Kiekvienas, kas bent kiek dirbo su elektronine parduotuve ar klientų duomenų baze, anksčiau ar vėliau atsitrenkia į tą patį klausimą: kodėl visiems klientams siunčiame tą patį naujienlaiškį, tą patį nuolaidos kuponą, tą patį pasiūlymą, jei jie visiškai skirtingi? Vienas pirko prieš tris dienas ir jau grįžta antrą kartą, kitas paskutinį kartą užsuko prieš aštuonis mėnesius ir tikriausiai jau pamiršo, kad toks prekinis ženklas apskritai egzistuoja. RFM segmentavimas kaip tik ir atsiranda kaip atsakymas į šią suirutę – paprastas, bet nepaprastai efektyvus būdas suskirstyti klientus pagal tai, kaip jie realiai elgiasi, o ne pagal tai, ką apie juos manome.
Kas iš tikrųjų yra RFM ir kodėl apie tai kalba visi
RFM – tai santrumpa nuo Recency, Frequency, Monetary. Lietuviškai būtų naujumas, dažnumas ir piniginė vertė. Metodas atsirado dar praeitame amžiuje tiesioginės rinkodaros pasaulyje, kai reikėjo nuspręsti, kam siųsti brangų popierinį katalogą paštu, o kam nesiųsti, nes tiesiog neapsimoka. Šiandien tas pats principas persikėlė į elektroninę komerciją ir veikia dar geriau, nes duomenų turime kur kas daugiau ir jie atnaujinami realiu laiku.
Esmė paprasta: klientas, kuris pirko vakar, dažnai ir daug bei paliko didelę sumą, yra visiškai kitokia auditorija nei tas, kuris pirko vieną kartą prieš metus už mažiausią sumą kataloge. Jeigu abu gauna identišką laišką „Mums tavęs trūksta, grįžk su 10% nuolaida“ – tai reiškia, kad verslui neapsimoka nei vienam, nei kitam segmentui. Pirmajam tokia žinutė gali net pakenkti, nes jis įpratęs pirkti be nuolaidų, o antrajam gal reikėjo kur kas agresyvesnio pasiūlymo jau seniai.
RFM patrauklus dar ir dėl to, kad jam nereikia sudėtingų algoritmų, mašininio mokymosi ar brangios programinės įrangos. Užtenka Excel lentelės arba paprastos SQL užklausos, ir per pusdienį galima turėti veikiantį segmentavimo modelį. Būtent šis prieinamumas ir paaiškina, kodėl apie RFM kalba tiek smulkūs internetinių parduotuvių savininkai, tiek didelės rinkodaros komandos.
Trys raidės, kurios pakeičia požiūrį į klientus
Verta atskirai pažvelgti į kiekvieną komponentą, nes kiekvienas jų atsako į skirtingą klausimą apie kliento elgesį.
Recency (naujumas) – kiek laiko praėjo nuo paskutinio pirkimo. Tai dažnai laikomas svarbiausiu rodikliu, nes tyrimai rodo, kad klientas, kuris pirko neseniai, yra kur kas labiau linkęs pirkti vėl, nei tas, kuris nepirko ilgą laiką. Skamba logiškai – juk jei žmogus buvo aktyvus prieš savaitę, jis dar „šiltas“, o jei paskutinis pirkimas buvo prieš pusantrų metų, greičiausiai jis jau ir prekės ženklo neprisimena, gal net pamiršo, kad turi paskyrą.
Frequency (dažnumas) – kiek kartų klientas pirko per tam tikrą laikotarpį. Šis rodiklis parodo lojalumą ir įprotį. Klientas, perkantis kartą per mėnesį, elgiasi visiškai kitaip nei tas, kuris per metus užsuko tik kartą. Dažnumas dažnai koreliuoja su emociniu ryšiu su prekės ženklu – žmonės, kurie grįžta vėl ir vėl, dažniausiai jau pasitiki parduotuve, žino, ko tikėtis, ir nebijo pirkti be papildomų paskatinimų.
Monetary (piniginė vertė) – kiek pinigų klientas iš viso išleido arba kiek vidutiniškai išleidžia per pirkimą. Šis rodiklis tiesiogiai susijęs su verslo pelningumu. Du klientai gali pirkti vienodai dažnai, bet vienas perka po vieną prekę už 15 eurų, o kitas – po tris prekes už 200 eurų. Akivaizdu, kad jų vertė verslui labai skirtinga, nors elgesio modeliai pagal pirmus du kriterijus atrodytų panašūs.
Kai šiuos tris rodiklius sujungiame, gauname gana tikslų kliento „portretą“ – ne pagal tai, ką jis sako apklausose, o pagal tai, ką jis realiai daro su savo pinigine.
Kaip suskaičiuoti balus be sudėtingos matematikos
Praktikoje dažniausiai naudojamas metodas – kiekvienam iš trijų rodiklių priskirti balą nuo 1 iki 5, kur 5 reiškia geriausią rezultatą. Klientų bazė suskirstoma į penkis lygius pagal kvintiles – tai reiškia, kad kiekviename lygyje atsiduria maždaug vienodas procentas klientų.
Pavyzdžiui, jei kalbame apie naujumą, 20% klientų, kurie pirko visai neseniai, gauna 5 balus, kiti 20% – 4 balus, ir taip toliau iki paskutinių 20%, kurie pirko seniausiai ir gauna 1 balą. Tas pats principas taikomas dažnumui ir piniginei vertei. Galiausiai kiekvienas klientas gauna tris skaičius, pavyzdžiui, 5-4-5 arba 1-1-2, ir šis kodas tampa jo RFM „identifikacija“.
Čia verta paminėti vieną dažną klaidą – daugelis bando naudoti fiksuotas ribas (pavyzdžiui, „pirko per pastarąsias 30 dienų = 5 balai“) neatsižvelgdami į savo verslo specifiką. Jeigu parduodate baldus, kuriuos žmonės perka kartą per kelerius metus, 30 dienų riba visiškai neturi prasmės. O jei parduodate kasdienio vartojimo prekes, tokia riba gali būti per švelni. Todėl kvintilinis metodas, kuris automatiškai prisitaiko prie jūsų klientų bazės realaus elgesio, dažniausiai duoda prasmingesnius rezultatus nei savavališkai nustatytos ribos.
Technine prasme viską galima suskaičiuoti keliais būdais:
- Excel arba Google Sheets su PERCENTILE ir RANK funkcijomis – tinka mažesnėms bazėms iki kelių tūkstančių klientų.
- SQL užklausa su NTILE(5) funkcija – patogu, jei duomenys jau yra duomenų bazėje.
- Specializuotos CRM ar el. pašto marketingo platformos, kurios RFM segmentavimą siūlo kaip įmontuotą funkciją – pavyzdžiui, dalis platformų tai daro automatiškai pagal pirkimų istoriją.
Segmentai, kurie realiai veikia praktikoje
Kai jau turime balus, prasideda įdomiausia dalis – suskirstyti klientus į prasmingus segmentus, su kuriais galima dirbti konkrečiai. Klasikinis RFM modelis dažniausiai išskiria maždaug 8-11 segmentų, bet praktikoje užtenka ir 5-6, kad būtų aišku, ką su kiekvienu daryti.
Čempionai – aukšti balai visose trijose kategorijose. Šitie klientai perka dažnai, neseniai ir daug išleidžia. Jiems nereikia nuolaidų – jiems reikia dėmesio, ankstyvos prieigos prie naujų prekių, VIP statuso jausmo. Nuolaida šiam segmentui – tiesiog prarasta marža, nes jie ir taip nusipirktų.
Lojalūs klientai – geras dažnumas ir vertė, bet naujumas šiek tiek nukritęs. Jiems tinka priminimai, personalizuoti pasiūlymai pagal ankstesnius pirkimus, kryžminis pardavimas (cross-sell).
Potencialūs lojalai – neseniai pirko, bet dar nespėjo tapti dažnais pirkėjais. Čia geriausia vieta investuoti į santykių kūrimą – sveikinimo serijos laiškai, edukacinis turinys, mažos dovanėlės už antrą pirkimą.
Rizikos zonoje esantys – anksčiau buvo geri klientai (aukšta vertė, neblogas dažnumas), bet naujumas smarkiai kritęs. Tai signalas veikti greitai – personalizuotas laiškas su klausimu, ar viskas gerai, arba tiesiog stiprus grąžinimo pasiūlymas.
Snaudžiantys arba prarasti – žemi balai visur. Čia reikia nuspręsti, ar apskritai verta investuoti pinigus į jų atgaivinimą, ar geriau tiesiog palikti ramybėje ir sutaupyti rinkodaros biudžetą kitiems segmentams. Statistika dažnai rodo, kad reaktyvacijos kampanijos šiam segmentui duoda vos kelis procentus atsako, todėl protingiau investuoti į „rizikos zonos“ klientus, kol jie dar nenuslydo visai.
Nauji klientai – pirko vieną kartą, neseniai, bet duomenų apie dažnumą ir vertę dar nepakanka spręsti. Su jais svarbiausia – antro pirkimo paskatinimas per pirmas savaites, nes būtent tada nusprendžiama, ar žmogus taps nuolatiniu klientu, ar dings amžiams.
Dažniausios klaidos, darančios RFM analizę beverte
Nors metodas atrodo paprastas, praktikoje daug kas jį sugadina keliais tipiniais būdais.
Pirma klaida – segmentavimas atliekamas vieną kartą ir daugiau niekada neatnaujinamas. RFM yra dinaminis modelis – kliento segmentas turi keistis kiekvieną mėnesį ar kas savaitę, priklausomai nuo verslo apyvartos greičio. Jei skaičiuojate RFM kartą per metus, iš esmės dirbate su pasenusiais duomenimis ir prarandate visą metodo prasmę.
Antra klaida – visų prekių kategorijų sumaišymas į vieną krūvą. Jei parduotuvė turi ir brangius elektronikos prietaisus, ir pigius aksesuarus, kliento, pirkusio vieną telefoną už 500 eurų, piniginė vertė automatiškai atrodys aukštesnė nei to, kuris perka aksesuarus po 10 kartų per metus, nors realiai antrasis gali būti lojalesnis ir pelningesnis ilguoju laikotarpiu. Kartais verta skaičiuoti RFM atskirai pagal produktų kategorijas arba bent jau normalizuoti duomenis.
Trečia klaida – per didelis pasitikėjimas vien skaičiais, ignoruojant kontekstą. Klientas, kuris pirko vestuvinę suknelę, tikriausiai nepirks antros po mėnesio – tai nereiškia, kad jis „prarastas“ segmentas, tiesiog produkto specifika tokia. RFM reikia derinti su sveiku protu ir žinojimu apie savo produktų kategorijas.
Ketvirta – segmentų sukūrimas be jokio tolesnio veiksmų plano. Daugelis įmonių gražiai suskirsto klientus į grupes, padaro spalvotą lentelę prezentacijai, ir tuo viskas baigiasi. Segmentavimas be konkretaus komunikacijos plano kiekvienam segmentui yra tiesiog laiko švaistymas.
Kaip RFM susieti su konkrečiais marketingo veiksmais
Čia ir slypi visa metodo vertė – ne pačiuose skaičiuose, o veiksmuose, kurie iš jų kyla. Praktiniai pavyzdžiai, kaip tai atrodo realiame gyvenime:
- El. pašto marketingas – kiekvienam segmentui kuriama atskira automatizuota serija. Čempionams – ankstyva prieiga prie išpardavimų, rizikos zonos klientams – win-back serija su laipsniškai didėjančia nuolaida.
- Reklamos biudžeto paskirstymas – Facebook ar Google Ads pasitelkiant Custom Audiences funkciją galima sukurti atskiras auditorijas pagal RFM segmentą ir rodyti skirtingas reklamas. Prarastiems klientams – emocinis pranešimas priminti apie prekės ženklą, lojaliems – naujų kolekcijų anonsai.
- Kliento aptarnavimo prioritetai – čempionų segmento klientų užklausas galima automatiškai kelti aukščiau eilėje palaikymo sistemoje, nes jų pasitenkinimas turi didžiausią įtaką pajamoms.
- Produktų rekomendacijos – potencialiems lojalams siūlomos prekės, kurias dažniausiai perka jau tapę lojaliais klientai, taip paspartinant jų kelią iki „čempiono“ statuso.
- Biudžeto taupymas – snaudžiančio segmento klientams tiesiog nustojama siųsti brangias fizines reklamas ar skambinti telefonu, paliekant tik pigiausius kanalus, pavyzdžiui, retkarčiais siunčiamą naujienlaiškį.
Vienas paprastas, bet efektyvus žingsnis – integruoti RFM segmentus tiesiai į CRM ar el. pašto platformą kaip žymes (tags), kad kiekvieną kartą kuriant kampaniją nereikėtų iš naujo skaičiuoti, kas kuriam segmentui priklauso. Automatizavus šį procesą, segmentai atsinaujina savaime, pavyzdžiui, kas savaitę, ir marketingo komanda dirba visada su šviežiais duomenimis.
Kai skaičiai tampa klientų kalba
RFM segmentavimas iš esmės yra vertimo įrankis – jis paverčia sausus pirkimų duomenis suprantama klientų „kalba“, kurią galima naudoti kasdieniuose sprendimuose. Nereikia didelio biudžeto, nereikia dirbtinio intelekto specialistų komandos, užtenka pirkimų istorijos ir noro pažiūrėti į klientus ne kaip į vieną beveidę masę, o kaip į skirtingus žmones su skirtingais įpročiais ir vertingumu verslui.
Jei dar niekada nesate to darę, pradėkite nuo mažo – paimkite paskutinių dvylikos mėnesių pirkimų duomenis, suskaičiuokite tris kvintiles kiekvienam klientui, ir tiesiog pažiūrėkite, kiek žmonių patenka į kiekvieną kategoriją. Dažnai jau vien šis pirmas žvilgsnis atskleidžia netikėtų dalykų – gal paaiškės, kad 60% pajamų atneša vos 15% klientų, arba kad didžioji dauguma bazės jau seniai „užmigusi“ ir reikia rimtai persvarstyti reaktyvacijos strategiją.
Svarbiausia – nepamiršti, kad segmentavimas nėra vienkartinis projektas ataskaitai. Tai gyvas, nuolat besikeičiantis darbo įrankis, kuris turi būti integruotas į kasdienį marketingo ir pardavimų ritmą. Kai kliento segmentas pasikeičia iš „lojalaus“ į „rizikos zoną“, sistema turėtų tai pastebėti automatiškai ir įjungti atitinkamą komunikacijos scenarijų – tada RFM nustoja būti tiesiog analitine lentele ir tampa realiu variklinu, varančiu pajamas.
