RFM-сегментация интернет-магазина: как превратить историю заказов в понятные группы покупателей

Что такое RFM-сегментация и почему она проще, чем кажется

RFM — это способ разложить покупателей на группы по трём параметрам: Recency (давность последнего заказа), Frequency (частота покупок) и Monetary (сумма заказов). Метод придумали задолго до появления современных BI-систем, и в его основе лежит простая логика: клиент, который купил недавно, часто и на крупную сумму, ценнее клиента, который купил один раз год назад на минимальную сумму. Никакой сложной математики для базового применения не нужно — достаточно выгрузки заказов и умения считать простые агрегаты.

Главная ошибка, которая мешает владельцам магазинов начать — восприятие RFM как «аналитики для дата-сайентистов». На практике это таблица с несколькими столбцами: id клиента, дата последнего заказа, количество заказов за период, сумма заказов за период. Дальше эти три цифры переводятся в баллы или диапазоны, и клиент попадает в одну из групп. Весь процесс можно сделать в таблице, если магазин небольшой, или в CRM/BI-инструменте, если заказов много.

Ценность RFM не в точности формулы, а в том, что она превращает разрозненную историю заказов в готовые списки для конкретных действий: кому отправить письмо с напоминанием, кого поблагодарить программой лояльности, а с кем стоит попрощаться и не тратить на них бюджет. Именно эта прикладная сторона делает метод интересным для бизнеса, а не только для аналитиков.

Recency: что на самом деле означает дата последнего заказа

Recency — это количество дней (или месяцев) с момента последнего заказа клиента до текущей даты анализа. Логика простая: чем меньше это число, тем «теплее» клиент. Но здесь есть нюанс, который часто упускают — дату последнего заказа нужно брать по факту завершённого заказа, а не по дате создания заказа в системе, если между созданием и оплатой проходит значимое время.

В продолжение темы можно открыть Аналитика автосалона: звонки, тест-драйвы и что считать конверсией: там следующий шаг разобран отдельно.

Для интернет-магазина с коротким циклом покупки (продукты, товары повседневного спроса) разница в несколько дней критична — клиент, который не покупал 20 дней, уже требует внимания. Для магазина с длинным циклом (крупная бытовая техника, мебель) 20 дней — это нормальный интервал, а тревожным сигналом станет отсутствие заказа полгода-год. Поэтому границы давности нельзя брать «по учебнику» — их нужно откалибровать под собственный цикл покупки, посмотрев, с каким интервалом покупают ваши текущие постоянные клиенты.

Отдельно стоит учитывать разницу между «последним заказом» и «последним визитом на сайт». RFM в классическом виде считает именно заказы, а не просмотры каталога или добавления в корзину без оплаты. Если смешать эти события, давность будет искажена — клиент может заходить на сайт каждую неделю, ничего не покупая, и формально выглядеть «активным», хотя реальной покупательской активности у него нет.

Frequency: как считать частоту покупок без искажений

Frequency — количество заказов клиента за выбранный период. Здесь ключевое решение — какой период брать за основу: всю историю с момента регистрации или скользящее окно, например последние 12 месяцев. Вся история подходит для магазинов с длинным жизненным циклом клиента, скользящее окно — для динамичных категорий, где поведение клиента за последний год важнее, чем разовая активность три года назад.

Частая ошибка — считать частоту по количеству позиций в заказе или по количеству транзакций, включая раздельные оплаты одного заказа. Если система биллинга иногда делит один заказ на несколько платежей (например, при частичной предоплате), это искусственно раздувает частоту у части клиентов и делает сегментацию нечестной. Перед расчётом стоит явно проверить, что единица подсчёта — это заказ, а не платёж или строка в заказе.

Ещё один момент — клиенты с одной покупкой не должны автоматически считаться «плохими». Для многих интернет-магазинов один заказ — это нормальный сценарий для новых клиентов, и вопрос не в том, чтобы осудить их за низкую частоту, а в том, чтобы выделить их в отдельный сегмент и попробовать перевести во второй заказ — это отдельная задача, отличная от работы с уже постоянными покупателями.

<offer id="123" available="true">
  <url>https://example.ru/catalog/item-123/</url>
  <price>45900</price>
  <currencyId>RUR</currencyId>
  <categoryId>12</categoryId>
  <name>Название товара и ключевой параметр</name>
</offer>

Monetary: какую сумму заказов брать за основу расчёта

Monetary — это сумма, которую клиент потратил за выбранный период. Здесь тоже есть развилка: считать сумму по всем заказам суммарно, либо считать средний чек. Суммарная сумма показывает общую ценность клиента для бизнеса, средний чек — показывает поведенческий паттерн (крупные редкие покупки против частых мелких). Для целей сегментации обычно берут суммарную выручку за период — она прямо отражает вклад клиента в оборот.

Похожий вопрос разобран в материале Загородные объекты по сценарию выбора: структура страницы и путь до заявки — он пригодится, если исходные условия отличаются.

Важно определить, что входит в сумму заказа: включать ли доставку, использовать сумму до или после скидки, учитывать ли частичные оплаты бонусами или баллами программы лояльности. Если один клиент постоянно платит бонусами, а другой — деньгами, но система считает и то и другое как «сумму заказа», сравнение сегментов становится нечестным по отношению к реальной денежной ценности клиента.

Отдельно стоит смотреть на выбросы — заказы на аномально крупную сумму, которые могут быть корпоративной закупкой, опережающей заготовкой на праздники или технической ошибкой в цене. Один такой заказ может перетащить обычного клиента в топовый сегмент, хотя в реальности его поведение не отличается от среднего. Разумно либо исключать явные аномалии перед расчётом, либо смотреть не только на сумму, но и на количество заказов в паре с ней.

Очистка данных: возвраты, отмены и тестовые заказы искажают всё

Прежде чем считать RFM, базу заказов нужно почистить — иначе сегменты будут построены на неверных цифрах. Отменённые заказы, которые не были оплачены и не были доставлены, не должны попадать в расчёт частоты и суммы — они не отражают реального поведения клиента, а часто фиксируют технический сбой оформления или изменившееся решение покупателя ещё на этапе оформления.

Возвраты — более сложный случай. Полный возврат заказа логично вычитать из суммы и не засчитывать в частоту, потому что фактически покупка не состоялась. Частичный возврат (клиент вернул часть позиций) требует пересчёта суммы заказа на фактически оставленную сумму, иначе клиент, вернувший половину заказа, будет выглядеть в сегментации так же ценно, как клиент, оставивший себе весь заказ.

Отдельная категория — тестовые заказы сотрудников, заказы с внутренними промокодами на ноль рублей и заказы, оформленные для проверки работы сайта. Такие записи редко составляют большую долю базы, но если они попадают в топ по частоте (например, тестовый аккаунт разработчика, который оформляет заказы каждую неделю), они искажают верхнюю границу сегментов и сбивают ориентиры для остальной команды.

От трёх метрик к сегментам: как собрать понятную матрицу

После того как давность, частота и сумма посчитаны и очищены, каждому клиенту присваивается позиция по каждой метрике — обычно через разбивку на диапазоны (например, три-пять уровней: низкий, средний, высокий). Не нужно гнаться за десятками градаций — для практического использования достаточно трёх уровней по каждой метрике, что даёт компактную и управляемую матрицу групп.

Границы диапазонов лучше устанавливать не по формулам вроде равных частей выборки, а по смыслу бизнеса: например, «купил в последние 30 дней» — высокая давность, «от 31 до 90 дней» — средняя, «более 90 дней» — низкая. Эти границы задаются исходя из цикла покупки конкретной категории товаров, а не абстрактной статистики, и их стоит согласовать с командой продаж или CRM-маркетинга, которая знает реальные интервалы возврата клиентов.

Комбинация трёх уровней даёт до 27 возможных сочетаний, но на практике их объединяют в 5-8 укрупнённых групп, чтобы с каждой можно было работать отдельным сценарием. Дробить сегментацию до предела бессмысленно — команда маркетинга физически не сможет вести десятки узких групп с разной коммуникацией, поэтому важно остановиться на количестве сегментов, которое реально поддерживать регулярными рассылками и предложениями.

Названия сегментов: почему понятный язык важнее точных формул

Сегменты вроде «5-5-5» или «группа 14» ничего не говорят менеджеру по email-маркетингу или сотруднику колл-центра. Чтобы сегментация реально использовалась, каждой группе нужно дать название, понятное без объяснений: «постоянные клиенты», «новички после первой покупки», «засыпающие», «ушедшие», «крупные разовые покупатели». Название должно сразу подсказывать логику коммуникации.

Например, группа «постоянные клиенты» (высокая давность, частота и сумма) не нуждается в скидках для стимулирования покупки — с ней работают через программу лояльности, ранний доступ к новинкам и персональные рекомендации, чтобы не размывать маржу ненужными акциями. Группа «засыпающие» (была высокая частота, но давность выросла) — это зона для реактивационных писем и напоминаний, потому что человек знает магазин, но по какой-то причине перестал покупать.

Отдельно стоит выделить сегмент «новички после первой покупки» — людей, которые купили один раз недавно. Для интернет-магазина это критическая группа: превращение первого заказа во второй обычно даётся сложнее, чем удержание уже постоянного клиента, и именно здесь стоит сосредоточить усилия на онбординге, а не тратить ресурс на попытки «спасти» давно ушедших клиентов, которые почти никогда не реагируют на предложения.

Как измерить повторный заказ и понять, что сегментация работает

Повторный заказ — это не абстрактное понятие «клиент вернулся», а конкретная метрика с чёткими границами: доля клиентов из определённого сегмента или когорты, которые сделали второй (или следующий) заказ в течение заданного периода после первого. Без фиксированного окна времени сравнивать разные периоды и сегменты невозможно — «повторный заказ когда-нибудь» не даёт управляемого показателя.

Практический способ — сформировать когорту клиентов, совершивших первый заказ в определённый месяц, и отслеживать, какая доля из них сделала второй заказ в течение следующих 30, 60 или 90 дней (окно выбирается по циклу покупки категории). Это позволяет сравнивать эффективность разных сценариев коммуникации: например, посмотреть, отличается ли доля повторных заказов у тех, кто получил приветственную серию писем, от тех, кто её не получил.

После запуска RFM-сегментации логично проверять её эффективность именно через динамику повторных заказов внутри сегментов — не общую выручку магазина, а конкретно долю клиентов, перешедших из группы «новички» в группу «постоянные». Если это движение не происходит или происходит медленно, вопрос не в самой сегментации, а в сценариях коммуникации, которые нужно пересмотреть для этой группы.

Типичные ошибки при RFM-сегментации интернет-магазина

Первая ошибка — считать RFM один раз и забыть про неё. Клиенты постоянно перемещаются между сегментами: вчерашний «новичок» через месяц может стать «засыпающим», если не получил второго касания. Сегментация без регулярного пересчёта (раз в месяц или квартал, в зависимости от динамики продаж) быстро устаревает и начинает работать против бизнеса — письма с реактивацией уходят тем, кто на самом деле уже стал постоянным клиентом.

Вторая ошибка — использовать одинаковые границы давности, частоты и суммы для всех категорий товаров, если магазин продаёт разнородный ассортимент. Клиент, покупающий расходные материалы каждый месяц, и клиент, покупающий крупную технику раз в два года, требуют разных шкал — иначе один из них всегда будет выглядеть либо аномально активным, либо безнадёжно пассивным просто из-за природы товара, а не реального поведения.

Третья ошибка — строить сегменты, но не привязывать к ним конкретные действия. RFM превращается в красивую таблицу без пользы, если для сегмента «крупные разовые покупатели» не придумано отдельное предложение, отличное от массовой рассылки. Сегментация оправдана только тогда, когда у каждой группы есть свой сценарий: тема письма, предложение, канал и частота касаний.

Как встроить RFM в регулярную работу маркетинга, а не в разовый отчёт

Чтобы RFM-сегментация не осталась разовой презентацией, её нужно встроить в рабочий процесс: назначить дату пересчёта (например, первое число месяца), закрепить ответственного за обновление сегментов в CRM или таблице, и завязать на сегменты конкретные рассылки или задачи для отдела продаж. Без владельца процесса сегментация умирает после первого запуска.

Полезно синхронизировать RFM с календарём коммуникаций магазина: сезонные предложения, распродажи и новые коллекции стоит адресовать по-разному в зависимости от сегмента — постоянным клиентам раньше и с персональным штрихом, «засыпающим» с более сильным поводом вернуться, новичкам с фокусом на знакомство с ассортиментом, а не на скидку как единственный аргумент.

Наконец, стоит договориться внутри команды о простом правиле: любое крупное маркетинговое действие (email-серия, звонок, push-уведомление) сопровождается вопросом «какому сегменту это адресовано и почему». Это превращает RFM из разового аналитического упражнения в постоянный фильтр, через который проходят решения о коммуникации с базой клиентов.