Применение RFM-анализа для сегментации клиентов предприятия, занимающегося реализацией молочной продукции

Аннотация

В данной статье описывается сегментация клиентов торговой компании на основе RFM-анализа. Приводится пример анализа на основе базы данных существующего предприятия. Анализ проводится в программном обеспечении Microsoft Excel.

Ключевые слова: клиенты, сегментация В настоящий момент любое предприятие нуждается в привлечении клиентов. Для того, что бы бизнес хорошо и стабильно развивался нужно постоянно поддерживать поток и рост количества клиентов [1]. Надо не только привлечь клиентов, но и заинтересовать и удержать их как можно дольше.

Для того чтобы привлечь клиентов, необходимо иметь представление о том, что больше всего заинтересует их. Для этого нужно оценить клиентскую базу на предмет ее склонности к отклику на предоставленное предложение [2]. В нашем случае мы будем использовать RFM-анализ. RFM-анализ является распространенным методом исследования в данной сфере. Он хорошо подходит для нас, предприятие, которое мы будем анализировать, занимается продажей молочной продукции.

RFM-анализ — это аббревиатура от слов Recency, Frequency и Monetary. Как видим, данный анализ основан на трех показателях:

Recency — дата последней покупки.

Frequency — количество покупок.

Monetary — затраченные денежные средства клиента за весь период совершаемых его покупок [3].

При расчете RFM-анализа требуется определить, насколько частей необходимо разбить по каждому из этих показателей для оценивания клиентов, например, на три группы. В первой группе будут находиться «наихудшие» клиенты по тем или иным показателям. Во второй группе — «средние» клиенты. В третьей — «наилучшие» клиенты. Для оценивания клиентской базы будем использовать пять групп, для большей гибкости и различным подходам к клиентам.

Проблемами RFM-анализа занимались зарубежные и российские ученые. Т. И. Сорокина рассматривала возможности увеличения продаж дистрибьюторской сети [4]. Анализ существующих методов управления клиентской базой для повышения конкурентоспособности аптечной организации осуществила И. С. Каверина [5]. Е. П. Голубков показал применение RFM-анализа на примерах из практики [6]. В. И. Александров использовал RFM-анализ при разработке таргетированных маркетинговых стратегий в сфере e-commerce [7]. А. Э. Заенчковский описал методологию анализа и управления инновационными системами [9]. Р. И. Баженов и др. применяли варианты анализа для различных предметных областей [9−19]. Зарубежные ученые и практики используют RFM-анализ [20, 21].

Для проведения RFM-анализа будем использовать программное обеспечение MS Excel и готовую таблицу с базой данных клиентов с транзакциями за один год (табл.1).

Таблица 1 — Фрагмент клиентской базы.

Приведем полученную таблицу в требуемый вид для проведения RFM-анализа, используя инструмент «Сводная таблица» (табл.2).

Таблица 2 — Сводная таблица клиентской базы.

После этого, на поле под названием «Дата покупки», выбираем строку «Параметры полей значений…», откроется окно (рис.1).

Рисунок 1 — Окно «Параметры поля значений».

Во вкладке «Операция» выбираем строку «Максимум» и применяем настройки. Переименовываем столбцы и получаем таблицу (табл.3).

Таблица 3 -Готовая таблица для расчета RFM-анализа.

Клиенты будут оцениваться делением на пять категорий. Первая — это категория с клиентами с «наихудшими» показателями, а в пятой категории — с «наилучшими» показателями. Шаг для категорий зададим соответственно в 20%. Таким образом, по показателю «Monetary» в первую категорию попадут те клиенты, которые приобрели товары и принесли компанию до 20% прибыли от максимальной суммы всех значении полей этого столбца. Во второй категории — от 20% до 40% от той же максимальной суммы, и так далее. Аналогично задается распределение категорий для показателей «Recency» и «Frequency». программный microsoft excel торговый В таблице создадим столбцы «Recency», «Frequency», «Monetary» и «Количество пройденных дней». В столбце «Количество пройденных дней» будет отображаться количество прошедших дней до максимальной последней покупки клиента в компании из всех имеющихся. Такая информация необходима для расчета показателя «Recency», где определяется давность последних покупок клиентов. Для того чтобы рассчитать количество прошедших дней, требуется во всех полях данного столбца записать следующую формулу=МАКС ($B$ 2:$B$ 32)-B2.

Проведем анализ показателя «Recency». В полях данного столбца необходимо ввести формулу, которая будет рассчитывать данный показатель относительно степени давности последней покупки клиента.

=ЕСЛИ (F2<=0,2*МАКС ($F$ 2:$F$ 32);5;ЕСЛИ (F2<=0,4*МАКС ($F$ 2:$F$ 32);4;ЕСЛИ (F2<=0,6*МАКС ($F$ 2:$F$ 32);3;ЕСЛИ (F2<=0,8*МАКС ($F$ 2:$F$ 32);2;1)))).

Аналогично для столбца «Frequency»:

=ЕСЛИ (C2<=0,2*МАКС ($C$ 2:$C$ 32);1;ЕСЛИ (C2<=0,4*МАКС ($C$ 2:$C$ 32);2;ЕСЛИ (C2<=0,6*МАКС ($C$ 2:$C$ 32);3;ЕСЛИ (C2<=0,8*МАКС ($C$ 2:$C$ 32);4;5)))).

Для столбца «Monetary» вводим следующую формулу в полях:

=ЕСЛИ (D2<=0,2*МАКС ($D$ 2:$D$ 32);1;ЕСЛИ (D2<=0,4*МАКС ($D$ 2:$D$ 32);2;ЕСЛИ (D2<=0,6*МАКС ($D$ 2:$D$ 32);3;ЕСЛИ (D2<=0,8*МАКС ($D$ 2:$D$ 32);4;5)))).

После ввода всех формул для расчетных показателей, в итоге получаем результат (рис.2).

Рисунок 2 — Результат RFM-анализа В дальнейшем можно отсортировать столбцы «Recency», «Frequency» и «Monetary» в порядке возрастания/убывания для анализа клиентской базы по рассчитанным показателям.

Как видим, данный RFM-анализ полезен для сегментирования клиентов. После распределения и изучения клиентов мы можем составлять свои индивидуальные подходы к ним, для того чтобы увеличить прибыль компании и повысить лояльность клиентов для успешного бизнеса.

Предложенное исследование может быть использовано в работе торговых компаний и в обучении студентов различных направлений [22, 23].

Библиографический список

• 1. Фомченкова Л. В. Анализ факторов конкурентоспособности организаций на различных стадиях жизненного цикла // Экономический анализ: теория и практика. 2010. № 33. С. 46−52.
• 2. Тютюнник А. А., Лобанев В. А., Кириллова Е. А. Направления совершенствования деятельности современных промышленных предприятий // Транспортное дело России. 2012. № 6−1. С. 131−132.
• 3. Wikipedia. RFM-анализ. [Электронный ресурс]. // Википедия: свободная энциклопедия. URL: https://ru.wikipedia.org/wiki/RFM-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7 (дата обращения: 12.04.15).
• 4. Сорокина Т. И. Как увеличить продажи дистрибьюторской сети // Молочная промышленность. 2015. № 2. С. 13−14.
• 5. Каверина И. С. Анализ существующих методов управления клиентской базой для повышения конкурентоспособности аптечной организации // Бюллетень сибирской медицины. 2014. Т. 13. № 4. С. 172−180.
• 6. Голубков Е. П. RFM-анализ: методика и практика применения // Маркетинг в России и за рубежом. 2013. № 6. C. 11−24.
• 7. Александров В. И. Применение RFM-анализа при разработке таргетированных маркетинговых стратегий в сфере e-commerce // Маркетинг и маркетинговые исследования. 2014. № 5. С. 332−339.
• 8. Заенчковский А. Э. Методология анализа и управления инновационными системами // Экономические науки. 2011. № 82. С. 47−51.
• 9. Баженов Р. И., Векслер В. А., Гринкруг Л. С. RFM-анализ клиентской базы в прикладном решении 1С: Предприятие 8.3 // Информатизация и связь. 2014. № 2. С. 51−54.
• 10. Дубовик А. В., Баженов Р. И. RFM-анализ базы данных заказчиков фотографа // Nauka-Rastudent.ru. 2015. № 3 (15). С. 4.
• 11. Якимов А. С., Баженов Р. И. Сегментация клиентов с помощью RFM-анализа // Экономика и менеджмент инновационных технологий. 2015. № 1 (40). С. 55−61.
• 12. Векслер В. А., Баженов Р. И. Определение взаимосвязи номенклатурных позиций средствами 1С: Предприятие 8.3// Современные научные исследования и инновации. 2014. № 7 (39). С. 45−49.
• 13. Остроушко А. А., Баженов Р. И. Анализ ассортимента электротоваров с использованием ABC-анализа // Экономика и менеджмент инновационных технологий. 2014. № 10 (37). С. 73−81.
• 14. Сизых А. Ф., Баженов Р. И. Разработка программной системы поиска ассоциативных правил на основе алгоритма apriori // Современные научные исследования и инновации. 2014. № 10−1 (42). С. 52−59.
• 15. Бронштейн К. С., Наумов А. А., Баженов Р. И. Применение классического ABC-анализа для анализа ассортимента блюд кафе // Экономика и менеджмент инновационных технологий. 2014. № 11 (38). С. 100−110.
• 16. Резниченко Н. В., Наумов А. А., Баженов Р. И. Совершенствование ассортимента блюд кафе и системы закупок компонентов на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2014. № 12 (39). С. 14−24.
• 17. Перминова Н. А., Баженов Р. И. Совершенствование ассортимента обуви магазина «Велес» на основе АВС-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 3. URL: http://ekonomika.snauka.ru/2015/03/7782 (дата обращения: 27.03.2015).
• 18. Татаринова Е. Д., Наумов А. А., Баженов Р. И. Совершенствование ассортимента продажи товаров на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 2. URL: http://ekonomika.snauka.ru/2015/02/7393 (дата обращения: 22.02.2015).
• 19. Черемисина И. А., Баженов Р. И. Совершенствование ассортимента товаров продовольственного магазина на основе классического ABC-анализа // Современные научные исследования и инновации. 2015. № 3. URL: http://web.snauka.ru/issues/2015/03/50 776 (дата обращения: 04.04.2015).
• 20. Mahboubeh K., Kiyana Z., Sarah A., Somayeh A. Estimating customer lifetime value based on RFM analysis of customer purchase behavior: Case study // Procedia Computer Science. 2011. № 3. C. 57−63.
• 21. Hu Y.-H., Yeh T.-W. Discovering valuable frequent patterns based on RFM analysis without customer identification information // Knowledge-Based Systems. 2014. Т. 61. С. 76−88.
• 22. Баженов Р. И. Об организации деловых игр в курсе «Управление проектами информационных систем"// Научный аспект. 2014. Т. 1. № 1. С. 101−102.
• 23. Баженов Р. И., Лобанова А. М. Обучение основам предпринимательства в компьютерной экономической игре «Капитализм 2» // Экономика и менеджмент инновационных технологий. 2014. № 4 (31). С. 35.