RFM Analysis

Определение

RFM-анализ — это метод сегментации клиентской базы, который оценивает каждого покупателя по трём независимым измерениям: Recency (давность последней покупки), Frequency (частота покупок) и Monetary (денежная ценность). Каждому клиенту присваивается балл по каждому измерению — обычно от 1 до 5, — после чего формируется трёхзначный код (например, 5-4-3). Этот код превращает абстрактную «лояльность» в измеримый и сегментируемый признак.

В отличие от простой сегментации по среднему чеку или географии, RFM отвечает на три ключевых вопроса одновременно: Когда клиент покупал в последний раз? Как часто он возвращается? Сколько денег он приносит? Именно сочетание этих трёх осей даёт практическую картину: клиент с высоким Monetary, но низким Recency — это «спящий кит», которого нужно реактивировать, а клиент с высоким Recency, но низким Frequency — новичок, которого нужно довести до повторной покупки.

Аналогия

Представьте, что вы держите кофейню в Москве. У вас есть три постоянных гостя:

- Анна заходила вчера, покупает каждое утро, берёт большой латте с сиропом. Это R5-F5-M4 — ядро вашей выручки.

- Дмитрий был здесь месяц назад, заходил три раза за год, но каждый раз оставлял по 3 000 ₽ на кофе и десерты для офиса. Это R2-F2-M5 — ценный, но остывающий клиент.

- Ольга купила один раз полгода назад капучино за 250 ₽ и больше не появлялась. Это R1-F1-M1 — «спящий» контакт.

RFM — это способ разложить всю вашу базу на такие «Анны», «Дмитрии» и «Ольги», чтобы не тратить бюджет на всех одинаково.

Формула и расчёт

Базовый RFM не имеет единой математической формулы — это скоринговая модель. Однако расчёт строится на трёх метриках:

R = дата_сегодня − дата_последней_покупки   (чем меньше, тем выше балл)
F = количество_заказов_за_период            (чем больше, тем выше балл)
M = сумма_всех_покупок_за_период            (чем больше, тем выше балл)

Каждая метрика разбивается на квинтили (5 групп по 20% клиентов) и получает балл от 1 до 5. Итоговый RFM-код — это конкатенация: RFM = R_score × 100 + F_score × 10 + M_score.

Пример расчёта для интернет-магазина косметики (период — 12 месяцев):

Пороговые значения квинтилей зависят от вашей базы. Для магазина с 10 000 клиентов границы могут выглядеть так: R5 — покупка за последние 7 дней, R4 — 8–30 дней, R3 — 31–90 дней, R2 — 91–180 дней, R1 — более 180 дней.

Сравнение с другими методами сегментации

RFM выигрывает там, где нужна быстрая операционная сегментация без сложной инфраструктуры. LTV и кохорты — следующий уровень, но RFM часто становится их фундаментом.

Применение в DTC и e-commerce

1. Реактивация «спящих» клиентов. Сегмент R1–R2 с высоким M (например, 2-1-5) — это бывшие VIP. Для них запускается персональная рассылка с эксклюзивным предложением. В российской практике хорошо работает триггер «Мы скучаем» с промокодом на 15% и бесплатной доставкой через СДЭК.

2. Программа лояльности для «чемпионов». Клиенты 555 и 554 получают ранний доступ к распродажам, подарочную упаковку, персонального менеджера. Это удерживает ядро выручки: по данным ритейла, 5% клиентов с RFM 5-5-5 могут давать до 30–40% оборота.

3. Onboarding новичков. Сегмент R5-F1-M1 — это покупатели после первой покупки. Задача — поднять Frequency: цепочка писем на 3-й, 7-й и 14-й день с рекомендациями на основе купленного товара.

4. Работа с маржей. Высокий M при низкой F (например, 2-1-5) сигнализирует о разовой крупной покупке — возможно, корпоративном заказе. Здесь работает не скидка, а персональный контакт и B2B-предложение.

5. Управление рекламой. RFM-сегменты загружаются в аудитории Яндекс.Директа и VK Рекламы. Например, сегмент 3-2-4 (тёплые, но нечастые) показывает лучший CTR на ретаргетинг с ограниченным по времени оффером.

Частые ошибки

Ошибка 1: единые пороги для всех. Если вы используете одинаковые границы R, F и M для товаров повседневного спроса и для мебели, сегментация теряет смысл. Для FMCG покупка раз в месяц — это норма, для мебели — раз в 3 года. Пороги нужно калибровать под категорию.

Ошибка 2: игнорирование сезонности. Recency, рассчитанный в декабре, будет искажён: многие клиенты покупали подарки и «сгорели» в R1, хотя в обычное время они активны. Решение — считать R относительно сезонного пика или использовать скользящее окно.

Ошибка 3: RFM без действия. Красивая таблица с сегментами бесполезна, если не настроены триггеры. Каждый сегмент должен иметь сценарий коммуникации: канал, оффер, частоту.

Ошибка 4: переоценка Monetary. В некоторых нишах (например, подписки) F важнее M: клиент с маленьким чеком, но ежемесячной оплатой ценнее разового крупного покупателя. Веса метрик можно менять: RFM-код превращается в взвешенный скор, например 0.4×R + 0.4×F + 0.2×M.

Ошибка 5: статичность. RFM-сегменты устаревают за 1–3 месяца. Без регулярного пересчёта (раз в месяц или квартал) вы работаете с прошлогодней картиной.

Связанные термины

- LTV (Lifetime Value) — прогноз совокупной прибыли от клиента; RFM часто используется как входной признак для LTV-моделей.

- Кохортный анализ — отслеживание групп клиентов по времени первой покупки; дополняет RFM динамикой удержания.

- CAC (Customer Acquisition Cost) — стоимость привлечения; сопоставление с RFM-сегментами показывает, какие каналы приводят «чемпионов», а какие — «спящих».

- Churn Rate — отток; сегмент R1 в RFM — это фактически зона риска оттока.

- Персонализация — использование RFM-кода для динамического контента на сайте и в рассылках.

- CDP (Customer Data Platform) — платформа, где RFM-скоринг автоматизируется и обновляется в реальном времени.