Классификация клиентской базы на основе RFM-анализа в 1С

13 500 

Описание

Отчет RFM-анализ клиентов предназначен для сегментирования базы клиентов на следующие сегменты:

  • Лучшие
  • Лучшие из лучших
  • С большим потенциалом
  • Новые
  • Лояльные
  • Почти потерянные
  • Потерянные
  • Потерянные лучшие

Настройка отчета

Настройки отчета заданы по умолчанию (рисунок 1). При необходимости можно изменить стандартные диапазоны давности покупки (R), частоты покупок (F) и денежной ценности покупок (M) в зависимости от индивидуальных особенностей организации.

RFM Анализ клиентов
RFM Анализ клиентов. Рис.1

Сформированный отчет (рисунок 2) содержит список клиентов, сгруппированных по сегментам (с указанием их количества в сегменте), а также представлены количество месяцев с последней покупки, количество и сумма покупок за все время, а также значения R, F и M.

Отчет RFM - анализ клиентов
Отчет RFM — анализ клиентов. Рис.2

В отчете также выводится диаграмма, которая наглядно демонстрирует разбиение клиентской базы на сегменты и их процентное отношение.

Отчет RFM - анализ клиентов
Отчет RFM

В зависимости от количества организаций и подразделений в системе, можно настроить отчет для получения детальной информации по каждому из них. Для этого разработаны 4 варианта отчета:

Выбор варианта отчета
Интерфейс выбора варианта отчета
  1. RFM-анализ (без группировки) — выводятся общие данные по всем организациям и подразделениям без группировок.
  1. RFM-анализ (группировка по организациям и подразделениям) — выводятся данные с группировкой по организациям и их подразделениям.
RFM-анализ
RFM-анализ
  1. RFM-анализ (группировка по организациям) — выводятся данные только с группировкой организациям, подразделения не выводятся.
RFM-анализ (группировка по организациям)
RFM-анализ (группировка по организациям)
  1. RFM-анализ (группировка по подразделениям) — выводятся данные только по подразделениям без учета принадлежности к организаций.
RFM-анализ (группировка по подразделениям)
RFM-анализ (группировка по подразделениям)

В каждом варианте отчета можно сделать отбор по нужной организации и подразделению.

Для чего нужен RFM именно вам?

Каждый предприниматель в процессе развития бизнеса сталкивается с вопросом: как сделать своего клиента более лояльным и не дать ему уйти к конкуренту?

Существует два типа данных, которые можно узнать о покупателях: кто они такие (демографические данные) и что они делают (поведенческие данные). Как правило, маркетологи пытаются предугадать именно поведение клиентов. Ведь если вы планируете продать товар или услугу своим клиентам, то знание, что кто-то из них недавно приобрел несколько предметов общей стоимостью 10000 рублей, ценнее, чем знание их возраста, дохода, семейного положения или другой подобной информации.

Обычно для предсказания поведения клиентов специалисты по директ-маркетингу используют RFM-анализ. Главным становится вопрос, как формализовать размер пользы, принесенной каждым клиентом. Для этой цели изучаются три показателя:

  • Recency — давность продажи (сколько времени прошло с момента последней покупки клиента); 
  • Frequency — частота покупок (общее количество покупок в периоде);
  • Monetary — сумма продаж за всю историю (иногда используют средний чек).
Параметры RFM-анализа
Рисунок 1. Параметры RFM-анализа

Причем, показатель Monetary не обязательно привязывать к деньгам. Это может быть любой фильтр, наложенный на основные показатели этого метода: Давность и Частота. Монетизацию не всегда удается свести к покупкам. Например, для информационного портала можно взять время просмотра страницы или глубину просмотра страниц на сайте.

Как правило, процент покупателей, реагирующий на общие рекламные предложения, невелик. RFM-анализ – это простой и, в  то же время, эффективный метод. Используя его, можно предсказать реакцию покупателя, улучшить взаимодействие и повысить прибыль. В зависимости от принадлежности клиента к одной из выделенных групп применяются разные способы воздействия.  Важность показателей ранжируется согласно последовательности: Давность, Частота, Сумма продаж.

Применение RFM для базы данных частных клиентов

Рассмотрим небольшую компанию по продаже учебных пособий, которая использовала RFM-анализ для извлечения максимальной прибыли с каждого покупателя. Ежегодно лето всем клиентам рассылались письма с предложением приобрести их продукцию. Затраты на рассылку составляли 15 руб. на одно письмо, прибыль же от каждой продажи — 550 руб. Таким образом, чтобы оправдать затраты на рассылку, необходимо получать более 3% откликов. Но на протяжении нескольких лет доля откликов не превышала 1,6%, что не давало прибыли. Применив RFM, всю существующую базу данных клиентов разбили по 125 ячейкам (5х5х5) и определили долю откликов по каждой из ячеек. Далее рассылку писем стали осуществлять по ячейкам с долей откликов более 3%, что позволило компании в итоге получить прибыль.

Разделение клиентской базы на сегменты
Рисунок 2. Разделение клиентской базы на сегменты

Применение RFM для базы данных корпоративных клиентов

Рассмотрим применение RFM-анализа к базе данных корпоративных клиентов. Такая база, в большинстве случаев, гораздо меньше базы частных клиентов, и можно прибегнуть к сокращению количества групп. Например, для базы в 10000 записей 125 ячеек RFM-анализа будут иметь всего 80 записей в каждой ячейке, а этого мало для получения статистических результатов. Сократим количество RFM-ячеек до 20 с уменьшенным количеством групп, отсортированных по Частоте и Сумме продаж. Например, 5 — по Давности покупки, 2 — по Частоте и 2 — по Сумме продаж.

Сокращенный RFM-анализ
Рисунок 3. Сокращенный RFM-анализ

В теории RFM-анализа предполагается очень простой механизм разделения Давности, Частоты и Суммы продаж по сегментам: отсортировать все контакты и разбить на 5 равных групп для каждого показателя. Этот способ работает и помогает разбить всех клиентов относительно друг друга на: 

  • покупали только что
  • недавно
  • давно
  • очень давно

Но на практике возникает проблема изменения этих показателей во времени.

Анализ клиентской базы.Видео:

Бизнес растет по мере увеличения клиентской базы и укрепления взаимоотношений с потребителями. В связи с этим, все более актуальной становится задача знать своего клиента «в лицо». В этом помогут вам наши отчеты и разработки

Дополнительная информация

  • Код открыт
  • Подходит для конфигураций Управление торговлей 10.3, Управление Торговлей 11, Розница 1, Розница 2, Комплексная автоматизация, Комплексная автоматизация 2.0
  • Поставляется в виде внешней обработки, интеграция в 1С не включена
  • По дополнительной договорённости модуль может быть доработан под ваши нестандартные требования
ПОДЕЛИТЕСЬ ЭТОЙ СТАТЬЕЙ:
О ТОВАРЕ
Название:

Классификация клиентской базы на основе RFM-анализа в 1С

Цена
13500 RUB
Наличие
В наличии