Вы определите доступный уровень RFM-анализа, подготовите данные без дублей и возвратов, рассчитаете три показателя, соберёте понятные сегменты и назначите действия, которые не нарушают ограничений площадки.
Что такое RFM-анализ и какой вопрос он решает
RFM — это способ сегментации покупателей по трём признакам. Recency показывает, сколько времени прошло с последней подтверждённой покупки. Frequency отражает, сколько покупок совершил покупатель за выбранный период. Monetary описывает денежную ценность этих покупок по заранее закреплённому правилу.
Метод отвечает не на вопрос «кто наш идеальный покупатель вообще», а на более прикладной вопрос: какие группы клиентов сейчас близки к повторной покупке, какие ещё формируют устойчивый спрос, а какие давно не возвращались. Сегмент нужен не ради ярлыка, а ради следующего решения по ассортименту, контенту, продвижению и удержанию.
На маркетплейсе RFM нельзя считать официальной метрикой Wildberries или Ozon. Это внутренняя аналитическая методика продавца. Площадки предоставляют собственные отчёты и агрегаты, а продавец определяет, достаточно ли в них стабильного идентификатора покупателя для классического расчёта. Если такого идентификатора нет, честнее анализировать когорты, повторные заказы и товары, а не придумывать персональные сегменты.
Главное ограничение: маркетплейс не равен вашей CRM
В собственном интернет-магазине компания может связать покупки одного клиента по идентификатору, если делает это законно и прозрачно. На маркетплейсе продавец работает в контуре площадки и получает только предусмотренный набор данных. Имя в заказе, адрес доставки или совпадающий товар сами по себе не образуют надёжный постоянный идентификатор покупателя.
Официальный отчёт Wildberries «Портрет покупателя» показывает аудиторию, активность, точки входа, интересы, средний чек, а также количество покупателей с повторными заказами и повторными выкупами. При этом часть характеристик может определяться по поведению, а для части аудитории отображается «Нет данных». Это полезная агрегированная аналитика, но она не превращается автоматически в выгрузку персональной клиентской базы.
Поэтому до расчёта зафиксируйте уровень данных. Уровень A — есть разрешённый устойчивый обезличенный идентификатор и история подтверждённых покупок: возможен классический RFM. Уровень B — доступны только агрегаты по повторным покупкам и периодам: возможен когортный анализ. Уровень C — есть только продажи по товарам: исследуйте повторяемость спроса на уровне SKU и категорий, не называя это персональным RFM.
Основание: Wildberries: аналитика развития бизнеса.
Recency, Frequency и Monetary: точные определения
Recency считают от единой даты анализа до последней состоявшейся покупки. Чем меньше число дней, тем покупатель «свежее». Дату заказа использовать рискованно: заказ мог быть отменён или не выкуплен. Для сопоставимости выберите одно событие — например, подтверждённую продажу — и применяйте его ко всей истории.
Frequency — число состоявшихся покупок в окне анализа. Определите единицу заранее: заказ, выкуп или отдельная товарная позиция. Один заказ с пятью единицами не должен внезапно превращаться в пять покупок, если в методике частотой считается заказ. Возвраты и отмены обрабатывайте отдельным правилом.
Monetary — ценность покупок за период. Самый простой вариант — продажи после возвратов. Более полезный для управления бизнесом вариант — валовая прибыль или маржинальный вклад, если себестоимость и расходы рассчитаны сопоставимо. Нельзя смешивать сумму заказов, выплату маркетплейса и прибыль: это разные экономические уровни.
| Показатель | Рабочее определение | Что проверить |
|---|---|---|
| R — давность | Дни после последней подтверждённой покупки | Единая дата среза и статус события |
| F — частота | Число покупок в фиксированном окне | Заказ, выкуп или позиция — выбрать одно |
| M — ценность | Продажи после возвратов или маржинальный вклад | Не подменять выплатой и суммой заказов |
Какие данные подготовить до сегментации
Минимальная таблица классического расчёта содержит обезличенный идентификатор покупателя, идентификатор заказа, дату события, сумму, статус и сумму возврата. Для прибыльной модели добавляют товар, количество, себестоимость и относимые расходы. Источник, часовой пояс и дата обновления должны быть записаны рядом с выгрузкой.
Сначала удалите технические дубли, затем отделите отмены и невыкупы, свяжите поздние возвраты с исходной продажей и определите правила частичного возврата. Если история обновляется задним числом, храните дату среза. Иначе сегмент изменится не потому, что покупатель сделал новое действие, а потому, что система поздно получила корректировку.
Не объединяйте покупателей по имени, телефону, адресу, устройству или похожему набору товаров. Такие эвристики создают ложные связи и затрагивают персональные данные. Если площадка не даёт допустимого стабильного ключа, остановитесь на агрегированной модели. Ограничение данных — часть результата анализа, а не помеха, которую следует скрыть.
Как выбрать период и дату среза
Окно должно быть длиннее типичного цикла повторной покупки. Для расходуемого товара несколько месяцев могут показать повторяемость, а для сезонного или долговечного товара тот же период ошибочно запишет нормального покупателя в «уснувшие». Ориентируйтесь на историю категории, частоту заказов и сезонность, а не на универсальные 30, 90 или 365 дней.
Дата среза должна быть общей для всех покупателей. Если анализ строится за завершённый месяц, разумно дать возвратам и корректировкам дозреть и явно указать лаг. Сравнивать два среза можно только при одинаковых правилах статусов, валюты, возвратов и периода.
Для сезонного ассортимента полезно считать две версии: короткую операционную и годовую сезонную. Первая показывает свежие изменения, вторая не наказывает покупателя за естественный перерыв между сезонами. Решение принимают по обеим, не складывая оценки в одну непрозрачную цифру.
Пошаговый расчёт RFM
Шаг 1. Выберите дату среза и окно истории. Шаг 2. Оставьте только события, которые ваша методика признаёт покупкой. Шаг 3. Сгруппируйте строки по допустимому идентификатору покупателя. Шаг 4. Найдите последнюю дату, число покупок и сумму ценности. Шаг 5. Проверьте итоги против исходных продаж.
Шаг 6. Разделите распределение каждого признака на группы. Часто используют пять квантилей и оценки от 1 до 5, но при малой базе достаточно трёх групп. Для Recency высокая оценка соответствует меньшему числу дней; для Frequency и Monetary — большему значению. Направление шкалы обязательно подпишите.
Шаг 7. Соедините оценки в код, например 5-5-5. Шаг 8. Преобразуйте десятки комбинаций в 6–9 понятных бизнес-сегментов. Шаг 9. Посчитайте размер, продажи, маржинальный вклад и динамику каждого сегмента. Шаг 10. Сохраните границы, чтобы следующий срез можно было воспроизвести.
Учебный пример: почему одной суммы недостаточно
Предположим, дата среза — 1 сентября, окно — 180 дней. Покупатель А совершил четыре подтверждённые покупки, последнюю 8 дней назад, на 18 000 ₽ после возвратов. Покупатель Б купил один раз вчера на 25 000 ₽. Покупатель В сделал семь покупок на 30 000 ₽, но последняя была 110 дней назад.
У А сильны все три признака: его поведение похоже на устойчивую лояльность. У Б высокие Recency и Monetary, но частота пока неизвестна — это новый ценный покупатель, а не постоянный. У В высокие Frequency и Monetary в истории, но слабая Recency: сегмент требует проверки риска ухода.
Все суммы и даты в примере вымышлены. Его задача — показать, почему сортировка только по выручке смешивает разные ситуации. Конкретные границы оценок рассчитываются по распределению вашей базы и не переносятся между магазинами без проверки.
Сегменты, которые можно использовать в работе
«Чемпионы» покупали недавно, часто и создают высокую ценность. «Лояльные» возвращаются регулярно, хотя не всегда лидируют по сумме. «Новые перспективные» купили недавно, но пока не успели сформировать частоту. «Требуют внимания» раньше давали заметный результат, но давно не возвращались.
«Спящие ценные» имеют сильную историю и слабую давность. «Разовые» сделали одну покупку с небольшой ценностью. «Низкая активность» давно не покупала и раньше почти не возвращалась. Названия должны описывать поведение, а не приписывать людям намерения. RFM не знает, почему клиент перестал покупать.
Не дробите сегменты до нескольких человек только ради персонализации. Для каждой группы задайте минимальный размер, доверительный интервал или хотя бы предупреждение о малой базе. Сравнивайте доли и динамику, а не только абсолютное число покупателей.
| Сегмент | Наблюдаемое поведение | Следующий анализ |
|---|---|---|
| Новые перспективные | Недавняя одна покупка | Путь ко второй покупке |
| Лояльные | Недавно и регулярно | Ассортимент и удержание |
| Спящие ценные | Сильная история, большой перерыв | Сезонность, наличие, цена, отзывы |
| Разовые | Одна давняя покупка | Качество трафика и ожиданий |
Что делать с сегментами на маркетплейсе
Действия должны оставаться внутри доступных инструментов площадки и законодательства. Анализируйте, какие товары приводят ко второй покупке, какие размеры или варианты поддерживают повторяемость, где закончились остатки и как изменились цена, рейтинг, контент и скорость доставки.
Для новых перспективных ищите барьер между первым и вторым выкупом. Для лояльных поддерживайте наличие ключевых SKU и последовательное качество карточки. Для спящих ценных проверяйте сезонность, исчезновение варианта, рост цены, негативные отзывы и ухудшение логистики. Для разовых оценивайте, соответствует ли товар естественной редкости покупки.
Не выгружайте контакты и не пытайтесь обходить коммуникационные правила маркетплейса. RFM полезен и без прямой рассылки: он помогает менять ассортимент, комплекты, контент, продвижение и запасы. Если площадка предоставляет собственные законные инструменты коммуникации, используйте их только по актуальным правилам.
Что можно взять из официальной аналитики Wildberries
Wildberries описывает в «Портрете покупателя» количество покупателей, средний чек, аудиторию, точки входа, активность, интересы и повторные заказы или выкупы. Фильтры по периоду, предмету, бренду, артикулу и ярлыку помогают сравнивать разные части ассортимента. Данные таблицы можно выгружать для более глубокого анализа.
Эти показатели дают основу для вопросов RFM: меняется ли доля повторных покупателей, какие товары чаще входят в повторные выкупы, в какие периоды аудитория активнее. Но агрегированный показатель повторности не равен готовой таблице RFM по клиентам. В статье мы отделяем официальные возможности отчёта от внутренней методики продавца.
Учитывайте неполноту характеристик аудитории: сама площадка предупреждает, что многие покупатели не указывают часть данных, а некоторые признаки оцениваются по поведению. Поэтому демографический портрет и RFM-поведение нельзя склеивать в якобы точное описание конкретного человека.
Основание: Wildberries: аналитика развития бизнеса.
Если персонального RFM нет: анализируйте повторяемость по товарам
Начните с товаров, которые естественно предполагают повторную покупку. Сравните интервалы продаж, долю выкупа, возвраты, наличие и цену. Затем отделите товары первого знакомства от товаров, которые покупают повторно или вместе с основным продуктом. Это не RFM покупателей, но практичная модель управления ассортиментом.
Полезно построить когорты по месяцу первой покупки, если агрегированные данные позволяют это сделать без идентификации людей. Для каждой когорты сравните активность во втором, третьем и последующих периодах. Одинаковая выручка при ухудшении повторности и росте привлечения новых заказов указывает на менее устойчивую модель.
Свяжите результат с ABC/XYZ-анализом. ABC покажет вклад SKU, XYZ — стабильность спроса, а RFM или когортный анализ — характер возврата аудитории. Товар AX с низкой повторностью может быть нормой для долговечной категории; дешёвый расходник с тем же поведением требует проверки.
Как проверить, что сегментация не вводит в заблуждение
Сумма Monetary по всем сегментам должна сходиться с контрольной суммой продаж по тем же статусам и периоду. Число покупок Frequency — с количеством уникальных заказов. Максимальная дата покупки — с последним событием в источнике. Отдельно проверьте покупателей с возвратами, частичными выкупами и несколькими товарами в заказе.
Посмотрите распределения до присвоения баллов. Если большая часть покупателей совершила ровно одну покупку, квантильная шкала Frequency создаст искусственные различия между одинаковыми значениями. Используйте явные бизнес-пороги или объединяйте группы. Одинаковые значения должны получать одинаковую оценку.
Проведите анализ чувствительности: измените окно, дату среза и определение Monetary. Если сегменты полностью перестраиваются от небольшого изменения, решения нельзя автоматизировать. Сначала найдите причину нестабильности — маленькую выборку, сезонность, поздние данные или неподходящие пороги.
Частые ошибки RFM-анализа на маркетплейсе
Первая ошибка — выдавать агрегированные отчёты за персональную клиентскую базу. Вторая — объединять людей по косвенным признакам. Третья — считать заказ покупкой до выкупа. Четвёртая — игнорировать возвраты. Пятая — использовать сумму выплат как Monetary.
Шестая ошибка — копировать универсальные пороги из чужого бизнеса. Седьмая — смешивать категории с разными циклами покупки. Восьмая — сравнивать сегменты при изменившихся правилах расчёта. Девятая — запускать акцию для группы, не проверив наличие, маржу и естественную частоту спроса.
Десятая ошибка — оценивать метод только по красивой матрице. Полезность подтверждается изменением управляемого показателя: доли повторных выкупов, интервала между покупками, маржинального вклада когорты или устойчивости продаж. Причинность при этом требует отдельной проверки.
Как связать RFM с аналитикой магазина в Метрик Пульс
Сначала приведите в порядок базовый контур: продажи, возвраты, расходы, себестоимость и прибыль по товарам. Без него Monetary превращается в оборот без экономического смысла. Затем определите, какие показатели повторности доступны из официальных данных площадки и на каком уровне можно их анализировать.
В Метрик Пульс используйте аналитику продаж и товаров для проверки динамики, выкупа, расходов и результата SKU. Сопоставляйте изменения сегментов с наличием и экономикой ассортимента. Мы не обещаем персональный RFM там, где исходные данные маркетплейса не дают надёжной идентификации покупателя.
Практический старт: выберите завершённый период, проверьте продажи после возвратов, добавьте себестоимость и выделите товары с естественной повторяемостью. После этого сравните официальные показатели повторных заказов или выкупов и сформулируйте один проверяемый шаг для конкретной группы товаров.
Чек-лист перед первым RFM-срезом
Определены цель, дата среза, окно и цикл покупки. Зафиксировано, что является покупкой и как обрабатываются отмены, невыкупы, возвраты и частичные выкупы. Подтверждён допустимый идентификатор или выбран агрегированный формат без персонального RFM.
Для R, F и M записаны формулы и направление шкалы. Monetary не подменён заказами или выплатой. Контрольные суммы сходятся. Пороги учитывают одинаковые значения и размер базы. Категории с разной сезонностью разделены.
У каждого сегмента есть гипотеза, показатель проверки и ограниченный набор действий. Используются только разрешённые инструменты площадки. Версия расчёта, источники и дата обновления сохранены. Следующий срез будет выполнен по тем же правилам или изменение методики будет отмечено отдельно.
План действий
| Этап | Результат | Проверка |
|---|---|---|
| Данные | Подтверждённые покупки и возвраты | Не восстанавливать личности по косвенным признакам |
| Recency | Дни после последней покупки | Меньше дней — выше оценка |
| Frequency | Уникальные покупки за окно | Не считать строки товара заказами |
| Monetary | Продажи после возвратов или маржа | Закрепить одно определение |
| Сегменты | 6–9 понятных групп | Избегать ложной точности |
| Действия | Ассортимент, наличие, контент, продвижение | Только в рамках правил площадки |
Частые вопросы
Можно ли сделать RFM-анализ покупателей Wildberries?
Да, только если доступные данные дают допустимый устойчивый идентификатор и историю покупок. При агрегированных данных корректнее анализировать повторные заказы, выкупы и когорты.
Что считать покупкой для Frequency?
Выберите единое подтверждённое событие, обычно состоявшуюся продажу или выкуп. Не смешивайте заказы, товарные позиции и выплаты.
Что использовать в Monetary?
Продажи после возвратов подходят для простого анализа; маржинальный вклад полезнее, если себестоимость и расходы рассчитаны надёжно.
Сколько RFM-сегментов нужно?
Обычно достаточно 6–9 бизнес-групп. Количество зависит от размера базы и решений; десятки комбинаций редко делают управление понятнее.
Чем RFM отличается от ABC/XYZ?
ABC оценивает вклад товаров, XYZ — стабильность спроса, а RFM — поведение покупателей или когорт по давности, частоте и ценности.
Можно ли использовать контакты покупателей для рассылки?
Не следует обходить правила площадки или собирать контакты из операционных данных. Используйте только законные и предусмотренные маркетплейсом инструменты.
Сначала проверьте продажи и повторяемость спроса на своих данных
Подключите магазин к Метрик Пульс, сопоставьте продажи, возвраты и экономику товаров, а затем используйте RFM только на том уровне детализации, который действительно дают исходные данные.
После первого успешного подключения магазина. Без банковской карты.
Источники
Использованы только официальные первоисточники площадки и государственных органов. Все расчётные рекомендации редакции нужно проверять на данных своего товара и по условиям, действующим на дату решения.
