Полный гайд по RFM-анализу: как сегментировать базу и продавать больше

В 1990-х, когда интернет-магазины только зарождались, а большинство компаний рассылало бумажные каталоги по почте, маркетологи мелких фирм почёсывали затылок: печать и отправка каталога — дорогое удовольствие. Если отправлять всем подряд, точно разоришься. Если не отправлять никому, то и продаж ждать не стоит.

Тогда кто-то умный задал три простых вопроса: когда человек покупал в последний раз? Как часто он покупает в целом? Сколько денег он всего потратил? Эти три параметра — Recency, Frequency, Monetary — легли в основу метода, который сегодня используют Amazon, Netflix и тысячи компаний поменьше.

Что такое RFM-анализ — или что скрывается за тремя буквами

RFM-анализ клиентской базы — метод сегментации клиентов на основе их денежного поведения, он состоит из трёх параметров:

• Recency (Давность): когда была последняя покупка? Чем свежее дата, тем выше шанс, что клиент вернётся.
• Frequency (Частота): как часто клиент отоваривается? Один раз или десять — огромная разница, которая подсвечивает доверие к бренду.
• Monetary (Деньги): сколько денег он оставил? 500 ₽ или 50 000 ₽? Для бизнеса, очевидно, важнее второй.

Зачем вам знать, кто купил вчера, а кто — месяц назад

Вместо ковровой бомбардировки по всей базе вы бьёте точечно: лояльным покупателям — эксклюзив, спящим — напоминание, новичкам — обучение. При этом сразу видите, где теряете деньги. Например, заметите постоянников, которые стали тратить меньше, или новичков, которые не возвращаются. А ещё здесь не нужны фокус-группы и месяцы исследований: RFM даёт чёткую картину за пару часов работы в Excel.

Данные собрали — самое время превратить их в систему

За несколько недель на курсе «Excel и Google Таблицы» вы освоите инструменты для построения финансовых моделей и прогнозирования. Научитесь автоматизировать сбор и обработку данных, чтобы RFM-анализ обновлялся сам, без вашего участия.

А всего за один квартал с помощью курса «Руководитель отдела продаж» создадите процессы, которые превратят сегменты в прибыль: от найма правильных людей до настройки KPI и систем мотивации.

Оставьте заявку на первый или второй курс, чтобы начать обучение уже в ближайшее время

Как понять, подойдёт ли вам RFM

Точно да, если:

• У вас интернет-магазин, розничная сеть, сервис подписки или онлайн-сервис.
• Ваши клиенты покупают неоднократно.
• У вас разный средний чек (кто-то берёт наушники, а кто-то — домашний кинотеатр).

Точно нет, если:

• Продаёте крупные товары. Люди редко покупают квартиры и машины повторно, история слишком короткая.
• У вас стартап с малой базой. Когда у вас 50 клиентов, вы и так знаете каждого. Подождите, пока наберётся хотя бы несколько сотен записей.

Что вы получите, а от чего придётся отказаться

4 бонуса ↓

• Простота. Не нужно быть аналитиком: открыли Excel, загрузили данные, посчитали.
• Скорость. Работающую сегментацию сможете собрать за пару часов.
• Экономия денег. Вы не даёте скидку тому, кто купит и так, а тратите бюджет на возврат уходящих.
• Точность. Конверсия растёт, количество отписок падает — потому что каждый получает релевантное предложение.

4 компромисса ↓

• Отсутствие контекста. Человек взял дорогой товар и доволен, но RFM запишет его в потерянные, так как он долго не возвращается.
• Игнорирование товарных категорий. Метод покажет, что клиент лояльный, но не подсветит, что тот покупает только кошачий корм, а игрушки ему не интересны.
• Неучтённая сезонность. Магазин ёлочных игрушек увидит отток в январе, хотя это норма для ниши.
• Требовательность к данным. Дубли, ошибки и пропуски в базе исказят результат. Поэтому сначала данные нужно почистить и только потом анализировать.

Повторим базу и познакомимся с сегментами

Recency (Давность) отвечает на вопрос: когда человек отоваривался в последний раз? Чем свежее покупка, тем выше вероятность, что он вернётся. Тот, кто купил вчера, горячее того, кто заглядывал полгода назад.

Frequency (Частота) показывает, сколько раз покупали за период. Один раз или десять — большая разница. Постоянники знают вас, доверяют вам и приносят стабильный доход.

Monetary (Деньги) суммирует, сколько клиент потратил. Кто-то оставил 50 000 ₽, кто-то 500 ₽.

Каждому параметру вы присваиваете баллы от 1 до 5, где 5 — лучший результат. Получается трёхзначный код вроде 555 или 211. По нему сразу видно, кто перед вами.

Звезды вашей базы (555, 554, 544) — идеальные клиенты. Покупали недавно, в целом делают это часто и много и приносят вам основную прибыль. Что делать: беречь, не заваливать скидками, предлагать особые условия, программу лояльности и ранний доступ к новинкам.

Те, кто всегда с вами (455, 445, 354) — лояльные. Отовариваются регулярно и на хорошие суммы, но последняя покупка была не вчера. Что делать: удерживать и растить средний чек, например предлагать сопутствующие товары или апгрейд продукта.

Потерянные (155, 154, 144) — когда-то оставляли деньги в кассе, но давно пропали. Что делать: возвращать их дорого, поэтому на маленькой группе протестируйте скидку 10–20% и спросите «Что пошло не так?». При этом оцените ROI: если стоимость возврата меньше ожидаемой LTV, от массовых скидок лучше отказаться. Если больше — можно предлагать остальным уже 20–30%.

Спящие (344, 334, 244) — покупали относительно недавно, но редко и на малые суммы. Что делать: напомнить о себе, например, показать новую коллекцию, вдохновить полезным контентом или предложить небольшую скидку для пробуждения интереса.

Когда-то были лучшими (255, 254, 245) — бывшие лояльные клиенты. Раньше закупались часто и много, но давно не заходили. Что делать: выяснить причину и попытайтесь вернуть. Это дешевле, чем искать новых. А то непонятно: они переехали, перешли к конкурентам или вовсе обиделись?

Новички (511, 521, 531) — недавние клиенты. Только что совершили первую покупку, горячие контакты. Что делать: превратить их в лояльных. Запустите welcome-цепочку писем, предложите помощь в освоении продукта.

Короткая инструкция для тех, кто хочет начать прямо сейчас

Шаг 1: соберите данные.

Выгрузите транзакции из CRM, «1С» или кассы в Excel. Вам нужны 4 колонки:

1. ID клиента (email или телефон).
2. Дата.
3. Количество (в чеке или за период).
4. Сумма.

Совет: для магазина одежды берите данные за год, для кофейни хватит трёх месяцев.

Шаг 2: разделите на группы.

Для каждого нужно рассчитать три числа: сколько дней прошло с последней покупки (R), сколько всего было заказов (F) и общую сумму (M). Затем каждый показатель нужно разбить на 5 групп (например по 20% клиентов в каждой или вручную) и присвоить баллы от 1 до 5.

Шаг 3: проанализируйте.

Посмотрите на распределение. Если у вас много потерянных и мало лояльных, стоит задуматься об удержании. Куча новичков, которые не возвращаются, подсвечивают вам, что явно что-то не так с первым впечатлением.

Следующий уровень — профессиональная автоматизация

На курсе «Excel и Google Таблицы» вы научитесь строить интерактивные дашборды и создавать прогнозы на основе исторических паттернов. RFM-анализ станет частью вашей еженедельной рутины, которая будет занимать не больше 5 минут в день.

Доступ к курсу остаётся с вами навсегда, бонусом получаете 40 полезных шпаргалок и шаблонов для ускорения работы

Оставьте заявку и начните работать умнее, а не больше

Обновлять или подождать

Ориентируйтесь на средний цикл покупки. Интернет-магазину лучше пересчитывать сегменты каждый месяц, мебельному — раз в квартал. Если запустили акцию для спящих клиентов, проверьте результат через две недели. Переместились ли люди в другие сегменты? Так увидите эффективность метода.

Современные CRM умеют обновлять RFM автоматически. Настроили один раз — получаете актуальную картину в реальном времени. Но даже ручной пересчёт раз в месяц лучше, чем работа вслепую.

Инструменты для проведения RFM-анализа

Excel — базовый инструмент. Бесплатный, доступный, подходящий для небольшой базы. Как освоите классические настройки, переходите к автоматизации.

Google Таблицы — онлайн-аналог Excel. Удобно, если работаете в команде. Можно подключить скрипты для автоматического обновления данных.

CRM-системы (amoCRM, «Битрикс24», «Мегаплан») имеют встроенный RFM или позволяют настроить его через интеграции. Данные обновляются автоматически, сегменты формируются на лету.

Специализированные сервисы (Mindbox, Retail Rocket) заточены под маркетинговую аналитику. Кроме RFM предлагают когортный анализ, предиктивные модели, автоматизацию коммуникаций.

Python и R — для тех, кто дружит с кодом. Библиотеки Pandas и Sklearn позволяют гибко настроить анализ под любую специфику. Плюс сюда легко подключить нейросети для прогнозов. Это уже продвинутый уровень, когда освоили базу и хочется большего.

Читайте также: Студент Академии создал CRM для логистики — код написали нейросети

RFM в связке с другими методами

RFM отлично работает в компании. Добавьте когортный анализ, так вы сможете увидеть, как меняется поведение групп во времени. Совместите с ABC-анализом, поймёте, какие товары приносят основную прибыль. LTV (lifetime value) покажет, сколько денег принесёт каждый сегмент за всё время жизни. Может оказаться, что спящие клиенты в прошлом были золотыми, и их возврат будет оправдан любыми расходами.

И здесь пригодится волшебная сила искусственного интеллекта. Если обучить модель на исторических данных RFM-сегментов, можно получить прогноз, который покажет, кто из лояльных клиентов вероятнее всего пропадёт в ближайшее время.

Как проводить RFM в Excel: пошаговая инструкция с формулами и скринами

1. Подготовьте данные

Откройте Excel. Создайте таблицу с четырьмя колонками:

• ID клиента (номер телефона или email).
• Дата (в формате ДД.ММ.ГГГГ).
• Количество (сколько раз клиент отоваривался за весь период).
• Сумма (общая сумма покупок).

Данные возьмите из CRM (выгрузить нужно в формате CSV или из Excel), «1С» (отчёт по продажам) или кассовой системы (история транзакций). Если записали человека несколько раз с разными контактами, объедините строки вручную или через функцию =СУММЕСЛИ.

Пример таблицы:

ID клиента | Дата последней покупки | Количество покупок | Сумма покупок

1 | 01.12.2025 | 5 | 15000

2 | 15.10.2025 | 2 | 3000

3 | 20.11.2025 | 8 | 45000

4 | 10.09.2025 | 11 | 18000

Убедитесь, что нет пустых ячеек, и удалите тестовые заказы и возвраты, чтобы они тоже не искажали картину.

Возвраты учитывайте корректировкой суммы (выручки): например NetRevenue = SUM(Amount) - SUM(RefundAmount) при агрегации по клиенту.

2. Рассчитайте показатели R, F, M

Recency (Давность): посчитайте, сколько дней прошло с последней покупки до сегодняшнего дня. Для этого создайте колонку R_дни. В первой ячейке введите формулу: =СЕГОДНЯ()-B2, где B2 — ячейка с датой недавней оплаты. Протяните формулу вниз по всем строкам.

Frequency (Частота): это уже готовая колонка Количество покупок. Скопируйте её в новую колонку F_покупки.

Monetary (Деньги): это готовая колонка Сумма покупок. Скопируйте в колонку M_сумма.

Теперь у каждого клиента есть три числа: сколько дней прошло с покупки, сколько раз платил, сколько потратил.

3. Поставьте оценки и баллы

Разделите каждый показатель на пять групп. Можете использовать функцию КВАРТИЛЬ или задать границы вручную.

Создайте три новые колонки: R_балл, F_балл, M_балл. Для Recency чем меньше дней, тем выше балл. Формула для ячейки R_балл: =ЕСЛИ(E2<=7;5;ЕСЛИ(E2<=30;4;ЕСЛИ(E2<=60;3;ЕСЛИ(E2<=90;2;1)))).

Здесь E2 — это ячейка с количеством дней. Если покупка была в последние 7 дней — ставьте 5 баллов, до 30 дней — 4 балла и так далее.

Для Frequency и Monetary чем больше значение, тем выше балл. Формула для F_балл (цифры для примера): =ЕСЛИ(F2>=10;5;ЕСЛИ(F2>=7;4;ЕСЛИ(F2>=4;3;ЕСЛИ(F2>=2;2;1)))). Аналогично для M_балл: =ЕСЛИ(G2>=50000;5;ЕСЛИ(G2>=20000;4;ЕСЛИ(G2>=10000;3;ЕСЛИ(G2>=5000;2;1)))).

Границы подберите под свой бизнес. И посмотрите на распределение значений — должно получиться примерно равное количество клиентов в каждой группе.

4. Рассчитайте RFM-код

Создайте колонку RFM_код. Объедините три балла в один код с помощью формулы: =H2&I2&J2, где H2, I2, J2 — ячейки с R_балл, F_балл, M_балл. Получится код вроде 555, 321, 144.

Теперь у каждого клиента есть трёхзначная метка. Отсортируйте таблицу по этому коду, чтобы увидеть группы.

5. Визуализируйте и сделайте выводы

Создайте сводную таблицу. Выделите данные, перейдите в меню Вставка → Сводная таблица. Перетащите RFM_код «Название строк», ID клиента в «Значения» (для функции выберите «Количество» в «Параметре полей значений» — его можно открыть через в меню по клику правой кнопкой мыши), M_сумма в «Значения» (функция: сумма). Должна получиться таблица, где для каждого сегмента видны количество клиентов и общая выручка.

Постройте диаграмму: выделите сводную таблицу, выберите Вставка → Диаграмма → Гистограмма. Так сможете визуально увидеть, какие сегменты приносят основную прибыль.

Интерпретация сегментов

• 555, 554, 544 — лучшие клиенты. Максимум внимания и заботы.
• 455, 445, 354 — лояльные. Нужно работать над удержанием и ростом среднего чека.
• 155, 154, 144 — потерянные. Нужны вовлекающие акции.
• 344, 334, 244 — спящие. Напомните о себе, предложите скидку.
• 511, 521, 531 — новые и перспективные. Здесь уместны знакомство и вовлечение в регулярные покупки.

Можете добавить функции Excel для автоматической подсветки сегментов цветом или создать дашборд с графиками. Современные надстройки типа Power Query позволяют обновлять данные одной кнопкой.

Читайте также: 4 навыка, которые можно освоить за пару месяцев — и сразу повысить ценность на рынке труда

Метрики и KPI для оценки эффективности

После RFM-анализа клиентов нужно отслеживать ключевые показатели.

Показатель конверсии: какой процент людей из каждой группы совершили покупку после рассылки. Лучшие покупатели должны показывать конверсию выше среднего.

Средний чек: растёт ли он после персонализированных предложений.

Показатель удержания: сколько клиентов осталось в сегменте через месяц / квартал.

LTV: общая выручка от сегмента за всё время. Посмотрите, окупаются ли затраты на возврат спящих или потерянных.

Как разберётесь с базовыми показателями, переходите к более сложным: CAC (стоимость привлечения), ROI (возврат инвестиций) по сегментам, скорость перехода между группами. С помощью тех же нейросетей и исторических данных можно предсказать будущий LTV каждого сегмента. Так вы поймёте, на какой сегмент стоит тратить бюджет в первую очередь.

От цифр — к действиям

На курсе «Руководитель отдела продаж» вы научитесь выстраивать аналитику и понимать, что делать дальше. Сможете корректировать стратегию и оценивать эффективность каждого канала: каждый рубль будет работать на вас.

Лекторы курса — преподаватель Гарвардской школы бизнеса Джон Стёртэвант, гендир Osokin-Consulting Леонид Осокин и глава компании PR Consulting Максим Поташёв.

Оставить заявку на обучение и получить доступ к интервью с лучшими бизнес-тренерами России

Стратегии работы после анализа

Читайте также: Как устроено обучение в Академии Eduson

Коммуникация (email, СМС-ки)

• Лучшим (555) → эксклюзив: «Вы наш лучший клиент, вот доступ к ранней распродаже».
• Спящим (333) → напоминание: «Мы скучаем. Держите промокод на скидку 10%».
• Потерянным (111) → реанимирование: «Ловите промокод на скидку 30%, успейте активировать до конца недели». Часто писать нельзя — отпишутся.
• Новичкам → знакомство: Серия писем о бренде, отзывы, гайды.

Программа лояльности

Не делайте её для всех одинаковой.

• Випам предлагайте приоритетную доставку и персонального менеджера.
• Лояльным — бонусы за активность (например «каждая десятая чашка кофе — в подарок»).
• Новичкам — приветственные бонусы на первую покупку.

Воронка продаж

RFM покажет узкие места. Новички не становятся лояльными? Значит, проблема в онбординге. Лояльные не переходят в статус VIP? Тогда не хватает допродаж (кросс-сейл).

Примеры использования RFM-анализа

Производитель женской одежды NiceOne внедрил RFM, чтобы перестать рассылать одинаковые сообщения всей базе и утомлять постоянников.

Команда разделила клиентов по поведению и ценности (частота покупок, активность, реакция на промо), изменила логику скидок и частоту касаний. В результате рассылки стали релевантнее: расходы снизились на 35%, отписки у активных клиентов — на 40%.

А джинсовый бренд Pepe Jeans разделил клиентов на RFM-сегменты и дополнил их анализом воронки и когорт. Это помогло отправлять сообщения в нужный момент и нужным людям. В итоге конверсия выросла в 2,6 раза, воронка стала эффективнее на 57%, а ROI рассылок увеличился в 11 раз в WhatsApp и в 13 раз в e-mail.

RFM-анализ в условиях изменяющегося рынка

Кризисы, пандемии, изменение покупательской способности значительно влияют на поведение, поэтому RFM нужно адаптировать. Если средний чек упал на 30%, пересмотрите границы для Monetary. То, что раньше было 5 баллами, теперь может быть 3.

Частота тоже меняется. Если люди стали покупать реже — скорректируйте шкалу Frequency. Главное, не работать по устаревшим данным. RFM — это база, которую надо постоянно обновлять и подстраивать под реальность.

Нейросети помогают адаптироваться быстрее. Модели замечают тренды раньше человека и могут подсказать, что в этом месяце лояльные клиенты из Москвы стали покупать на 15% реже. Так вы получаете сигнал, что пора что-то менять, пока ситуация не стала хуже.

Выберите своё обучение: прокачать таблицы или целый отдел продаж.

ЧЕК-ЛИСТ: как не завалить RFM-анализ

Перед запуском (1–4), после анализа (5–9), в перспективе (10–14):

• Удалили из данных все ошибки и дубли.
• Учли сезонность и контекст бизнеса.
• Границы баллов адаптировали под свою нишу.
• Период анализа подогнали под цикл сделок.
• Не отправляете одинаковые письма всем сегментам.
• Тестируете гипотезы на малой выборке перед массовой рассылкой.
• Отслеживаете метрики (конверсия, ROI, retention).
• Пересчитываете сегменты регулярно (раз в месяц / квартал).
• Не надоедаете клиентам избыточными рассылками.
• Автоматизируете процесс через CRM или скрипты.
• Комбинируете RFM с другими методами (когортный анализ, LTV).
• Используете A/B-тесты для проверки эффективности.
• Собираете от клиентов обратную связь.
• Развиваете аналитику: например добавляете предиктивные модели и нейросети.

Часто задаваемые вопросы

RFM анализ что это простыми словами (расшифровка)?

RFM анализ это (recency frequency monetary — давность, частота, денежная ценность) — метод разделения клиентов на группы (segmentation) по трём критериям: когда последний раз покупали, как часто оставляют деньги на кассе, сколько тратят. Вы присваиваете каждому клиенту баллы по этим параметрам и получаете код из трёх цифр. Так вы понимаете, кто лучший клиент, кто потерянный, кто новичок. Дальше работаете с каждой группой отдельно.

Как часто его нужно обновлять?

Зависит от скорости бизнеса. Продуктовой доставке лучше обновлять базу не реже одного раза в пару недель. Магазину косметики — раз в месяц, автосервису — раз в квартал. Если запустили акцию, проверьте эффект через две недели. Автоматизируйте процесс в CRM, тогда данные всегда будут актуальны.

Сколько данных нужно, чтобы провести анализ?

Минимум — несколько сотен клиентов с историей покупок за 3–12 месяцев. Если у вас меньше — анализ теряет смысл. Чем больше данных, тем точнее RFM-сегментация, идеально от 1000 записей.

Можно ли сделать RFM анализ клиентов без CRM — только в Excel?

Да, Excel справится с базой до 10 000 клиентов. Выше — уже будет тормозить. Главное, чтобы данные были структурированы: ID, дата, количество, сумма.

Что делать после анализа?

Создайте стратегию для каждого сегмента. Лучшим клиентам — VIP-обслуживание, спящим — реанимационные письма, новичкам — онбординг. Запускайте кампании, отслеживайте метрики, пересчитывайте сегменты. РФМ-анализ — не разовая акция, а постоянный процесс, поэтому к нему можно и нужно добавлять тесты, автоматизацию, предиктивные модели.

Подходит ли RFM для B2B?

Да, если у вас повторные сделки. RFM анализ как делать для B2B: вместо количества покупок проанализируйте частоту заказов, вместо суммы — объём контрактов. Логика та же: кто заказывал недавно, часто и много — ваш ключевой клиент. Не подходит для разовых крупных проектов, где всего один контракт в год.