# RFM-сегментация в Mindbox: как собрать расчет и автоматизировать обновление сегментов > Как собрать RFM-анализ внутри Mindbox: баллы, пороги, динамические сегменты, пределы платформы и признаки, что расчет пора выносить во внешнюю аналитику. **Рубрика:** Статьи **Автор:** Валерия Старостина, CRM-маркетолог, ClientCore **Дата:** 2026-10-14 База в Mindbox есть, заказы падают, рассылки уходят по расписанию. Но стоит спросить, сколько в базе лояльных клиентов, а сколько — давно спящих, и в ответ обычно тишина или «ну, примерно половина». Половина чего — никто не знает. RFM-анализ снимает этот вопрос за день: клиент получает три числа, и структура базы становится видна целиком. Как собрать такой расчет внутри платформы, где Mindbox начнет буксовать и что делать тогда — рассказывает Валерия Старостина, CRM-маркетолог ClientCore. > **Читайте также:** [RFM-анализ для ресторана: как сегментировать гостей по данным визитов](https://clientcore.ru/blog/articles/rfm-analiz-dlya-restorana-kak-segmentirovat-gostey-po-dannym-vizitov) ## Что дает RFM и почему его собирают внутри Mindbox RFM раскладывает каждого клиента по трем осям. Recency — давность последней покупки. Frequency — как часто человек покупает. Monetary — сколько денег принес. По каждой оси клиент получает балл от 1 до 5: «пятерка» по Recency означает «купил недавно», «единица» — «про него пора забыть или срочно возвращать». Матрица из таких кодов дает карту базы: видно, сколько людей в ячейке «покупают часто и много», сколько — в «были лояльны, но пропали». Из этой карты и растут сценарии. Считать удобно прямо внутри Mindbox по простой причине: баллы живут в карточке клиента рядом с коммуникациями. Сегмент сразу доступен в рассылках и сценариях, никаких ручных выгрузок в Excel перед каждым запуском. Изменился балл — изменился состав сегмента, и очередная цепочка ушла по актуальным людям. Цена рассылок «всем подряд» известна. В FINNTRAIL, например, каждое письмо до работы с нами получала вся база разом — без единого сегмента. После персонализации рассылок выручка email-канала выросла на 15% ([кейс](https://clientcore.ru/blog/articles/keis-finntrail-rost-vyruchki-email)). RFM — один из рабочих способов завести такие сегменты системно, на данных о покупках. ## Что проверить в данных до настройки RFM считается по заказам, поэтому качество расчета равно качеству заказной истории в Mindbox. Перед настройкой стоит ответить на три вопроса. Все ли заказы попадают в платформу — включая офлайн-чеки и возвраты. Нет ли дублей: две карточки одного человека размывают Frequency вдвое. Хватает ли глубины истории: комфортный минимум — три цикла повторной покупки, обычно это 12–24 месяца. **Норма** - в расчет идут только оплаченные завершенные заказы - дубли клиентов склеены до запуска - история покрывает хотя бы год продаж **Red flag** - в Monetary попадают отмененные заказы и покупки сотрудников - офлайн-продажи живут отдельно и в Mindbox не выгружаются - история короче одного цикла повторной покупки > Примерно в каждом втором проекте старт RFM сдвигается на неделю: открываем заказы и находим тестовые покупки менеджеров на пару миллионов рублей. Пока это не вычистишь, баллы врут по всей базе — Monetary раздувается, а „лучшие клиенты“ оказываются сотрудниками колл-центра». > > — Валерия Старостина, CRM-маркетолог, ClientCore ## Как собрать пересчет RFM-баллов в Mindbox Сама сборка укладывается в четыре шага. **Шаг 1. Пороги.** Recency привязывают к циклу покупки: если в среднем клиент возвращается за 45 дней, то R=5 — покупка за последние 30–45 дней, R=1 — давно за пределами цикла. Пороги для Frequency и Monetary считают по квантилям на выгрузке заказов — один раз, руками, затем фиксируют в настройках. **Шаг 2. Поля.** В карточке клиента создают дополнительные поля: r-балл, f-балл, m-балл (целые от 1 до 5) и строковое поле сегмента — например, «champions» или «at_risk». Строка удобна для фильтров в рассылках и подстановки в персонализацию. **Шаг 3. Пересчет.** Ночной скрипт забирает заказы через API, считает баллы по каждому клиенту и возвращает значения в поля. Утром сегменты уже обновлены. Mindbox сам квантили по базе не считает — эта часть всегда живет рядом с платформой, и это нормально. **Шаг 4. Контроль.** Раз в квартал сверяют распределение: если в «пятерке» по Monetary сидит 40% базы, шкала устарела и пороги пора пересчитать. > Пересчет ставим на 3–4 ночи, когда никто не шлет рассылки. На базе в 300 тысяч контактов полный цикл занимает около часа: забрать заказы, посчитать, вернуть поля. Утром маркетолог видит свежую матрицу и не трогает ничего руками». > > — Валерия Старостина, CRM-маркетолог, ClientCore ## Динамические сегменты: как работает автообновление Динамический сегмент — это сегмент по условиям, состав которого Mindbox пересчитывает сам при каждом изменении данных клиента. Обновился r-балл после ночного расчета — и человек без всяких ручных операций переехал из «засыпающих» в «активные». Рассылка, запланированная на сегмент, всегда уходит по свежему составу. На этом и держится сегментация в Mindbox в связке с RFM: баллы обновляет скрипт, состав групп платформа пересобирает сама. Заводить все 125 ячеек матрицы 5×5×5 не нужно. На практике хватает 8–12 групп: champions с высокими R и F, новички с высоким чеком, засыпающие лояльные, потерянные. Каждой группе — свой сценарий, иначе сегментация останется красивым отчетом. **Норма** - названия читаются без расшифровки: «засыпающие_лояльные», а не «seg_rfm_17» - каждый сегмент привязан минимум к одному сценарию - состав сверяют с выгрузкой раз в квартал **Red flag** - заведены все 125 ячеек, работают с пятью - сегменты статические: выгрузка из Excel перед каждой рассылкой - сегмент есть, а ни одна коммуникация на него не смотрит ## Где Mindbox начинает буксовать Нативного RFM-инструмента в платформе нет. Квантили и перцентили Mindbox сам не считает, пороги задаются руками. Массовый пересчет всей базы по расписанию — тоже не штатная история: сценарии заточены под события по конкретному клиенту, поэтому ночной пересчет делают внешним скриптом. Пороги «уплывают». База выросла, средний чек изменился, а шкала осталась прошлогодней: баллы начинают сравнивать клиентов с прошлым, а не друг с другом. Отсюда правило ревизии раз в квартал. Тяжелые условия — отдельная зона риска. Агрегаты по заказам с вложенными условиями на большой базе считаются не мгновенно. Если рассылка по сегменту собирается полчаса, это повод перенести сложную логику в поля, а в условиях сегмента оставить простое «rfm_segment = ...». ## Когда расчет стоит вынести во внешнюю аналитику Признаки того, что пора: активных контактов за полмиллиона; нужны отдельные шкалы по категориям, потому что у корма цикл покупки месяц, а у амуниции — год; RFM нужен по брендам или регионам; баллы связывают с прогнозом оттока. Схема при этом простая: SQL или Python считает баллы на витрине заказов, через API они попадают в поля Mindbox, а внутри платформы остаются сегменты и коммуникации. **Норма** - база до пары сотен тысяч активных контактов - один бренд, одна витрина заказов, один цикл покупки - пороги заданы по бизнес-логике и всех устраивают **Red flag** - отдельные шкалы нужны по четырем-пяти категориям - маркетинг ждет сборку тяжелого сегмента по полчаса - пороги не пересматривали больше года > Когда у клиента несколько категорий с разными циклами, единая шкала RFM начинает врать: любитель ежемесячных покупок корма всегда „горячий“, а покупатель дорогой амуниции навсегда застревает в „спящих“. Такие проекты считаем снаружи, а внутрь платформы возвращаем только готовые баллы и название сегмента». > > — Валерия Старостина, CRM-маркетолог, ClientCore ## Как работать с ячейками матрицы Сегменты без тактик денег не приносят, поэтому каждой группе назначают свою механику. Champions получают ранний доступ к новинкам и закрытые распродажи — без скидочного пресса, они и так покупают. Новички с высоким Monetary — онбординг и дожим до второй покупки внутри их цикла. Засыпающие — win-back каскад: email, затем push, затем SMS с нарастающим оффером. Потерянные — редкие касания в дешевом канале, без попыток выкупить внимание скидкой 50%. Эффект точечной работы измерим. У MINIDINO рассылки уходили всей базе без разбора сегментов; мы пересобрали логику, сделав ставку на точность попадания, и получили +110% к эффективности email-рассылок за квартал ([кейс](https://clientcore.ru/blog/articles/keis-minidino-rost-effektivnosti-email)). RFM-матрица как раз дает карту, по которой такая точность настраивается. > **Читайте также:** [Сценарии для новых клиентов: как довести покупателя до второго заказа и не спалить его скидками](https://clientcore.ru/blog/articles/scenarii-dlya-novyh-klientov-kak-dovesti-pokupatelya-do-vtorogo-zakaza-i-ne-spalit-ego-skidkami) --- [Открыть статью на сайте](https://clientcore.ru/blog/articles/rfm-segmentaciya-v-mindbox-kak-sobrat-raschet-i-avtomatizirovat-obnovlenie-segmentov)