Продающие лендинги от отдела
дизайна LPgenerator

Используем технологии:
4U, AIDA, ХПВ, психология влияния Р. Чалдини, управление взглядом
  • 4U
  • AIDA
  • ХПВ
  • психологии влияния Р. Чалдини
  • управления взглядом
  • нейромаркетинг
Готовность от 7 дней

Как увеличить продажи: сегментация клиентов и RFM-анализ

Как увеличить продажи: сегментация клиентов и RFM-анализ

Все клиенты, от «транжир» до «почти потерянных покупателей» имеют различные потребности и желания, и, соответственно, по-разному реагируют на маркетинговые кампании.

По мере расширения бизнеса сегментация аудитории может существенно улучшить эффективность маркетинговой деятельности, после чего кампании начинают охватывать большее количество клиентов, что в итоге повышает коэффициент отклика (response rate) и продажи.

Что такое RFM-анализ?

RFM-анализ — это техника сегментации клиентов, опирающаяся на их поведение.

  • Recency (R) — давность, количество времени с прошлой покупки
  • Frequency (F) — частота, общее количество покупок
  • Monetary (M) — деньги, общая сумма покупок

RFM-анализ был впервые применен более сорока лет назад в области адресной почтовой рассылки, но при этом он все еще является эффективным способом оптимизации маркетинговой деятельности.

Положительные эффекты RFM-анализа:

  • Повышение процента удержанных клиентов
  • Повышение коэффициента отклика
  • Повышение процента конверсии
  • Повышение дохода

Как добиться успеха в сегментации и персонализации?

Сегментация клиентов с помощью RFM-анализа

Для выполнения RFM-анализа сначала следует разделить клиентов на четыре равные группы, согласно распределению значений давности, частоты и величины покупок.

Четыре равные группы (квартили) с тремя переменными образуют 64 (4x4x4) клиентских сегмента, с такими цифрами вполне можно работать.

Заметьте, что вы можете использовать квинтили (пять равных групп) для лучшей детализации, однако, работа с 125 сегментами (5x5x5) может показаться непростой задачей.

Давность (R)

Частота (F)

Деньги (M)

Квартиль 1 (R=1)

Квартиль 1 (F=1)

Квартиль 1 (M=1)

Квартиль 2 (R=2)

Квартиль 2 (F=2)

Квартиль 2 (M=2)

Квартиль 3 (R=3)

Квартиль 3 (F=3)

Квартиль 3 (M=3)

Квартиль 4 (R=4)

Квартиль 4 (F=4)

Квартиль 4 (M=4)

Например, есть один клиент, и он:

  • Находится в группе, совершающих покупки наиболее часто (R=1)
  • Находится в группе, совершивших наибольшее количество покупок (F=1)
  • Находится в группе, потративших наибольшую сумму денег (M=1)

Данный клиент принадлежит RFM-сегменту 1-1-1 (Лучшие клиенты), (R=1, F=1, M=1).

Вот самые важные RFM-сегменты: 

Сегмент

RFM

Описание

Маркетинговая деятельность

Лучшие клиенты

1-1-1

Клиенты, совершившие последние покупки, делающие это чаще остальных, и тратящие денег больше остальных

Без ценовых стимулов, новые продукты и программа скидок для постоянных клиентов

Лояльные клиенты

X-1-X

Клиенты, совершившие последние покупки

Изучите их R и M для дальнейшей сегментации

Транжиры

X-X-1

Клиенты, тратящие больше остальных

Продвиньте самые дорогие продукты

Почти потерянные клиенты

3-1-1

Не совершали покупки некоторое время, но покупали часто и тратили больше остальных

Агрессивные ценовые стимулы

Потерянные клиенты

4-1-1

Не совершали покупки давно, но покупали часто и тратили больше остальных

Агрессивные ценовые стимулы

Потерянные экономные клиенты

4-4-4

Не совершали покупки давно, покупали мало и тратили меньше остальных

Не прикладывайте много усилий к их возвращению

 

Маркетинг лояльности, или Как добиться расположения клиентов?

Как провести RFM-анализ

Чтобы провести RFM-анализ, вам понадобятся данные о всех покупках, совершенных всеми клиентами. Это должен быть файл с информацией, обычно экспортируемый из вашего бухгалтерского ПО или транзакционной базы данных.

Шаг 1. Скачайте скрипты для RFM-анализа и файлы примеров с Githtub.

Шаг 2. Подготовьте файл CSV со всеми покупками или же используйте шаблон sample-orders.csv. Имена столбцов должны быть теми же.

order_date

order_id

customer

grand_total

2016-01-01

US-52653

john

40

2016-01-02

US-52654

mary

70

 

Шаг 3. Запустите скрипт RFM-analysis.py, находящийся в папке, куда вы поместили файл с данными. В скрипте есть три аргумента:

>python RFM-analysis.py -i sample-orders.csv -o rfm-segments.csv -d "2014-04-01"
  • Файл с данными (-i sample-orders.csv)
  • Файл для вывода данных с RFM-сегментацией (-o rfm-segments.csv)
  • Дата экспорта файла с данными (-d «YYYY-mm-dd”)

Это создаст RFM-сегменты в CSV-файле с названием rfm-segments.csv или иначе, а зависимости от того, что было задано вами с параметром –o.

Расшифровка результатов RFM-анализа

Клиент

Давность

Частота

Сумма

Сегмент RFM

Мария Н.

4 дня

58 покупок

$2 869

1-1-1

Владимир У.

50 дней

1 покупка

$44

3-4-4

Екатерина А.

47 дней

2 покупки

$156

3-2-1

  • Мария Н. принадлежит к сегменту «Лучшие покупатели», она совершала покупки совсем недавно (R=1), заказывает часто (F=1) и тратит много (M=1).
  • Владимир У. практически попал в сегмент «Потерянные экономные клиенты», он не покупал довольно давно (R=3), покупал немного (F=4) и потратил мало (M=4).
  • Екатерина А. относится к сегменту «Почти потерянные клиенты». Она не совершала покупки довольно давно (R=3), покупала довольно часто (F=2), но при этом она тратила очень много (M=1).

Эти простые шаги и есть сегментация клиентов. Теперь определите кого-нибудь прочесывать базу данных клиентов и выявлять наиболее важных для вашего бизнеса.

Или же создайте собственную настройку в сервисе Tableau, как ниже, чтобы визуализировать данные:

сервисе Tableau

Выведите свой email-маркетинг на новый уровень путем RFM-сегментации

Теперь пришел черед email маркетинга. Ниже приводится пошаговый RFM-анализ:

1. Выберите RFM-сегмент, нужный вам (Лучшие клиенты, Почти потерянные клиенты, итд).
2. Решите как лучше всего поступить с данным RFM-сегментом
3. Определите задачу для данных email кампании и RFM-сегмента
4. Настройте отслеживание конверсии e-mail маркетинга
5. Создайте еще одну email версию, привзяанную к RFM-сегменту, нужному вам
6. Запустите кампанию по A/B-тестированию через email, когда контрольная группа получает обычную версию письма, а экспериментальная группа — письмо, выбранное согласно RFM-сегменту
7. Проанализируйте результаты и повторите — чаще то, что действует и реже то, что не действует

Сегментация и персонализация email-маркетинга: руководство для начинающих

Заключение

RFM является относительно простой техникой, с чьей помощью возможно существенно улучшить вашу маркетинговую деятельность.

Обновляйте RFM-сегментацию путем автоматизирования процесса, например, с помощью скрипта RFM-анализа. Лучше всего обновлять данные каждый день.

Высоких вам конверсий!

По материалам: joaocorreia.io, image source seorankvideo

04-08-2016

Продающие лендинги от отдела
дизайна LPgenerator

Используем технологии:
4U, AIDA, ХПВ, психология влияния Р. Чалдини, управление взглядом
  • 4U
  • AIDA
  • ХПВ
  • психологии влияния Р. Чалдини
  • управления взглядом
  • нейромаркетинг
Готовность от 7 дней
blog comments powered by Disqus
copyright © 2011–2017 by LPgenerator LLC. Все права защищены
Запрещено любое копирование материалов ресурса без письменного согласия владельца — ООО "ЛПгенератор".