RFM-анализ: три способа сегментации для повторных продаж

Что именно мы сравниваем: не методологию, а способ нарезки границ сегментов

Классическая RFM-формула одна для всех: Recency — давность последней покупки, Frequency — частота покупок за период, Monetary — сумма трат. Вопрос не в том, считать ли эти три показателя — считать нужно всегда. Вопрос в том, как вы делите клиентов на группы по каждой оси и что происходит с этими группами дальше.

Три подхода к нарезке, которые реально используются в российском b2c и b2b с повторными продажами: первый — ручная расстановка порогов (квинтили или экспертные границы в таблице), второй — автоматический скоринг внутри CRM или BI-инструмента, третий — предиктивный RFM, где модель не только классифицирует прошлое, но и прогнозирует следующий шаг клиента. У каждого подхода есть своя ниша и свои ловушки.

Ручной RFM в Excel или Google Sheets: быстрый старт с известной ценой

Плюсы очевидны: нулевая стоимость инструмента, полная прозрачность логики, можно запустить за день на выгрузке из любой учётной системы — хоть из 1С, хоть из товароучётной программы. Аналитик сам решает, где проходят границы: например, «активный» — тот, кто покупал в последние 60 дней, «спящий» — 61–180 дней, «потерянный» — свыше 180. Для малого бизнеса с базой до 5 000 клиентов этот подход вполне жизнеспособен.

Минусы начинают проявляться, когда база растёт или когда бизнес сезонный. Ручные пороги статичны: вы однажды решили, что «высокочастотный» — это три покупки в квартал, и эта граница замораживается на месяцы. Клиент, который покупает раз в полгода по природе своей категории (например, линзы или корм для крупной породы собаки), автоматически попадает в «низкочастотный» сегмент и получает не те коммуникации. Кроме того, ручная модель не обновляется сама: пока кто-то не сядет и не пересчитает таблицу, сегменты устаревают.

Автоматический RFM-скоринг в CRM: системность без интеллекта

Многие современные CRM-платформы предлагают встроенный RFM-модуль или готовые дашборды. Система сама пересчитывает скоры при каждой синхронизации данных, сегменты обновляются динамически, а маркетолог видит актуальную картину без ручного труда. Это честный шаг вперёд по сравнению с таблицей.

Главное ограничение автоматического скоринга — он смотрит только назад. Модель фиксирует, что клиент сделал, но не пытается ответить на вопрос: когда он придёт снова и зачем? CRM присваивает балл на основе исторических данных и кладёт клиента в ячейку матрицы. Дальше маркетолог вручную решает, что делать с каждым сегментом: придумывает акцию для «спящих», пишет письмо «чемпионам» и так далее. Это требует отдельного ресурса на стратегию и создание контента для каждого сегмента — и на практике в небольших командах эти задачи откладываются.

Ещё один нюанс: автоматический RFM в CRM хорошо работает, когда все данные о транзакциях уже там хранятся. Если основная история продаж живёт в 1С, а CRM используется только для коммуникаций, скоринг будет неполным — часть покупок просто не попадёт в расчёт.

Предиктивный RFM: когда модель не классифицирует, а прогнозирует

Предиктивный подход отличается принципиально: вместо того чтобы ответить на вопрос «кем является этот клиент по истории?», модель отвечает на вопрос «что этот клиент купит и когда?». Для этого используются паттерны покупательского поведения — не только RFM-показатели, но и цикличность, сезонность, типичный ассортиментный профиль, реакция на предыдущие коммуникации.

Практический результат выглядит иначе, чем при классическом RFM: система не просто относит клиента к сегменту «под риском оттока» — она формирует конкретное предложение с конкретным товаром или услугой в конкретный момент времени, когда вероятность покупки максимальна. Менеджер или маркетолог получает готовую задачу, а не сегмент, с которым ещё нужно придумать, что делать.

Минусы предиктивного подхода — более высокий порог внедрения: нужны исторические данные достаточного объёма (как правило, от нескольких тысяч транзакций), интеграция с источниками данных и время на обучение модели под специфику конкретного бизнеса. Именно поэтому такие решения эффективнее всего работают, когда они встроены в существующую инфраструктуру — поверх 1С и CRM, без переноса данных наружу.

Сравнительная таблица: какой подход выбрать под свою задачу

Коротко по трём критериям — трудозатраты, точность сегментации и готовность к действию: • Ручной RFM — минимальные вложения на старте, пороги задаёт человек (риск субъективности), результат — список сегментов, с которыми нужно отдельно работать. • Автоматический RFM в CRM — экономит время аналитика, скоры объективны и обновляются, но стратегию коммуникаций всё равно разрабатывает команда вручную. • Предиктивный RFM — требует качественных данных и интеграции, зато на выходе не сегмент, а готовое персональное предложение с рекомендованным моментом отправки.

Для бизнеса с повторными продажами (оптика, клиники, зоотовары, розница, e-commerce) ключевой вопрос звучит так: у вас есть ресурс, чтобы каждый месяц разрабатывать коммуникационную стратегию под каждый RFM-сегмент? Если нет — ручной и автоматический подходы создают иллюзию сегментации без реального прироста повторных покупок. Модель сегментирует, но деньги не двигаются.

Вывод: сегментация — это не цель, а точка входа

RFM-анализ клиентской базы ценен не сам по себе, а как основа для конкретных действий. Чем короче путь от «клиент попал в сегмент» до «клиент получил релевантное предложение» — тем выше конверсия в повторную покупку. Ручная нарезка хороша для диагностики и первого взгляда на базу. Автоматический скоринг — для систематической работы со средней базой при наличии маркетинговой команды. Предиктивный подход закрывает разрыв между аналитикой и действием — и именно здесь сосредоточен основной потенциал роста выручки без увеличения рекламного бюджета.

«Умный цикл» строит предиктивную RFM-модель поверх ваших данных в 1С и CRM, формирует персональные предложения и кладёт готовые сделки в CRM — без переноса данных на внешние серверы и с соблюдением 152-ФЗ. Если хотите посмотреть, как это работает на вашей конкретной базе, — запросите демо: покажем сегментацию и прогнозы на реальных цифрах вашего бизнеса.

«Умный цикл» строит такой прогноз автоматически

Берёт данные из вашей учётной системы, считает следующую покупку каждого клиента и кладёт готовую сделку в CRM. Покажем на демо «горячий список» по вашей базе.