: клиент с пятью заказами по 2 000 ₽ ценнее клиента с одним заказом на 6 000 ₽, хотя средний чек у второго втрое выше.

Посчитать, во сколько обходится привлечение нового клиента против удержания существующего, можно в калькуляторе LTV/CAC и калькуляторе окупаемости CAC, а удержание по месяцам — в когортном анализе.

Четыре технические вещи, которые чаще всего портят результат, и все четыре видны в предупреждениях под таблицей.

1. Один человек под несколькими идентификаторами. Заказ по телефону, заказ с почты и заказ через приложение — и в выгрузке это три клиента с одной покупкой вместо одного с тремя. Частота падает, ядро пропадает. Это самая частая причина, по которой RFM «не показал ничего».
2. Давность считается от даты выгрузки, а не от сегодня. Если вы выгрузили заказы три месяца назад, а считаете сегодня, вся база съедет в «потерянных». Поэтому по умолчанию давность отсчитывается от последнего заказа в файле, и если он старый — об этом написано.
3. Слишком короткий период. Выгрузка за три месяца не может показать потерянных: они в неё просто не попали. Нужны как минимум два обычных цикла покупки — для продуктов это месяц, для B2B-оборудования год.
4. Возвраты и отмены. Если в выгрузке остались отменённые заказы, M завышена, а F врёт. Отмены надо убирать до расчёта; возвраты — вычитать.

И одна содержательная: сезонность. Если вы считаете базу в январе, а торгуете подарками, весь декабрьский поток попадёт в «недавно», и в феврале сегменты поедут сами по себе — без всякой связи с тем, что вы делали. На сезонном бизнесе базу сравнивают год к году, а не месяц к месяцу.

RFM — не универсальный инструмент. Есть случаи, где он не даёт ничего или прямо вводит в заблуждение, и лучше понять это до того, как вы построите на нём рассылки.

• Когда база маленькая. На сотне клиентов терцили — это деление наугад: один человек сдвигает границу, и сегменты меняются. До двухсот клиентов честнее смотреть базу поимённо; список из 80 человек можно просто прочитать, и вы узнаете о них больше, чем из любой сегментации.
• Когда покупка одна на всю жизнь. Квартира, свадьба, установка окон, натяжные потолки. Частоты нет, давность означает не «остыл», а «уже купил и больше не купит». Здесь единственная работающая ось — M, и сегментация вырождается в деление по сумме чека. Работать надо с рекомендациями и отзывами, а не с реактивацией.
• Когда почти никто не покупает второй раз. Если повторных покупок меньше 20%, F у всех равна единице, и RFM превращается в деление по давности и сумме. Это не повод сегментировать лучше — это повод разобраться, почему нет второй покупки. Сегментация ответа на этот вопрос не содержит.
• Когда по сегменту всё равно ничего не будет сделано. Сегмент без решения — это просто цифра в отчёте. Если у вас нет канала, чтобы дойти до «уходящих ценных» лично, знание о том, что их 16 человек, ничего не меняет. Сначала канал, потом сегментация.
• В подписочной модели. Там важнее не давность последней покупки, а стадия подписки и признаки оттока: перестал заходить, перестал пользоваться главной функцией. RFM этого не видит — он смотрит на платежи, а платёж по подписке приходит сам, даже когда человек уже месяц не открывал продукт. Считайте удержание по когортам и активацию по действиям.
• Когда RFM применяют к лидам, а не к покупателям. У лида нет ни частоты, ни суммы. Сегментация базы подписчиков без покупок по RFM даёт три сегмента из одного числа и выглядит наукообразно ровно до первой проверки.

Есть и обратная ошибка — считать, что сегментация заменяет причину. RFM показывает, что произошло: люди перестали покупать. Почему они перестали, в выгрузке заказов не написано. Разговор с десятью клиентами из сегмента «уходящие ценные» обычно даёт больше, чем перебор границ терцилей, и это тот случай, где двадцать минут по телефону стоят дороже любого расчёта.

И последнее про числа: «10% клиентов приносят 40% выручки» — свойство вашей базы, а не норматив. Публикуемые ориентиры вида «правильная доля чемпионов — 15%» не имеют под собой ничего: в подписке, в рознице и в B2B-проектах эти доли различаются в разы. Сравнивать нужно свою базу с собой же полгода назад.

Сегментация полезна ровно настолько, насколько она меняет действие. Минимальный рабочий цикл — четыре шага:

1. Возьмите один сегмент, а не девять. Начните с того, где расхождение между долей клиентов и долей выручки самое большое, — обычно это «уходящие ценные» или «новые». Девять сценариев сразу не доводит до конца никто.
2. Сделайте одно действие из последней колонки. Одно письмо, один звонок, одна подборка. Не три касания сразу: иначе вы не узнаете, что сработало.
3. Оставьте контрольную группу. Возьмите 20–30% сегмента и не делайте с ними ничего. Без этого вы не отличите эффект письма от того, что люди и так вернулись бы. Размер выборки, при котором разницу можно будет увидеть, считается в калькуляторе A/B-тестов.
4. Пересчитайте через цикл покупки. Не через неделю: клиенты не могли успеть перейти между сегментами. Правильный интервал — обычный срок между покупками в вашем бизнесе, умноженный на два.

Сравнивать надо не число открытий письма, а выручку на клиента в сегменте против контрольной группы. Открываемость показывает, что тема письма хорошая, а не что сегментация работает.

Если после сегментации выясняется, что главная проблема — люди не доходят до второй покупки, потому что не разобрались с продуктом, это уже задача онбординга, а не рассылок: как её решают форматами внутри интерфейса, разобрано в статье про онбординг клиентов.

1. Hughes, A. M. Strategic Database Marketing (McGraw-Hill) — исходная схема RFM и деление базы на равные части по каждой из осей.
2. Fader, P., Hardie, B., Lee, K. L. RFM and CLV: Using Iso-Value Curves for Customer Base Analysis. Journal of Marketing Research, 2005 — связь RFM с пожизненной ценностью и ограничения оценки по трём числам.
3. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» — обработка клиентской базы; расчёт на этой странице идёт в браузере и данные не передаёт.
4. Reinartz, W., Kumar, V. The Mismanagement of Customer Loyalty. Harvard Business Review, 2002 — почему частота покупок сама по себе не означает прибыльность клиента.