"RFM-анализ клиентской базы аптечной сети"
Table of Contents
- Business Problem
- About Data
- Project Background
- Executive Summary
- Insights Deep-Dive
- Recommendations and Next Steps
- Business Impact & ROI
- Technical Project Information
- Tech Stack
В условиях предстоящего снижения покупательской активности, вызванного сезонным спадом, перед аптечной сетью стоит задача оптимизации маркетинговых затрат. Компания располагает инструментом SMS-рассылок, однако использование его в массовом формате сопряжено с риском неоправданных расходов. В связи с этим возникает необходимость разработки механизма персонализированной коммуникации с клиентами. Суть задачи заключается в том, чтобы исключить из целевых кампаний покупателей с минимальной вовлечённостью (например, совершивших единичную и малозначимую покупку), и сосредоточить усилия на сегментах, обладающих высоким потенциалом увеличения среднего чека и вероятностью отклика на персональные предложения.
Набор данных предоставлен образовательной платформой Simulative в рамках Курса-симулятора «Аналитик данных» (ООО «АЙТИ РЕЗЮМЕ») https://simulative.ru/data-analyst.
Датасет представляет собой реальные исторические данные о продажах сети из 8 региональных аптек, расположенных в различных районах города. Данные представлены за период с 2021-07-13 по 2022-06-09 включительно и состоят из 8 колонкок и 38486 строк. Вся необходимая для работы информация о транзакциях по бонусной системе содержится в таблице bonuscheques.
| Column | Description | Data Type |
|---|---|---|
| datetime | Дата и время совершения транзакции | timestamp |
| shop | Название аптеки | varchar(20) |
| card | Номер бонусной карты | varchar(100) |
| bonus_earned | Количество начисленных бонусов | int4 |
| bonus_spent | Количество потраченных бонусов | int4 |
| summ | Сумма чека | int4 |
| summ_with_disc | Сумма чека с учетом скидок и списаний бонусов | int4 |
| doc_id | Номер документа | varchar(100) |
Цель анализа.
Провести сегментацию клиентской базы аптечной сети с использованием RFM-анализа на основе частоты покупок (Frequency), давности последних заказов (Recency) и объёма трат (Monetary). Это позволит выявить ключевые группы покупателей, определить их ценность для бизнеса и разработать стратегию маркетингового воздействия для каждой группы.
Период.
Сегментация клиентской базы произведена за период с 2021-07-12 по 2022-06-09.
Пороговые значения для RFM-метрик:
Recency и Monetary - перцентили 25% и 75%.
Frequency - фиксированные бизнес-пороги (1 покупка, 2-3 покупки, 4 и более).
Выбор обусловлен особенностью распределения величины и реализован с целью собрать в одну группу всех клиентов, совершивших разовые покупки.
В ходе анализа были выделены 8 основных сегментов и дополнительный сегмент (High-Frequency Buyers) с аномально высокой метрикой Frequency.
Массовые категории.
Массовые категории представлены Promising (31%), New Customers (13%) и Hibernating Customers (17%) — перспективная основа для роста, требуют welcome-программ и персонализированного маркетинга.
New Customers должны стать предметом особого внимания: правильная welcome-стратегия позволит перевести часть в сегменты Potential Loyalist и Loyal.
Hibernating Customers имеют наименьший приоритет в плане маркетинговых инвестиций, но их реактивация может дать быстрый прирост оборота.
Основной вклад в выручку.
Основной вклад в выручку обеспечивают сегменты Champions, Loyal и Cannot Lose Them.
Наибольшую ценность для бизнеса представляют сегменты Champions и Loyal, которые обеспечивают высокую выручку и стабильность.
Сегменты риска.
Сегменты риска представлены At Risk (5%) и Cannot Lose Them (4%) — небольшая, но стратегически важная группа, потеря приведёт к значительным убыткам. Нуждаются в реактивационных кампаниях, требуют приоритета в программах удержания, так как представляют собой клиентов с исторически высокой ценностью.
На основе RFM-сегментации проведена оценка бизнес-эффекта, показавшая потенциал роста выручки ~5% без увеличения трафика за счёт фокуса на ключевых клиентских сегментах Champions, Loyal, Potential Loyalist, Cannot Lose Them и At Risk.
RFM Segmentation Plot.
RFM Segmentation Statistics.
| rfm categories | min recency | max recency | min frequency | max frequency | mean monetary | cnt |
|---|---|---|---|---|---|---|
| Champions | 1 | 186 | 4 | 13 | 6996 | 900 |
| Cannot Lose Them | 188 | 332 | 1 | 12 | 4181 | 197 |
| Loyal | 1 | 187 | 2 | 10 | 3898 | 398 |
| Potential Loyalist | 1 | 185 | 2 | 11 | 1769 | 507 |
| Promising | 1 | 187 | 1 | 3 | 1541 | 1736 |
| At Risk | 188 | 327 | 2 | 3 | 1350 | 266 |
| Hibernating Customers | 188 | 333 | 1 | 1 | 881 | 955 |
| New Customers | 1 | 187 | 1 | 1 | 414 | 731 |
-
Champions (900 клиентов, средний чек 6996)
Самые ценные клиенты с высокой частотой и давностью покупок. Сегмент приносит наибольшую выручку. Требует удержания через персональные программы лояльности и VIP-сервисы. -
Cannot Lose Them (197 клиентов, средний чек 4181)
Клиенты, которые ранее приносили значительную ценность, но давно не совершали покупки. Важный сегмент для реанимации через персональные предложения и ре-активационные кампании. -
Loyal (398 клиентов, средний чек 3898)
Стабильная база, демонстрирующая регулярные покупки, но без экстремально высоких чеков. Перспективен для увеличения среднего чека через кросс- и апселл. -
Potential Loyalist (507 клиентов, средний чек 1769)
Клиенты с недавними покупками и частотой выше разовой. Имеют высокий потенциал роста при правильном сопровождении. -
Promising (1736 клиентов, средний чек 1541)
Самый массовый сегмент. Клиенты проявляют интерес, но пока приносят ограниченную ценность. Важен как основа для nurture-кампаний. -
At Risk (266 клиентов, средний чек 1350)
Ранее активные, но переставшие совершать покупки. Сегмент требует анализа причин оттока и таргетированных акций по возвращению. -
Hibernating Customers (955 клиентов, средний чек 881)
Клиенты с низкой частотой и давностью покупок, приносят минимальную ценность. Могут обслуживаться через недорогие массовые коммуникации. -
New Customers (731 клиентов, средний чек 414)
Новые клиенты с разовыми покупками. Требуют «обучения» продукту и вовлечения для перехода в более ценные сегменты.
Аномальный сегмент (High-Frequency Buyers)
В ходе анализа была выделена небольшая группа клиентов с аномально высокой метрикой Frequency (количество покупок значительно превышает верхний квартиль распределения).
- Доля таких клиентов в базе незначительна, однако они демонстрируют поведение, нетипичное для основной массы покупателей.
- Возможные объяснения: корпоративные закупки, сбои в учёте, ошибки идентификации карт или крайне высокая индивидуальная лояльность.
- Данный сегмент был выделен отдельно, так как его присутствие искажает распределения и может приводить к неверным выводам в рамках классического RFM-анализа.
Рекомендация: провести дополнительный анализ транзакций этих клиентов, проверить их корректность и определить, относятся ли они к целевой аудитории или это технические записи. В случае подтверждения уникальности — разработать отдельные механики работы (VIP-программы или спецобслуживание).
На основании проведённого RFM-анализа были выделены ключевые клиентские сегменты. Для каждого сегмента определена его ценность для бизнеса, сформулированы приоритетные вопросы и предложены маркетинговые/CRM-мероприятия.
| Сегмент | Значение для бизнеса | Бизнес-вопросы | Маркетинг / CRM |
|---|---|---|---|
| Champions (333, 233) Совсем недавно покупали, делают это часто, приносят наибольшую ценность (высокий Monetary). |
Лучшие клиенты, «золотой фонд». | Как удержать самых ценных клиентов? Можем ли увеличить их пожизненную ценность (LTV)? |
Персональные бонусы, VIP-программы, ранний доступ к акциям, реферальные программы. |
| Loyal (332, 331, 223, 323) Часто покупают, но не всегда недавно или не всегда с высоким чеком. |
Надёжная база клиентов. | Как закрепить лояльность и повысить средний чек? | Кросс-селл, апселл, клуб постоянных клиентов, скидки на пакетные покупки. |
| Potential Loyalist (322, 232, 231) Недавно начали покупать, проявляют интерес, имеют потенциал стать постоянными. |
Целевая группа для nurture-кампаний. | Как превратить их в лояльных? Есть ли барьеры для частых покупок? |
Триггерные рассылки, welcome-программы, персонализированные рекомендации. |
| New Customers (311, 211) Недавно совершили первую покупку, но пока без частоты и большой ценности. |
Клиентов данного сегмента важно перевести в категорию лояльных. | Как вовлечь новых клиентов, чтобы они вернулись? | Приветственные бонусы, onboarding-кампании, push/email с напоминаниями. |
| Promising (221, 321, 313, 312, 222, 213, 212) Покупали недавно, но нечасто и не на большие суммы. |
Клиенты с низкой ценностью, но у которых есть шанс развиться. | Стоит ли тратить маркетинг-бюджет на удержание? | Недорогие акции, массовые рассылки, предложение скидки для повторной покупки. |
| At Risk (131, 122, 121) Раньше покупали хорошо, но уже давно не возвращались. |
Потеря ценных клиентов. | Почему ушли? Как вернуть тех, кто раньше покупал часто/много? | Персональные предложения, скидки на любимые товары, реактивационные кампании. |
| Cannot Lose Them (133, 132, 113, 123) Когда-то были «Champions», но давно не покупали. |
Очень важные клиенты, риск потерять лучших. | Почему пропали ценные клиенты? Как вернуть их быстрее всего? | Сильные персональные стимулы (спец. предложения, call-центр, премиальные скидки). |
| Hibernating (112, 111) Давно не покупали, низкая частота и сумма |
Наименее ценные клиенты. | Нужно ли вообще тратить бюджет на этих клиентов? | Дешёвые массовые каналы (email-рассылки), напоминания, push, но с ограничением затрат. |
Целью данного этапа анализа является оценка потенциального экономического эффекта от внедрения RFM-сегментации и проведения таргетированных маркетинговых коммуникаций в виде SMS-рассылок.
Оценка выполнена в формате сценарного моделирования и отражает ожидаемый инкрементальный эффект, а не фактические результаты маркетинговых кампаний.
В качестве основного канала воздействия рассматриваются персонализированные SMS-кампании, так как данный инструмент доступен компании и позволяет гибко таргетировать коммуникации по RFM-сегментам.
Для каждого сегмента был выбран один ключевой рычаг воздействия:
- рост среднего чека (AOV),
- увеличение частоты покупок,
- реактивация клиентов.
Для расчётов использованы:
- историческое среднее значение чека (Monetary),
- размер сегмента,
- консервативные гипотезы uplift, соответствующие типовым бенчмаркам CRM-маркетинга в ритейле.
В рамках оценки были выделены 5 сегментов с наибольшим потенциалом возврата инвестиций:
| Сегмент | Тип воздействия | Гипотеза |
|---|---|---|
| Champions | Upsell / персональные предложения | +5% к AOV |
| Loyal | Cross-/upsell | +7% к AOV |
| Potential Loyalist | Nurture-кампании | +1 покупка у 20% клиентов |
| Cannot Lose Them | Реактивация | 12% клиентов вернутся |
| At Risk | Реактивация | 7% клиентов вернутся |
Сегменты New Customers и Hibernating Customers исключены из активных инвестиций в рамках данного сценария из-за низкого среднего чека и высокой неопределённости отклика.
В условиях ограниченного маркетингового бюджета целесообразно тестировать сегмент Promising отдельно, после подтверждения эффективности кампаний на более ценных сегментах.
Расчёт дополнительной выручки производился по следующим формулам:
Для роста AOV:
- ΔRevenue = Clients × Mean Monetary × Uplift
Для роста частоты и реактивации:
- ΔRevenue = Clients × Share Affected × Mean Monetary × Additional Purchases
| Сегмент | Клиенты | Ожидаемый эффект, ₽ |
|---|---|---|
| Champions | 900 | ~315 000 |
| Loyal | 398 | ~108 000 |
| Potential Loyalist | 507 | ~179 000 |
| Cannot Lose Them | 197 | ~99 000 |
| At Risk | 266 | ~25 000 |
| Итого | ~726 000 |
Даже при консервативных предположениях модель демонстрирует существенный потенциал прироста выручки за анализируемый период.
Потенциальный рост выручки составляет ~5.3% без привлечения нового трафика, исключительно за счёт изменения поведения текущей клиентской базы.
Даже частичная реализация сценария (50% от оценочного uplift) обеспечит рост выручки на ~2.5%, что подтверждает устойчивость эффекта.
Для оценки затрат использованы следующие допущения:
- стоимость одного SMS — 2 ₽,
- 1 SMS для upsell-кампаний,
- 2 SMS для nurture- и реактивационных кампаний.
Оценка совокупных затрат:
| Тип кампании | Оценка затрат, ₽ |
|---|---|
| Upsell (Champions, Loyal) | ~2 600 |
| Nurture (Potential Loyalist) | ~2 000 |
| Реактивация (Cannot Lose Them, At Risk) | ~1 300 |
| Итого | ~5 900 |
При ожидаемом приросте выручки ~726 тыс. ₽ и маркетинговых затратах ~6 тыс. ₽:
- ROI кампаний является кратно положительным,
- основной вклад в эффект обеспечивают сегменты Champions, Loyal и Potential Loyalist,
- RFM-сегментация позволяет перераспределить маркетинговые бюджеты в пользу наиболее ценных клиентов и отказаться от массовых неэффективных коммуникаций.
Contribution chart: вклад сегментов в рост
Наибольший вклад в потенциальный рост выручки обеспечивают сегменты Champions и Potential Loyalist, что подтверждает целесообразность фокусировки маркетинговых усилий на наиболее ценных клиентах.
Оценка эффекта основана на сценарных допущениях и не учитывает влияние других возможных факторов (сезонность, офлайн-активности, внешние события).
Для получения точной инкрементальной оценки рекомендуется:
- проведение A/B-тестов с контрольной группой,
- тестирование различных креативов и частоты SMS,
- последующий пересмотр uplift-гипотез на основе фактических данных.
- Exploratory Data Analysis
- Пошаговая разработка SQL-скрипта с комментариями
- Итоговый SQL-скрипт.
- Визуализация RFM-сегментации в Metabase
- Оценка потенциального экономического эффекта RFM-сегментации
Python:
- Data Manipulation & Analysis: pandas, numpy
- Visualization: seaborn, matplotlib, plotly
- Database Interaction: sqlalchemy, Jupyter %sql magic
- ETL & Data Preparation: обработка данных, очистка, работа с выбросами
SQL (PostgreSQL):
- CTE (with)
- Temp Tables
- Subqueries
- Window Functions
- Aggregate Functions
- Percentiles (percentile_cont)
- Data Filtering & Transformation
- Conditions
- Converting Data Types
BI / Visualization:
- Metabase: построение графиков / визуализация RFM-сегментов