Введение

RFM — это метод, используемый для анализа ценности клиентов и сегментации клиентской базы, широко применяемый в маркетинге баз данных и прямом маркетинге. Он получил особое распространение в розничной торговле и сфере профессиональных услуг. RFM расшифровывается как три параметра:
Недавность – Как давно клиент совершил последнюю покупку? Частота – Как часто клиент совершает покупки? Денежная ценность – Какую сумму клиент потратил?

Основная модель

Покупки клиентов могут быть представлены таблицей с колонками для имени клиента, даты покупки и стоимости покупки. Существует множество подходов к количественному определению RFM-значений, и лучшие подходы будут зависеть от пути клиента и бизнес-модели. Один из подходов к RFM – присвоение баллов для каждого измерения по шкале от 1 до 10. Максимальный балл представляет желаемое поведение, и формула может быть использована для расчета трех баллов для каждого клиента. Например, компания, предоставляющая услуги, может использовать следующие расчеты:

Недавность = 10 – количество месяцев, прошедших с момента последней покупки клиента. Компании также могут решить объединить некоторые подсегменты, если градации кажутся слишком незначительными, чтобы быть полезными. Полученные сегменты могут быть упорядочены от наиболее ценных (наибольшая недавность, частота и ценность) до наименее ценных (наименьшая недавность, частота и ценность). Выявление наиболее ценных RFM-сегментов может опираться на случайные взаимосвязи в данных, используемых для этого анализа. По этой причине настоятельно рекомендуется использовать другой набор данных для валидации результатов процесса RFM-сегментации. Сторонники этой методики отмечают ее простоту: не требуется специализированное статистическое программное обеспечение, а результаты легко понятны специалистам. В отсутствие других методов таргетинга, она может повысить эффективность рекламных кампаний.

Использование

RFM широко используется для сегментирования клиентов в каталоговой индустрии. Brynjolfsson et al. (Бриньольфссон и др.) применяют его для анализа поведения при интернет-поиске и совершении покупок.

Вариации

RFD – Recency, Frequency, Duration – это модифицированная версия RFM-анализа, которую можно использовать для анализа поведения потребителей бизнес-продуктов, ориентированных на просмотры, чтение или онлайн-активность. (Например, время, проведенное пользователями на Википедии).

RFE – Recency, Frequency, Engagement – это расширенная версия RFD-анализа, где Engagement (вовлеченность) может определяться как продолжительность посещения, количество страниц, просмотренных за одно посещение, или другие подобные метрики. RFM I – Recency, Frequency, Monetary Value – Interactions – это версия RFM-фреймворка, модифицированная для учета давности и частоты маркетинговых взаимодействий с клиентом (например, для контроля возможных негативных эффектов слишком частых рекламных кампаний). RFMTC – Recency, Frequency, Monetary Value, Time, Churn rate – это расширенная модель RFM, предложенная Yeh et al. (2009). Модель использует последовательность Бернулли из теории вероятностей и создает формулы для расчета вероятности совершения покупки клиентом в следующей рекламной или маркетинговой кампании. Эта модель была реализована Александросом Иоаннидисом для таких наборов данных, как Blood Transfusion и CDNOW.