Два покупателя оставили по 15 тысяч рублей. Один покупал пять раз и недавно, другой сделал единственный заказ полгода назад. Одинаковая сумма не означает одинаковую историю отношений с магазином.
RFM-анализ помогает рассмотреть клиентов сразу по трём признакам: давности последней покупки, числу покупок и их сумме. Небольшой базе необязательно назначать десятки сегментов: сначала полезнее получить проверяемую таблицу и понятные правила группировки.
Задайте дату среза и период покупок
В руководстве Сбера по RFM-анализу описаны три показателя: Recency, Frequency и Monetary. Для рабочего отчёта заранее уточните, какие операции входят в каждый из них. Пороговые значения из чужого примера не являются нормой для вашего бизнеса.
В нашем учебном расчёте:
- дата среза — утро 31 октября 2026 года;
- период покупок — с 1 мая по 30 октября включительно;
- R — число календарных дней от последней учитываемой покупки до 31 октября;
- F — количество отдельных выполненных и оплаченных заказов за выбранный период;
- M — сумма по этим заказам после известных на дату среза возвратов.
Используем только вымышленные коды покупателей, без настоящих контактов. Покупателя, у которого за период нет ни одного учитываемого заказа, помещаем в отдельную группу «нет покупок в периоде». Ему не присваиваем выдуманную дату последней покупки и нулевую давность.
Это анализ выбранных шести месяцев, а не всей истории бизнеса. Нового клиента с двумя неделями истории нельзя автоматически считать менее лояльным, чем человека, покупавшего все шесть месяцев. Для последующего разбора сохраните также дату первой покупки.
Уберите дубли и договоритесь о возвратах
Связывайте операции постоянным кодом клиента. Одна покупка с пятью товарными строками — один заказ для F, а не пять. Два платежа по одному заказу тоже не превращают его в два заказа. Объединение разных людей по похожему имени может испортить все три показателя.
Для примера примем явное правило: полностью возвращённый заказ исключаем из F, M и определения последней покупки. Частично возвращённый заказ оставляем одним заказом, а его сумму уменьшаем на возврат. Это выбранная методика отчёта; другой вариант допустим для другой задачи, но его нужно подписать и применять одинаково ко всем.
Покупатель К-06 сделал три заказа: 1 июля на 2 000 ₽, 1 сентября на 2 000 ₽ и 10 октября на 3 000 ₽. По последнему вернул часть на 1 000 ₽. Ещё один заказ 29 октября на 800 ₽ был полностью возвращён до среза.
Получаем F = 3, M = 2 000 + 2 000 + 3 000 − 1 000 = 6 000 ₽, последняя учитываемая покупка — 10 октября, R = 21 день. Полностью возвращённый заказ не делает клиента «недавно покупавшим» по нашему правилу. Его историю сохраняем отдельно, чтобы видеть причину исключения.
Таблица шести покупателей
В таблице «Покупки» показаны F и M за один и тот же период. Все исходные числа условные. R рассчитан относительно одной даты — 31 октября; значения не обновляются во время чтения отчёта.
| Код | Последняя покупка / R | Покупки: F / M |
|---|---|---|
| К-01 | 30 октября / 1 день | 6 заказов / 18 000 ₽ |
| К-02 | 16 октября / 15 дней | 2 заказа / 4 000 ₽ |
| К-03 | 1 сентября / 60 дней | 5 заказов / 15 000 ₽ |
| К-04 | 1 июня / 152 дня | 1 заказ / 1 200 ₽ |
| К-05 | 29 октября / 2 дня | 1 заказ / 900 ₽ |
| К-06 | 10 октября / 21 день | 3 заказа / 6 000 ₽ |
Проверка итога: 18 учитываемых заказов на 45 100 ₽. Сумму и число заказов нужно сверить с очищенным реестром операций, а не с количеством строк выгрузки. Дни R не складывают в «общую давность базы».
В электронной таблице храните R, F и M отдельными числовыми столбцами. Объединённые ячейки здесь нужны только для компактного показа. Если дата среза записана в H1, а последняя покупка — в B2, давность можно получить формулой =$H$1-B2. Формат результата — число, не дата. Для сохранённого отчёта фиксированная дата среза удобнее СЕГОДНЯ(): завтра старый результат иначе изменится.
Начните с небольшого числа понятных групп
Допустим, магазин продаёт товары, повторную покупку которых в этом учебном сценарии ожидает в пределах месяца. Для пробного разбора выберем три простых признака:
- недавно — R от 0 до 30 дней включительно; давно — больше 30;
- повторно — F не меньше 2; одна покупка — F равна 1;
- большая сумма периода — M не меньше 10 000 ₽.
Это авторские границы примера, а не рекомендуемая частота покупок для любого магазина. Для мебели, сезонных товаров и ежедневных расходников понадобятся другие основания.
К-01 попадает в группу «недавно, повторно, большая сумма». К-03 — «давно, повторно, большая сумма». У К-02 и К-06 недавние повторные покупки, но сумма ниже выбранного порога. К-05 купил недавно один раз, К-04 — давно один раз.
Не складывайте признаки в один итоговый балл без понятной цели. Одинаковый результат суммы баллов может скрывать противоположные ситуации. На шести строках полезнее видеть сами R, F и M, чем создавать 27 групп, большая часть которых окажется пустой.
Что делать с получившимися группами
У К-03 сначала проверьте контекст: не сезонная ли это покупка, не исчез ли нужный товар, не осталось ли нерешённое обращение. Большая прошлая сумма и давность сами по себе не доказывают, что человек ушёл к конкуренту.
Для К-05 посмотрите, выполнен ли первый заказ и нет ли проблемы с получением. Один недавний заказ — ещё не доказательство устойчивой лояльности. Для К-01 полезно проверить, что частые покупки не сопровождаются повторяющимися ошибками обслуживания.
M показывает сумму покупок по принятой методике, а не прибыль. Высокая сумма может сочетаться с большой скидкой, дорогой доставкой или высокими затратами. Если нужно выбирать экономически оправданные действия, дополните анализ расходами; не объявляйте клиента прибыльным по одному M.
RFM-группа также не заменяет основания для обработки контактов и рекламных обращений. В этом разборе никаких рассылок не требуется. Организацию карточек, доступов и допустимых целей использования данных разбирает статья «Клиентская база в таблице».
Как повторить анализ и не потерять сравнимость
Сохраните дату среза, границы периода, правила возвратов и пороги рядом с результатом. При следующем расчёте отмечайте не только переход между группами, но и его причину. R увеличивается с течением времени; покупка может выйти за пределы скользящего окна; возврат может уменьшить M. Это разные изменения.
Если меняете методику, пересчитайте прошлый срез по новым правилам или прямо подпишите, что сравнение ограничено. На маленькой базе один покупатель сильно меняет долю группы: здесь это 1 / 6 ≈ 16,7 процентного пункта. Рост доли на такую величину может означать перемещение всего одной строки.
Для вопроса «какая доля новых клиентов вернулась за одинаковое время» используйте отдельный расчёт повторных покупок. RFM нужен для разбора текущего состава базы; он не доказывает, что выбранное действие вызвало следующую покупку.