+7 995 571-75-75
fs@fedotov.studio
г. Новосибирск, ул. Крылова,29
fs@fedotov.studio
г. Новосибирск, ул. Крылова,29
+7 995 571-75-75
fs@fedotov.studio
г. Новосибирск, ул. Крылова,29
fs@fedotov.studio
г. Новосибирск, ул. Крылова,29
Оставьте заявку
Хотите узнать, какие маркетинговые инструменты обеспечат рост вашего бизнеса? Напишите нам, и мы предложим пути реализации ваших целей
RFM-анализ для доставки «Сакура Суши»
Как с помощью RFM-анализа быстро повысить продажи?
Мы около 2-х лет успешно работаем с новосибирской доставкой суши и роллов «Сакура суши». В конце 2021 года мы предложили исследовать клиентские базы компании по методологии RFM с целью изучить потребительское поведение пользователей.
В доставке важно работать с имеющейся клиентской базой, потому что повторные продажи – основа экономики таких компаний. Помимо качества продукта и сервиса, важно выстраивать маркетинговую коммуникацию с клиентами, основанную на поведении пользователей. Для этой коммуникации эффективнее использовать персонализированные e-mail и whatsapp-рассылки, а также таргетированную рекламу на основе RFM-сегментации.
RFM анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех, кто покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.
С помощью этого анализа можно можно прогнозировать реакции клиентов на изменения в компании и улучшения взаимодействия, а также быстро повысить прибыль.
В доставке важно работать с имеющейся клиентской базой, потому что повторные продажи – основа экономики таких компаний. Помимо качества продукта и сервиса, важно выстраивать маркетинговую коммуникацию с клиентами, основанную на поведении пользователей. Для этой коммуникации эффективнее использовать персонализированные e-mail и whatsapp-рассылки, а также таргетированную рекламу на основе RFM-сегментации.
RFM анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех, кто покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.
С помощью этого анализа можно можно прогнозировать реакции клиентов на изменения в компании и улучшения взаимодействия, а также быстро повысить прибыль.
Выгрузка и сегментация
- Мы выгрузили базу данных из CRM системы Mobidel за год, чтобы собрать самую актуальные данные. Пользователей выгружали по транзакциям: Имя клиента, Номер телефона, Дата покупки, Сумма покупки.
- Главное в RFM-анализе — разделить всех клиентов по группам, в зависимости от того, как давно они сделали последнюю покупку, как часто покупали и насколько большой была сумма их заказов. По каждому из этих признаков мы выделяли по три равные группы. Затем присваивали каждой группе числовое обозначение от 1 до 3. Об этом далее.
Распределение статусов
По давности заказа
1 — давние клиенты
2 — относительно недавние клиенты
3 — недавние клиенты
2 — относительно недавние клиенты
3 — недавние клиенты
По частоте покупок
1 — покупает очень редко
2 — покупает нечасто
3 — покупает часто
2 — покупает нечасто
3 — покупает часто
По сумме покупок
1 — маленькая сумма покупок
2 — средняя сумма покупок
3 — большая сумма покупок
2 — средняя сумма покупок
3 — большая сумма покупок
Пример: клиент, у которого 111 по всем значениям — невыгодный клиент, значит, что он покупал давно, один раз и на незначительную сумму – его обрабатываем в последнюю очередь. Клиент 333 — лучший клиент, "золотой": совершает заказы часто, на большую сумму и последний его заказ был недавно. Скидка такому не нужна, а вот поднять его значимость для нас – стоит, так что пишем ему персональное письмо, делаем подарок и просим рекомендовать нас. Клиент 133 – "уснувший", то есть ранее покупал много и часто, но давно не совершал покупок. Делаем ему мощный оффер, чтобы снова запустить цикл покупок. А после аккауратно выясняем причину прекращения: была ли ошибка или он просто забыл про нас. И так далее для каждого из 27 сегментов.База вышла огромной, сразу стали понятные наиболее перспективные, с точки зрения коммуникации и продаж, клиенты.
Комментарий к статусам
- Как присвоить клиенту все эти вышеперечисленные цифры?Мы загрузили базу в google-таблицу, а дальше работали по формулам.Все очень просто. Необходимо рассчитать на основании экономики компании, что считается давней покупкой (например, покупка, которая была совершена более чем 250 дней назад), что считается относительно недавним заказом (например, заказ, совершенный более чем 100 дней назад, но не более 250 дней назад) и недавний заказ (пример до 100 дней). Так и с платежами и частотой заказа. Эти цифры и послужат основой для формул в расчётах и программировании при автоматизации.
Результат
Нам понадобилась неделя, чтобы просегментировать базу. Мы получили большую итоговую таблицу – на 18 000 строк.
Далее разработали план обработки этой базы: рассылки через Whatsapp, email-рассылки, таргетированная реклама по отдельным сегментам. Все персонализировано и исходя из поведенческого паттерна. Работа по RFM в доставке еды в среднем окупается с первой волной рассылки.
Далее разработали план обработки этой базы: рассылки через Whatsapp, email-рассылки, таргетированная реклама по отдельным сегментам. Все персонализировано и исходя из поведенческого паттерна. Работа по RFM в доставке еды в среднем окупается с первой волной рассылки.
Хотите так же?
Оставьте заявку, и мы с вами свяжемся
Нажимая на кнопку, вы соглашаетесь с политикой конфиденциальности.
