RFM-анализ клиентов для email-маркетинга интернет-магазина: сегментация и сценарии рассылок

Средний интернет-магазин собирает базу быстрее, чем успевает её использовать: подписчики есть, а выручка с рассылок растёт медленно. Причина обычно не в дизайне письма, а в том, что всем клиентам уходит одно и то же сообщение. RFM-анализ решает эту проблему: он делит базу по реальному покупательскому поведению и показывает, кому и что отправлять. Ниже — пошаговая методика и готовые сценарии для каждого сегмента.

Что такое RFM-анализ и зачем он нужен в email-маркетинге

RFM — это метод сегментации клиентов по трём поведенческим признакам: давности последней покупки, частоте покупок и потраченной сумме. Каждому клиенту присваивается оценка по каждому параметру, а затем по сочетанию оценок он попадает в определённый сегмент.

Для email-маркетинга это критично. Одна и та же рассылка по всей базе даёт средний результат: часть подписчиков уже купила и не хочет получать скидку новичка, часть — ушла и не открывает письма вовсе.

RFM не требует сложной аналитики: достаточно истории заказов из CRM или выгрузки из админ-панели магазина.

• Персонализировать офферы: новичкам — приветственная серия, «спящим» — реактивация, лояльным — программа поощрений.
• Снизить отписки и жалобы на спам: чем релевантнее письмо, тем выше вовлечённость.
• Растить доход с рассылок: сегментированные письма обычно дают заметно больше открытий и кликов, чем массовые.
• Прогнозировать отток: сегмент «уходит» виден заранее, и его можно вернуть.

Как расшифровываются R, F и M

Recency — давность последней покупки

Показывает, сколько дней прошло с последнего заказа. Чем меньше срок, тем выше оценка: клиент «тёплый» и реагирует на письма. Обычно берут шкалу от 1 до 5, где 5 — покупка за последние 30 дней.

Frequency — частота покупок

Количество заказов за выбранный период, например за год. Оценка 5 — самые частые покупатели, оценка 1 — те, кто заказал один раз.

Monetary — сумма покупок

Общая сумма, которую клиент потратил в магазине. Этот параметр помогает отделить тех, кто много покупает по мелочи, от тех, кто заказывает редко, но дорого.

Для каждого параметра задаются пороги. Простой вариант — разделить базу на квинтили (по 20%) и присвоить баллы 1–5. Итоговый код вида 5-5-5 даёт 125 комбинаций, которые затем укрупняют до 8–12 рабочих сегментов.

Пошаговый алгоритм RFM-анализа для интернет-магазина

1. Выгрузите данные о заказах. Нужны ID клиента, email, дата последнего заказа, число заказов и общая сумма. Источник — CRM, 1С, Shopify, WooCommerce или выгрузка из админки.
2. Определите период анализа. Для магазина с коротким циклом покупки — 6–12 месяцев, для длинного (мебель, техника) — 12–24 месяца.
3. Задайте пороги для R, F и M. Проще всего по квинтилям: 20% самых «свежих» клиентов получают 5, следующие 20% — 4 и так далее.
4. Присвойте баллы каждому клиенту. Сделайте это в Excel или Google Sheets, либо в сервисе рассылок с поддержкой RFM. Пригодятся функции QUARTILE/PERCENTILE или сводные таблицы.
5. Соберите сегменты. Объедините близкие комбинации в понятные группы: «чемпионы», «лояльные», «новички», «в зоне риска», «потерянные».
6. Синхронизируйте сегменты с email-платформой. Загрузите метки в сервис рассылок или настройте передачу через API, чтобы разметка обновлялась автоматически.
7. Составьте карту коммуникаций. Для каждого сегмента — свой оффер, частота писем и цель.
8. Замеряйте результат. Сравнивайте Open Rate, CTR, доход с рассылки и LTV сегмента до и после внедрения.

Обновляйте RFM-разметку минимум раз в месяц: клиент переходит из сегмента в сегмент, и сценарии должны успевать за ним.

Основные RFM-сегменты и что им отправлять

• Чемпионы (R5 F5 M5). Покупают часто, недавно и много. Им — ранний доступ к новинкам, закрытые распродажи, реферальная программа. Скидки такому сегменту нужны в последнюю очередь.
• Лояльные (R4–5, F4–5, M3–5). Стабильные покупатели. Поддерживайте контакт: персональные подборки, кросс-сейл, бонусы за отзыв.
• Новички (R5, F1). Первая покупка. Задача — вторая: серия писем с допродажей, промокод на следующий заказ, инструкция по использованию товара.
• Перспективные (R5, F2–3, M2–3). Хороший потенциал. Отправляйте рекомендации по категориям, которые они уже покупали.
• Требуют внимания (R2–3, F3–4). Купили недавно, но давность растёт. Работайте над частотой: комплекты, скидка на второй товар.
• В зоне риска (R2, F3–5, M3–5). Ценные клиенты, которые перестали покупать. Деликатная реактивация: напоминание о бренде, опрос причин, персональное предложение.
• Спящие (R1, F2–3). Давно не покупали. Сначала верните интерес полезным контентом, потом — оффером.
• Потерянные (R1, F1, M1). Одна покупка давно. Вкладывать в них бюджет первыми не стоит — оставьте в мягкой рассылке.

Названия сегментов могут отличаться, но логика одна: чем выше R и F, тем активнее коммуникация; чем ниже — тем сильнее нужен повод вернуться.

Как email рассылка для интернет магазина превращается в систему по сегментам

Сегментация без сценариев бесполезна. Свяжите RFM с автоматическими цепочками, чтобы каждая группа получала уместные письма.

• Приветственная серия (0–14 дней после подписки). Знакомство с брендом, лучшие товары, промокод на первый заказ.
• Post-purchase (после покупки). Подтверждение, доставка, запрос отзыва, а через 2–3 недели — допродажа или аксессуары.
• Реактивация (клиент не покупал 90+ дней). Серия из 2–3 писем: польза, напоминание, ограниченный оффер и последнее письмо с отпиской в один клик.
• Реферальная программа (чемпионы и лояльные). Приведи друга — получите бонусы оба.
• VIP-письма (высокий M). Персональный менеджер, ранний доступ, закрытые распродажи.

Дополнительно накладывайте фильтры: клиенты с высокой частотой, но низким средним чеком лучше реагируют на наборы и предложения «3 по цене 2», а с высоким чеком — на премиальные новинки и сервис.

Частые ошибки при внедрении RFM

• Слишком короткий период. За 2–3 месяца можно не увидеть реальную частоту покупок и сделать неверные выводы.
• Одинаковые пороги для всех категорий. Для косметики и бытовой техники «свежая» покупка — это разные сроки.
• Забыть про возвраты и отмены. Они искажают сумму M и частоту F.
• Спамить «спящих». Если сегмент не открывает письма, частые рассылки вредят репутации домена.
• Не обновлять сегменты. Устаревшая разметка уже через 2–3 месяца становится бесполезной.

Как измерить эффект от RFM-сегментации

Сравнивайте метрики до и после внедрения на одинаковых периодах. Смотрите не только на Open Rate и CTR, но и на доход с одного получателя и долю повторных покупок.

Сегментированная рассылка обычно показывает более высокий CTR и меньший процент отписок, чем массовая, но конкретные цифры зависят от базы, отрасли и качества контента.

Полезно завести дашборд: размер сегмента, конверсия в заказ, выручка на письмо, LTV. Так вы увидите, какие сценарии работают, и сможете перераспределять внимание на самые ценные группы.

Вывод

RFM-анализ — не разовая задача, а регулярный процесс. Начните с простой выгрузки заказов, разметьте базу по R, F и M, соберите 6–8 сегментов и настройте для каждого свою цепочку писем. Уже первая итерация покажет, насколько точнее становится email рассылка для интернет магазина, когда она говорит с клиентом на языке его покупательского поведения.

Дисклеймер: результаты рассылок зависят от качества базы, отрасли, цен и контента. Описанные подходы не гарантируют конкретных цифр прироста — проверяйте гипотезы на своих данных.