Клиенты принимают решение о покупке согласно схеме «Петля лояльности». Работая с клиентской базой, мы сокращаем путь к сделке, за счет тригеров. RFM – сегментация позволяет разделить покупателей, на тех, кто имеет потенциал к повторной покупке, и тех, кто не имеет:
R - количество дней между сделками;
F - количество покупок;
M - доход с одного клиента на одну сделку.
Привет! Меня зовут Николай Мясников, я руковожу “Маркетинговой компанией ВИАТ”, специализируемся на разработке решений для роста продаж и прибыли, проводим исследования рынка для запуска стартапа или проекта, разрабатываем стратегии продвижения. Разберем подробнее, как работает RFM, на примере.
В интернет-магазин приходит четыре клиента с разной историей покупки.
Первый совершил 4 покупки за 1 год, каждую покупку раз в квартал. Таким образом, R для данного клиента будет равен 90 дней, F равен 4. Каждый раз клиент приобретал товар на сумму 5 600 руб., значит, М равен 1 400 руб. Такого клиента мы отнесем к категории “средний” и будем разрабатывать инструменты увеличения частоты покупок и среднего чека.
Второй клиент совершил у нас те же 4 покупки, но за 1 месяц, покупая каждую неделю. Его R составит 7 дней. Клиент становится для нас более ценным, и мы относим его к категории “лучший” вкладывая больше времени и ресурсов в развитие.
Третий клиент, так же как и второй, совершил 4 покупки за 1 месяц, но последняя покупка была 10 месяцев назад. Тогда его R составит 304 дня, а F останется 4. Такого клиента мы отнесем к категории “худший”.
Четвертый клиент совершает покупки раз в месяц. Его R равен 30, F равен 12. Но его чек при первой покупке составил 17 000 руб, на второй - 12 000 руб., на третьей 7 000 руб. и так он снижался каждый месяц и на последнем достигает 350 руб. Это значит, что отношение клиента к нам “деградировало” до уровня “ларька у дома”.
Проведя такую сегментацию по всей клиентской базе, разрабатываем следующие решения:
1. Мероприятия по усилению частоты и качества в обслуживании “лучших” и “средних” клиентов, снижение потерь.
2. “Разбудить” клиентов третьего типа (с высоким LTV) за счет стимулирующих мероприятий, либо выяснения причин ухода и снятия возражений;
3. Не тратить ресурсы на “худших” клиентов с низким LTV.
Автоматизируем RFM-сегментацию в CRM, запрограммировав действия системы на удержание клиентов, и оперативное выявление причин оттока за счет дополнительных исследований.
Поняв, какие клиенты нашего магазина увлечены рыбалкой, а какие туристическими походами, совершаем первый шаг к повышению релевантности рекламного предложения.
Далее каждый сегмент разделяем на подсегменты в зависимости от выбранных брендов и стоимости товара. Например, в сегменте походного туризма у нас будет два подсегмента: первый приобрел палатку Nova Tour за 16 500 руб. и трекинговые ботинки Bergson за 2 625 руб, второй - палатку Alexika за 63 199 руб. и трекинговые ботинки Nirfin за 8 244 руб.
Затем проводим когортный анализ по самым лояльным клиентам, анализируем, как меняется поведение покупателя при выборе товаров в течении продолжительного времени. Например, клиент приобретает новые трекинговые ботинки раз в 3 года, а снасти для удилища раз в 2 года.
Автоматизируем сегментацию в CRM-системе, которая учитывает поведение покупателей в режиме реального времени и автоматически формирует предложение по товарной категории для клиента. Маркетолог интернет-магазина с учетом рекомендации системы определяет товар для рассылки в качестве предложения и подготавливает сообщение.
