RFM-анализ для электронной коммерции: как разделить клиентов и перестать тратить бюджет впустую

80% выручки интернет-магазина приносят 20–25% клиентов. Это не красивая маркетинговая формула — это цифра, которую мы видим раз за разом, когда заходим в базы наших клиентов в Brutal Marketing. Остальные 75–80% — разовые покупатели, «спящие» контакты и те, кто, скорее всего, уже покупает у конкурентов. И всем им магазин шлёт одинаковые письма с одинаковой скидкой.

Именно здесь рвётся маркетинговый бюджет. Не на дорогой трафик, не на плохой продукт — а на то, что вы не знаете, кто перед вами: лояльный покупатель, которого стоит поощрить, или человек, которого давно нет и которого нужно вернуть совсем другим инструментом.

RFM-анализ решает ровно эту задачу. Он делит клиентскую базу на сегменты по трём параметрам поведения — и даёт вам понять, с кем работать, как и зачем. Ниже — не теория из учебника, а то, как мы это внедряем на практике.

Большинство интернет-магазинов сегментируют клиентов по полу, возрасту, городу или категории товара. Это имеет смысл для таргетинга на холодную аудиторию. Но для работы с существующей базой эти признаки почти бесполезны.

Женщина 35 лет из Киева может быть вашим лучшим клиентом с 12 покупками за год. А может — человеком, который купил один раз два года назад и больше не возвращался. Демография не скажет вам разницы. Поведение — скажет.

RFM строится на трёх поведенческих параметрах:

• Recency (давность) — сколько дней прошло с последней покупки;
• Frequency (частота) — сколько раз клиент покупал за выбранный период;
• Monetary (деньги) — сколько денег он потратил за этот же период.

Каждый клиент получает балл по каждому параметру — обычно от 1 до 5. Комбинация этих трёх баллов даёт его RFM-профиль. Клиент с оценкой 5-5-5 — ваш чемпион: покупал недавно, часто и на большую сумму. Клиент с оценкой 1-1-1 — либо случайный, либо давно потерянный.

По нашему опыту в Brutal Marketing, сам расчёт — не сложная часть. Сложная часть — правильно интерпретировать результаты и выстроить под каждый сегмент отдельную механику коммуникации. Об этом дальше.

Чем меньше дней прошло с покупки, тем выше балл. Логика простая: клиент, который купил три дня назад, с большей вероятностью купит снова, чем тот, кто заходил год назад.

Пороги зависят от специфики бизнеса. Для магазина косметики, где цикл повторной покупки — 2–3 месяца, «свежим» считается клиент с последней покупкой до 30 дней. Для магазина мебели, где покупают раз в несколько лет, эти пороги сдвигаются кардинально.

Пример шкалы для магазина с циклом покупки ~2 месяца:

Здесь вы считаете количество заказов за выбранный период — обычно 12 месяцев. Клиент, который делает 10+ заказов в год, ведёт себя принципиально иначе, чем тот, кто купил 1–2 раза.

Важный нюанс: не путайте частоту со средним чеком. Клиент может покупать часто и по-маленьку — это один профиль. Или редко, но на большую сумму — это совсем другой.

Суммарный объём покупок за период. Именно суммарный, а не средний чек. Потому что клиент с 20 покупками по $10 ($120/год) стоит для бизнеса больше, чем клиент с одной покупкой на $50.

Один нюанс, который мы регулярно проговариваем клиентам: RFM работает корректно только тогда, когда данные чистые. Если в CRM дубли, незакрытые сделки или часть покупок не зафиксирована — результаты будут искажены. Поэтому до запуска RFM-анализа мы всегда проводим аудит данных в системе. Это дополнительный час работы, который экономит недели неправильных решений.

После того как каждый клиент получил три балла, вы можете объединить их в сегменты. Вот восемь, с которыми мы работаем чаще всего.

Покупают часто, недавно и тратят больше остальных. Это ядро вашего бизнеса. Типичная ошибка — игнорировать их, потому что «они и так покупают». На самом деле именно с ними стоит выстраивать самые тёплые коммуникации: ранний доступ к новинкам, персональные предложения, программа лояльности. Они же — лучший источник рекомендаций.

Покупают регулярно, но, возможно, меньше тратят. Это ваш стабильный средний слой. Задача — повышать средний чек: апселл, перекрёстные продажи, пакетные предложения.

Купили недавно и уже не раз — но пока не стали постоянными. Это «горячая зона»: если сейчас не закрепить отношения, они уйдут. Им нужна программа онбординга: письмо с персональной подборкой, бонус за следующую покупку, контент, который помогает использовать то, что они уже купили.

Купили первый раз и недавно. Не знают ещё, насколько вы хороши. Первые 30 дней после первой покупки — критичное окно для формирования привычки. Автоматическая цепочка писем или сообщений с полезным контентом, подборкой сопутствующих товаров и запросом обратной связи работает лучше, чем скидка «просто так».

Раньше покупали часто, но в последнее время притихли. Это тревожный сигнал. По нашей практике, именно этот сегмент — самый ценный для реактивации, потому что люди уже знают ваш продукт и доверяют вам. Им нужен не агрессивный промокод, а знак внимания: «Мы заметили, что давно не виделись. Вот что нового».

Покупали раньше, причём не один раз — но исчезли. Работа с ними требует отдельного сценария реактивации.

Купили мало раз, давно — но потратили приличную сумму. Возможно, это был разовый крупный заказ. Эти клиенты стоят внимания: персональный звонок или сообщение от менеджера может вернуть их лучше любой автоматики.

Один заказ, давно, на минимальную сумму. Реактивировать их дорого и часто нецелесообразно. Лучше — исключить из активных рассылок и оставить для очень дешёвых касаний вроде одного письма в квартал.

Многие останавливаются уже на первом шаге, потому что думают, что RFM — это сложно технически. Нет. Вот реальный порядок действий.

Шаг 1. Выгрузите данные о заказах. Нужны три поля: ID клиента, дата заказа, сумма заказа. Всё. Если данные хранятся в CRM — выгрузка занимает несколько минут. Если в разрозненных таблицах — это сигнал, что пора наводить порядок в системе аналитики продаж.

Шаг 2. Выберите период анализа. Обычно берут 12 месяцев. Для магазинов с сезонным товаром — иногда 24 месяца, чтобы захватить несколько циклов. Точка отсчёта «давности» — сегодняшняя дата.

Шаг 3. Рассчитайте R, F и M для каждого клиента. В Excel это делается через формулы DATEDIF, COUNTIF и SUMIF. В Google Sheets — аналогично. Если клиентов больше 10 000 — лучше использовать Python или SQL: это быстрее и точнее.

Шаг 4. Присвойте баллы от 1 до 5. Используйте метод квинтилей: разделите клиентов на пять равных частей по каждому параметру. Верхние 20% по давности получают 5, нижние 20% — 1. То же с частотой и деньгами.

Шаг 5. Определите сегменты. Объедините баллы в группы из таблицы выше. На этом этапе удобно работать в сводной таблице: по осям R и F, с цветовой маркировкой.

Шаг 6. Загрузите сегменты в CRM. Каждый клиент получает тег или поле с его сегментом. После этого вы можете фильтровать базу, запускать автоматические цепочки и ставить задачи менеджерам по конкретным группам.

Разовый RFM-анализ — полезно. Регулярный автоматический — это уже система.

В Kommo CRM, с которой мы часто работаем, RFM-сегментация встраивается в логику воронки. Когда клиент переходит из одного сегмента в другой — система автоматически меняет тег, запускает нужную цепочку действий и уведомляет ответственного менеджера. Менеджер не держит в голове «кому звонить» — система сама ставит задачу, когда лояльный клиент начинает «остывать».

Конкретный пример из нашей практики: интернет-магазин товаров для дома, около 4 000 активных клиентов. До внедрения RFM менеджеры работали по принципу «кто громче написал». После — база разделилась на семь сегментов, под каждый настроили отдельный сценарий в CRM. Через три месяца повторные покупки от сегмента «под угрозой» выросли на 23%, а средний чек по сегменту «лоялисты» — на 17% за счёт апселл-цепочки.

Подробнее о том, как настроить внедрение CRM под задачи ecommerce и интегрировать в неё поведенческую сегментацию — смотрите на нашей сервисной странице.

Важный момент: CRM без актуальных данных — просто дорогая записная книжка. RFM работает только тогда, когда в систему попадают все транзакции. Если часть заказов идёт через кассу, часть — через сайт, часть — через Instagram-директ, и всё это не сведено в одном месте, расчёт будет неполным. Мы регулярно сталкиваемся с этим при аудите: данные есть, но разбросаны по трём-четырём источникам.

Знать, кто в каком сегменте — это половина работы. Вторая половина — что с этим делать.

Никаких массовых скидок. Это люди, которые и так покупают — вы просто режете маржу. Вместо этого: ранний доступ к новинкам, персональное письмо от основателя или менеджера, приглашение в закрытый клуб или реферальную программу. Один наш клиент запустил для чемпионов WhatsApp-группу с эксклюзивными предложениями — конверсия с неё составила 34% против 4% у обычных email-рассылок.

Работает апселл и кросс-селл. Анализируйте, что они покупают, и предлагайте логичное дополнение. Если человек регулярно берёт корм для собаки — предложите витамины, аксессуары, страховку. Автоматическая триггерная цепочка в CRM после каждой покупки справляется с этим без участия менеджера.

Здесь работает онбординг. Три-четыре касания в течение первого месяца после второй покупки: полезный контент, подборка товаров на основе истории, запрос отзыва, небольшой бонус за третью покупку. Задача — сделать так, чтобы человек вернулся до того, как забудет о вас.

Это самый срочный сегмент. Когда клиент, который покупал каждые два месяца, вдруг пропал на три — это не случайность. Звонок от менеджера с вопросом «всё ли в порядке с последним заказом» работает лучше, чем любое автоматическое письмо. О том, как выстроить работу с клиентским сервисом по разным каналам, рассказывали в материале про качество обслуживания клиентов по каналам связи.

Прежде чем вкладывать в реактивацию, считайте экономику. Если средний LTV клиента из этого сегмента — $75, а реактивация стоит $10 на человека при конверсии 10% — это $120 затрат на один возврат. Не окупается. Значит, либо ищете более дешёвый канал, либо сужаете сегмент до тех, кто тратил больше.

Для спящих клиентов с высоким M-баллом мы рекомендуем персональный аутрич: короткое сообщение в мессенджере, без шаблонных фраз. «Привет, Алексей. Вы у нас последний раз были в марте. Мы обновили ассортимент — думаю, вам будет интересно». Конверсия такого подхода в нашей практике — 8–14%, что в 3–4 раза выше массовой рассылки.

По данным, с которыми мы работаем, около 60% клиентов, совершивших только одну покупку, больше не возвращаются. Большинство из них — не потому что недовольны. А потому что им просто не напомнили. Простая цепочка из трёх сообщений в первые три недели после заказа удерживает 15–25% из них.

За годы работы с ecommerce мы видели одни и те же грабли. Вот самые распространённые.

Ошибка 1. Делают RFM один раз и забывают. Сегменты — не статичны. Клиент, который был «лоялистом» в январе, к июлю может стать «спящим». RFM нужно пересчитывать минимум раз в месяц. Лучше — настроить автоматический пересчёт в CRM.

Ошибка 2. Используют одинаковые пороги для разных товарных категорий. Магазин электроники и магазин бытовой химии — два разных мира по частоте покупок. Если у вас мультикатегорийный ассортимент, рассмотрите раздельный RFM по категориям или хотя бы скорректируйте пороги F под реальный цикл покупки.

Ошибка 3. Игнорируют маржинальность в параметре M. Monetary считают по выручке, а не по прибыли. Клиент, который всегда покупает только акционные позиции с минимальной маржой, технически может быть «чемпионом» по RFM — но фактически убыточен для бизнеса. Там, где есть данные по марже, стоит добавить её в расчёт.

Ошибка 4. Запускают одинаковые акции на все сегменты. Скидка 15% на следующий заказ — это нормальный инструмент для реактивации спящих. Но та же скидка для чемпионов — это просто потеря маржи на тех, кто купил бы без неё. Сегментация требует сегментированных коммуникаций.

Ошибка 5. Не связывают RFM с планом продаж. RFM — это не только маркетинговый инструмент. Это инструмент прогнозирования выручки. Если вы знаете, сколько у вас клиентов в каждом сегменте и какой их средний LTV, вы можете строить план на следующий квартал не «с потолка», а на основе реальной базы. Об этом мы подробно говорим в контексте построения стратегии после продажи.

RFM показывает поведение клиента внутри базы. Но он не отвечает на вопрос: откуда пришли ваши чемпионы? Из какого канала, с какого объявления, с какого ключевого запроса?

Когда RFM-сегментация интегрирована со сквозной аналитикой, вы начинаете видеть не просто «кто покупает», а «откуда приходят те, кто покупает много и часто». Это меняет логику распределения рекламного бюджета: вы перестаёте оптимизировать под стоимость первой покупки и начинаете оптимизировать под LTV.

Мы регулярно делаем это для наших клиентов: связываем UTM-метки из рекламных кабинетов с RFM-профилем клиента в CRM. В одном из последних проектов — магазин детских товаров — выяснилось, что Google Shopping приводит больше «чемпионов», чем Facebook Ads, при схожей стоимости клика. После перераспределения бюджета в пользу Google выручка с повторных покупок выросла на 31% за два месяца.

Если у вас пока нет сквозной аналитики продаж, RFM всё равно работает — просто без этого дополнительного среза.

Это организационный вопрос, который часто упускают. Кто в компании отвечает за пересчёт сегментов? Кто запускает коммуникации по каждому? Кто оценивает результат?

Наша рекомендация: закрепить RFM-анализ как регулярную процедуру с владельцем — обычно это руководитель отдела маркетинга или РОП. Пересчёт — раз в месяц. Отчёт по динамике сегментов — раз в квартал. Корректировка порогов — раз в полгода.

Динамика сегментов — это то, что говорит вам о здоровье клиентской базы. Если доля чемпионов растёт — вы работаете правильно. Если доля спящих увеличивается быстрее, чем приходят новые — где-то есть системная проблема. Либо в продукте, либо в сервисе, либо в постпродажной коммуникации.

Хорошая сегментация клиентов — это не разовая история. Это живой инструмент, который работает только при регулярном обновлении и конкретных действиях по каждому сегменту.

Мы не любим обещать «рост продаж» без цифр. Вот то, что мы видели в реальных проектах после внедрения RFM-сегментации с автоматизацией в CRM:

• реактивация спящих клиентов через персональные сообщения: конверсия 8–14% при нулевых затратах на рекламу;
• апселл-цепочка для лояльных клиентов: рост среднего чека на 15–22% за 60 дней;
• онбординг-серия для новых клиентов: снижение доли «одноразовых» покупателей с 61% до 44%;
• сегментированные рассылки вместо массовых: отписки снизились в 2,3 раза, конверсия из письма в заказ выросла с 1,2% до 3,8%.

Это не фантастика. Это то, что происходит, когда перестают рассылать всем одно и то же и начинают разговаривать с каждым сегментом на его языке.

Если у вас есть база клиентов и история покупок — у вас уже есть всё, что нужно для RFM. Мы помогаем выстроить сегментацию, настроить автоматические сценарии в CRM и связать это со сквозной аналитикой так, чтобы каждый сегмент работал на конкретную цифру выручки.

Посмотрите, как мы реализуем внедрение CRM для ecommerce — с нуля или на базе уже существующей системы.