RFM-анализ является инструментом, позволяющим проводить сегментирование потребителей по уровню лояльности на основе их прошлых действий, прогнозировать их поведение.
RFM – это аббревиатура от слов Recency — новизна, Frequency – частота и Monetary, что означает затраты или вложения.
Если рассматривать данные понятия более подробно, то под Recency понимается вероятность возвращения клиента, исходя из того, сколько времени прошло с момента его последней активности — чем меньше времени, тем более вероятен тот факт, что потребитель вернется снова.
Frequency – это количество действий, совершаемых тем или иным клиентом за определенный период времени. Считается, что чем больше делает заказов тот или иной потребитель, тем выше вероятность того, что в следующем периоде он снова сделает заказ.
Monetary характеризуется суммой денег, потраченных клиентом за выбранный промежуток времени. Опять же, чем больше средств потратил потребитель, тем с более высокой вероятностью он их потратит снова. Стоит отметить, что данный пункт может часто отсутствовать в анализе, т.к. имеет сильную связь с Frequency. Так же Monetary может отсутствовать в тех случаях, когда выгоду, полученную от клиента, невозможно учесть в деньгах.
Отчет писался для конфигурации КА по заказу отдела маркетинга. Т.к. используется только регистр «Продажи», подойдёт для любой конфигурации, в которой есть такой регистр(обязательно наличие ресурса «СтоимостьОборот»). Отчет разбивает продажи за выбранный период на 5 равных частей(квинтилей) по давности последней продажи, 5 частей по частоте покупок и 5 частей по выручке. Итого клиенты разбиваются на 125 групп:
Клиенты, относящиеся к группа 555 – это самые лояльные потребители, в которых компания может быть уверена. Но при этом не нужно думать, что о них можно «забыть», т.к. они итак не уйдут. Таким клиентам необходимо показать, что они действительно важны фирме, что фирма благодарна им (создание особых условий, программы лояльности).
111 – самые неперспективные потребители. Тем не менее, нужно понимать, что хотя бы раз, но они обратились к услугам компании. Попытаться привлечь их снова или понять причину низкой активности – возможные задачи для маркетологов фирмы.
Клиенты с Recency 5 находятся в состоянии оценки компании и возможно обратятся к ней снова. Их можно смело привлекать, осуществляя почтовые или интернет-рассылки, стимулировать к совершению покупки.
Добавлен отбор по номенклатуре. Это будет полезно для разделения анализа по группам товаров или их свойствам (например, отделить оказание услуг от продаж товаров).
нельзя ли более подробно описать механизм (алгоритм) ранжирования, используемый в обработке?
Все три показателя (последняя дата продажи, сумма продажи, количество продаж) разбиваются на 5 равных частей. Например, (Макс сумма продаж — Мин сумма продаж) / 5. Аналогично для количества продаж. Период разбивается от даты начала отчета до даты окончания, т.е. (ДатаОкончания(в сек) — ДатаНачала(в сек)) / 5. Например, если взять период пять месяцев, то каждый месяц (примерно) будет являться одним квинтилем. После определения общих границ, берутся показатели контрагентов(дата последней продажи, сумма продаж за период, количество продаж) и сравниваются с границами. В какой квинтиль попадает показатель, такой «ранг» ему и присваивается.
Квинтиль — это одна пятая часть.
Спасибо!!!
А задействовать механизмы кластеризации Платформы 1с8.х не пытались?
Там поле не паханное!
А за статью спасибо!
P.S. Насколько я догадываюсь, ранжировка производится по сумме «номеров квантилей»? т.е. используемые показатели имеют равную значимость?
Показатели как раз имеют не равную значимость. Самым важным является Recency, потом Frequency, потом Monetary. Отчет просто упорядочивает контрагентов по этим показателям. Вообще-то есть другой метод формирования: сначала идёт разбивка по Recency, потом каждый из получившихся 5-и квинтилей разбивается по Frequency. А затем 25 групп разбиваются на Monetary. Это более точный метод, но и более сложный в реализации.
А кластеризация действительно не паханное поле. С ней ещё разбираться и разбираться…
В случае биллинговых систем, где возможны оплаты за авансом на несколько месяцев вперед (по абонентской плате за услуги) наиболее важным становится Monetary. И для этого случая желательна еще сегментация на активных и неактивных абонентов.