Система раннего предупреждения в вашей клиентской базе
В одном из прошлых уроков я рассказал вам про показатель Recency. Пришло время дополнить набор показателями Frequency и Monetary.
В этом уроке я приведу простой и элегантный способ использовать RFM анализ в ритейле для решения важных задач:
- сегментации клиентской базы по ценности клиентов
- мониторинга текущего состояния клиентской базы магазина
- выделения групп клиентов, с которыми необходимо провести отдельную работу
RFM анализ исходит из следующего предположения: клиенты с меньшей давностью покупок ( Recency), большей частотой (Frequency) и суммой трат (Monetary) обладают бОльшим потенциалом для совершения покупок.
И, наоборот, покупатели, не совершавшие покупки давно, с небольшими суммами и частотой покупок скорее всего не останутся с вами и с высокой вероятностью перейдут в статус «потерянные».
Но, до тех пор, пока этого не произошло, вы еще можете попробовать удержать важных для вашего бизнеса клиентов и поэтому нам важно обозначить срок, когда начинать беспокоиться.
Итак, классическое обобщенное определение аббревиатуры RFM Recency – Как давно ваш покупатель совершал покупку? Frequency – Как часто он покупает? Monetary – Как много он тратит денег?
Один из подходов, присвоить каждому из клиентов по каждому из измерений R, F и M рейтинг от 1 до 10.
Максимальный балл - 10 назначается покупателям с наиболее предпочтительным поведением. Для этого задается формула, например для Recency можно из 10 вычитать количество месяцев с момента последней покупки, для frequency - рейтинг может быть равен количеству покупок клиента с ограничением до 10 и так далее.
Альтернативный подход, не определять рейтинг, а использовать группировки. Его мы и рассмотрим подробнее.
В первую очередь, давайте разделим покупателей по давности и присвоим им не рейтинг, а сгруппируем по определенной логике.
Например, покупателей по давности покупки разделим на тех, кто совершил ее: Менее месяца назад От 1 до 3 месяцев От 3 до 6 месяцев От полугода до года От года до 2 лет Старше 2 лет
Что это нам дает? Разделив покупателей таким способом мы увидим сколько клиентов мы уже потеряли, какая доля клиентов находится “в пограничном состоянии”, я бы назвал его “зона риска”, а какой % покупательской базы недавно совершал у нас покупки и беспокойств пока не вызывает.
Однако не все покупатели одинаково ценны для нас. И далее мы этому же списку присвоим категорию, в зависимости от суммы их покупок.
Здесь мы не станем отдельно разбирать частоту их покупок и сумму (на самом деле сумма и частота сильно коррелируют между собой, ведь клиенты покупающие часто, как правило, и сумму покупок накапливают приличную).
Будем использовать показатель: траты клиента за год.
Как его рассчитать?
Суммируем покупки клиента и делим полученное значение на срок жизни (лет). Напомню, срок жизни - это количество полных лет между датой первой покупки клиента и текущей датой.
Можете поделить и на дни и на месяцы, но опытным путем я пришел к выводу, что делить удобнее на годы.
Привожу пример расчета:
Николаева Зина Ивановна совершила первую покупку 1 июня 2000 года, а текущая дата: 2 июня 2010 года. Всего за это время она совершила покупок на 1 млн. рублей. Таким образом, среднегодовые траты Зины Ивановны = 100 тыс. руб
Далее мы присваиваем всем покупателям соответствующую категорию по шкале среднегодовых трат, напр., Менее 10000 руб/год 10000–20000 руб/год 20000–30000 руб/год 30000–40000 руб/год 40000–50000 руб/год более 50000 руб/год
Естественно, пороги нужно подбирать индивидуально, в зависимости от специфики вашего магазина и с учетом характера распределения клиентов по среднегодовым тратам.
Подбирайте категории, которые позволят вам выделить VIP-ов с одной стороны и «мусорных» клиентов, с другой, а также избежать перекосов, когда в одном сегменте сконцентрировалась половина вашей базы, а в другом - единичные клиенты.
Проделав это упражнение мы получим таблицу вида:
Иванов; От 3 до 6 месяцев; 30000–40000 руб/год Петров; менее месяца; более 50000 руб/год Сидоров; От года до 2 лет; 10000–20000 руб/год
И т.д.
И далее мы создадим сводную таблицу, в которой в столбцы выведем группировку по давности, а в строки – по тратам (можно и наоборот), а в значениях – количество значений по любой из колонок. И получим замечательную, информативную и наполненную смыслом «фотографию» вашей клиентской базы на момент вывода данного расчета.
В полученной матрице содержится 36 ячеек, каждая из которых отражает сегмент клиентской базы.
Важное замечание. Чтобы правильно сформировать данный отчет, не забудьте корректно обработать возвраты. Я рекомендую полностью возвращенные покупки исключать из подсчетов.
Как следует читать данный отчет и какие выводы можно сделать на основании этих цифр?
Перед вами «снимок» реальной клиентской базы магазина одежды.
Итак, что мы видим:
Во-первых, значительное «расслоение» по критерию трат. В то время как многие покупатели совершают покупки на суммы менее 30 тыс. в год, некоторые клиенты превысили порог полмиллиона рублей в год. Магазин успешно работает с VIP-клиентами, вероятно, при этом не слишком много внимания уделяя покупателям из нижней части таблицы.
Если посчитать количество клиентов в «зеленой зоне», тех, кто приобретал товары за последние полгода, то окажется, что от общей численности такие покупатели составляют чуть более 25% (521 человек), из них очень крупных покупателей — 30.
Еще 359 клиентов оказались в “зоне риска”, они не совершали покупки уже более полугода и управляющий магазина должен постараться разобраться, каковы причины столь долгого перерыва в активности этих клиентов.
Если отследить «судьбу» почти четырех сотен человек довольно трудозатратно, то можно начать с верхней части таблицы. Ведь в «желтую зону» попали 6 человек, каждый из которых тратил ранее по полмиллиона в год. Если магазин потеряет таких клиентов, то будет недополучать 3 млн рублей выручки ежегодно, что может быть уже заметно.
Красная зона - покупатели, которые еще формально не являются потерянными, но вероятность этого события крайне велика. Как мы видим в этой зоне также находятся 5 VIP клиентов и 8 + 25 + 59 средних.
Ну и серая зона – в нее попадают клиенты, которые уже давно не активны и, в большинстве случаев, обычные попытки их реактивации не принесут положительных результатов, вы только впустую будете тратиться на рассылки.
Делать такой «снимок» я рекомендую 1 раз в квартал.
Тогда, ретроспективно сравнивая отчеты за разные даты, вы сможете отследить, расширяется ли у вас «зеленая» зона или «красная», вовремя диагностируете ситуацию с клиентами и сможете предпринимать верные действия по реактивации отдельных групп покупателей.
Вы будете понимать свой потенциал для будущих продаж, видя каким активом клиентов обладает магазин.
Также имейте в виду, что клиенты из верхней части «зеленой» зоны, как правило, не нуждаются в стимулировании: они уже лояльны магазину и будут совершать покупки и без ваших специальных предложений.
Все скидки и акции, которые вы им предлагаете, конечно же, будут ими встречены с благодарностью и в период проведения акции вы получите значительный временный всплеск продаж.
Типичная ошибка — гнаться за такого рода подъемом, ведь на самом деле вы просто «дарите» этим людям скидки на те покупки, которые с высокой вероятностью состоялись бы и без акции.
Напротив, сосредоточьте ваше внимание на желтой зоне, это менее отзывчивая и более сложная публика, и они менее охотно воспользуются вашими предложениями, так что и стимул должен быть серьезный, зато и выигрыш от возвращения крупного клиента в «зеленую зону» для магазина имеет огромное значение и принесет не кратковременный скачок в продажах а постоянный доход.
Таким образом, развивая клиентскую базу в несколько тысяч человек, в каждый момент времени мы можем держать в фокусе лишь несколько десятков и это под силу делать одному администратору магазина. Разве это не здорово?
Стоит отметить, что подобные снимки можно и нужно рассматривать не только по всем клиентам, но и по отдельным сегментам, например, отдельно по мужчинам и женщинам, отдельно по разным возрастным когортам и т п