Что такое RFM-анализ и зачем он нужен

Что такое RFM-анализ

RFM-анализ — это метод сегментации клиентов по давности, частоте и сумме покупок. Он описывает покупательское поведение и помогает объединить людей с похожей историей в группы для дальнейшей работы.

• R — Recency, давность. Число дней между датой среза и последней покупкой. Чем меньше дней прошло, тем выше оценка R.
• F — Frequency, частота. Количество отдельных заказов за выбранный период. Один заказ с пятью товарами — одна покупка, а не пять.
• M — Monetary, сумма. Сколько клиент потратил за этот же период, то есть какую выручку он принёс.

Исходные показатели переводят в баллы, например от 1 до 5, и записывают последовательно: R, F, M. Код 555 означает высокие оценки по всем трём показателям; 155 — большую давность последней покупки при высокой частоте и сумме заказов.

Не путайте дни и баллы. R = 120 дней — большой перерыв. Балл R = 5 — наоборот, одна из самых недавних покупок по выбранным правилам. Для F и M направление прямое: больше покупок или сумма — выше балл.

Для чего бизнесу нужна RFM-сегментация

Метод помогает перейти от одинакового предложения всей базе к разным сценариям. Постоянному покупателю может быть интересна новинка, недавнему — дополнение к заказу, а давно неактивному — предложение, учитывающее его прошлый опыт.

• Выделить ценных клиентов. Найти покупателей с высокой активностью и суммой заказов для персонального обслуживания.
• Развивать повторные покупки. Отделить недавних покупателей с небольшой частотой и стимулировать повторную покупку.
• Заметить паузу в активности. Выбрать аудиторию для проверки причин, по которым покупатели перестали возвращаться.
• Распределять бюджет осмысленнее. Сравнивать отклик и экономику предложений в разных группах.
• Подготовить аудитории для CRM. Перевести аналитические выводы в конкретные списки клиентов.

Главная цель — действие. Сам по себе отчёт RFM-анализа не увеличивает продажи. Для каждого сегмента определите предложение, ответственного, срок и метрику результата.

Как провести RFM-анализ

Шаг 1. Определите период и дату среза

Период задаёт, какие заказы войдут в частоту и сумму. Дата среза определяет, от какого дня считать давность. Например: покупки с 1 марта по 31 августа 2026 года, срез на 1 сентября. Выберите окно, которое охватывает несколько обычных циклов покупки; шесть или двенадцать месяцев подходят не каждому бизнесу.

Шаг 2. Подготовьте историю заказов

Для обычного транзакционного анализа нужны три поля: постоянный ID клиента (или другой уникальный идентификатор), дата заказа и сумма. Пример CSV для нашего сервиса RFM Analyzer:

customer_id,transaction_date,amount
A,2026-08-20,3500
A,2026-08-29,4500
B,2026-08-22,3000

Одна строка — один заказ. Если выгрузка содержит товарные позиции, предварительно объедините их по номеру заказа и клиенту. Удалите технические дубли и тестовые операции, согласуйте учёт отмен и возвратов, приведите суммы к одной валюте.

Для расчёта достаточно идентификаторов: телефоны, имена и адреса не обязательны. После подготовки сверьте число заказов, клиентов и итоговую сумму с исходными данными.

Шаг 3. Рассчитайте три показателя

• R = дата среза − дата последнего заказа.
• F = количество заказов клиента за период.
• M = сумма учитываемых заказов за период.

Рассмотрим вымышленных покупателей на дату 1 сентября 2026 года:

• Клиент A: последняя покупка 29 августа; R = 3 дня; F = 12 заказов; M = 48 000 ₽.
• Клиент B: последняя покупка 22 августа; R = 10 дней; F = 1 заказ; M = 3 000 ₽.
• Клиент C: последняя покупка 1 апреля; R = 153 дня; F = 10 заказов; M = 60 000 ₽.

Шаг 4. Присвойте баллы

Для примера RFM-анализа выберем шкалу 1–3 и условные фиксированные пороги:

• Давность: до 30 дней включительно — 3; от 31 до 90 — 2; более 90 — 1.
• Частота: от 6 заказов — 3; от 2 до 5 — 2; один заказ — 1.
• Сумма: более 20 000 ₽ — 3; более 5 000 и до 20 000 ₽ включительно — 2; до 5 000 ₽ включительно — 1.

Получаем: A → 333, B → 311, C → 133. Первый клиент активен по всем показателям. Второй покупал недавно, но сделал всего один заказ на небольшую сумму. Третий исторически приносил большой оборот, однако давно не возвращался. Пороги из примера нельзя автоматически переносить на другой бизнес.

Квантили или фиксированные границы?

Квантили распределяют ранжированных клиентов на сегменты приблизительно одинакового размера по каждой метрике. Это удобно для первого исследования базы. Но границы меняются вместе с её составом: другой балл не всегда означает изменение поведения самого покупателя.

Фиксированные диапазоны привязывают баллы к заданным бизнес-условиям. Например, вы знаете, что у вас лояльные клиенты заказывают каждые 30 дней. Тогда нужно задать оценку R=5 всем покупателям, которые за прошедшие 30 дней что-то купили. При изменении ассортимента или цикла покупки границы стоит пересмотреть.

Не складывайте цифры без необходимости. Коды 311 и 113 имеют одинаковую сумму, но описывают разные ситуации. Три уровня дают 27 возможных кодов, пять — 125. Для работы их объединяют в небольшое число понятных сегментов.

В нашем сервисе можно настроить правила выставления баллов. Вы можете выбрать квантили для быстрого RFM-анализа или задать фиксированные границы.

Как работать с результатами анализа

Названия сегментов и правила отличаются между системами. Ниже — примеры кодов RFM-анализа, соответствующие пятибалльной шкале текущего алгоритма RFM Analyzer, и возможные действия. Это гипотезы для проверки, а не универсальные рекомендации.

«Новичок» не обязательно впервые пришёл в компанию: ранние покупки могли остаться за пределами выбранного временного периода. «Уснувший» не обязательно разочаровался — возможно, он ждёт нового сезона. В пятибалльной шкале сервиса встречается и «Не классифицирован»: такой профиль требует отдельного разбора.

Примеры использования результатов анализа

Повторная покупка после первого заказа

Для недавних покупателей с низкой частотой подготовьте сообщение о том, как пользоваться товаром, и предложите подходящее дополнение к нему. Учитывайте срок потребления: предложение пополнить запас через два дня после покупки может оказаться преждевременным.

Возвращение ранее активных клиентов

Выберите группу с высокой исторической частотой и большой давностью. Сначала проверьте сезонность, наличие нужного товара и прошлые обращения. Затем протестируйте напоминание или предложение, связанное с реальной историей заказов.

Кросс-продажи и новинки

Постоянным клиентам предложите сопутствующие товары, а чемпионам — ранний доступ к новой линейке. Высокий RFM-код сам по себе не доказывает интерес к любой категории: дополните его данными о приобретённых товарах.

Сравнивайте с контрольной группой. Случайно разделите подходящих клиентов на две группы. Тестовая группа получает новое предложение, контрольная — нет. Заранее определите срок наблюдения и основную метрику.

Пример: из 1 000 клиентов тестовой группы купили 80, из 1 000 контрольной — 50. Конверсия составила 8% и 5%; наблюдаемая разница — 3 процентных пункта.

Для оценки экономики сравните маржинальную прибыль на клиента в двух группах и учтите дополнительные расходы кампании. Не списывайте скидку дважды, если она уже отражена в марже. Следите также за возвратами, отписками и жалобами. Переход клиента в более высокий сегмент — полезный сигнал, но сам по себе он не доказывает эффективность действий.

Инструменты: как сделать анализ в RFM Analyzer

RFM можно рассчитать вручную в Excel или Google Sheets: свести заказы по клиенту, вычислить показатели, задать границы и собрать сегменты. Python удобен для нестандартных правил и обработки данных; BI и CRM — для встраивания RFM-анализа в существующие процессы. Выбор зависит от задачи, навыков команды и частоты пересчёта.

Если история заказов уже есть в CSV или Excel или её можно легко выгрузить в эти форматы, начните с нашего RFM Analyzer. В сервисе можно загрузить файл, рассчитать оценки, распределить клиентов по сегментам и посмотреть состав каждой группы. Это удобно, когда нужно регулярно анализировать выгрузки без ручного сопровождения формул.

1. Откройте демопример. На странице анализа выберите демонстрационные данные, чтобы познакомиться с интерфейсом до загрузки собственной базы.
2. Загрузите CSV или XLSX. Для первого запуска используйте подготовленную историю: одна строка на заказ, ID клиента, дата и сумма.
3. Выберите шкалу и метод. Доступны оценки 1–3 и 1–5, квантили и фиксированные диапазоны. Можно попробовать разные варианты сегментации.
4. Изучите результаты. Сверьте сводку с исходными данными, посмотрите диаграмму сегментов и таблицу. Используйте фильтры, сортировку и описания групп с рекомендациями.
5. Подготовьте аудиторию. Сервис на платном тарифе предусматривает экспорт CSV и XLSX. Проверьте состав выгрузки, отберите нужных клиентов и продолжите работу в CRM.

Особенности расчёта, которые важно знать

Дата среза — последняя дата в файле плюс один день. В текущем алгоритме файл с последним заказом 31 августа анализируется на 1 сентября. Повторная загрузка того же файла через месяц не увеличит давность. Для нового среза подготовьте актуальную выгрузку и учитывайте эту особенность при сравнении с отчётами на сегодняшнюю дату.

В обычном режиме F считается по строкам с датой. Сервис не объединяет товарные позиции по номеру заказа в этом расчёте. Предварительная агрегация нужна, чтобы частота отражала реальные покупки. Отдельная строка возврата также может исказить F и дату последней активности; обработайте возвраты до загрузки по согласованному правилу.

Совпадающие значения в квантилях могут получить разные баллы. Текущая реализация использует последовательное ранжирование для разрешения совпадений. Если равные значения должны обязательно иметь одинаковую оценку, используйте подходящие фиксированные границы.

Для агрегированных файлов поддерживается payment_count: частота берётся как максимум этого поля по клиенту, суммы строк складываются. Не повторяйте итоговую сумму клиента в каждой строке. Для полноценной оценки R нужны даты: без них нельзя содержательно сравнить давность покупок.

Преимущества и недостатки RFM-анализа

Дополняйте RFM-анализ категориями товаров, каналом привлечения, маржой и первой покупкой за всю историю. Сравнивая периоды, сохраняйте сопоставимые окна и правила. При квантильном подходе проверяйте исходные R, F и M: сегмент мог измениться из-за состава клиентской базы.

Кому RFM-анализ использовать с осторожностью

• B2B и бизнесу с длинным циклом покупки. Большая давность для покупки мебели или оборудования может быть нормой. Такие товары редко покупают постоянно.
• Сезонным компаниям. Перерыв между сезонами не равен уходу клиента. Сопоставляйте одинаковые сезоны и учитывайте календарь спроса.
• Бизнесу с проектными или нерегулярными продажами. Учитывайте договорные циклы, этапы проекта и закупки.
• Подписочным продуктам. Частота автосписаний может отражать тариф, а не вовлечённость. Добавьте использование продукта и события продления.
• Компаниям с небольшим объёмом данных. При малом объёме данных результаты анализа могут быть недостаточно показательными.

Универсального минимального количества клиентов нет. На небольшой базе начните с трёх уровней, осмысленных фиксированных границ и ручной проверки. Требуемый размер выборки для эксперимента определяется отдельно — исходной конверсией и эффектом, который нужно обнаружить.

Что запомнить и с чего начать

RFM-анализ помогает понять, какие группы клиентов требуют внимания и как с ними работать: кого стимулировать к повторной покупке, кого удерживать, а кого пытаться вернуть.

Шаги для анализа:

• Сначала качество данных: один заказ — одна строка, неизменный ID, корректные даты и суммы.
• Затем прозрачные правила сегментации: период, дата среза, шкала и границы оценок.
• После — один конкретный сценарий: аудитория, предложение, срок и контрольная группа.
• В конце — оценка результата: дополнительная маржа и покупки, а не только красивые изменения диаграммы.

Обновляйте анализ в ритме бизнеса: при частых покупках может быть полезен еженедельный пересчёт, при длинном цикле — более редкие срезы. Сохраняйте исходную выгрузку и настройки, чтобы понимать причину изменений.

Частые вопросы

Чем RFM отличается от ABC-анализа?

ABC-анализ обычно группирует объекты по вкладу в выбранный показатель, например выручку. RFM-анализ одновременно учитывает давность, частоту и сумму. Два клиента с одинаковой выручкой могут иметь разные RFM-профили, если один покупал вчера, а второй — несколько месяцев назад.

Можно ли сделать расчёт в Excel?

Да. Сначала соберите по каждому клиенту последнюю дату, количество заказов и сумму, затем рассчитайте давность и присвойте баллы по выбранным границам. Сложность регулярной работы — в контроле формул, обработке одинаковых значений и воспроизводимости. Если выгрузки повторяются, наш сервис поможет автоматизировать расчёт и просмотр сегментов.

Как часто обновлять анализ?

При частых заказах может быть полезен еженедельный пересчёт; при длинном цикле достаточно более редких срезов. Каждый раз берите актуальные данные и фиксируйте окно, дату среза, шкалу и границы.

Можно ли считать RFM без дат?

Без информации о последней покупке нельзя содержательно оценить параметр Recency. Даже если система технически принимает агрегированный файл без дат, одинаковое условное R не отражает реальную давность. Для полноценного RFM-анализа подготовьте даты покупок.