ClientCoreБлогНа сайт

RFM vs когортный анализ: когда какой инструмент использовать

RFM подсказывает, кому писать завтра. Когорты — где база теряет деньги. Показываем, когда нужен каждый инструмент и как связать их в одну систему

Выручка CRM-канала стоит на месте третий месяц. Маркетолог открывает RFM-отчет: сегменты посчитаны, цвета красивые, а ответа на вопрос «почему стоим» там нет. И не будет — RFM вообще про другой вопрос.

Споры «нам нужен RFM» против «нам нужны когорты» мы слышим почти на каждом аудите. Спор бессмысленный: инструменты отвечают на разные вопросы бизнеса. Разобраться попросили Василину Бреусенко, CRM-маркетолога ClientCore, — она строит сегментацию и аналитику базы для ритейла и e-com и знает, где эти инструменты ломаются.

ЧИТАЙТЕ ТАКЖЕ

«Стандартная RFM уверена: ваш лучший клиент ушел. На деле он просто ждет декабря. Как учесть офлайн-чеки и сезонность, чтобы модель перестала врать.»

RFM-анализ для розницы: как учитывать офлайн-чеки и сезонность

Что считает каждый из инструментов

RFM — три балла, которые получает каждый клиент: Recency (как давно покупал), Frequency (как часто), Monetary (сколько денег принес). Баллы складываются в RFM-матрицу, обычно сетку 5×5×5. Получается снимок базы на сегодня: кто горячий, кто остывает, кого можно считать потерянным.

Когортный анализ — что это на практике: вы берете группу людей с общим стартом (купили впервые в марте, пришли из одного канала) и смотрите, как она ведет себя месяц за месяцем. Сколько вернулись на второй месяц, сколько — на третий, какой LTV накопила группа за полгода.

Разница принципиальная. RFM отвечает на вопрос «кто этот клиент прямо сейчас». Когорты — «что произошло с теми, кто пришел в марте, и отличаются ли они от февральских». Первый инструмент статичен, второй показывает динамику. Поэтому запрос rfm vs cohort анализ, который вбивают в поиск, немного лукавит: сравнивать их как конкурентов — все равно что выбирать между термометром и рентгеном.

На аудитах я вижу одну и ту же картину: RFM в Mindbox посчитан, баллы у клиентов стоят, а механики к сегментам не привязаны. Маркетолог открывает матрицу, смотрит и закрывает — потому что непонятно, что с ней делать завтра утром. Посчитать баллы и не назначить каждому сегменту действие — половина работы, которая денег не приносит».
Василина Бреусенко

Василина Бреусенко

CRM-маркетолог, ClientCore

RFM: когда вопрос — кому писать

RFM — тактический инструмент. Он нужен, когда вы планируете коммуникации: кого включить в акцию, кого отправить в реактивацию, кому предложить апсейл.

Логика простая. «Чемпионы» (555 по шкале) получают ранний доступ к новинкам — скидка им не нужна, они купят и так. «Остывающие» — повод вернуться: персональная подборка, бонус на следующий заказ. «Спящие» — отдельная реактивационная цепочка, и только если экономика сходится.

Главное в RFM — пороги. Для магазина косметики R=5 может означать «покупал в последние 90 дней», для продуктовой доставки — «в последние 10 дней». Возьмете пороги из шаблона — получите «спящих», которые на самом деле в норме своего цикла, и сожжете на них бюджет.

Мы это проверяли на практике. У MINIDINO рассылки уходили всей базе без разбора сегментов — мы пересобрали логику, сделав ставку на точность вместо охвата, и получили +110% к эффективности email за квартал без роста числа отправок (кейс).

Письма уходят всей базе скопом?

Соберем RFM-сегментацию под ваш цикл покупки и покажем, какие сегменты дают выручку, а какие портят репутацию домена

🇷🇺
Норма
  • пороги Recency привязаны к реальному циклу повторной покупки
  • у каждого рабочего сегмента есть механика и ответственный
  • баллы пересчитываются минимум раз в месяц
Red flag
  • матрица на 125 ячеек посчитана, а в работе два сегмента
  • пороги не меняли с момента внедрения
  • клиент записан в «спящие» через 30 дней при цикле покупки в полгода

Когорты: когда вопрос — где теряем деньги

Когортный анализ нужен для стратегических вопросов. Падает выручка с базы? Строите кривые retention по когортам и видите: группы последних четырех месяцев возвращаются на вторую покупку на 12 процентных пунктов хуже, чем год назад. Значит, что-то сломалось — ассортимент, логистика или качество трафика. Дальше уже копаете причину.

Второй сценарий — оценка каналов и акций. Типичная картина: ноябрьская когорта с черной пятницы показывает 30% повторных покупок против 55% у сентябрьской. Скидочный спрос привел «охотников за акциями», которые не возвращаются. Без когортного среза эта разница не видна: в общей выручке все смешивается.

Третий — расчет LTV и окупаемости. Когда видно, сколько денег приносит когорта за 6–12 месяцев жизни, можно честно ответить, сколько позволительно платить за привлечение клиента.

У одного клиента когорта, приведенная через блогера, выглядела выгодной по CPA — дешевле органики на треть. Посчитали LTV за полгода: вдвое ниже, повторная покупка у каждого пятого против каждого второго в органике. Финдир увидел одну таблицу и сам закрыл вопрос с бюджетом. Когорты хорошо заканчивают споры, где каждый тянет свою метрику».
Василина Бреусенко

Василина Бреусенко

CRM-маркетолог, ClientCore

Норма
  • когорта определена по событию первой покупки, а не по регистрации
  • горизонт сравнения одинаковый: 60 дней к 60 дням
  • срез смотрят ежемесячно, новые когорты дописываются в ту же таблицу
Red flag
  • когорта — это «все, кто когда-либо покупал»
  • LTV когорт разного возраста сравнивают в лоб
  • вывод сделан по одной «странной» когорте, без проверки на соседних

Короткая шпаргалка по задачам

| Вопрос бизнеса | Инструмент | Почему | |---|---|---| | Кому отправить акцию на этой неделе | RFM | нужен срез базы на текущий момент | | Кого реактивировать | RFM | сегмент «спящих» уже посчитан | | Почему просела выручка с базы | когорты | видно, какие когорты стали хуже и с какого месяца | | Сколько живет клиент | когорты | кривая retention показывает месяц отвала | | Какой канал приводит долгоживущих клиентов | когорты | сравнение LTV когорт по источникам | | Окупается ли распродажа вдолгую | когорты | retention скидочных когорт против обычных | | Хватит ли базы под план продаж | оба | когорты дают прогноз retention, RFM — состав базы |

Как инструменты работают в паре

По отдельности каждый закрывает половину задачи. Когорты ставят диагноз, RFM выписывает рецепт.

Рабочая связка выглядит так. Когортный срез показывает: группы последнего квартала теряют 70% клиентов ко второму месяцу, раньше теряли 50%. Диагноз есть. Дальше RFM выделяет из этих когорт тех, кто еще жив (R=3–4), и на них запускается цепочка второй продажи. Эффект меряете по той же когортной кривой через месяц.

Работает и в обратную сторону. RFM-отчет показывает, что сегмент «спящих» вырос вдвое за квартал. Почему — матрица молчит. Открываете когорты и видите: отвал начался с июльских когорт, когда меняли службу доставки. Проблема оказалась операционной, и никакая реактивация ее не решит, пока не починят логистику.

Я всегда начинаю с когортного среза, даже когда клиент просит „просто сегменты для рассылок“. Однажды RFM показал бы красивую картину, а когорты — что база вымирает со скоростью 8% в месяц и точить надо онбординг первых 30 дней, а не письма спящим».
Василина Бреусенко

Василина Бреусенко

CRM-маркетолог, ClientCore

Ошибки, которые обнуляют аналитику

Первая — RFM как галочка. Баллы посчитаны, дашборд висит, а решения принимаются как раньше: «шлем всем». Матрица без привязки к механикам — это расходы на аналитику без возврата.

Вторая — когорты ради графиков. Красивый слайд на планерке, все кивнули, действий — ноль. У каждого вывода из когорт должно быть следствие: меняем оффер, режем канал, чиним онбординг.

Третья — RFM по всей истории. Клиент с покупками 2019 года набирает баллы наравне со свежими, хотя ассортимент и бренд давно другие. Старую историю нужно обрезать — обычно достаточно 2–3 последних лет, для быстрого цикла и того меньше.

ЧИТАЙТЕ ТАКЖЕ

«RFM показывает, сколько клиент потратил, но молчит о том, стабилен ли его спрос. Разбираем, как ABC/XYZ-анализ закрывает слепые зоны RFM и делает сегментацию рабочим инструментом, а не отчетом для…»

ABC/XYZ + RFM: как комбинировать модели сегментации для точных решений

Не видите, в каком месте база теряет деньги?

Соберем когортный срез поверх ваших заказов, найдем точки утечки и посчитаем их в рублях

🇷🇺

Часто задаваемые вопросы

Можно ли обойтись только RFM?

Если все вопросы тактические — кому писать и что предложить, — на первое время хватит. Но как только руководство спросит «почему падает retention» или «какой канал дает лучших клиентов», RFM ответа не даст. Там нужна динамика, а это территория когорт.

Сколько истории заказов нужно для когортного анализа?

Минимум два-три полных цикла повторной покупки. Если клиент в норме покупает раз в 90 дней, понадобится 9–12 месяцев чистой истории: id клиента, дата, сумма заказа. Меньше — выводы будут шумными.

Что строить первым, если нет ни того ни другого?

RFM. Он собирается быстрее — на живой базе это 2–3 недели с настройкой порогов — и сразу дает прирост за счет точечных рассылок вместо массовых. Когорты подключайте, когда появится вопрос «почему»: падает выручка, дорожает привлечение, спорите с финансами о бюджете на каналы.

Заменяет ли Mindbox или другая CRM-платформа эти инструменты?

Платформа считает баллы RFM и хранит данные — это верно. Но пороги, логика сегментов, когортные срезы и выводы из них — зона ответственности команды. Автоматика без гипотез дает красивые дашборды, которые ничего не меняют.

Над проектом работали

Василина Бреусенко

Василина Бреусенко

CRM-маркетолог, ClientCore