RFM-анализ разделяет клиентскую базу на сегменты по трём параметрам покупательского поведения: давность последней покупки, частота заказов и суммарный чек. Это один из немногих инструментов аналитики, который не требует данных о возрасте, поле или интересах покупателей — только история транзакций. Результат: чёткое понимание того, кто из клиентов приносит реальные деньги, кто уходит и кого можно вернуть.
Что такое RFM и откуда берутся три параметра
RFM расшифровывается как Recency, Frequency, Monetary value. Каждый параметр описывает отдельный аспект поведения покупателя.
Recency (давность) — сколько дней прошло с последней покупки. Чем меньше дней, тем выше балл. Во многих отраслях Recency считается одним из самых сильных предикторов повторной покупки, хотя значимость каждого параметра зависит от специфики бизнеса: покупатель, который заказывал неделю назад, с гораздо большей вероятностью купит снова, чем тот, кто не появлялся восемь месяцев.
Frequency (частота) — сколько раз клиент покупал за выбранный период. Кто-то оформил один заказ два года назад, а кто-то покупает каждые три недели. Разница в поведении принципиальная, даже если оба потратили одинаковую сумму.
Monetary value (денежный вклад) — общая сумма покупок за период. Этот параметр показывает финансовую ценность клиента, но сам по себе может быть обманчив: одна крупная покупка не означает лояльности.
Стандартный подход: каждому клиенту присваивают баллы от 1 до 5 по каждому параметру (5 — лучший результат), после чего получается трёхзначный код вроде 5-4-5 или 1-2-1. Эти коды группируются в именованные сегменты с конкретными стратегиями работы.
Почему это важно именно сейчас
По данным Bain & Company, увеличение удержания клиентов всего на 5% повышает прибыль на 25–95% в зависимости от отрасли. По оценкам Harvard Business Review, в зависимости от отрасли привлечение нового клиента может обходиться в 5–25 раз дороже удержания существующего.
Проблема большинства интернет-магазинов в том, что они не делают различий между покупателями. Email-рассылка с промокодом уходит всей базе: и тем, кто заказывал вчера, и тем, кто не открывал письма два года. Первые купят и без скидки — вы просто срезаете маржу. Вторые не купят даже с 30% дисконтом, если вообще не откроют письмо.
RFM-анализ решает именно эту задачу: он позволяет не тратить бюджет на сегменты, где воздействие бессмысленно, и сконцентрировать усилия там, где конверсия реальна.
Как провести RFM-анализ: пошаговый разбор
Шаг 1. Подготовьте данные
Вам нужна таблица с тремя столбцами для каждого клиента:
- дата последней покупки
- количество заказов за выбранный период (обычно 12 месяцев)
- суммарная сумма заказов за тот же период
Источники: выгрузка из CRM, административная панель платформы (Shopify, WooCommerce и другие), либо Google Analytics 4 с настроенными транзакциями. Для небольших магазинов достаточно Excel или Google Sheets.
Шаг 2. Присвойте баллы
Отсортируйте клиентов по каждому параметру и разбейте на пять равных групп (квинтили). Группе с лучшим показателем — балл 5, с худшим — балл 1.
Пример для параметра Recency: если у вас 500 клиентов, отсортируйте их по дате последней покупки от новейшей к старейшей. Первые 100 получают R=5, следующие 100 — R=4 и так далее.
Важный нюанс: для Recency высокий балл означает недавнюю покупку (меньше дней), для Frequency и Monetary — высокое значение показателя.
Шаг 3. Сформируйте сегменты
Трёхзначный RFM-код каждого клиента указывает на его сегмент. Вот основные из них:
Что делать с каждым сегментом
Сегментация бессмысленна без конкретных действий под каждый профиль.
Champions (5-5-5) — ваш самый ценный актив. Не нужно постоянно давать им скидки: они и так покупают. Вместо этого предложите им ранний доступ к новинкам, участие в программе лояльности или возможность стать голосом бренда. Эти покупатели охотно оставляют отзывы и рекомендуют магазин.
Loyal Customers (4-4-4) — стабильная база. Задача — не упустить их в категорию At Risk. Работайте с персонализированными рекомендациями, настраивайте кросс-продажи на основе истории покупок.
Potential Loyalists (5-2-3) — купили недавно, но привычки ещё не сформированы. Здесь работает приветственная серия писем с контентом о бренде, программа лояльности с бонусами за вторую покупку, мягкие напоминания.
At Risk (2-4-3) — самый критичный сегмент для интервенции. Люди, которые раньше были активны, но перестали покупать. Причина может быть в конкуренте, в негативном опыте или просто в смене привычек. Здесь оправданы персональные письма с признанием их ценности и конкретным поводом вернуться: не шаблонный «Мы скучаем по тебе», а предложение, привязанное к тому, что они покупали раньше.
Can't Lose Them (1-5-5) — бывшие чемпионы, которые исчезли. Высокий приоритет для win-back кампаний. По данным Omnisend 2025 Ecommerce Marketing Report (анализ 24 млрд писем): автоматизированные письма обеспечивают 37% всех email-продаж при объёме всего 2% от общего количества отправок. Для сегмента Can't Lose Them многоканальная last-chance последовательность (email + SMS) оправдана финансово.
New Customers (5-1-1) — только пришли. Первые 30–60 дней определяют, станут ли они Loyal Customers или уйдут навсегда. Приветственная последовательность, инструкция по использованию продукта, напоминание завершить профиль — всё это снижает вероятность единственной покупки.
Hibernating (1-1-1) — здесь стоит честно оценить стоимость реактивации. Если сегмент большой, попробуйте одну кампанию с сильным оффером и посмотрите на конверсию. Тех, кто не реагирует, лучше вывести из активной рассылки: это снижает стоимость отправок и сохраняет репутацию домена.
Где делать RFM-анализ: инструменты
Excel / Google Sheets — подходит для баз до 5–10 тысяч клиентов. Формулы RANK или квинтильное деление через PERCENTILE дают рабочий результат за несколько часов. Бесплатно, прозрачно, легко объяснить команде.
Klaviyo, Omnisend, eSputnik — email-платформы с встроенной RFM-сегментацией. Сегменты обновляются автоматически, можно сразу запускать триггерные сценарии без ручного пересчёта.
Google Looker Studio + BigQuery — для магазинов с большими объёмами данных. Гибко, масштабируемо, но обычно требует технической настройки и базовых навыков работы с данными.
Shopify Analytics и Shopify Reports, WooCommerce с плагинами типа Metorik — часть функций RFM доступна «из коробки» без сторонних инструментов.
Распространённые ошибки
Один период для всего магазина. Если вы продаёте сезонный товар (например, садовое оборудование), клиент с покупкой в мае прошлого года — это нормально, а не признак оттока. Подбирайте период анализа под цикл покупки вашей категории.
Слишком много сегментов. Теоретически из RFM-кодов можно сделать 125 сегментов (5×5×5). На практике достаточно 6–8 с реальными сценариями коммуникации. Больше — значит никто не следит.
Сделали один раз и забыли. RFM — не разовая акция, а регулярный срез. Клиенты мигрируют между сегментами: Champions со временем становятся At Risk, New Customers — Loyal или Hibernating. Пересчёт раз в квартал — минимальная частота.
Одинаковые скидки всем «рискованным». Клиент из At Risk с историей покупок на €2000 и клиент с историей на €80 требуют разных подходов и разного бюджета на удержание.
FAQ
Нужна ли большая база, чтобы RFM-анализ имел смысл?
На практике полезные сегменты можно получить уже при нескольких сотнях транзакций в год — точный порог зависит от частоты покупок в вашей категории. При маленькой базе квинтили содержат мало клиентов, поэтому можно использовать три группы вместо пяти.
Как часто нужно пересчитывать сегменты?
Для активного магазина — раз в квартал. Для быстро растущих или с высокой частотой покупок (продукты, косметика) — раз в месяц. Разовый пересчёт даёт снимок, но не систему.
Что делать, если сегмент At Risk очень большой?
Это сигнал проблемы в продукте или сервисе, а не в маркетинге. Большая доля уходящих клиентов означает, что что-то в опыте покупки не работает: слишком долгая доставка, некачественная упаковка, плохая постпродажная коммуникация. Начните с опроса этого сегмента.
Можно ли использовать RFM для B2B интернет-магазина?
Да, но периоды другие. В B2B цикл покупки длиннее, поэтому «давность» в 60 дней может быть нормой, а не сигналом оттока. Настраивайте пороги под реальный цикл вашего рынка.
RFM или LTV: что выбрать?
Это не конкуренты. RFM — инструмент сегментации на основе прошлого поведения, LTV (lifetime value) — прогноз будущей ценности. RFM проще рассчитать и легче объяснить команде. LTV точнее для инвестиционных решений. Оптимально: начать с RFM, затем добавить предиктивный LTV по мере роста аналитической зрелости.
Нужна помощь с настройкой RFM-сегментации или выбором инструментов для вашего магазина? Напишите нам — разберём вашу ситуацию конкретно.
