Что это
RFM анализ - это метод анализа клиентской базы, основаный на поведенческих факторах группы или сегмента существующих клиентов.
RFM анализ позволяет оценить общее состояние базы, более эффективно организовать e-mail маркетинг и выгодно отличаться от большинства других методик наглядностью и простотой применения.
Как это работает?
Все просто. Клиентская база разбивается на сегменты по трем параметрам:
Recency (R) - давность последней покупки
То есть, сколько времени прошло со времени последней покупки в днях, неделях или месяцах. Рассчитывается от момента последнего заказа до текущей даты.
Сегменты разбиваются на 3 условные: хорошо - норма - плохо. Еще можно интерпретировать как:
«новички» - «пора покупать вновь» - «давно это было».
Так как бизнес у всех разный, то и условные «хорошо - норма - плохо» тоже будут у всех разные. У кого-то цикл повторных продаж 1 неделя, у кого то 1 мес., а у кого то и год. Поэтому в зависимости от вашей специфики бизнеса (или поставленных целей) вы можете настраивать свои «хорошо - норма - плохо» в нужных вам диапазонах.
Чтобы было проще определить, надо ответить для себя на несколько вопросов:
Клиенты, которые недавно совершали у вас покупки, более предрасположены к повторным заказам, чем те, кто давно уже не проявлял никаких действий. Пользователей, которые покупали давно, можно возобновить только предложениями, которые привлекают вернуться обратно.
Frequency (F) - суммарная частота покупок
Показывает сколько взаимодействий (покупок) в заданный период времени было у вас с клиентом. Если обе стороны остались довольны - есть шанс поддержать частоту покупок или увеличить в свою пользу. Чем больше клиент совершал покупок у вас, тем больше вероятность, что он их будет повторять и в будущем. Обычно, этот показатель тесно взаимосвязан с давностью покупки.
Здесь также, как и в сегменте давность есть свои условные «хорошо - норма - плохо». Для кого то «хорошо» - это 10-20 покупок, «норма» 5-10, а «плохо» - 1-5. А кому то а для кого-то и 5 покупок - «очень хорошо!»
Вы можете настраивать это количество по своему усмотрению, в зависимости от поставленной цели.
Monetary (M) - объём покупок
Как и предыдущие показатели, рассчитывается за определенный период или количество взаимодействий. Показывает какой была так называемая «денежная ценность клиента», проще говоря - сумма денег, которая была потрачена клиентом у вас. Сгруппированные по денежным показателям анализы часто получают представление клиентов, чьи покупки отражают более высокую ценность для вашего бизнеса.
Все вышеуказанные показатели важно рассчитывать за период, который наиболее точно отобразит нужные данные. Допустим, можно взять выборку за один год и разделить её на кварталы.
Зачем нужен RFM анализ
Как правило, большинство клиентов слабо реагирует на общие рекламные предложения.
RFM является отличным методом сегментации клиентов для прогнозирования реакции клиента и улучшения взаимодействия с ним, а также повышение повторных продаж.
Этот метод использует поведение покупателей, чтобы определить, как работать с каждой группой клиентов.
Иногда встречается название RF сегментация, когда показатель Monetary не используется, потому что его значение часто зависит от Frequency.
Сегментация клиентской базы по такому принципу позволяет выделить тех с кем вам действительно надо работать, разделяя их на сегменты клиентов (активный, спящий, растущий), разрабатывая целевые маркетинговые предложения для:
Не менее важно следить за количественным составом важных нам сегментов во времени. Например, хорошая новость, что растет ваш сегмент «Золотые» клиенты и плохая - сегменты «Риск потерять» и «Разовые клиенты» тоже растут.
Как это использовать?
Наиболее наглядно стратегию работы с каждым сегментом отображает следующая таблица.
Таб.1 Пример работы с RFM сегментами
Сегмент |
Активность |
Благодарность, научить пользоваться, рассказать о ваших основных плюсах |
|
Активные |
Обычный режим маркетинговой активности, плановая рассылка |
Перспективные |
|
Особое внимание |
|
Приглашение в особый клуб, предложить особые условия и льготы, особый сервис |
|
Не дать уйти |
Программа лояльности, Удержание, реактивация |
Разовая покупка |
Напоминание, реактивация, новинки |
Риск потерять |
Реактивация, новинки, живой контакт - выявление проблемы |
Стоит помнить, что это лишь один из примеров использования RFM сегментов. В каждом бизнесе свои особенности и одного универсального решения не бывает.
Несколько важных замечаний или советов:
Recency Frequency Monetary
Анализ ассортимента товаров и услуг компании по частоте обращения (покупки, заказа и т.д.). Аналогичен ABC-анализу товарных позиций, если в качестве параметра брать число обращений. Используется для определения доходности клиентов, позволяет оценить вероятность их ухода, изучить лояльность клиентов.
RFM-анализ чаще всего используется для изучения товарного ассортимента по частоте обращений, а также его применяют для классификации клиентов.
Основу RFM-анализа составляют следующие характеристики:
В начале таблицы располагаются постоянные клиенты, которые чаще всего приносят основную часть прибыли. Для этих клиентов можно разработать специальные предложения. Клиенты с кодом RF=15 являются новыми, и если в этой группе есть те, чей показатель Monetization равен 5, то на них стоит обратить особое внимание.
Это отдельные сегменты аудитории, выделить их позволяет RFM-анализ. В статье вы увидите все его возможности и способы применения.
Группировать вручную — долго и муторно, и не всегда очевидно, какие признаки лучше применить. RFM-анализ дает готовую схему, согласно которой более «дорогим», как и менее «дорогим», клиентам нужен особый подход.
Одних мы хотим заполучить в ряды постоянных клиентов. По вторым об этом говорить рано, и наша цель — просто их удержать, чтобы они не ушли к конкурентам. Вы группируете клиентов и определяете, кто покупает часто и много, кто — часто, но по мелочи, а кто давно ничего не покупал.
В зависимости от этого можно разрабатывать релевантные коммуникации и контент. Лояльным клиентам — спецпредложения. Тем, кто давно не покупал — бонус или скидку + таргетинг, чтобы напомнить о себе. В отдельном параграфе этой статьи рассмотрим конкретные примеры.
Данный метод подходит B2C компаниям с клиентской базой от 10 000 контактов. Можно применять и для B2B, но там база, как правило, гораздо меньше. В таком случае стоит сократить количество сегментов.
Чаще всего этот метод сегментации используется в email-рассылках. Также он пригодится при подготовке скриптов для телефонных звонков клиентам или любых узко таргетированных маркетинговых кампаний на существующих клиентов.
Кроме того, RFM-анализ подходит, если конверсионное действие отлично от покупки и не заканчивается получением денег от клиентов (допустим, просмотр статей блога).
Основа — три показателя, названия которых зашифрованы в названии метода:
Классический способ — поделить клиентскую базу по этим показателям на 3 диапазона. Например, высокий показатель новизны — до 2 месяцев, средний — от 2 до 6 и низкий — более 6. Универсальных рекомендаций нет, так как здесь влияют многие факторы — отрасль, жизненный цикл покупателя и т.д.
Вы сами решаете, что значит маленькая, средняя и большая стоимость продаж на клиента. Для одного бизнеса 10 000 рублей — приличная сумма, для другого — слишком скромная.
В Excel эти интервалы можно выделить с помощью формулы, как — смотрите в следующем параграфе.
Для простоты принадлежность клиента к определенному диапазону представляют их в виде 3-балльной системы.
Давность заказа:
1 — давние;
2 — «спящие» (относительно недавние);
3 — недавние.
Частота покупок:
1 — разовые;
2 — редкие;
3 — частые.
Сумма покупок:
1 — низкий чек;
2 — средний чек;
3 — высокий чек.
Пересечения показателей и уровней дают 27 возможных комбинаций (сегментов):
Забегая вперед, скажем, что некоторые могут быть пустыми или очень маленькими. Например, если у вас нет клиентов, которые в прошлом покупали на большие суммы.
Примечание . Можно использовать только один или два показателя, но это снизит однородность сегментов. А можно наоборот выделить больше уровней, однако это усложнит анализ и дальнейшую работу с сегментами, так как их получится еще больше. Если 4 — то 64 сегмента, 5 — уже 125 и т.д.
Делать всё это вручную трудоемко, лучше использовать сводные таблицы Excel или Google Таблиц. Данный функционал позволяет автоматически делить базу данных на три условно равные группы. Рассмотрим подробнее на примере.
1) Представьте данные о клиентской базе в виде таблицы со столбцами:
В примере за ID мы взяли номер, но там может быть любая контактная информация клиента — email, телефон, имя.
2) Создайте и настройте сводную таблицу, чтобы посчитать:
Скопируйте данные на новый лист, переименуйте поля в читаемый вид и для удобства поменяйте порядок столбцов (дата — на второе место, так как дальше работать именно с ней):
3) В отдельном столбце рассчитайте, сколько дней прошло с последнего заказа по любой из формул:
У нас готов показатель Recency (давность покупки).
4) Разбейте клиентов на группы по показателю Recency.
Можно использовать функцию ПРОЦЕНТИЛЬ.ВКЛ. Из всех вариантов давности она вытягивает те, которые входят в 33% и 66%.
Получаются три равные группы: кто совершил заказ максимум 39 дней назад (недавние), от 39 до 91 дня включительно (относительно недавние) и от 92 дня (самые давние клиенты).
Чтобы узнать, к какой группе относится каждый клиент, примените такое условие:
Вот результат:
5) Определите то же самое по столбцу «Количество», чтобы применить показатель Frequency (Частота).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений:
Получается также три равные группы: первая совершает до 2 заказов, вторая — от 2 до 4, третья — больше 4.
Примените условие:
6) Определите то же самое по столбцу «Сумма», чтобы применить показатель Monetary (Сумма покупки).
Формулу ПРОЦЕНТИЛЬ перетяните и измените диапазон значений. Примените условие:
Вы получили все нужные показатели для RFM-анализа.
7) Рассчитайте обозначение (код) каждого клиента по методу RFM:
8) Сделайте сводную таблицу на основании этих кодов. Включите в строки RFM, в значения — количество по полю «Клиент»:
Скопируйте на новый лист и переименуйте столбцы:
Из этой таблицы вы видите количество клиентов в каждом сегменте.
Все подробности смотрите в этом видео:
Определять границы сегментов — основная сложность, так как нет конкретного правила.
Как вы видели в нашем примере, сегменты получаются неравномерные. Один включает 74 человека, другой — всего 1, а самих сегментов 27! Слишком широкие группы можно разбивать на несколько по дополнительным признакам, немногочисленные близкие по поведению объединять. Но это лишняя ручная работа.
Можно при разделении целенаправленно соблюдать равное количество клиентов в группах. Чем это грозит? Трудно выделить «самых-самых». В одном сегменте могут оказаться покупатели на 1 и на 15 тысяч рублей.
В обоих случаях вы получаете слишком большое количество сегментов. Не факт, что они критически отличаются друг от друга, и есть смысл в отдельных программах.
Конечно, можно всё безукоризненно сделать руками, получить оптимальное количество равномерных по содержанию сегментов. Но это десятки часов работы специально обученного сотрудника. Ведь сегменты со временем еще полезно обновлять. Это не всегда реально и эффективно.
Обойти эти ограничения позволяет специализированный сервис Mindbox , который автоматизирует RFM-анализ. Благодаря алгоритмам кластеризации он определяет, сколько на самом деле сегментов (3-15 штук) и что они включают. То есть не по заданным параметрам, а по данным в базе. Пустых сегментов не выдает.
Дополнительный и важный плюс — он подстраивается под любую сферу.
Визуализация результата:
В Mindbox можно построить отчет по сегментации. Достаточно нажать кнопку. Отчет включает три таблицы.
Оценка состояния базы
Ключевые показатели сводной таблицы: активность потребителей (давность последней покупки) и ценность (потраченная сумма).
«Отток» — это клиенты, которые давно не покупали, а «Риск оттока» — которые покупали среднее количество времени назад. Активные — те, кто недавно совершил покупку.
Этот отчет помогает выбрать сегмент, с которым стоит работать в первую очередь.
Изучение сегментов
Показатели: размер сегментов, оборот (сумма, которую потратили все клиенты сегмента), средний чек.
Например, вот список сегментов, которые совершали покупки:
Фильтр позволяет увидеть определенную категорию по ценности:
В примере вы видите 7 сегментов с высокой ценностью:
На основе этой информации можно решать, с какими сегментами работать.
Детальная информация по сегментам
Показатели: границы сегментов по каждому признаку (R, F, M) и средние значения по ним.
Когда сегменты для дальнейших действий выбраны, можно запускать для них маркетинговые кампании.
Во-первых, охарактеризуйте полученные сегменты, чтобы дальше было проще с ними работать. Например, клиент 111 давно делал единичные заказы на маленькую сумму. А клиент 333 напротив покупает часто и тратит на покупки много, последняя была не так давно.
Далее оцените ценность и разработайте стратегию работы с каждым сегментом. Решите, какие сообщения подойдут для каждого сегмента. Главный принцип: лучших клиентов удерживаем, середнячков «раскручиваем» до лучших, уходящих и почти потерянных возвращаем.
На самых давних клиентов не стоит тратить много времени и усилий (111, 112, 113). Можно попробовать их вернуть, попытка не пытка. Например, расскажите об акциях, скидках и распродажах.
Также напишите, почему выгодно оставаться с вами, но не настаивайте — возможно, их отток неизбежен.
Если они никак не отреагируют на эти действия, можно спокойно удалять их из базы.
Для более перспективных, чем потерянные, можно постараться больше, чтобы их вернуть. Ведь они покупали много раз и / или на большую сумму.
Что их может заинтересовать?
Полезно напомнить о преимуществах. Если клиенты перестали покупать недавно, также спросите причину.
Новичков с низким и средним чеком — 311, 312 — возможно, заинтересует обучающий контент, справочная информация, помощь в выборе продукта.
Постарайтесь их перевести в ряды лояльных. Для этого поделитесь другим полезным контентом (обзоры, статьи, руководства). И не забудьте поздравить с покупкой или поблагодарить за выбор вашей компании.
Клиенты, которые купили на большую сумму (313) — потенциальные VIP, поэтому постарайтесь удержать их интерес.
Выясните с помощью опроса, доволен ли он, какие у него пожелания. И другую информацию, которая пригодится для удержания: что ему интересно, какие у него потребности.
Будьте аккуратны со скидками. У таких клиентов все шансы стать постоянными покупателями по полной стоимости. Поэтому лучше мотивировать чем-то другим. Например, как в рассылке выше — шанс получить подарок в обмен на отзыв.
Тем, которые покупают регулярно, но на небольшую сумму (321, 322, 331, 332), предложите сопутствующие товары.
И наконец, самые желанные покупатели — сегмент 333. Важно убедить этих клиентов в том, что вы их цените. Попросите оставить отзыв и сообщите о персональном обслуживании. Или просто польстите им, как в примере:
Скидки для этих клиентов противопоказаны! Ваша цель — мотивировать их на дальнейшие регулярные покупки. Подайте идеи в персональной товарной подборке или, если это инфопродукт, напомните о продлении подписки:
Не стоит утомлять лишними коммуникациями тех, кто итак покупает. Сообщайте только самую важную информацию и предложения «для любимых клиентов».
Со временем показатели RFM-анализа меняются, и клиенты переходят из одного сегмента в другой. Лояльные покупатели могут сделать тайм-аут, а «спящие» — проснуться от ваших сообщений и стать активнее.
Частота обновления данных зависит от того, насколько подвижная у вас база: какой жизненный цикл клиента, естественный период покупки, а также период, за который клиент успеет сделать повторную покупку. Для крупного успешного интернет-магазина — не чаще, чем раз в месяц. Если заказы происходят редко, достаточно пересматривать сегменты раз в квартал или полгода.
При этом учитывайте, что на качество данных влияют сезонность, акции и праздники. Если клиент с богатой историей покупок за текущий месяц ничего не покупает, это не значит, что его сразу нужно переводить в другой сегмент. Возможно, это просто влияние сезонности, и через время покупки возобновятся.
Если клиент новый, у него пока очень мало данных о покупках. Нет смысла включать его в анализ для всей базы, либо можно для таких провести отдельный анализ.
Высоких вам продаж!
Этот вид анализа является проверенной маркетинговой моделью для сегментации клиентов на основе их поведения. Под поведением мы будем понимать историю покупок (транзакций).
С помощью данного инструмента можно группировать клиентов на основе истории транзакций – как часто, сколько и когда в последний раз клиенты покупали. RFM помогает разделить клиентов на различные категории или кластеры, чтобы идентифицировать клиентов, которые с большей вероятностью будут реагировать на рекламные акции, а также на будущие услуги персонализации.
R (Recency) – показатель давности действия. Этот показатель дает ответ на вопрос сколько времени прошло со времени последнего действия или транзакции клиента с брендом? Обычно это покупка, хотя иногда используются варианты, например, последнее посещение вебсайта или использование мобильного приложения. В большинстве случаев, когда клиент недавно взаимодействовал или торговал с брендом, более вероятно, что клиент будет реагировать на сообщения от бренда.
F (Frequency) – частота. Как часто клиент совершает транзакцию или взаимодействует с брендом в течение определенного периода времени? Очевидно, что клиенты с частыми действиями более активны и, вероятно, более лояльны, чем клиенты, которые редко это делают. И одноразовые клиенты находятся в собственном классе.
M (Monetary) – вложения/сумма денег. Также называемая «денежной стоимостью». Этот фактор отражает то, сколько клиент потратил на бренд в течение определенного периода времени. Большие траты обычно следует рассматривать иначе, чем те, кто мало тратит. Взгляд на денежные средства, разделенные на частоту, указывает среднюю сумму покупки важный вторичный фактор, который следует учитывать при сегментировании клиентов.
Как только у нас есть значения истории покупок наших клиентов, мы должны присвоить оценку от одного до пяти по каждой группе: новизна, частота и денежная стоимость. Причем оценка должна быть индивидуальной для каждого клиента. Пятерка лучших клиентов является высшей ценностью. Окончательный результат RFM рассчитывается просто путем объединения отдельных чисел RFM-результата.
Для небольших баз возможно деление каждого параметра от 1 до 3, итого 9 групп. Или деление: 5 групп (Давность) х 2 группы (Частота) х 2 группы (Деньги) = 20 RFM-ячеек.
Пример расчета
1) Классификация по параметру Recency :
— для каждого клиента определить дату последней покупки; — для каждого клиента рассчитать давность покупки (Recency) как разность между текущей датой (например, 10.01.2017) и датой последней покупки;
— разбить полученные данные на 5 групп (квантилей). Каждый клиент при этом получит идентификатор от 1 до 5 в зависимости от его активности. Тем, кто недавно осуществлял покупку, будет присвоено значение R=5. Те, кто дольше всех не покупал ничего, получат R=1.
2) Классификация по параметру Frequency :
Для каждого клиента определить количество покупок за определённый период;
— разбить полученные данные на 5 групп (квантилей). Клиентам, совершившим наибольшее число покупок, будет присвоено значение F=5, наименее активные покупатели получат F=1.
3) Классификация по параметру Monetary :
— для каждого клиента определить сумму потраченных им денег;
— разбить полученные данные на 5 групп (квантилей). Клиентам, потратившим наибольшие суммы, будет присвоено значение М=5, клиентам, потратившим наименьшие суммы – М=1.
4) Совместить полученные результаты, каждый клиент при этом получит код RFM, состоящий из трёх цифр.
Пример сегментации клиентов с помощью FRM-анализа
Мы только что самостоятельно определили диапазон для каждой оценки. Пороги диапазона напрямую связаны с моделью и циклом продаж в вашем бизнесе. Например, в рознице имеет место активная модель продаж и низкий цикл, а в бизнесе B2B зачастую может встречаться длинный цикл (от 1 месяца до 1 года) и пассивная модель продаж (когда клиенты находят вас сами).
При росте бизнеса показатели часто меняются, поэтому необходимо оперативно корректировать данные для расчета.
RFM-анализ не повышает эффективности хорошего менеджера по продажам. Менеджер всегда может лучше понять клиента, так как общается лично и знает больше информации. Он может сделать полностью персонализированное предложение, основываясь на персональных характеристиках клиента.
Если база клиентов большая, то лучше 20% самых важных клиентов отдать в работу менеджерам по продажам, а с остальными 80% вести коммуникацию с помощью email-маркетинга, телефонных звонков или социальных сетей.
О проведении анализа с помощью специальных решений и Excel вы сможете прочитать в следующих материалах.
Николай Горпиневич о способах удержания клиентов при помощи анализа давности, частоты и суммы покупок.
В закладки
Сегментация - один из столпов, на котором стоит эффективный email-маркетинг. Существует много подходов и критериев для сегментирования базы подписчиков, но сегодня поговорим об одном из самых простых и эффективных - RFM-сегментации. И расскажем, как RFM-кампании могут увеличить конверсию на 350%, на примере омниканального ритейлера «Техносила».
Про RFM-сегментацию многие говорят, но на практике используют единицы. В основе подхода лежит RFM-анализ клиентов (Recency - давность, Frequency - частота, Monetary - деньги). Все покупатели распределяются по сегментам в зависимости от давности совершенных покупок, частоты этих покупок и размера суммы заказа.
Идея заключается в том, что клиент, проявивший активность недавно, совершивший покупки определенное количество раз и потративший наибольшую сумму, максимально лоялен интернет-магазину и гораздо легче совершит новую покупку, чем тот, кто сделал единственный заказ давно и на небольшую сумму.
Для омниканального ритейлера «Техносила» была использована RF-сегментация, то есть анализ на основе показателей Recency и Frequency, так как они дают самые важные знания о покупателях.
RF-сегментация email-подписчиков позволяет решить несколько важных задач:
Специалисты выделяют семь сегментов подписчиков: новички, перспективные, лояльные, дрейфующие, спящие, в зоне риска, в зоне потери. В матрице «удержания» по оси Х располагается количество дней с момента последнего заказа, по оси Y - количество заказов.
Новички - подписчики, которые совершили свою первую покупку в интернет-магазине. Новичками можно считать тех, кто совершил один заказ в течение последних 40 дней. Главная задача в работе с ними - превращение их в лояльных клиентов.
Для этого можно задействовать разные методы: рассказать о широком ассортименте магазина, предложить вступить в программу лояльности. Новичкам не стоит сразу показывать скидки, чтобы не снижать маржинальность интернет-магазина.
Дрейфующие - подписчики, которые совершили от одного до двух заказов, причем последний из заказов был в течение 52-75 дней, или те, кто сделал более одного заказа в течение 41-75 дней.
В этот сегмент подписчик может попасть из сегментов «Новички» и «Перспективные». Поскольку интернет-магазин уже потратил деньги на привлечение покупателя, теперь важно его удержать.
Спящие - подписчики, которые совершили один-два заказа, последний из которых был более 76 дней назад. Можно считать этих подписчиков «мертвыми».
Главная задача в этом сегменте - реанимировать подписчика, перевести в другой сегмент, поэтому здесь стоит активно использовать акции, скидки и спецпредложения. Если подписчик не реагирует на реактивационные рассылки, его можно смело отписывать, чтобы не тратить ресурсы интернет-магазина.
Перспективные - подписчики, которые совершили до двух заказов, последний из которых был не позже 51 дня назад. Это сегмент, который требует активной работы.
Перспективных подписчиков нужно вовлекать в мультиканальную коммуникацию (если у интернет-магазина она есть): предлагать различные маркетинговые активности, отправлять им полезные материалы (текстовые и видеообзоры, рекомендации по выбору и так далее), предлагать подписаться на соцсети. Как и новичкам, перспективным подписчикам не стоит давать скидок, чтобы не подсаживать сразу на скидочные предложения.
Лояльные - подписчики, которые совершили три и более заказа, последний из которых был не позже 51 дня назад. Лояльным подписчикам нужно дать понять, что магазин заботится о них, готов слушать своих клиентов и развиваться. Для этого нужно собирать обратную связь.
Лояльных покупателей нужно продолжить вовлекать в мультиканальную коммуникацию с магазином: использовать соцсети, офлайн-точки, полезные материалы, маркетинговые активности магазина. Например, у магазина Esky есть детская фотостудия и благотворительный проект, а «Техносила» ведет видеоблог и составляет текстовые обзоры и рекомендации. Лояльным покупателям также не нужно предлагать скидок, они хорошо покупают по полной цене.
В зоне риска - подписчики, которые совершили три и более заказа, последний из которых в течение 52-112 дней. Когда лояльный подписчик начинает терять интерес к магазину, его обязательно нужно вернуть. Необходимо побудить его остаться покупателем через демонстрацию полезного контента, рассказы об акциях и спецпредложениях.
В зоне потери - подписчики, которые совершили три и более заказа, последний из которых был более 113 дней назад. Подписчиков, которые в прошлом были лояльными, но совершенно потеряли интерес к магазину, нужно обязательно попытаться реанимировать. Необходимо получить обратную связь о причинах ухода, ещё раз продемонстрировать преимущества магазина. Подписчикам в зоне потери нужно демонстрировать самые выгодные предложения.
Задача триггерных RFM-рассылок, как и любой другой деятельности с RFM-сегментами, - удержание пользователей в группе «Лояльных». Чтобы отслеживать эффективность кампаний, нужно сравнивать прирост «Лояльного» сегмента с приростом сегмента «В зоне потери» и стремиться к тому, чтобы «Лояльный» сегмент рос быстрее (или соответственно уменьшался медленнее).
Чтобы построить сетку удержания, необходимо разделить базу на сегменты по шкалам Recency (давность последней покупки) и Frequency (частота покупок). Для составления сегментов сначала сортируем всю базу подписчиков по давности последней покупки, затем каждый полученный сегмент сортируем по частоте покупок. Каждому сегменту присваивается цифровой индекс.
Чтобы построить сетку удержания, отмечаем на оси Х количество дней (min и max каждого сегмента) и на оси Y количество заказов (min и max каждого сегмента), а каждую ячейку размечаем кодами сегментов.
Когда пользователь совершил первую покупку, важно завоевать его лояльность и побудить к повторным заказам через предложение релевантных товаров в подходящий момент, который платформа рассчитывает автоматически.
Пример письма для сегмента «Новички» омниканального ритейлера «Техносила»
Чтобы в достаточной степени «подогреть» интерес новичков и перевести их в сегмент лояльных, необходимо вовлекать получателей полезным контентом и персональными предложениями на основе индивидуальных предпочтений.
Что включить в содержание письма:
Пример письма для перевода сегмента «Новичков» в «Перспективные»
В этот сегмент попадают покупатели как из сегмента «Новички», так и из «Перспективных». Цель email-кампании - познакомить подписчиков с преимуществами магазина, донести уникальность предложения, сообщить о специальных условиях.
Что включить в содержание письма:
Пример письма для сегмента «Дрейфующие»
«Спящие» подписчики могут вернуться в магазин и сделать заказ, поэтому их нужно реактивировать путем демонстрации персональных и самых выгодных предложений.
Что включить в содержание письма:
Пример письма для перехода из сегмента «Спящих» в «Дрейфующих»
После третьей покупки подписчики переходят в статус «лояльных». Самое время продемонстрировать, насколько магазин их ценит, и собрать обратную связь.
Что включить в содержание письма:
Пример письма для лояльных подписчиков
Когда лояльный подписчик начинает терять интерес к магазину, нужно всеми силами стараться его удержать. Для это стоит использовать демонстрацию полезного контента и рассказы об акциях и спецпредложениях.
Что включить в содержание письма:
Пример письма для подписчиков, переходящих из «Лояльных» в «Зону риска»
Подписчиков, которые вернулись в сегмент «лояльных», нужно еще больше вовлечь в мультиканальную коммуникацию с магазином, чтобы побудить остаться в этом сегменте надолго.
Что включить в содержание письма:
По сравнению с триггером «Реактивация» (сценарий email-кампаний для реактивации «уснувших» пользователей, при котором по базе подписчиков, давно не заходивших на сайт и не совершавших покупок, отправляется email-рассылка с товарными новинками, скидками и персональными рекомендациями) RF-сценарии показывают более высокую эффективность по показателям открытий, кликабельности и конверсии.
По результатам, Click Rate у RF-кампаний больше, чем у сценария «Реактивация», на 15,09%, а конверсия выше на 348,18%. Выручка по RF-кампаниям на 71.51% больше, чем у «Реактивации». При этом количество отправленных писем меньше на 43,46%.