Новости экономики и финансов. Курсы валют, ситуация на биржах, акции, котировки, аналитика: 💫 💫 💫 💫 💫 читайте на сайте

Анализ Лояльности Клиентов Xyz Настроить 1C • Пробная программа

Мы каждый квартал замеряем NPS для розничного и корпоративного бизнеса с помощью анкет и онлайн-опросов, а минимум раз в год привлекаем для расчета индекса независимую компанию.

Мнение эксперта
1С:Эксперт по технологическим вопросам
Задавайте мне вопросы, и я помогу разобраться!
Вы смотрите на разброс цифр по каждому показателю, логически определяете количество возможных сегментов, берёте максимальное значение в каждом показателе и делите на количество сегментов. Как измерить лояльность клиентов Обращайтесь в форму связи

RFM-анализ и сегментация: узнайте больше о своих клиентах

RFM-анализ — метод анализа, позволяющий сегментировать клиентов по частоте и сумме покупок и выявлять тех, которые приносят больше денег.

По этим признакам можно разделить всех ваших клиентов на группы, понять, кто покупает у вас часто и много, кто — часто, но мало, а кто вообще давно ничего не покупал.

Как правило, небольшой процент пользователей реагирует на общие рекламные предложения. RFM-анализ и RFM-сегментация являются отличным методом прогнозирования реакции клиента и улучшения взаимодействия, а также повышение прибыли. RFM использует поведение покупателей, чтобы определить, как работать с каждой группой клиентов.

ABC/XYZ-анализ: как понять, что лучше всего продаётся, чтобы применять это в рекламе

  • Строить новые пользовательские отчеты и сегменты в интерфейсе Google Analytics для более глубокого анализа аудитории, используя дополнительную информацию о пользователях.
  • Использовать результаты RFM-анализа для создания аудиторий ремаркетинга в Google Ads, email-рассылок и программ лояльности.

Алгоритм RFM-анализа с помощью Excel и OWOX BI

Суть RFM-анализа в том, что мы разделяем всех клиентов на группы, 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 выделяем по три равные группы. Затем присваиваем каждой группе числовое обозначение от 1 до 3.

Например, клиент «111» покупал давно, один раз и на маленькую сумму. Или клиент «333»: покупает часто, на большую сумму и последняя покупка была недавно. Это ваши лучшие клиенты.

Существует два удобных способа проведения RFM-анализа: Excel (Google таблицы) и с помощью OWOX BI.

Алгоритм RFM-анализа в Excel

Все, с подготовкой к рфм-анализу мы закончили. Эти данные мы переносим на новую страницу для непосредственного расчета RFM значений.

Теперь мы с чистой совестью приступаем к основной части анализа — RFM-сегментации.

С помощью формулы =TODAY()- мы рассчитываем какое количество дней назад были совершены последние покупки. Это и будут данные по нашей R(Recency)

Начнем со значений для Recency. Первое, что нам нужно, это рассчитать как давно у нас покупали 33% и 66% клиентов. Все это легко делается с помощью формулы =PERCENTILE.INC(C2:C12;0,33) и =PERCENTILE.INC(C2:C12;0,66).

Какую часть дохода тратите на еду?
До 50%Больше 50%

Теперь мы знаем, что 33% клиентов покупали наши товары менее 61 день назад, а 66% — более 93 дней назад.

  1. Соответственно, тем клиентам, кто покупал менее, чем 61 день назад мы присваиваем наивысшее значение — 3. Тем, кто делал заказ от 61 до 93 дней назад — 2. И остальным, кто покупал более чем 93 дня назад мы присваиваем значение 1. Все это можно автоматически рассчитать с формулой =IF(C2<61;3;IF(C2<93;2;1))
  1. По такому же принципу просчитываем значения для F(Frequency) и M(Mmonetary): сначала вычисляем сколько раз покупали 33% и 66% клиентов и по результатам (F 2 и 3, a M 6185 и 8020 соответственно) проставляем значения от 1 до 3.​
  1. И для большей наглядности нам осталось просчитать общее значение RFM, объединив все 3 значения по каждому клиенту в одну ячейку. Чтоб не делать это вручную, мы используем формулу =D2*100+F2*10+H2 ​

Готово. Мы только что сделали все необходимые расчеты по RFM-анализу в Google Таблицах (Excel). Стоит учитывать, что, хоть формулы и помогают немного автоматизировать просчеты, все равно приходится тратить много времени.

Если вы цените свое время и время ваших сотрудников, или у вас большая база данных, у нас есть для вас более удачное решение — сделать RFM-анализ с помощью OWOX BI.

Алгоритм RFM-анализа с помощью OWOX BI

В отличии от ручной работы с Excel, OWOX BI дает возможность автоматизировать процесс расчета RFM.

В качестве источника данных для анализа служит таблица или View в Google BigQuery с данными о каждом заказе со следующим набором полей:

Для расчета RFM-сегментов мы рекомендуем использовать данные о подтвержденных заказах из ERP. Вы легко сможете их экспортировать в BigQuery с помощью OWOX BI Pipeline.

Проверять программу полностью трудно, поскольку нельзя изолировать участников контрольной группы от информации об используемой программе.

Мнение эксперта
1С:Эксперт по технологическим вопросам
Задавайте мне вопросы, и я помогу разобраться!
И для большей наглядности нам осталось просчитать общее значение RFM, объединив все 3 значения по каждому клиенту в одну ячейку. RFM-анализ — способ сегментации базы клиентов по лояльности Обращайтесь в форму связи

Как его применять?

В основе АВС-анализа лежит широко известный принцип Парето, по которому львиную долю результатов можно получить, используя относительно небольшие ресурсы. В бизнесе соотношение определено как 20% (вложения) и 80% (результаты) – это самый выгодный сегмент клиентов.

  • А – 80% от всех продаж, наибольший объем выручки (оптимально 20% всех клиентов);
  • В – 15% от всех продаж, средний объем выручки (оптимально 16% всех клиентов);
  • С – 5% от всех продаж, незначительный объем выручки (оптимально 64% всех клиентов).

На заметку! Метод развивается, и в настоящее время может применяться его вариант по схеме АВСD – соответственно, 50%, 30%, 15%, 5%. Категория A — самых выгодных клиентов — детализируется и разделяется на А, В для наиболее точного анализа, а две другие сохраняют такие же значения, как в классическом варианте.

  • X – постоянно покупающие продукцию клиенты, их поведение всегда можно спрогнозировать;
  • Y – нерегулярные клиенты, прогноз затруднен, но возможен;
  • Z – случаи покупок единичны, прогноз сделать практически невозможно.

АВС-анализ технически представляет собой таблицу, содержащую:

Горящие товары с бесплатной доставкой
 «AliExpress Россия» работает отдельно от глобального «AliExpress» принадлежащего Alibaba. Он не зависит от мировых банковских систем и не попал под санкционный список со стороны США и Великобритании. Из Китая соответственно тоже можно заказывать ничего не опасаясь.

На основании расчетов клиентам присваивается категория A (до 80% суммарной доли), В (от 80 до 95% суммарной доли), С (свыше 95% суммарной доли).

Анализ XYZ проводят в тех же временных рамках, что и АВС-часть. Составляется таблица клиентов и полученной от них выручки помесячно, с подсчетом итоговой суммы. Затем по каждому клиенту исчисляется коэффициент вариации V. Это статистическая величина, имеющая сложную формулу расчета, в общем смысле представляющая собой показатель риска в бизнесе.

В сжатом виде формула выглядит так: V= (среднее квадратическое отклонение) / t средний показатель объема продаж за весь период.

Для ее расчета на практике пользуются функциями СТАНДОТКЛОН и СРЗНАЧ табличного редактора Excel. Вписывается формула =СТАНДОТКЛОНП(интервал ячеек подсчета показателя)/СРЗНАЧ(интервал ячеек подсчета показателя). Коэффициент может принимать такие значения по группам: X – до 10%, Y – 10-25%, Z – более 25%.

Коэффициент проставляется в таблице по строке каждого клиента. Каждому клиенту присваивается группа «предсказуемости». Полученные данные необходимо совместить.

Показатели по оставшимся трем группам представляют собой усредненные значения и характеристики клиентов, не требующие быстрой реакции.

Для проведения анализа, как правило, используют разработанные заранее формы и технические средства. Вручную целесообразно проводить АВС-анализ для небольшой фирмы с ограниченным числом клиентов.

RFM-анализ и RFM-сегментация: узнайте больше о своих клиентах | OWOX BI

Как его применять?

В основе АВС-анализа лежит широко известный принцип Парето, по которому львиную долю результатов можно получить, используя относительно небольшие ресурсы. В бизнесе соотношение определено как 20% (вложения) и 80% (результаты) – это самый выгодный сегмент клиентов.

  • А – 80% от всех продаж, наибольший объем выручки (оптимально 20% всех клиентов);
  • В – 15% от всех продаж, средний объем выручки (оптимально 16% всех клиентов);
  • С – 5% от всех продаж, незначительный объем выручки (оптимально 64% всех клиентов).

На заметку! Метод развивается, и в настоящее время может применяться его вариант по схеме АВСD – соответственно, 50%, 30%, 15%, 5%. Категория A — самых выгодных клиентов — детализируется и разделяется на А, В для наиболее точного анализа, а две другие сохраняют такие же значения, как в классическом варианте.

  • X – постоянно покупающие продукцию клиенты, их поведение всегда можно спрогнозировать;
  • Y – нерегулярные клиенты, прогноз затруднен, но возможен;
  • Z – случаи покупок единичны, прогноз сделать практически невозможно.

АВС-анализ технически представляет собой таблицу, содержащую:

На основании расчетов клиентам присваивается категория A (до 80% суммарной доли), В (от 80 до 95% суммарной доли), С (свыше 95% суммарной доли).

Анализ XYZ проводят в тех же временных рамках, что и АВС-часть. Составляется таблица клиентов и полученной от них выручки помесячно, с подсчетом итоговой суммы. Затем по каждому клиенту исчисляется коэффициент вариации V. Это статистическая величина, имеющая сложную формулу расчета, в общем смысле представляющая собой показатель риска в бизнесе.

В сжатом виде формула выглядит так: V= (среднее квадратическое отклонение) / t средний показатель объема продаж за весь период.

Для ее расчета на практике пользуются функциями СТАНДОТКЛОН и СРЗНАЧ табличного редактора Excel. Вписывается формула =СТАНДОТКЛОНП(интервал ячеек подсчета показателя)/СРЗНАЧ(интервал ячеек подсчета показателя). Коэффициент может принимать такие значения по группам: X – до 10%, Y – 10-25%, Z – более 25%.

Коэффициент проставляется в таблице по строке каждого клиента. Каждому клиенту присваивается группа «предсказуемости». Полученные данные необходимо совместить.

Показатели по оставшимся трем группам представляют собой усредненные значения и характеристики клиентов, не требующие быстрой реакции.

Для проведения анализа, как правило, используют разработанные заранее формы и технические средства. Вручную целесообразно проводить АВС-анализ для небольшой фирмы с ограниченным числом клиентов.

💥Принимайте участие в опросе и получайте бесплатную консультацию

Добавить комментарий

*