Меня зовут Максим, я веб-разработчик. Одна из задач, с которой ко мне всё чаще обращаются владельцы интернет-магазинов — сегментация клиентской базы. И первое, что я советую сделать — RFM-анализ. Он прост в реализации, не требует дорогих инструментов и даёт результаты, которые можно сразу применить. За последние пару лет я внедрял RFM-сегментацию на пяти проектах — и каждый раз это приводило к заметному росту повторных покупок. Расскажу подробно, как это работает, как настроить и какие подводные камни ждут на практике.

Что такое RFM

RFM — аббревиатура из трёх метрик:

Recency (давность) — сколько времени прошло с последней покупки клиента. Чем меньше — тем лучше. Клиент, который купил вчера, с гораздо большей вероятностью купит снова, чем тот, кто заказывал год назад.

Frequency (частота) — сколько всего покупок сделал клиент. Чем больше — тем лучше. Повторные покупки — это показатель лояльности и удовлетворённости.

Monetary (сумма) — сколько денег клиент потратил за всё время. Чем больше — тем ценнее. Но тут важно не путать «много заказов на маленькие суммы» и «один крупный заказ» — это разные типы клиентов, и работать с ними нужно по-разному.

Каждому клиенту по каждой метрике присваивается балл от 1 до 5 (или от 1 до 3 — зависит от размера базы). В итоге получается трёхзначный код: например, «555» — идеальный клиент (покупал недавно, часто, много), а «111» — давно забывший про вас покупатель.

Красота RFM в его простоте. Вам не нужны навыки в машинном обучении, не нужны дорогие платформы. Достаточно таблицы с заказами — и через пару часов у вас есть полная картина клиентской базы. При этом точность сегментации получается высокой: RFM основан на реальном поведении (покупки), а не на предположениях или демографии.

Зачем это нужно бизнесу

Типичная ситуация: у интернет-магазина база из 10 000 email-адресов. Владелец шлёт одинаковую рассылку всем — и получает 2% открытий и 0.3% переходов. Потому что письмо про новую коллекцию не нужно тому, кто купил один раз два года назад и забыл про магазин.

RFM-анализ позволяет разделить базу на группы и работать с каждой по-своему. Это не теоретическая абстракция — это прямой рост выручки.

Поделюсь реальным примером. Интернет-магазин товаров для дома с базой около 12 000 клиентов. До RFM-сегментации рассылка приносила около 80 000 рублей в месяц. После разделения базы на сегменты и настройки разных цепочек писем — выручка от email-канала выросла до 230 000 рублей в месяц. Рост почти в три раза — и это без увеличения бюджета, просто за счёт правильного обращения к разным группам клиентов.

Ещё один эффект, который часто упускают: RFM помогает увидеть здоровье клиентской базы в динамике. Если доля «засыпающих» клиентов растёт из месяца в месяц — это сигнал проблемы: вы теряете аудиторию быстрее, чем привлекаете. Если растёт доля «чемпионов» — бизнес развивается правильно.

Основные сегменты и стратегии работы

Давайте подробнее разберём каждый ключевой сегмент.

«Чемпионы» (555, 554, 545) — ваши лучшие клиенты. Покупают часто, недавно и на крупные суммы. Это ядро вашего бизнеса: по принципу Парето, 20% таких клиентов генерируют 60–80% выручки. Стратегия: эксклюзивные предложения, ранний доступ к новинкам, персональные бонусы, приглашения в закрытый клуб. Не перегружайте их скидками — они и так покупают. Лучше дайте ощущение избранности. Попросите оставить отзыв или стать амбассадором — они с высокой вероятностью согласятся.

«Лояльные» (X4X, X5X с разным R) — покупают регулярно, но, возможно, не на самые большие суммы. Стратегия: программа лояльности, кэшбэк, бесплатная доставка при заказе от определённой суммы (мягко подталкивает к увеличению среднего чека). Рекомендации сопутствующих товаров — работают отлично именно в этом сегменте.

«Перспективные новички» (5X1, 4X1) — совершили первую покупку недавно. Это критический момент: конвертация в повторного покупателя — самая сложная задача. По статистике, если клиент совершает вторую покупку, вероятность третьей вырастает в 4–5 раз. Стратегия: welcome-цепочка, помощь с выбором, стимул ко второй покупке (скидка на второй заказ, бесплатная доставка). Очень важно не упустить окно — я обычно рекомендую отправлять предложение второй покупки в течение 7–14 дней после первой.

«Засыпающие» (2XX, 3XX с низкой частотой) — давно не покупали, но когда-то были активными. Стратегия: реактивационная цепочка. Три письма с нарастающей выгодой. Первое — напоминание: «Мы заметили, что вы давно не заходили». Второе через неделю — скидка 10%: «Специально для вас». Третье ещё через неделю — скидка 20% и фраза «Последний шанс». По моему опыту, реактивация возвращает 5–15% «засыпающих» клиентов — и каждый из них стоит значительно дешевле, чем привлечение нового.

«Потерянные» (111, 112, 121) — не покупали очень давно, покупали мало и редко. Последний шанс — агрессивное предложение или честное признание, что клиент ушёл. Иногда лучше отпустить: если после трёх реактивационных попыток клиент не вернулся — исключите его из активной базы рассылок. Это улучшит показатели доставляемости писем и защитит ваш домен от попадания в спам-листы.

«Крупные одноразовые» (1X5, 2X5) — совершили одну крупную покупку и пропали. Интересный сегмент: возможно, им просто не нужны повторные покупки (например, купили стиральную машину). Стратегия: предложите аксессуары, расходники, сервисное обслуживание. Если тематика магазина подразумевает регулярные покупки — выясните, почему не вернулись (опрос, звонок).

Как провести RFM-анализ в Excel

Для малого магазина с базой до 50 000 клиентов Excel справляется отлично.

Шаг 1: Выгрузите данные о заказах из CMS или CRM. Нужны три столбца: ID клиента (или email), дата заказа, сумма заказа. Не включайте отменённые заказы и возвраты — они искажают картину.

Шаг 2: Для каждого клиента рассчитайте три метрики. R — количество дней с последнего заказа до сегодняшнего дня. F — общее количество оплаченных заказов. M — общая сумма оплаченных заказов.

Шаг 3: Разделите каждую метрику на 5 равных групп (квинтилей). Для Recency: клиенты с самой маленькой давностью получают R=5, с самой большой — R=1. Для Frequency и Monetary — наоборот: максимальные значения получают 5. В Excel для этого удобно использовать функцию PERCENTILE для определения границ групп, а затем вложенные IF для присвоения баллов.

Шаг 4: Объедините баллы в RFM-код. Просто сконкатенируйте три цифры: =R&F&M. Теперь у каждого клиента есть трёхзначный балл.

Шаг 5: Сгруппируйте клиентов по сегментам и подсчитайте ключевые показатели: количество клиентов в сегменте, долю от общей базы, суммарную выручку сегмента, средний чек. Эти цифры покажут, где сосредоточена ценность вашей базы.

Весь процесс в Excel занимает 2–3 часа при первом выполнении. Если делаете повторно — можно автоматизировать через формулы и обновлять ежемесячно за 15 минут.

RFM + ретаргетинг: мощная связка

Помимо email-маркетинга, RFM-сегменты можно использовать для настройки рекламы. Вот как я это делаю на практике.

Загружаю сегменты клиентов в Яндекс Аудитории (через хешированные email или телефоны). Для каждого сегмента создаю отдельную кампанию в Яндекс Директе с разными креативами и ставками.

Для «засыпающих» — ретаргетинг с персональным предложением: «Давно не заходили? Скидка 15% только для вас». Для «чемпионов» — реклама новинок и премиальных товаров (они готовы платить больше). Для «перспективных новичков» — напоминание о бренде и стимул ко второй покупке.

Результат на одном из проектов: стоимость повторной покупки через ретаргетинг по RFM-сегментам оказалась в 4 раза ниже, чем стоимость привлечения нового клиента через обычный контекст. Это логично: мы показываем рекламу людям, которые уже знают бренд и совершали покупки — конверсия у них в разы выше.

Аналогичная механика работает в рекламе ВКонтакте: загружаете списки в рекламный кабинет, создаёте look-alike аудитории на основе «чемпионов» — и получаете новых клиентов, похожих на ваших лучших покупателей.

RFM в связке с email-маркетингом

Самый прямой способ монетизировать RFM — разные рассылки для разных сегментов.

Для «чемпионов» я рекомендую клиентам отправлять персональные подборки товаров, приглашения в закрытые распродажи, просьбы оставить отзыв (они лояльны и с большей вероятностью напишут).

Для «засыпающих» — реактивационные цепочки: 3 письма с нарастающей скидкой. Первое — напоминание. Второе через неделю — скидка 10%. Третье ещё через неделю — скидка 20% и фраза «Последний шанс».

Для «новичков» — welcome-серию с рассказом о бренде, хитами продаж и стимулом ко второй покупке.

По моему опыту, сегментированные рассылки на основе RFM дают в 3–5 раз больше конверсий, чем массовая рассылка «для всех». А ещё они улучшают репутацию вашего домена у почтовых сервисов: когда люди открывают и кликают по письмам (потому что письмо релевантно), ваши будущие рассылки реже попадают в спам.

Отдельно отмечу: для каждого сегмента нужен свой тон коммуникации. «Чемпионам» пишите как старому другу — они знают вас и ценят. «Новичкам» — представьтесь, расскажите о преимуществах, покажите лучшие товары. «Засыпающим» — будьте честны: «Мы заметили, что вы давно не покупали. Может, что-то не устроило? Вот скидка, чтобы вернуться».

Связь RFM с LTV и юнит-экономикой

RFM-анализ естественным образом связывается с расчётом LTV (пожизненной ценности клиента). Если вы знаете средний RFM-профиль своего клиента — вы можете прогнозировать его будущую ценность.

Например, клиент с профилем 5-3-3 (купил недавно, средняя частота, средняя сумма) с высокой вероятностью продолжит покупать. Его прогнозный LTV можно рассчитать на основе исторических данных клиентов с аналогичным профилем.

Это даёт ответ на ключевой вопрос бизнеса: сколько можно потратить на привлечение одного клиента? Если средний LTV «чемпиона» — 50 000 рублей, а стоимость привлечения — 2 000 рублей, экономика сходится с огромным запасом. Если LTV «одноразового» клиента — 3 000 рублей, а привлечение стоит 2 500 — маржа почти нулевая.

RFM помогает определить, каких именно клиентов вы привлекаете и куда направить маркетинговый бюджет. Имеет смысл инвестировать в каналы, которые приводят потенциальных «чемпионов», а не «одноразовых» покупателей.

Инструменты для автоматизации

Если база растёт и ручной анализ в Excel становится неудобным, есть несколько вариантов.

Mindbox — CDP-платформа с встроенным RFM-модулем. Автоматически обновляет сегменты и запускает триггерные рассылки. Для среднего и крупного e-commerce — одно из лучших решений на российском рынке. Стоимость начинается от 30 000–50 000 рублей в месяц, но при базе от 10 000 клиентов окупается быстро.

RetailCRM — CRM для интернет-магазинов с RFM-сегментацией. Менее мощная, чем Mindbox, но дешевле и проще в настройке. Хороший вариант для магазинов с оборотом до 5–10 млн рублей в месяц.

1С:CRM или Битрикс24 — если вы уже работаете в экосистеме 1С, имеет смысл настроить RFM прямо там. Функционал базовый, но для старта хватает.

DataLens + ClickHouse — для тех, кто хочет строить RFM самостоятельно, но с красивой визуализацией и дашбордами. Я делал такую связку для одного клиента — данные из CMS загружаются в ClickHouse ежедневно, RFM-баллы пересчитываются автоматически, результат визуализируется в DataLens. Работает стабильно и стоит копейки (облачный ClickHouse + бесплатный DataLens).

Google Sheets + Apps Script — бесплатный вариант для маленьких магазинов. Скрипт забирает данные из CMS по API, считает RFM, обновляет таблицу. Я писал такой скрипт для клиента с базой в 3 000 клиентов — работает надёжно.

Ошибки, которые я вижу

Слишком мелкая нарезка. Если у вас 500 клиентов — не делите на 5 групп по каждой метрике. Получите 125 сегментов по 4 человека — это бессмысленно. Для маленькой базы хватит 3 балла (1–3). Правило: если в сегменте меньше 30 клиентов — нарезка слишком мелкая.

Одноразовый анализ. RFM нужно обновлять минимум раз в месяц. Клиенты перемещаются между сегментами — «чемпион» через полгода без покупок становится «засыпающим». Я рекомендую настроить автоматическое обновление или хотя бы поставить напоминание в календарь.

Игнорирование сезонности. Если ваш магазин продаёт ёлочные игрушки — клиент, который покупает раз в год в декабре, не является «потерянным» в июне. Учитывайте специфику бизнеса при интерпретации данных. Для сезонных бизнесов я корректирую пороги Recency: вместо «180 дней = потерянный» ставлю «400 дней = потерянный».

Одинаковые пороги для разных бизнесов. Нет универсальных границ для RFM-баллов. Для продуктового магазина «покупал 7 дней назад» — это норма. Для мебельного магазина «покупал 7 дней назад» — это только что. Пороги нужно калибровать под ваш бизнес-цикл.

Фокус только на «чемпионах». Да, они самые ценные. Но потенциал роста — в конвертации «новичков» в «лояльных» и в реактивации «засыпающих». Именно эти переходы между сегментами дают основной прирост выручки.

Игнорирование метрики Monetary. Некоторые владельцы магазинов делают упрощённый RF-анализ без учёта суммы. Это ошибка: клиент, который часто покупает на 500 рублей, и клиент, который часто покупает на 15 000 рублей, требуют разных подходов.

Что делать после первого RFM-анализа

Первый RFM-анализ — это диагностика. Вы увидите текущее состояние базы и определите приоритеты. Дальше нужно действовать.

Первые две недели: настройте разные рассылки для трёх ключевых сегментов — «чемпионы», «засыпающие» и «новички». Это даст быстрый результат.

Первый месяц: загрузите сегменты в рекламные платформы (Яндекс Аудитории, ВКонтакте) для ретаргетинга. Создайте look-alike на основе «чемпионов».

Второй месяц: сравните RFM-распределение с прошлым месяцем. Сколько клиентов «переехало» между сегментами? Растёт ли доля лояльных? Уменьшается ли отток?

Третий месяц и далее: автоматизируйте процесс. Настройте регулярное обновление RFM-баллов и триггерные коммуникации для каждого сегмента.

RFM-анализ — один из тех инструментов, которые дают максимум отдачи при минимальных вложениях. Начните с Excel, посмотрите на результаты — и решите, стоит ли инвестировать в автоматизацию. По моему опыту, ответ почти всегда «да», потому что разница между «рассылать всем одно и то же» и «говорить с каждым сегментом на его языке» — это разница между стагнацией и ростом. Если нужна помощь с настройкой RFM и интеграцией с CRM или сайтом — обращайтесь, помогу разобраться и автоматизировать.