RFM‑анализ — простой способ разделить клиентов по давности покупки (Recency), частоте (Frequency) и сумме чеков (Monetary). Это помогает точнее рассылать предложения, повышать повторные продажи и не тратить бюджет на всех подряд. В статье — практические сценарии для кафе, салона и магазина в Беларуси, конкретные шаги и типичные ошибки.
Сценарий 1. Кафе в Минске — вернуть ушедших гостей
Проблема: поток посетителей снижен по будням после обеда, у базы есть клиенты, которые ходили раньше, но не приходили больше 90 дней.
Как сделать:
- Экспорт из кассы: для каждого клиента взять дату последней покупки, количество покупок за год и суммарный чек.
- Оценка по шкале 1–5: R = 1 (последняя покупка >180 дней) … 5 (последняя неделя); F и M по аналогичной шкале.
- Выбрать сегмент «R 1–2, F 3–5» — клиенты с хорошей частотой, но давно не приходили. Подготовить персонализированное предложение: скидка на бизнес‑ланч по будням или бесплатный десерт при следующем визите.
- Отправить через SMS или Viber, используя шаблон с конкретным сроком и ссылкой на карту/резерв столика.
Полезно посмотреть материалы по персонализации рассылок на базе RFM и каналам доставки: персонализация SMS и Viber по RFM.
Сценарий 2. Салон красоты в Гомеле — выделить VIP и защитить доход
Проблема: небольшая группа клиентов приносила большую часть выручки, но часть из них снизила частоту визитов.
Как сделать:
- Посчитать RFM и выделить сегмент «высокие F и M, снижение R» — клиенты с исторически большими тратами, но давно не были.
- Для этого сегмента подготовить персональный контакт: звонок с предложением удобного времени и небольшой бонус при записи на услугу высокой маржинальности.
- Автоматизировать метки в CRM: пометить как VIP и задать триггер напоминания каждому мастеру.
Если используете CRM для розничного ритейла, пригодится подробная инструкция по настройке RFM: настройка RFM‑анализа в RetailCRM.
Сценарий 3. Магазин в небольшом городе (Вилейка) — поднять частоту покупок
Проблема: клиентов много, но средний чек невысок, и приходят нерегулярно.
Как сделать:
- Разбить базу на 5×5×5 и выделить сегменты: регулярные покупатели с низким чеком, нерегулярные с высоким чеком, парадоксальные группы.
- Для регулярных с низким чеком — предложить наборы или пакетные скидки, чтобы поднять средний чек. Для нерегулярных — ограниченное по времени предложение на товары из их прошлых покупок.
- Тестировать акции на небольших группах (100–300 клиентов) и считать конверсию и средний чек по каждой группе.
Пример простого способа применения RFM в SMS‑кампаниях и оценке повторных продаж — поясняется в руководстве: RFM в SMS‑рассылках для повторных продаж.
Типичные ошибки
- Считать RFM только один раз и не обновлять данные после кампании.
- Давать одинаковое предложение всем сегментам вместо персонализации.
- Выставлять слишком много сегментов без планов коммуникации для каждого.
- Игнорировать канал доставки: SMS не подходит для длинных предложений, Viber или email — лучше для детальных сообщений.
- Не тестировать гипотезы на небольших выборках перед масштабированием.
3 шага, которые можно сделать сегодня:
- Экспортировать за последние 12 месяцев: ID клиента, дату последней покупки, количество покупок и общую сумму.
- В Excel посчитать R (дней с последней покупки), F и M, присвоить оценки 1–5 и выделить 4–6 ключевых сегментов.
- Запустить тест‑кампанию на одном сегменте (100–300 клиентов) с простым оффером и измерить отклик и смену среднего чека.
Полезные ссылки: персонализация SMS и Viber по RFM, настройка RFM‑анализа в RetailCRM, RFM в SMS‑рассылках для повторных продаж