RFM-анализ: как сегментировать клиентов по покупкам

Что такое RFM и зачем он нужен

RFM — способ разделить клиентскую базу по реальному поведению, а не по анкетным данным. Каждый клиент получает три оценки:

• Recency (R) — сколько дней прошло с последней покупки. Чем меньше, тем выше оценка.
• Frequency (F) — сколько покупок клиент сделал за выбранный период.
• Monetary (M) — сколько денег он потратил за тот же период.

Обычно каждую метрику переводят в шкалу от 1 до 5. Клиент с кодом 555 недавно покупал, делает это часто и тратит много. Клиент 155 когда-то был лучшим, но давно пропал — его важно вернуть.

Смысл метода в том, что одно и то же сообщение не подходит всем. Скидка постоянному клиенту съедает маржу, а «спасибо за лояльность» новичку звучит странно.

Какие данные нужны

Достаточно таблицы заказов с тремя полями: ID клиента, дата заказа, сумма заказа. Её можно выгрузить из CRM, учётной системы или админки магазина.

Перед расчётом:

• Склейте дубли клиентов — один человек с разными телефонами или email исказит частоту.
• Уберите отменённые и возвращённые заказы.
• Выберите период анализа под свой цикл покупок: для товаров повседневного спроса он короче, для дорогих и редких покупок — длиннее.
• Зафиксируйте дату расчёта — от неё считается давность.

Как посчитать RFM в таблице

1. Создайте сводную таблицу по клиентам: последняя дата заказа (MAXIFS), число заказов (COUNTIFS), сумма (SUMIFS).
2. Давность: =дата_расчёта - последняя_дата.
3. Присвойте оценки. Два подхода:
   • квантили — делите клиентов на пять равных групп по каждой метрике (функции PERCENTRANK или QUARTILE);
   • фиксированные пороги — например, для частоты «1 заказ», «2 заказа», «3–4», «5 и больше».
4. Склейте три оценки в код сегмента, например =R&F&M.

Для частоты пороги обычно удобнее квантилей: у большинства клиентов часто одна покупка, и квантили делят одинаковые значения в разные группы.

Как посчитать RFM в SQL

Пример для PostgreSQL:

WITH stats AS (
  SELECT
    customer_id,
    CURRENT_DATE - MAX(order_date)::date AS recency_days,
    COUNT(*)                             AS frequency,
    SUM(amount)                          AS monetary
  FROM orders
  WHERE status = 'paid'
    AND order_date >= CURRENT_DATE - INTERVAL '24 months'
  GROUP BY customer_id
)
SELECT
  customer_id,
  NTILE(5) OVER (ORDER BY recency_days DESC) AS r,
  CASE WHEN frequency >= 5 THEN 5
       WHEN frequency >= 3 THEN 4
       WHEN frequency = 2  THEN 3
       ELSE 1 END                            AS f,
  NTILE(5) OVER (ORDER BY monetary)          AS m
FROM stats;

Давность сортируется по убыванию, поэтому самые «старые» клиенты получают 1, а самые свежие — 5. Пороги частоты подберите под свои данные.

Типичные сегменты и что с ними делать

Таблица — ориентир, а не стандарт. Названия и границы сегментов адаптируйте под свой бизнес.

Частые ошибки

• Один период для всех товаров. Если продаёте и расходники, и технику, считайте RFM отдельно по категориям.
• Скидка всем подряд. Активным клиентам скидка часто не нужна — они купили бы и так.
• Разовый расчёт. RFM имеет смысл пересчитывать регулярно и смотреть, как клиенты переходят между сегментами.
• Нет контрольной группы. Чтобы понять, сработала ли кампания, оставьте часть сегмента без воздействия и сравните.