Алгоритм RFM анализа в Excel
- ID клиента (это может быть номер телефона, ФИО или e-mail);
- Даты покупок, сделок или иных действий;
- Количество покупок;
- Сумма этих покупок
Шаг 1. Собираем данные
За какой период брать данные, зависит от специфики бизнеса (в том числе B2B или B2C). Как правило, собирают информацию за последний год. В качестве данных клиентов выступают следующие позиции:
Чтобы упростить данный шаг, лучше автоматизировать процесс и применить специальное ПО, например, CRM-систему Битрикс24 или Мегаплан. Там выгрузить эти данные довольно легко.
Также сразу в нашем документе после даты последней покупки делаем столбцы «Текущая дата» и «Количество дней с последней покупки». А в конце три столбца «R», «F», «M». Их пока не трогаем, но дальше они пригодятся.
Также сразу в нашем документе после даты последней покупки делаем столбцы «Текущая дата» и «Количество дней с последней покупки». А в конце три столбца «R», «F», «M». Их пока не трогаем, но дальше они пригодятся.
- Группа 1. Потребители с хорошими показателями (больше покупают, делают это часто и оставляют нам большие суммы). Присваиваем оценку «1»;
- Группа 2. Потребители с нормальными показателями (иногда приходит, не всегда покупают, обычно на средние суммы). Присваиваем оценку «2»; Группа 3. Потребители с плохими показателями (редкие гости, мало покупают, чеки совсем небольшие).Присваиваем оценку «3»
Шаг 2. Группируем потребителей и оцениваем
Чем больше база данных, тем больше групп и тем шире шкала оценок. То есть если у Вас 3 группы, то шкала оценок будет от 1 до 3, если 4 – от 1 до 4, если 5 – от 1 до 5. Стандарт – это три группы, на него мы и будем опираться. Итак, теперь присвоим каждой группе оценку:
Обозначу сразу, что всю базу мы разбираем для каждой буквы по отдельности. То есть наши 3 сегмента в разрезе
«R», потом «F» и наконец по «M». Итого у нас получится 27 сегментов (3*3*3).
Кстати, если Вы знакомы с ABC анализом, то метод RFM будет для Вас достаточно простым, так как принцип у него похожий, мы также делим на группы.
«R», потом «F» и наконец по «M». Итого у нас получится 27 сегментов (3*3*3).
Кстати, если Вы знакомы с ABC анализом, то метод RFM будет для Вас достаточно простым, так как принцип у него похожий, мы также делим на группы.
– Показатель 1. Recency (давность сделки)
- «Хороший» показатель (группа 1) – до 90 дней;
- «Нормальный» показатель (группа 2) – от 90 до 180 дней;
- «Плохой» показатель (группа 3) – от 180 дней.
Сортируем потребителей по тому, сколько времени прошло с момента их последней активности. У каждого бизнеса разный цикл сделки, соответственно и активность разная.
В качестве примера:
В качестве примера:
Сортировать можно несколькими способами, но я приведу один для примера. У нас есть дата последней покупки, поэтому мы заполняем столбец текущей датой, затем в столбце, где будет результат, выполняем такие действия:
Нажимаем знак «=»; —> Выбираем ячейку с текущей датой («С2»); —> Нажимаем знак «-»; —> Выбираем ячейку с датой покупки («В2»); —> Нажимаем «↵ Enter ». Только учтите, что там, где мы считаем, формат ячейки должен быть числовой.
Нажимаем знак «=»; —> Выбираем ячейку с текущей датой («С2»); —> Нажимаем знак «-»; —> Выбираем ячейку с датой покупки («В2»); —> Нажимаем «↵ Enter ». Только учтите, что там, где мы считаем, формат ячейки должен быть числовой.
Теперь мы видим, сколько дней прошло с момента последней покупки каждого покупателя. После этого необходимо разделить (как договаривались выше) всех покупателей на 3 группы и каждой присвоить соответствующую цифру.
Чтобы разделить, выделяем всю таблицу и сортируем её по графе «Количество дней», ставим значение «по возрастанию».
Чтобы разделить, выделяем всю таблицу и сортируем её по графе «Количество дней», ставим значение «по возрастанию».
Лучшим потребителем соответственно будет тот, кто попал в первую группу (так как он покупал совсем недавно), а худший – в третью группу (так как покупал давно).
– Показатель 2. Frequency (частота сделки)
- «Хороший» показатель (группа 1) – 5 и более покупок;
- «Нормальный» показатель (группа 2) – от 2 до 4 покупок;
- «Плохой» показатель (группа 3) – 1 покупка.
Теперь сортируем клиентов по тому, как часто они совершали свою активность.
Сделать это можно элементарно, все той же сортировкой по аналогии с предыдущим показателем. Таким образом, наши показатели сортировались по выбранным нами параметрами. И опять назначаем каждой группе свою цифру.
Итак, в первой группе находятся самые активные (те, кто покупал чаще всего). В нашем случае – наибольшее количество покупок одного клиента – от 5.
– Показатель 3. Monetary (вложения)
- «Хороший» показатель (группа 1) – потратившие от 52 000;
- «Нормальный» показатель (группа 2) – в 52 000-36 000 рублей;
- «Плохой» показатель (группа 3) – менее 36 000.
Здесь сортируем клиентов согласно их тратам. Все то же самое, как и в предыдущих вариантах. Или пользуйтесь формулой, или же фильтруйте от большего к меньшему.
И опять-таки – самый ценный для Вас клиент окажется в первой группе. Ничего нового. И не забываем про цифру.
Шаг 3. Даём оценку RFM
В нашем случае получилось три оценки «1», «2», «3» (Вы помните, что их может быть бесконечное множество). То есть каждому покупателю мы по каждому параметру присвоили свою собственную оценку.
Итого у нас вышло 27 сегментов с оценками по 3-м показателям RFM вида «111», «112», «113», «121», «131» и так далее до «333».
Итого у нас вышло 27 сегментов с оценками по 3-м показателям RFM вида «111», «112», «113», «121», «131» и так далее до «333».
Увидеть эти группы можно с помощью стандартной функции «сортировка», отобрав по нужному параметру.
Автор: https://in-scale.ru/blog/rfm-analiz/
Строим отделы продаж, которые выводят из операционки и увеличивают доход владельцев бизнеса по всей РФ и СНГ
ИП Гребенюк Михаил Сергеевич
ИНН 772394411530
ОГРН 315774600443662
109559, г. Москва, ул. Новороссийская, дом 27, кв. 41
© 2021 ИП Гребенюк Михаил Сергеевич
