RFM-аналіз для інтернет-магазину: як сегментувати клієнтів і перестати витрачати бюджет на однакові розсилки

Причина не в дорогому трафіку і не в слабкому продукті. Ви просто не знаєте, хто перед вами: лояльний покупець, якого варто заохотити без знижки, чи людина, яку треба повертати зовсім іншим інструментом.

RFM-аналіз розв'язує саме це завдання. Далі — як порахувати RFM у таблиці за один вечір, як обрати пороги під свою нішу, які 8 сегментів шукати в базі, що робити з кожним і як перенести цю логіку в CRM, щоб вона працювала без ручної праці. З цифрами з наших проєктів.

Більшість інтернет-магазинів сегментують клієнтів за статтю, віком, містом або категорією товару. Для таргетингу на холодну аудиторію це має сенс. Для роботи з наявною базою — майже ні.

Жінка 35 років з Києва може бути вашою найкращою клієнткою з 12 замовленнями за рік. А може — людиною, яка купила один раз два роки тому й більше не повернулася. Демографія різниці не покаже. Поведінка — покаже.

RFM — метод сегментації клієнтської бази за трьома поведінковими параметрами:

• Recency (давність) — скільки днів минуло від останньої покупки.
• Frequency (частота) — скільки замовлень клієнт зробив за обраний період.
• Monetary (гроші) — скільки він витратив за той самий період.

Кожен клієнт отримує бал за кожним параметром, зазвичай від 1 до 5. Три бали разом утворюють RFM-код. Код 5-5-5 означає чемпіона: купував нещодавно, часто й на велику суму. Код 1-1-1 — випадковий або давно втрачений покупець.

За шкали 1–5 теоретично виходить 125 комбінацій. Працювати зі 125 групами неможливо, тому їх об'єднують у 8–11 сегментів із зрозумілою бізнес-логікою. Нижче ми покажемо вісім, з якими працюємо найчастіше.

За нашим досвідом у Brutal Marketing, сам розрахунок — найпростіша частина. Складніше правильно обрати пороги, прочитати результат і побудувати під кожен сегмент окремий сценарій комунікації. Саме тут ламається більшість спроб.

Для розрахунку вистачає трьох полів: ID клієнта, дата замовлення, сума замовлення. Якщо дані лежать у CRM, вивантаження займає кілька хвилин.

Проблема в іншому. RFM показує правду лише тоді, коли в системі зафіксовані всі покупки. На аудитах ми регулярно бачимо ту саму картину: частина замовлень іде через сайт, частина — через Instagram Direct, частина — через Viber чи Telegram, ще частина — через маркетплейс або касу в офлайн-точці. Кожен канал живе окремо. Клієнт, який купив п'ять разів у різних каналах, у розрахунку перетворюється на п'ятьох разових покупців.

Перед запуском RFM ми завжди перевіряємо базу за коротким списком:

1. Дублікати контактів. Один клієнт із двома номерами чи двома email — це два різні «покупці». Об'єднуйте картки за телефоном і поштою.
2. Скасовані й повернені замовлення. Їх треба виключити, інакше F і M завищуються.
3. Незакриті угоди. Замовлення «в роботі» не мають потрапляти в розрахунок як покупки.
4. Канали без інтеграції. Усе, що продається поза CRM, має туди потрапляти — через інтеграцію або хоча б вручну.
5. Єдиний ідентифікатор. Найнадійніший — номер телефону: в українському e-commerce він є майже в кожному замовленні.

Така перевірка займає від години до кількох днів, залежно від стану бази. Зате вона економить тижні неправильних рішень. Докладніше про те, чому чистота даних у CRM важливіша за сам інструмент, ми писали окремо.

Якщо заявки з месенджерів досі губляться між чатами, почніть з того, щоб зібрати усі месенджери в одну картку клієнта. А якщо історія замовлень живе в розрізнених таблицях, це сигнал, що настав час для міграції даних з Excel у CRM.

Що менше днів минуло від покупки, то вищий бал. Клієнт, який купив три дні тому, з більшою ймовірністю купить знову, ніж той, хто заходив рік тому.

Пороги залежать від циклу повторної покупки у вашій ніші. Для магазину косметики «свіжий» клієнт — той, хто купував до 30 днів тому. Для меблевого магазину ці межі зсуваються на роки.

Приклад шкали для магазину з циклом покупки близько двох місяців:

Щоб не вгадувати цикл, порахуйте медіанний інтервал між першою і другою покупкою в клієнтів, які купували щонайменше двічі. Це і є ваш реальний цикл, від якого варто відштовхуватися.

Орієнтири з наших проєктів (перевіряйте на своїх даних):

Тут рахуєте кількість замовлень за період, зазвичай 12 місяців. Клієнт із 10+ замовленнями на рік поводиться принципово інакше, ніж той, хто купив 1–2 рази.

Є підводний камінь, про який мовчить більшість інструкцій. Метод квінтилів, тобто поділ бази на п'ять рівних частин, для F часто не спрацьовує. У типовому інтернет-магазині 50–65% клієнтів мають лише одне замовлення. Розділити їх на рівні п'ятірки неможливо: половина бази отримає однаковий бал, а межі між сегментами розмиються.

Тому для частоти ми радимо фіксовані пороги:

Не плутайте частоту із середнім чеком. Клієнт, який купує часто й потроху, — один профіль. Клієнт, який купує рідко й дорого, — зовсім інший.

Рахуйте сумарний обсяг покупок за період, а не середній чек. Клієнт із 12 замовленнями по 400 грн (4 800 грн за рік) цінніший для бізнесу, ніж клієнт з одним замовленням на 2 500 грн, хоча його середній чек ушестеро менший.

Якщо в CRM є дані про собівартість, рахуйте M за валовим прибутком, а не за виручкою. Чому це критично — у розділі про помилки.

Наша практика: фіксовані пороги для R і F, квінтилі для M.

Багато хто зупиняється ще до старту, бо вважає RFM технічно складним. Насправді перший розрахунок для бази до 10–20 тисяч клієнтів робиться в таблиці за вечір.

1. Вивантажте замовлення. Три колонки: ID клієнта (A), дата (B), сума (C). Скасовані й повернені замовлення приберіть одразу.
2. Оберіть період. Зазвичай 12 місяців. Для сезонних товарів — 24, щоб захопити кілька циклів. Точка відліку для давності — дата розрахунку.
3. Зберіть список унікальних клієнтів на окремому аркуші: функцією UNIQUE (є в Google Sheets і Excel 365) або через зведену таблицю.
4. Порахуйте три показники для кожного клієнта (ID у колонці E):

• дата останньої покупки: =MAXIFS(B:B; A:A; E2), давність у днях: =TODAY()-F2;
• кількість замовлень: =COUNTIFS(A:A; E2);
• сума покупок: =SUMIFS(C:C; A:A; E2).

1. Присвойте бали. Для R і F — через таблицю порогів і XLOOKUP (або VLOOKUP з інтервальним пошуком). Для M — через перцентиль: =MAX(1; ROUNDUP(PERCENTRANK.INC($I$2:$I$5000; I2)*5; 0)). Роздільник аргументів («;» чи «,») залежить від регіональних налаштувань таблиці.
2. Зберіть RFM-код формулою =J2&K2&L2 — отримаєте, наприклад, «545».
3. Розкладіть клієнтів по сегментах за таблицею з наступного розділу. Зручно побудувати зведену таблицю: R у рядках, F у стовпцях, кількість клієнтів у клітинках, плюс кольорове форматування. Така «карта» за хвилину показує стан бази.
4. Завантажте сегменти в CRM як тег або окреме поле. Після цього можна фільтрувати базу, запускати ланцюжки й ставити задачі менеджерам.

Якщо клієнтів понад 20–50 тисяч або ви хочете перераховувати RFM щодня, таблиця стане вузьким місцем. Тут краще працює SQL-запит до бази магазину або скрипт на Python із бібліотекою pandas: розрахунок займає секунди.

Коли кожен клієнт має три бали, базу можна розкласти на сегменти. Ось вісім, з якими ми працюємо найчастіше. Межі орієнтовні, адаптуйте їх під свою нішу.

Якщо клієнт підпадає під два сегменти, пріоритет має той, що вище в таблиці. Клієнтів, які не потрапили жодного сегмента (наприклад, R3 F1), об'єднуйте в групу «Потребують уваги» і працюйте з ними базовими розсилками.

Знати, хто в якому сегменті, — половина роботи. Друга половина — дати кожному сегменту власну механіку, канал і частоту контакту.

Жодних масових знижок. Ці люди й так купують, тож знижкою ви лише ріжете маржу. Замість цього пропонуйте ранній доступ до новинок, персональне повідомлення від засновника чи менеджера, закритий клуб, реферальну програму. Чемпіони — найкраще джерело рекомендацій і відгуків.

Один наш клієнт створив для чемпіонів закриту WhatsApp-групу з ексклюзивними пропозиціями. Конверсія з неї склала 34% проти 4% у звичайних email-розсилках. Як будувати такі механіки, ми показували в прикладах автоворонок у WhatsApp через CRM.

Тут працюють апсел і крос-сел. Дивіться, що клієнт купує регулярно, і пропонуйте логічне доповнення. Бере корм для собаки — запропонуйте вітаміни, ласощі, аксесуари.

Тригерний ланцюжок у CRM після кожної покупки робить це без участі менеджера. Як підбирати такі пропозиції за історією замовлень — у матеріалі про персоналізацію розсилок на основі поведінки клієнтів.

Цьому сегменту потрібен онбординг: три-чотири дотики протягом місяця після другої покупки. Корисний контент про те, як користуватися купленим. Добірка товарів на основі історії. Запит відгуку. Невеликий бонус за третє замовлення.

Завдання — повернути людину раніше, ніж вона про вас забуде. За нашими спостереженнями, після третьої покупки клієнти значно рідше «відвалюються», тож саме третє замовлення варто зробити метою.

У базах, з якими ми працюємо, близько 60% клієнтів після першої покупки більше не повертаються. Більшість — не через невдоволення, а тому що їм ніхто не нагадав. Простий ланцюжок із трьох повідомлень у перші три тижні після замовлення утримує 15–25% з них.

Базова схема:

1. День 1–2: підтвердження, статус доставки, порада, як користуватися товаром.
2. День 7–10: запит відгуку і підказка, чим доповнити покупку.
3. День 18–21: персональна добірка або бонус на друге замовлення з обмеженим терміном.

Як зібрати такий ланцюжок покроково — у гайді про welcome-серію листів з автоматичним запуском.

Це найтерміновіший сегмент. Якщо клієнт, який купував щодва місяці, раптом зник на три — це не випадковість. Ці люди вже знають продукт і довіряють вам, тому реактивація тут окуповується найкраще.

Агресивний промокод — не перший крок. Дзвінок або повідомлення від менеджера з питанням «чи все гаразд з останнім замовленням?» працює краще за автоматичний лист і часто виявляє проблему в сервісі, про яку ви не знали. Щоб менеджери не забували про такі контакти, CRM має ставити задачу сама — про це в статті про автоматичні нагадування менеджерам у CRM.

Перш ніж вкладатися в повернення, порахуйте економіку (окремий розділ нижче). Для сплячих із високим M ми радимо персональний аутріч: коротке повідомлення в месенджері без шаблонних фраз.

«Олексію, добрий день! Ви востаннє замовляли в нас у березні. Ми оновили асортимент — думаю, вам буде цікаво». Конверсія такого підходу в нашій практиці — 8–14%, у 3–4 рази вища за масову розсилку. Для решти сплячих запускайте реактиваційну email-кампанію з поступовим посиленням пропозиції.

Мало замовлень, давно, але на відчутну суму. Часто це одна велика покупка: техніка, подарунок, облаштування квартири. Автоматика тут програє живому контакту.

Дзвінок менеджера з конкретною пропозицією — сервіс, аксесуари, оновлення моделі — повертає таких клієнтів краще за будь-яку розсилку. Один такий повернений клієнт може принести більше, ніж десяток реактивованих сплячих.

Одне дешеве замовлення, і то давно. Реактивація дорога й рідко окупається.

Виключіть цей сегмент з активних розсилок. Це зменшує відписки й скарги, а отже, покращує доставлюваність листів для решти бази. Залиште одне-два дешеві нагадування на квартал.

Найдорожча помилка в роботі зі сплячими — витрачати гроші на повернення клієнтів, які не принесуть навіть вартості контакту. Перевірити це можна однією формулою:

Отриману суму порівнюєте з очікуваним валовим прибутком від поверненого клієнта. Саме з маржею, а не з виручкою.

Приклад на умовних цифрах. Сегмент сплячих — 2 000 людей, середнє замовлення — 1 200 грн, маржа — 30%.

Сценарій А окупається вшестеро. Сценарій Б збитковий: або шукайте дешевший канал, або звужуйте сегмент до тих, хто витрачав більше.

Цифри умовні — підставте свої. Якщо повернений клієнт зазвичай купує повторно, беріть у розрахунок маржу за 6–12 місяців, а не з одного замовлення. Щоб бачити реальну цінність клієнта в часі, зв'яжіть RFM з LTV, CAC і ROI у наскрізній аналітиці.

Разовий RFM-аналіз корисний. Регулярний і автоматичний — це вже система, яка працює щодня без участі маркетолога.

Технічно це виглядає так:

1. У картці контакту з'являються поля: R-бал, F-бал, M-бал, RFM-код, сегмент.
2. Інтеграція або скрипт перераховує бали за розкладом — щодня чи щотижня — на основі історії замовлень.
3. Коли сегмент клієнта змінюється, CRM змінює тег, запускає потрібний ланцюжок і ставить задачу відповідальному менеджеру.
4. Дашборд показує, скільки клієнтів у кожному сегменті і куди вони перетікають.

У Kommo CRM ми вбудовуємо RFM-логіку у воронку. Зміна сегмента запускає сценарій, а менеджер отримує задачу саме тоді, коли лояльний клієнт починає «остигати». Менеджер не тримає в голові, кому дзвонити, — система підказує сама. У Key CRM, яку часто обирають українські інтернет-магазини, історія замовлень уже зберігається в картці покупця, тому розрахунок спрощується. Детальніше про її можливості для e-commerce — в огляді Key CRM для інтернет-магазину.

Приклади тригерів, які ми налаштовуємо найчастіше:

Приклад із нашої практики: інтернет-магазин товарів для дому, близько 4 000 активних клієнтів. До RFM менеджери працювали за принципом «хто голосніше написав». Після впровадження база розділилася на сім сегментів, і під кожен ми налаштували окремий сценарій у CRM. За три місяці повторні покупки в сегменті «Під загрозою» зросли на 23%, а середній чек лояльних клієнтів — на 17% завдяки апсел-ланцюжку.

Окремо про штучний інтелект. ML-кластеризація здатна знаходити групи, які не вписуються в класичну сітку RFM, а прогнозні моделі — оцінювати ймовірність відтоку. Проте для більшості магазинів із базою до кількох десятків тисяч клієнтів класичний RFM дає основний результат швидше і зрозуміліше для команди. Реальні можливості й межі цих технологій ми розбирали в статті про AI у CRM.

Якщо ви лише обираєте систему, почніть з огляду CRM для e-commerce.

RFM показує поведінку клієнта всередині бази. Але він не відповідає на питання, звідки прийшли ваші чемпіони: з якого каналу, кампанії, пошукового запиту.

Коли RFM поєднаний з наскрізною аналітикою продажів, ви бачите не просто «хто купує», а «звідки приходять ті, хто купує часто й багато». Це змінює логіку розподілу бюджету. Ви перестаєте оптимізувати рекламу під вартість першої покупки й починаєте оптимізувати під LTV.

Технічно ми зв'язуємо UTM-мітки з рекламних кабінетів з RFM-профілем клієнта в CRM. В одному з проєктів — магазин дитячих товарів — з'ясувалося, що Google Shopping приводить більше чемпіонів, ніж реклама в Meta, за схожої вартості кліку. Після перерозподілу бюджету на користь Google виручка з повторних покупок зросла на 31% за два місяці.

Частку чемпіонів у розрізі каналів варто виводити на дашборд продажів поруч із вартістю залучення. Якщо наскрізної аналітики поки немає, RFM усе одно працює — просто без цього зрізу.

За роки роботи з e-commerce ми бачимо ті самі граблі. Ось найпоширеніші.

1. Зробили раз і забули. Сегменти не статичні: «лояльний» у січні до липня може стати «сплячим». Перераховуйте мінімум раз на місяць, а краще — автоматично в CRM.
2. Однакові пороги для різних категорій. Електроніка й побутова хімія — різні світи за частотою покупок. Для мультикатегорійного асортименту робіть окремий RFM за категоріями або хоча б коригуйте пороги F під реальний цикл.
3. Виручка замість маржі в M. Клієнт, який купує лише акційні позиції з мінімальною націнкою, формально може стати «чемпіоном», а фактично приносити збиток. Якщо маєте дані про маржу, додайте її в розрахунок.
4. Однакові акції для всіх сегментів. Знижка 15% — нормальний інструмент для сплячих. Та сама знижка для чемпіонів — втрачена маржа на тих, хто купив би й без неї.
5. Квінтилі там, де вони не працюють. Для F у більшості магазинів потрібні фіксовані пороги, інакше половина бази отримає однаковий бал.
6. RFM живе окремо від плану продажів. RFM — ще й інструмент прогнозу. Наприклад, 300 лояльних клієнтів × 1,2 замовлення на квартал × 900 грн середнього чека = близько 324 000 грн очікуваної виручки лише з цього сегмента. Так план будується з реальної бази, а не «зі стелі».
7. Брудні дані. Дублікати, скасовані замовлення, продажі поза CRM — і сегменти показують вигадану картину.

Більше прикладів із практики — у розборі помилок сегментації клієнтів у CRM.

Це організаційне питання часто пропускають. Хто перераховує сегменти? Хто запускає комунікації? Хто оцінює результат? Якщо відповідь «усі», значить, ніхто.

Наша рекомендація: закріпити RFM як регулярну процедуру з одним власником. Зазвичай це керівник маркетингу або КВП.

Частота перерахунку залежить від циклу покупки. Магазину з щотижневими замовленнями потрібен щоденний або щотижневий перерахунок. Для меблів чи техніки вистачить щомісячного.

Динаміка сегментів — найкращий індикатор стану бази. Частка чемпіонів росте — ви рухаєтеся правильно. Сплячих стає більше швидше, ніж приходить нових, — десь є системна проблема: у продукті, сервісі або післяпродажному обслуговуванні.

Власнику бізнесу вистачить трьох цифр на дашборді власника: частка виручки від чемпіонів і лояльних, кількість клієнтів, які за місяць перейшли в «Під загрозою», і відсоток повернених. КВП додатково потрібна статистика виконання задач по сегменту «Під загрозою» кожним менеджером.

Сегментація клієнтів — не разова історія. Вона працює лише за регулярного оновлення і конкретних дій щодо кожного сегмента.

Ми не любимо обіцяти «зростання продажів» без цифр. Ось що ми бачили після впровадження RFM-сегментації з автоматизацією в CRM:

• реактивація сплячих через персональні повідомлення — конверсія 8–14% без витрат на рекламу;
• апсел-ланцюжок для лояльних — середній чек +15–22% за 60 днів;
• онбординг-серія для нових — частка «одноразових» покупців знизилася з 61% до 44%;
• сегментовані розсилки замість масових — відписок у 2,3 раза менше, конверсія з листа в замовлення зросла з 1,2% до 3,8%.

Жодної магії. Так виглядає результат, коли магазин перестає надсилати всім однакове й починає говорити з кожним сегментом його мовою. Більше про те, як утримувати клієнтів в e-commerce і повертати їх до повторних покупок, — в окремих матеріалах.

Ми в Brutal Marketing підберемо для вас найкращу програму CRM, яку ви зможете використати у своєму бізнесі. Ми із задоволенням розповімо вам про можливості програми та покажемо, які налаштування точно допоможуть вам досягти бажаних фінансових результатів.

Якщо у вас є база клієнтів та історія покупок, у вас уже є все для RFM. Ми перевіряємо дані, налаштовуємо сегментацію й автоматичні сценарії в CRM і пов'язуємо це з наскрізною аналітикою, щоб кожен сегмент працював на конкретну цифру виручки.

Що ви отримаєте:

• аудит бази: дублікати, канали поза CRM, якість даних;
• пороги R, F, M під цикл вашої ніші;
• автоматичний перерахунок сегментів і сценарії для кожного з них;
• дашборд із динамікою сегментів для власника і КВП.

Обговоріть з нами впровадження CRM з RFM-сегментацією для інтернет-магазину — розберемо вашу базу й покажемо, де лежать гроші, які ви зараз не заробляєте. Якщо хочете почати самостійно, скористайтеся чек-листом для побудови дашборду.