RFM-анализ

RFM-анализ — это анализ клиентов компании с целью их сегментации по ценности для бизнеса. Широко используется в маркетинге, директ-маркетинге и, особенно, в розничной торговле и сфере услуг.

RFM-анализ использует 3 измерения:

  • Recency (давность) — как давно клиент совершил последнюю покупку?
  • Frequency (частота) — как часто клиент совершал покупки?
  • Monetary (деньги) — сколько клиент тратит?

Запустить демо

Установить локально

Описание алгоритма

1. Исходные данные

а) Импорт данных

Таблица Клиенты:

Имя поля Метка поля
 date Дата покупки
 client ID клиента
 total Сумма покупки

2. RFM-анализ

а) Последняя покупка, Количество и Сумма

С помощью узла Группировка рассчитывается итоговая сумма и количество покупок, а также дата последней покупки для каждого клиента.

Настройка узла Группировка производится следующим образом:

  • Поле ID клиента перемещается в Группа
  • Поле Дата перемещается в Показатели, варианты агрегации Количество и Максимум
  • Поле Сумма перемещается в Показатели, вариант агрегации Сумма
б) Давность покупки

В данном примере с помощью входной переменной задано значение даты 01.01.2008.

В узле Давность покупки рассчитывается количество дней между заданной датой и датой последней покупки.

в) Квантование

С помощью узла Квантование производится разбиение клиентов на три группы в зависимости от давности покупки, количества покупок и суммы потраченных денег.

Таким образом, у каждого клиента будут свои значения Recency, Frequency и Monetary от 1 до 3. Если требуется более детальный анализ, можно увеличить количество групп, соответственно, значения будут от 1 до 5 или даже от 1 до 10.

Критерии присвоения значений для примера приведены в таблице:

Значение Давность покупки Количество покупок Сумма потраченных денег
1 больше 60 дней меньше 3 шт. меньше 500 000 руб.
2 от 30 до 60 дней от 3 до 10 шт. от 500 000 до 2 000 000 руб.
3 до 30 дней больше 10 шт. свыше 2 000 000 руб.
г) RFM

В узле RFM значения измерений Recency, Frequency и Monetary объединены в один столбец.

Анализируя результирующую таблицу, можно сделать вывод, чем больше значение RFM, тем клиент «ценнее», то есть часто совершает покупки на крупную сумму. Таким клиентам можно уделять особое внимание, например, устраивать закрытые распродажи или предлагать персональные скидки.


Сегментация клиентов по лояльности или RFM-анализ

Скачайте и откройте файл в Loginom. При необходимости Loginom CE можно скачать бесплатно

Скачать демопример

Минимальные требования к системе:

  • Операционная система: Windows 8.1 и выше.
  • CPU x64: 1 core.
  • Оперативная память: 1 GB.
  • Жесткий диск: 10 GB.