Сегментация клиентов (RFM)
Введение
Потребительское поведение, как часть поведения человека в целом, можно определить как взаимосвязь разнообразных контекстов (привычки, знания, культура, половые различия) и триггеров, неких спусковых крючков для последующего, часто шаблонного, действия или реакции.
Когда речь об исторических данных продаж в разрезе каждого клиента имеет смысл "нарезать" эту базу по потребительскому профилю в отношении продуктов и компании в целом.
Сейчас мы не будем рассматривать движение еще потенциального покупателя, а рассмотрим один из популярных инструментов в сегментации именно вчерашних потребителей, что будет ценно, если ваша компания нацелена на повторяемость продаж одному и тому же клиенту или у вас есть неплохой набор комплиментарных товаров.
Что мы можем узнать, исследуя CRM базу?
Время и давность
Одна когорта клиентов покупала у нас что-то давно, другие совсем недавно, кто-то покупал в сезон, а кто-то на скидках после сезона. По одной-двум продажам мы не можем судить о детерминированности поведения, но это уже кое-что. Кроме того, мы можем прикинуть среднюю длинную жизненного цикла клиента (от первой до последней покупки).
Деньги
Если ваша продуктовая сетка достаточно широка и часть продуктов выполняет одинаковые функции, то средний чек внутри категории для повторяемой продажи клиенту отражает его покупательскую способность в отношении этой продукции.
Количество чеков
Если структура предложения достаточно широкая, а клиентская база велика - мы увидим обычную Гауссову кривую с большим основанием из единичных покупок и несколькими аномальными всплесками, когда какой-нибудь офис-менеджер забыл купить необходимое у оптовой компании и заказал махом в рознице стулья на весь новый офис.
Продукты
Самый прозрачный поведенческий фактор - продукт. Мы имеем дело с состоявшимся потребительским поведением. Тут то обычно и начинаются игры с "апсейлом", "прогревом" на следующую покупку итд.
Суть RFM
Идея RFM анализа заманчива и проста: мы делим клиентов на сегменты, опираясь на несколько показателей:
- R (recency - давность покупки)
- F (frequency - частота покупок)
- M (monetary - сумма трат клиента)
Я рекомендую сразу же обогатить поле исследуемых данных несколькими значениями:
- продукт и/или категория продукта
- источник клиента (это может быть источник для первой или для последней продажи в зависимости от целей и доступности данных)
- Что-то специфичное для вашего бизнеса: модель оплаты, готовность приехать на встречу или логистика.
Графический метод
Используя в таком случае всю модель данных о продажах, мы можем получить сегменты. В моем примере их 4 на каждый параметр.
Давность:
R1 - самые давние, возможно, первые продажи компании
R4 - недавний сезонный всплеск
Частота:
F1 - всего несколько продаж
F4 - фанаты
Денежность:
M1 - принесли компании пока мало
М4 - принесли сильно больше среднего
Обобщение: комбинируя сегменты мы можем получить, к примеру сегмент R2F3F4 (клиенты, которые раньше покупали часто и принесли неплохие деньги, но перестали приобретать у нас) - отсюда и следует вся цепочка возможных гипотез и действий, направленных как на свою компанию, так и на дальнейшие коммуникации с клиентом.
Приступим к практике
Ниже я приведу последовательность действий на основе простой таблицы позволяющей сегментировать клиентов.
Загрузка данных
Лист: Продажи (source)
| Клиентские данные | Продажи |
|---|---|
| ID Клиента (!) | Продукт |
| ФИО | Категория продукта |
| Почта | Стоимость (!) |
| Телефон | Дата (!) |
| Источник | Источник заявки |
| Доп инф. | Продавец |
| Доп инф. |
Лист имеет две секции:
- стандартные данные о клиентах: (обязательное поле только ID, для дальнейшего удобства лучше взять из CRM, но можно любые уникальные значения)
- Данные о продажах: (обязательные поля: стоимость и дата)
Настройка диапазонов
Лист: Настройка сегментов
На нем рассчитываются несколько вспомогательных значений, использование их или поиск своего аналитического способа остается на ваше усмотрение, но важно помнить, что сегменты должны иметь смысл для дальнейшего использования.
| Для всей базы | Для клиентов |
|---|---|
| Всего чеков | Максимальное число чеков |
| Вся выручка | Среднее число чеков |
| Средний чек | Медианное число чеков |
| Медианный размер чека | Максимальная продолжительность жизни (дни) |
| Среднеквадратичное отклонение | Максимальная выручка с клиента |
| Максимальный чек | Медианная выручка с клиента |
| Минимальный чек | Средний чек |
| День первой продажи | Медианный чек |
| День последней продажи | |
| Финансовая жизнь компании (дней) |
Вот так это выглядит в таблице:
Графики для визуального контроля наполняемости сегментов:
Получение результатов
Лист: Клиенты (out)
Теперь для конкретных клиентов появилось несколько дополнительных значений:
| Столбцы | Комментарий |
|---|---|
| Выручка | Выручка на клиента за весь срок жизни |
| Кол-во чеков | |
| Дата последнего чека | |
| Дата первого чека | |
| Срок жизни / (дни) | От первой покупки до последней в днях |
| Давность / (дни) | От последней покупки до сегодняшнего дня в днях |
| Минимальный чек | |
| Максимальный чек | |
| Средний чек | |
| Давность последнего чека (сегмент) | Сегменты R1-R4 |
| Частота (кол-во чеков, сегмент) | Сегменты F1-F4 |
| Средний чек (сегмент) | Сегменты M1-M4 |
Фильтрация и получение смешанных сегментов
Лист: Выходная база для фильтрации (out)
Чтобы не попортить формулы, я вывел ссылки на данные из листа Клиенты (out) на отдельный лист. Если вы не использовали google таблицы ранее, то необходимо выделить все данные на листе, зайти в данные -> создать фильтр и отфильтровать нужные вам наборы сегментов.
Модели использования
- У вас сезонный бизнес?
Давность+категория товарасоберет в одну базу всех, кто покупал перед прошлым сезоном и может купить снова - Обновляете систему лояльности? Начните ее проверять на тех, кто с вами давно, недавно покупал на хорошие суммы, а последнее время как то потерялся
давность+средний чек+время жизни - Есть желание заработать на апсейле за счет аксессуаров и доп.опций? Отлично:
Категория товара+средний чек+частота, вероятно, это те кто вам нужен.
Забрать шаблон
Забрать шаблон RFM-сегментации в google sheets
P.S
Датасет с клиентскими данными в шаблоне сгенерирован с использованием ИИ на основе реальных данных магазина. Все совпадения с реальными адресами, именами или телефонами случайны.