RFM-аналіз клієнтів: сегменти, SQL і що з ними робити

У базі магазину тисячі клієнтів, а розсилка йде всім однакова. RFM-аналіз — найпростіший спосіб розділити клієнтів за поведінкою і говорити з кожною групою по-своєму. Він не потребує машинного навчання — лише історії замовлень.

#Три виміри

Кожен вимір ділиться на бали — найчастіше від 1 до 5 за квінтилями (20% клієнтів у кожному балі). R: 5 — купував нещодавно; F: 5 — найчастіше; M: 5 — найбільше.

#SQL для PostgreSQL

WITH base AS (
  SELECT customer_id,
         CURRENT_DATE - MAX(order_date)::date AS recency_days,
         COUNT(*) AS frequency,
         SUM(revenue_net) AS monetary
  FROM orders
  WHERE status = 'paid' AND order_date >= CURRENT_DATE - INTERVAL '365 day'
  GROUP BY 1
)
SELECT customer_id, recency_days, frequency, monetary,
       6 - NTILE(5) OVER (ORDER BY recency_days) AS r,
       NTILE(5) OVER (ORDER BY frequency) AS f,
       NTILE(5) OVER (ORDER BY monetary) AS m
FROM base;

Нюанс з F: у багатьох магазинах більшість клієнтів має одне замовлення, і квінтилі «ламаються». Тоді краще задати пороги вручну: 1, 2, 3–4, 5–7, 8+ замовлень.

#Сегменти

Комбінації балів групують у зрозумілі сегменти:

M зазвичай використовують для пріоритету: у межах сегмента спочатку працюють з клієнтами з високим M.

#Як застосувати

1. Перерахунок RFM раз на тиждень у пайплайні (ETL).
2. Запис сегмента в CRM або сервіс розсилок як атрибут клієнта.
3. Автоматичні сценарії: перехід «Перспективні → У зоні ризику» запускає лист чи повідомлення.
4. Контроль: дашборд з розміром сегментів і потоками між ними щомісяця.

#Що показувати в дашборді

• розмір і виручка кожного сегмента;
• матриця R × F (теплова карта кількості клієнтів);
• переходи між сегментами за місяць (скільки «Лояльних» стали «У зоні ризику»);
• результати кампаній за сегментами: відкриття, повторні покупки, виручка.

RFM добре доповнює когортний аналіз: когорти показують, як утримується «покоління» клієнтів, а RFM — кого саме зараз треба повернути. Для оцінки цінності сегментів використовуйте LTV.

#Особливості для різних бізнесів

• Сервісний бізнес: R у днях відносно звичайного інтервалу візитів (клієнт стрижки раз на 5 тижнів «прострочений» вже на 8-му).
• Товари з довгим циклом (техніка, меблі): F майже завжди 1 — краще RM або сегменти за категоріями.
• B2B: M у маржі, а F — за кількістю угод або активних місяців.

#Типові помилки

• Рахувати M у виручці з поверненнями.
• Брати весь час замість фіксованого вікна.
• Сегментувати, але не запускати жодних дій.
• Не враховувати, що ідентифікатор клієнта різний у різних системах (телефон/email).

#Чекліст

• Єдиний ідентифікатор клієнта (нормалізований телефон/email)
• Вікно аналізу (наприклад, 12 місяців)
• Пороги F, що враховують структуру бази
• Сегменти з назвами й діями
• Сегмент записується в CRM/розсилку
• Щотижневий перерахунок
• Звіт про переходи між сегментами

#Приклад: оцінюємо п'ятьох клієнтів

Ілюстративний магазин, дата аналізу 1 жовтня, оцінки 1–5 за квінтилями серед усіх клієнтів:

Саме з D варто працювати сьогодні: цінний клієнт, чиє останнє замовлення було понад пів року тому. Персональна пропозиція повернення для групи «Під загрозою» окупається значно легше, ніж знижка всім підряд. На E не варто витрачати багато зусиль. C потрібен хороший досвід другої покупки — саме там вирішується більша частина майбутньої цінності магазину.

#Як обрати межі оцінок

Квінтилі (кожна оцінка — 20% клієнтів) — варіант за замовчуванням, але вони ламаються у двох поширених випадках:

• У більшості клієнтів одне замовлення. Якщо 70% купили один раз, квінтилі F не можуть їх розділити. Використовуйте фіксовані межі: F = 1 для одного замовлення, 2 — для двох, 3 — для 3–4, 4 — для 5–7, 5 — для 8+.
• Цикли покупки різняться за категоріями. «90 днів від останнього замовлення» — це недавно для меблів і дуже давно для кави. Межі R визначайте з власних інтервалів повторних покупок: наприклад, R = 5, якщо в межах медіанного інтервалу, R = 1 — якщо понад 3× медіани.

Документуйте обрані межі. Коли вони змінюються, розміри сегментів стрибають, і це не слід плутати зі зміною поведінки клієнтів.

#Відстежуємо рух між сегментами

Найкорисніший RFM-звіт — не знімок, а рух між знімками. Щомісяця показуйте, скільки клієнтів перейшли між ключовими сегментами:

SELECT prev.segment AS from_segment, cur.segment AS to_segment, COUNT(*) AS customers
FROM mart.rfm_snapshot cur
JOIN mart.rfm_snapshot prev
  ON prev.customer_id = cur.customer_id
 AND prev.snapshot_date = DATE_SUB(cur.snapshot_date, INTERVAL 1 MONTH)
WHERE cur.snapshot_date = @this_month
GROUP BY 1, 2
ORDER BY customers DESC;

Зберігайте знімок щомісяця, а не перераховуйте історію, — тоді звіт про рух відображає те, що ви знали на той момент.

#Приватність

RFM використовує історію покупок — це персональні дані. Вивантажуйте для кампаній лише ті поля, що потрібні кампанії, враховуйте згоду на маркетингові розсилки під час побудови аудиторій і не завантажуйте повні історії покупок у рекламні платформи, коли достатньо ID сегмента чи хешованого списку контактів.

#Як часто перераховувати

Для більшості магазинів достатньо щомісячного перерахунку з щотижневим оновленням лише R (давності) для тригерних розсилок. Повний щоденний перерахунок має сенс лише тоді, коли на сегменти реагують автоматичні сценарії, наприклад лист «давно не бачились» на 60-й день без замовлень.

#Як перевірити, що кампанії за сегментами працюють

Кампанії за сегментами легко переоцінити, бо цільові клієнти часто купили б і так. Відкладіть випадкові 10–20% кожного цільового сегмента і нічого їм не надсилайте. Після вікна кампанії порівняйте частку покупців і виручку на клієнта між групою, яка отримала повідомлення, і контрольною:

У цьому ілюстративному випадку кампанія додала близько 5 п.п. покупців і 110 грн виручки на клієнта. Відніміть вартість знижки і розсилки — і побачите, чи вона окупилася. Без контрольної групи ви б приписали кампанії всі 14%.

#Часті запитання

#Скільки клієнтів потрібно для RFM?

Від кількох сотень клієнтів з покупками вже дає сенс. На малих базах використовуйте прості пороги замість квінтилів.

#Чим RFM відрізняється від когортного аналізу?

Когорти групують клієнтів за датою першої покупки і показують утримання з часом. RFM групує за поточною поведінкою для дій тут і зараз.

#Чи можна робити RFM у Google Таблицях?

Так, на невеликій базі — формулами QUARTILE або PERCENTRANK. Для щотижневого автоматичного оновлення краще SQL.

#Як перевірити, що RFM-кампанії працюють?

Залиште контрольну групу в сегменті без розсилки і порівняйте частку повторних покупок за 30–60 днів.