Файл: Анализ клиентской базы с использованием методики RFM-анализа..pdf

Рассчитываем какое количество дней прошло с покупки у каждого из клиентов. Такие данные нам понадобятся для присвоения числовых показателей R, F, M. Данные этих показателей мы берем из Рис.2. Присваиваем каждому клиенту свои показатели RFM- анализа.

После присвоения показателей нужно рассчитать «Сегмент» воспользовавшись формулой: R*100+F*10+M. Получив необходимые показатели «Сегмента», воспользовавшись (Рис.3) можно сделать выводы:

• Клиент 1- уходящий, разовый, низкий чек;
• Клиент 2- спящий, редкий, высокий чек;
• Клиент 3- уходящий, разовый, высокий чек;
• Клиент 4- уходящий, разовый, низкий чек;
• Клиент 5- недавний, редкий, высокий чек.

На основании такого деления вы можете улучшать ситуацию с клиентской базой. Например, использовать ретаргетинг, чтобы «догонять» бывших лояльных клиентов или тех, кто уже начал покупать в вашем интернет-магазине. 

Или прислать каждой группе подписчиков персонализированные предложения:

• Лучшим из сегмента 111 предложить программу лояльности или рассказать о новых поступлениях.
• Тем, кто тратит больше всех, из сегмента xx1, рассказать о самых дорогих товарах.
• Почти потерянным, но раньше покупавшим часто и много, из сегмента 311, предложить большие скидки или улучшенный сервис.
• Почти потерянным из сегмента 333 напомнить о себе и, если они не сделают целевое действие, удалить из базы.

Такая сегментация клиентов позволит повышать средний чек покупок постоянных клиентов, продавать больше, возвращать тех, кто по каким-то причинам перестал покупать у вас и переводить как можно больше аудитории в VIP-клиенты. Все это в конечном итоге приведет к увеличению прибыли.

Заключение

В современных условиях развития рынков удовлетворить всех потребителей при помощи одного товара или услуги практически невозможно. У каждого есть свои желания, интересы ожидания от товара или услуги. Поэтому у компаний возникает необходимость учитывать отличия в требованиях и ожиданиях потребителей при разработке маркетинговой стратегии и комплекса маркетинга.

Методика RFM – далеко не абсолютный, но крайне полезный инструмент анализа клиентской базы. Проделав сравнительно небольшую работу, вы увидите, как реализовать индивидуальный подход к своим клиентам. 

После распределения и изучения клиентов мы можем составлять свои индивидуальные подходы к ним, для того чтобы увеличить прибыль данной компании и повысить лояльность клиентов для успешного бизнеса.

На основании такого деления вы можете улучшать ситуацию с клиентской базой. Например, использовать ретаргетинг, чтобы «догонять» бывших лояльных клиентов или тех, кто уже начал покупать в вашем интернет-магазине. Или прислать каждой группе подписчиков персонализированные предложения:

Лучшим из сегмента 111 предложить программу лояльности или рассказать о новых поступлениях.

Тем, кто тратит больше всех, из сегмента xx1, рассказать о самых дорогих товарах.

Почти потерянным, но раньше покупавшим часто и много, из сегмента 311, предложить большие скидки или улучшенный сервис.

Почти потерянным из сегмента 333 напомнить о себе и, если они не сделают целевое действие, удалить из базы.

Такая сегментация клиентов позволит повышать средний чек покупок постоянных клиентов, продавать больше, возвращать тех, кто по каким-то причинам перестал покупать у вас и переводить как можно больше аудитории в VIP-клиенты. Все это в конечном итоге приведет к увеличению прибыли.

Не забывайте периодически проводить повторный анализ, чтобы видеть изменения и корректировать маркетинговую стратегию. Частота повторного анализа зависит от ниши. Например, если продаете что-то сложное типа производственного оборудования, можно проводить его раз в 1–2 года. Если каждый день в интернет-магазине совершают более 50 покупок, проведите анализ повторно через 1–2 месяца.

Список литературы

1. Баженов Р.И., Векслер В.А., Гринкруг Л.С. RFM-анализ клиентской базы в прикладном решении 1С: Предприятие 8.3 // Информатизация и связь. 2016. №2. С. 51-54.
2. Голубков Е.П. RFM-анализ: методика и практика применения // Маркетинг в России и за рубежом. 2017. № 6. C. 11-24.
3. Александров В.И., Клюева А.А. RFM-анализ и e-mail-маркетинг. Теория и практика // Интернет-маркетинг. 2017. № 2. С. 96-106.
4. Александров В.И. Применение RFM-анализа при разработке таргетированных маркетинговых стратегий в сфере e-commerce // Маркетинг и маркетинговые исследования. 2015. № 5. С. 332-339.
5. Наумов А.А., Наумова А.А., Баженов Р.И. О некоторых моделях и модификациях классического ABC-анализа // Современные научные исследования и инновации. 2014. № 12 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2014/12/42200 (дата обращения: 27.12.2016).
6. Жилкин С.А., Баженов Р.И. Совершенствование ассортимента товаров медицинского назначения на основе ABC-анализа // Экономика и менеджмент инновационных технологий. 2018. № 12 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2018/12/6681 (дата обращения: 27.12.2018).
7. Резниченко Н.В., Наумов А.А., Баженов Р.И. Совершенствование ассортимента блюд кафе и системы закупок компонентов на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2016. № 12 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2016/12/6541 (дата обращения: 27.12.2016).
8. Наумов А.А., Баженов Р.И. О проблемах классических показателей эффективности инвестиционных проектов // Современные научные исследования и инновации. 2017. № 11-2 (43). С. 181-187.
9. Бронштейн К.С., Наумов А.А., Баженов Р.И. Применение классического ABC-анализа для анализа ассортимента блюд кафе // Экономика и менеджмент инновационных технологий. 2018. № 11 (38). С. 100-110.
10. Наумов А.А., Баженов Р.И. О неустойчивости метода нормализации критериев // Современные научные исследования и инновации. 2015. № 11-1 (43). С. 64-68.
11. Остроушко А.А., Баженов Р.И. Анализ ассортимента электротоваров с использованием ABC-анализа // Экономика и менеджмент инновационных технологий. 2017. № 10(37). С. 73-81.