RFM-анализ

Происхождение и история термина

RFM связан с прямым маркетингом — обращением к выбранным клиентам. В статье 2005 года Питер Фейдер, Брюс Харди и Ка Лок Ли описывают RFM как уже сложившийся способ обобщать покупательскую историю в этой области. Их работа развивает подход: связывает прошлые покупки с моделью будущей ценности клиента. Это этап развития метода, а не дата его изобретения. ^[1]

Суть и механизм

Разберём самостоятельную учебную схему. Магазин выгружает заказы и объединяет их по идентификатору покупателя — условному номеру, позволяющему связать покупки одного клиента. Для всех строк он выбирает одну дату среза, то есть момент, на который проводится расчёт. Окно наблюдения — период покупок, включённых в анализ.

В этой схеме R показывает число календарных дней между последней учитываемой покупкой и датой среза. F — количество отдельных заказов в окне, а M — сумма по этим заказам в одной валюте. Слово «частота» здесь обозначает число покупок за общий период, а не количество покупок, делённое на дни. Поэтому сравнивать F за месяц с F за год без поправки на период нельзя.

Магазин заранее решает, учитывать ли отменённые заказы, доставку и возвраты. Допустим, он берёт только оплаченные заказы и вычитает возвращённые деньги. Тогда заказ на две тысячи рублей с возвратом пятисот добавит к M полторы тысячи. В примере F остаётся равным одному заказу: частичный возврат не создаёт вторую покупку. Это выбранное правило, которое нужно сохранить при повторном расчёте.

Есть и другая ловушка: заказ с тремя товарами может занимать три строки выгрузки. Если посчитать строки вместо уникальных номеров заказов, F окажется завышен. По той же причине сначала проверяют, не записан ли один покупатель под двумя номерами. Это проверки исходных данных в предлагаемом рабочем процессе, а не дополнительные показатели RFM.

Виды и классификации

RFM не во всех реализациях ограничен покупками. В документации Oracle Unity представлены транзакционный, поведенческий и смешанный варианты. Поведенческий вариант оценивает давность и частоту взаимодействий, но не выдаёт денежную оценку. Поэтому при чтении отчёта важно выяснить, какие именно события стоят за буквами. ^[2]

Различаются как исходные величины, так и способ присвоения баллов. Например, в работе Фейдера и соавторов M означает среднюю сумму транзакции; подставлять вместо неё общую выручку в их модель нельзя. ^[1] В этой статье и калькуляторе M — сумма за выбранное окно.

В отечественном изложении Е. П. Голубкова различаются независимая и вложенная группировки. При независимой каждый показатель оценивают по всем покупателям, включённым в анализ. При вложенной сначала формируют группы по R, затем оценивают F внутри них и M внутри полученных подгрупп. Поэтому одинаковый балл F во вложенной схеме не обязательно означает одинаковую частоту покупок. ^[6]

Готовые сервисы также используют собственные правила. Oracle присваивает баллы от одного до пяти, а именованные группы строит по R и F. ^[2] Shopify оценивает показатели относительно покупателей конкретного магазина; для группировки использует R и среднее двух баллов F и M, округлённое вниз. ^[3] Среднее получается делением их суммы на два, поскольку усредняются два показателя. Эти правила не следует переносить на любой отчёт с названием RFM.

Как применяется на практике

Продолжим учебный пример магазина расходных материалов. Дата среза — 29 октября 2026 года, окно — с 1 января по 29 октября включительно. Покупатель сделал три учитываемых заказа: на тысячу, полторы тысячи и две с половиной тысячи рублей. Последний датирован 19 октября. Значит, давность составляет десять дней, количество заказов — три, сумма — пять тысяч рублей.

Эта запись помогает поставить содержательный вопрос: похож ли клиент на недавно пришедшего покупателя или на человека с устойчивой историей заказов? Но ответ зависит и от длительности наблюдения. Три заказа за первые две недели знакомства и три заказа за десять месяцев — разные ситуации, хотя в выбранном окне F совпадает. Фейдер и соавторы отдельно обсуждают зависимость наблюдаемых RFM-характеристик от временного среза. ^[1]

В российской практике метод подробно разобран Голубковым в журнале «Маркетинг в России и за рубежом»; это методическая публикация, а не статистика распространённости RFM среди компаний. ^[6] Для собственного магазина результат полезно превратить в вопрос для исследования: почему ранее активные покупатели перестали заказывать? Один код причины не раскрывает.

Как измерить или проверить

Учебный калькулятор RFM — файл приложения переводит каждую величину в одну из пяти категорий. Четыре возрастающих порога делят числовую шкалу на пять интервалов. Значение на границе входит в интервал, который этой границей заканчивается: например, первые два интервала давности — от нуля до семи и от восьми до тридцати целых дней включительно. Для давности порядок баллов развёрнут, поэтому более недавняя покупка получает больший балл.

Десять дней находятся между первым и вторым порогами, поэтому R получает четыре балла. Три заказа и пять тысяч рублей попадают в третий интервал своих шкал. Записываем баллы подряд и получаем код 433. Это три категории, а не число, разность которого с другим кодом измеряет рост полезности клиента.

Проверить направление шкалы можно на границе: при семи днях балл R равен пяти, при восьми — четырём. Для одного заказа F равен одному, для двух — двум. Человек без покупок в этой схеме не получает код: у него нет последней покупки, от которой можно отсчитать R. Нулевая денежная сумма при наличии заказа допускается, если она получилась по принятым правилам корректировок.

Калькулятор принимает целые дни и число заказов; денежные значения — максимум с двумя знаками после точки. Границы F и R тоже целые. Это ограничения учебного ввода. Пороги можно менять, однако они не подбираются автоматически и не являются отраслевой нормой.

Ошибки, ограничения и спорные вопросы

В нашей схеме M складывает суммы заказов и ничего не вычитает на закупку товаров, обслуживание и рекламу. Поэтому высокий денежный балл не доказывает прибыльность. Будущая ценность клиента тоже требует отдельной модели: работа Фейдера и соавторов специально связывает наблюдаемую историю с будущими денежными потоками. ^[1]

Нельзя также считать изменение категории доказательством изменения поведения. В учебном примере R перейдёт из четырёх баллов в пять, если первый порог увеличить с семи до четырнадцати дней, хотя новой покупки не было. Сохраняйте настройки вместе с результатами, чтобы различать движение клиента и изменение правил.

Правовой аспект

Если история покупок относится к определяемому человеку, при её обработке учитывают целевое назначение, неизбыточность и точность данных: части 2,5,6 статьи 5 закона №152-ФЗ в редакции от 26.07.2026. ^[4] RFM-сегмент сам по себе не разрешает рекламный контакт. Часть 1 статьи 18 закона №38-ФЗ в редакции от 04.08.2026 требует предварительного согласия адресата на рекламу по сетям электросвязи и прекращения её распространения по требованию. Часть 2 запрещает указанный в ней автоматический выбор или набор абонентского номера без участия человека. ^[5] Применимость требований к конкретному сценарию оценивают отдельно; статья не заменяет юридическую проверку.

Частые вопросы

Связанные термины

• LTV — пожизненная ценность клиента