Методика RFM-анализа клиентов торгового центра

Методика RFM-анализа клиентов торгового центра

Железнова Анна Александровна, магистрант;

Лукьянова Наталия Юрьевна, кандидат экономических наук, доцент

Балтийский федеральный университет им. И. Канта (г. Калининград, Россия)

В статье представлена методика RFM – анализа клиентов на примере одного из торговых центров г. Калининграда с использованием программного обеспечения MS EXEL^TM.

Ключевые слова: RFM-анализ, торговый центр, розничная торговля, клиенты.

Предлагаемым материалом авторы продолжают серию статей, посвященных методам маркетингового анализа [1]. В настоящее время растет конкуренция среди ритейлов Калининградской области. Торговые центры стремятся привлечь, как можно больше клиентов, и для этого им необходимо иметь объективное представление о том, какое из их предложений больше всего заинтересует клиента. И, наоборот, какие клиенты являются наиболее важными для компаний и, на каких потребителей стоит ориентироваться при разработке новых маркетинговых акций и предложений.

Для решения поставленной проблемы в мировой практике применяют RFM-анализ (recency, frequency, monetary), метод работы с базой клиентов на основе многофакторного анализа, с помощью которого определяют ключевых клиентов компании. Это один из эффективных методов прогнозирования поведения клиентов, в основе которого лежат три ключевых показателя. Анализ проводится по трем показателям. Первый показатель - это «R» (время последней покупки). Потребители, которые совершили покупку не так давно, склонны более к повторным покупкам, нежели те клиенты, которые совершали покупки в более ранние сроки. Второй показатель - это «F» (частота покупок). Чем чаще потребитель покупает, тем он более ценен для компании, поскольку позволяет отследить тенденцию покупательской активности. Третий показатель - это «M» (размер покупки). Покупатели, потратившие большее количество денег склонны купить снова, по сравнению с теми клиентами, кто совершал покупки на меньшую сумму денег [2].

Для оперативного проведения RFM – анализа обычно используют CRM системы или другое программное обеспечение, например, Microsoft Excel ^TM. Проиллюстрируем методику RFM – анализа на небольшом примере базы данных клиентов одного из продуктовых ритейлеров Калининградской области. Для этого преобразуем базу данных клиентов в формат Excel^TM, фрагмент которой представлен в таблице 1. Она включает в себя: порядковый номер клиента (последнюю цифру карточки лояльности или другие значения, по желанию самой компании), дату покупки и стоимость покупки за определенный период.

Таблица 1

Затем исходные данные преобразуем в таблицу 2 для проведения RFM - анализа.

Таблица 2

Расчет RFM - анализа

На основе данных таблицы 2 можно сделать вывод, что первый клиент совершил три покупки, последняя из которых была 09.07.2016 года с общей стоимостью в 5369 рублей.

После вышеуказанных преобразований, обычно клиентов делят на пять категорий. При этом в первую категорию попадут клиенты с «худшими» показателями, а в пятую категорию с «лучшими» показателями. В ходе исследования было установлено процентное соотношение в каждой категории шагом в 20%. Таким образом, по показателю «Monetary» в первую категорию попадут те клиенты, которые приобрели некоторые товары компании и внесли в фирму до 20% товарооборота от максимальной суммы всех значении столбца «Monetary». Во вторую категорию попадут клиенты, составившие от 20 до 40% от суммы товарооборота. И так далее до пятой категории. В пятую группу войдут клиенты, составившие от 80 до 100%. По аналогичной методике проводятся преобразования и по остальным показателям: «Recency» (время с момента последней покупки) и «Frequency» (частота покупки).

Для того чтобы просчитать количество дней прошедших со дня последней покупки следует использовать команду в EXCEL^TM : =СЕГОДНЯ - (дата последней покупки).

Анализ показателя «Recency» может быть проведен по команде, которая дает возможность проанализировать данный показатель относительно степени давности последней покупки:

[=ЕСЛИ (кол-во пройденных дней <=0,2*МАКС (диапазон кол-во пройденных дней) 5;ЕСЛИ (кол-во пройденных дней <=0,4*МАКС диапазон кол-во пройденных дней);4;ЕСЛИ (кол-во пройденных дней <=0,6*МАКС диапазон кол-во пройденных дней);3;ЕСЛИ (кол-во пройденных дней <=0,8*МАКС диапазон кол-во пройденных дней);2;1))))]

Аналогичные команды можно использовать и для столбца «Frequency»:

[=ЕСЛИ (количество общих покупок) <=0,2*МАКС (диапазон кол-во общих покупок);1;ЕСЛИ (количество общих покупок <=0,4*МАКС(диапазон кол-во общих покупок);2;ЕСЛИ(количество общих покупок) <=0,6*МАКС диапазон кол-во общих покупок);3;ЕСЛИ(количество общих покупок <=0,8*МАКС диапазон кол-во общих покупок);4;5))))]

[=ЕСЛИ (стоимость общей покупки <=0,2*МАКС (диапазон стоимость общей покупки);1;ЕСЛИ (стоимость общей покупки <=0,4*МАКС (диапазон стоимость общей покупки);2;ЕСЛИ (стоимость общей покупки <=0,6*МАКС (диапазон стоимость общей покупки);3;ЕСЛИ (стоимость общей покупки <=0,8*МАКС (диапазон стоимость общей покупки);4;5))))] [3].

Результаты RFM – анализа оформлены в виде таблицы 3.

Таблица 3

Результаты RFM – анализа

Проанализируем полученные результаты. Клиенты под номерами 1 и 7 имеют показатель «155», можно предположить, что эти покупатели были постоянными клиентами, но уже давно не делали покупок. Имеет смысл уточнить причину, почему они перестали пользоваться услугами компании. Их замечания, возможно, помогут исправить недостатки в работе торгового центра. Клиенты под номерами 3 и 4 имеют показатель «241», как правило, в эту группу попадают клиенты, ценные своим постоянством. Для работы с ними можно воспользоваться методиками «cross-sell» и «up-sell» продаж, поскольку это поможет увеличить их средний чек на покупку товаров. Клиент под номером 5 имеет показатель «255» этот клиент осознанно подходит к процессу покупок. Таким людям стоит делать выгодные предложения, которые, были бы им интересны, несмотря на высокую стоимость покупки. Клиент под номером 6, несет компании наименьшую выгоду, несмотря на то, что он делал покупку сравнительно недавно. Он посещает торговый центр не так часто и при этом тратит меньшее количество денег по сравнению с другими клиентами. Рассмотрим еще группу «511». Эту группу клиентов можно охарактеризовать как «новички». Торговые центры, как правило, стараются не разочаровать таких клиентов и уделяют им больше внимания. Возможна еще одна группа – это «идеальный клиент» с показателем «555». Как правило, их количество не превышает пять процентов от общего числа, но в нашем примере такая группа клиентов не присутствовала.

Для наглядности многие компании визуализируют группы клиентов по показателям R (дате последней покупки) и F (частоте покупок). На основе них строят матрицу, пример которой визуализируют в виде рисунка 1. Эта матрица делит клиентов на группы, на основании их активности: «Новички», «Однодневные покупатели», «Растущие клиенты», «Потерянные клиенты» и «ВИП» [4].

Рис. 1. Матрица группы клиентов на основе RFM – анализа.

Подводя итоги можно сделать вывод, что RFM - анализ будет полезен любой торговой компании, ведущей CRM базу. С помощью него можно проводить сегментацию покупателей, выделяя наиболее ценную целевую аудиторию. Это позволит в дальнейшем ориентироваться на таких клиентов при разработке маркетинговых мероприятий.

Литература:

1. Лукьянова Н.Ю. Методика анализа маркетинговой среды предприятия // Молодой ученый. — 2014. — №7.1. — С. 24-27.
2. Mahboubeh K., Kiyana Z., Sarah A., Somayeh A. Estimating customer lifetime value based on RFM analysis of customer purchase behavior: Case study // Procedia Computer Science. - 2011. - №3. - C. 57-63.
3. Derya Birant. Data mining using RFM analysis. /Knowledge-Oriented Applications in Data Mining. InTech. –Turkey. - 2012. - C.91-108.
4. Спутник Д. Практический RFM анализ для увеличения повторных продаж URL: http://esputnik.com/blog/practicheskiy-rfm (дата обращения 16.10.2016)