#rfm-анализ #сегментация клиентов #crm-маркетинг #удержание клиентов #email-маркетинг #аналитика #маркетинг #самара #geo

RFM-анализ: что это такое и как сегментировать клиентскую базу

21 октября 2026 г.

Кратко: RFM-анализ — это метод сегментации клиентской базы по трём параметрам поведения: Recency (давность последней покупки), Frequency (частота) и Monetary (сумма трат). Анализ позволяет выделить VIP-покупателей, спящих клиентов и тех, кого уже не вернуть, — и выстроить отдельную стратегию для каждой группы. В статье разбираем, как работает метод, кому он подходит, как провести его в Excel или Python и какие ошибки убивают результат.

Представьте: вы запускаете акцию и рассылаете предложение всей базе разом. Одни клиенты покупают в тот же день, другие открывают письмо и закрывают, третьи его вовсе не откроют — они не заходили к вам полтора года. Бюджет потрачен одинаково на всех троих.

Именно эту проблему решает RFM-анализ. Он не придумывает магических скриптов и не обещает, что все клиенты вдруг проснутся. Он просто честно показывает, кто есть кто в вашей базе, — и даёт основание тратить маркетинговые ресурсы там, где они работают.

Метод появился ещё в 1995 году в прямом маркетинге: компании рассылали физические каталоги и хотели понять, кому слать посылку, а кому нет. С тех пор инструмент перекочевал в digital, e-commerce и CRM — и не устарел, потому что логика поведения покупателей не изменилась.

Дальше — от теории к практике: параметры, шаги, сегменты, типичные ошибки и промпт для нейросети.

1. Три параметра, которые решают всё: R, F и M

RFM-анализ — это метод сегментации клиентской базы, при котором каждому покупателю присваивается оценка по трём характеристикам его поведения.

R — Recency, давность последней покупки

Сколько дней прошло с последней транзакции. Чем свежее покупка, тем выше вероятность следующей. Но «недавно» — понятие относительное: купленный полгода назад автомобиль — это недавно, купленный полгода назад крем для лица — уже очень давно. Пороги нужно выставлять под свой цикл покупки, а не брать из первой попавшейся статьи в интернете.

F — Frequency, частота покупок

Сколько раз клиент покупал за анализируемый период. Для продуктового магазина четыре покупки в месяц — норма. Для мебельного — высокая частота за год. Ориентир — медиана вашей собственной базы.

M — Monetary, сумма трат

Общая сумма, которую клиент оставил у вас за период. 10 000 рублей в нише канцтоваров и 10 000 рублей в нише промышленного оборудования — принципиально разные истории.

Все три параметра работают вместе. Клиент с кодом 111 — покупал недавно, часто и много: это ваш золотой актив. Клиент с кодом 333 — купил один раз давно, больше не возвращался: ресурс на него стоит тратить осторожно.

2. Кому подходит RFM-анализ, а кому нет?

Метод работает там, где есть повторные покупки и достаточный объём базы.

Подходит для:

интернет-магазинов и ретейла
ресторанов, доставки еды, кофеен
салонов красоты, клиник, стоматологий
фитнес-клубов и студий
сервисных компаний с регулярными услугами
B2B-компаний с повторными заказами
подписочных сервисов и аптек

Не подходит, если:

База менее 1 000 клиентов — сегменты будут статистически ненадёжными.
Покупка по природе разовая или очень редкая: недвижимость, автомобили, промышленное оборудование — там у клиента физически не может быть высокой частоты.
Стартап младше трёх месяцев — данных для корректного анализа просто нет.

3. Как провести RFM-анализ: пять шагов

Для базового варианта достаточно Excel или Google Таблиц.

Шаг 1. Соберите данные

Выгрузите из CRM по каждому клиенту:

уникальный идентификатор (ID, телефон или email)
дату последней покупки
общее количество покупок за период
суммарную сумму всех покупок за тот же период

Шаг 2. Рассчитайте значения R, F, M

R: количество дней от даты последней покупки до сегодня
F: количество транзакций
M: сумма всех покупок

Шаг 3. Присвойте баллы

Разбейте клиентов на группы по шкале от 1 до 3 (или 1 до 5 для детальной сегментации). Оценка 1 — всегда лучший показатель для бизнеса.

Параметр	Оценка 1 (лучший)	Оценка 2 (средний)	Оценка 3 (худший)
Recency	Покупал недавно	Покупал не очень давно	Покупал давно
Frequency	Покупает часто	Покупает редко	Купил один раз
Monetary	Тратит много	Тратит средне	Тратит мало

Шаг 4. Сформируйте RFM-код

Объедините оценки в трёхзначный код: первая цифра — R, вторая — F, третья — M. При шкале 1–3 получается 27 комбинаций, при шкале 1–5 — 125. Некоторые сегменты в вашей базе окажутся пустыми — это нормально.

Шаг 5. Разработайте стратегию под каждый сегмент

Именно этот шаг превращает анализ в деньги. Без него RFM — просто красивая таблица.

4. Какие сегменты выделяются и что с ними делать?

Все комбинации кодов сводятся к шести-семи ключевым типам клиентов.

Чемпионы (код 111)

Покупают часто, недавно и много. Основная выручка бизнеса.

Что делать: давать привилегии — ранний доступ к новинкам, персональный менеджер, закрытые распродажи. Большие скидки не нужны: они и так покупают.

Лояльные клиенты (коды 1×2, 1×3, 2×1)

Покупают регулярно, но не с максимальной частотой или чеком.

Что делать: программы лояльности, бонусные баллы, рассылки о новинках. Цель — дотянуть до уровня чемпионов через рост частоты или среднего чека.

Новые клиенты (коды 1×2–1×3, одна покупка)

Недавно совершили первую покупку.

Что делать: welcome-серия писем, прогрев контентом, скидка на второй заказ. Критически важно не потерять человека в первые 30 дней.

Спящие (коды 2×× )

Раньше покупали хорошо, но уже несколько месяцев тихо.

Что делать: реактивационная рассылка с промокодом или специальным предложением. Возможно, стоит провести короткий опрос — почему перестали покупать.

Под угрозой оттока (коды 3×1, 3×2)

Раньше покупали часто и много, но давно не возвращаются.

Что делать: персональные обращения, крупные бонусы, звонок от менеджера. Возврат таких клиентов обычно обходится дешевле, чем привлечение новых.

Потерянные (код 333)

Купили один раз давно и больше не вернулись.

Что делать: одна реактивационная рассылка с сильным оффером. Если реакции нет — выводите из активных коммуникаций. Не тратьте бюджет туда, где его нет.

5. Матрица RFM: таблица 27 сегментов

Стандартная матрица при шкале 1–3. Первая цифра — Recency, вторая — Frequency, третья — Monetary.

Сегмент	Тип клиента	Стратегия
111	Чемпион	VIP-привилегии, закрытые акции
112, 113	Чемпион с меньшим чеком	Upsell, программа лояльности
121, 122	Лояльный	Рассылки о новинках, бонусы
131, 132, 133	Новый клиент	Welcome-цепочка, скидка на 2-й заказ
211, 212, 213	Спящий (раньше активный)	Реактивация с промокодом
221, 222, 223	Спящий (средний)	Спецпредложение, опрос
231, 232, 233	Спящий разовый	Один реактивационный email
311, 312, 313	Ушедший (был отличным)	Персональный звонок, крупный бонус
321, 322, 323	Ушедший (был средним)	Скидка или кешбэк
331, 332, 333	Потерянный	Одна попытка — и выводить из базы

6. Что показывают реальные кейсы применения RFM?

Три примера из российской практики, на которые стоит обратить внимание.

Foodband. Сервис доставки еды выстроил автоматическую двухшаговую цепочку для сегмента R=3: сначала пуш без скидки (просто напоминание о бренде), затем — пуш с промокодом. Результат — возврат до 34% клиентов из сегмента оттока. Вывод простой: часть аудитории реагирует уже на напоминание, без скидки.

Seedpost.ru. Интернет-магазин семян сегментировал базу по RFM и выделил группу «спит, раньше покупал часто» (R=3, F=1–2). Email и SMS с промокодом для этой группы, по результатам тестов с контрольной группой, принесли 22,5% всей выручки от прямого маркетинга.

FOAM. Бренд запускает письмо со скидкой и опросом для клиентов, которые покупали последние полгода, но уже три месяца молчат. Простой триггер на основе RFM дал ROI 807%.

Все три кейса про одно: работа с уже существующей базой — один из самых дешёвых способов роста выручки. Деньги на привлечение этих людей уже потрачены.

7. Инструменты для RFM-анализа: от Excel до Python

Excel и Google Таблицы

Самый доступный вариант. Нужны функции СЕГОДНЯ(), СЧЁТЕСЛИ(), СУММЕСЛИ() и сводные таблицы. Базу в 50–70 тысяч контактов можно обработать примерно за 20 минут.

Плюсы: бесплатно, не нужны технические навыки, всё наглядно.
Минусы: ручное обновление, нет автоматизации.

Python (библиотека Pandas)

Для тех, кому нужна автоматизация или большие объёмы данных. Стандартный стек: pandas, numpy, matplotlib.

import pandas as pd
from datetime import date, timedelta

# Загружаем данные
df = pd.read_csv('orders.csv')
df['order_date'] = pd.to_datetime(df['order_date'])
last_date = df['order_date'].max() + timedelta(days=1)

rfm = df.groupby('customer_id').agg(
    recency=('order_date', lambda x: (last_date - x.max()).days),
    frequency=('order_id', 'count'),
    monetary=('order_value', 'sum')
).reset_index()

# Присваиваем квантильные оценки (1–5)
rfm['R'] = pd.qcut(rfm['recency'], 5, labels=[5,4,3,2,1])
rfm['F'] = pd.qcut(rfm['frequency'].rank(method='first'), 5, labels=[1,2,3,4,5])
rfm['M'] = pd.qcut(rfm['monetary'], 5, labels=[1,2,3,4,5])
rfm['RFM_Score'] = rfm['R'].astype(str) + rfm['F'].astype(str) + rfm['M'].astype(str)

CRM-системы со встроенным RFM

Инструмент	Что умеет	Кому подходит
Mindbox	Автоматический RFM-отчёт, настройка сегментов, запуск цепочек	Средний и крупный e-commerce
RetailCRM	RFM-сегментация встроена, интеграция с рассылками	Интернет-магазины в России
Carrot Quest	Сегментация + автоматические триггеры	SaaS, e-commerce
AmoCRM + интеграции	Через дополнения и BI-инструменты	B2B-продажи
Битрикс24	Через сводные отчёты и сегментацию контактов	Любой бизнес
МойСклад	Встроенные отчёты по клиентам	МСБ, розница

BI-инструменты

Power BI, Tableau, Yandex DataLens позволяют визуализировать RFM-матрицу в виде тепловой карты и видеть распределение клиентов по сегментам в реальном времени.

8. Как часто обновлять анализ и какие ошибки его убивают?

Оптимальная частота — один-три раза в квартал. При более редком анализе клиенты успевают незаметно сменить сегмент, и вы упускаете момент для правильного действия. Компании с автоматизированными CRM пересчитывают RFM при каждой новой транзакции.

Пять типичных ошибок

Ошибка 1. Универсальные пороги из интернета. «До 30 дней — Recency 1, от 31 до 60 — Recency 2» — популярный шаблон, который не учитывает ваш цикл покупки. Границы должны строиться на реальных данных вашей базы.

Ошибка 2. Одинаковая коммуникация для всех. Провести анализ и всё равно слать одну рассылку всей базе — значит потратить время впустую. Ценность RFM именно в дифференцированном подходе.

Ошибка 3. Анализ ради отчёта. RFM без прописанных стратегий под каждый сегмент — красивая таблица и ничего больше.

Ошибка 4. Слепое доверие параметру M при маленьком чеке. Если у вас много мелких транзакций, Monetary может быть менее показательным, чем R и F. В таких случаях некоторые аналитики используют упрощённый RF-анализ без денежного параметра.

Ошибка 5. Редкое обновление. Клиентская база живёт и меняется. Анализ раз в год — это уже история, а не инструмент.

9. Промпт для нейросети: стратегия RFM за один запрос

Этот промпт поможет разработать стратегию сегментации под конкретный бизнес. Подставьте свои данные и запустите в ChatGPT, Claude, Gemini или Яндекс Алисе.

Ты — опытный маркетинговый аналитик, специализирующийся на CRM-маркетинге и сегментации клиентских баз.

Моя задача: разработать стратегию RFM-сегментации для бизнеса.

Данные о моём бизнесе:
— Ниша: [ВПИШИТЕ ВАШУ НИШУ, например: интернет-магазин косметики]
— Средний цикл покупки: [ВПИШИТЕ, например: 45 дней]
— Средний чек: [ВПИШИТЕ, например: 3500 рублей]
— Размер клиентской базы: [ВПИШИТЕ, например: 15 000 контактов]
— Используемая CRM или инструмент: [ВПИШИТЕ, например: AmoCRM / Excel / Mindbox]
— Каналы коммуникации с клиентами: [ВПИШИТЕ, например: email, SMS, Telegram]

Выполни следующие задачи:

1. ПАРАМЕТРЫ СЕГМЕНТАЦИИ:
— Предложи конкретные пороговые значения для R, F и M под мою нишу
— Обоснуй, почему именно такие границы
— Сколько сегментов оптимально для меня (3, 5 или 7)

2. МАТРИЦА ПРИОРИТЕТОВ:
— Составь таблицу: сегмент → описание → приоритет работы (высокий/средний/низкий)
— Выдели топ-3 сегмента, с которыми нужно работать в первую очередь

3. СТРАТЕГИЯ ПОД КАЖДЫЙ КЛЮЧЕВОЙ СЕГМЕНТ:
— Цель коммуникации
— Канал (email / SMS / push / звонок)
— Оффер (что предложить)
— Частота касаний
— Метрика успеха (на что смотреть)

4. КОНТЕНТ-ИДЕИ:
— Для каждого сегмента предложи 3 темы для рассылки/сообщения

5. МЕТРИКИ ДЛЯ ОТСЛЕЖИВАНИЯ:
— Какие KPI замерять после запуска стратегии
— Как понять, что RFM-стратегия работает

Формат ответа: структурированные блоки с таблицами, конкретными цифрами и примерами формулировок под мою нишу.

Частые вопросы

Что такое RFM-анализ простыми словами?

RFM-анализ — это способ разделить клиентов на группы по трём параметрам: когда последний раз покупали (R), как часто покупают (F) и сколько тратят (M). Метод позволяет понять, кто приносит деньги, кто уходит и кого можно вернуть, — и выстроить разную коммуникацию для каждой группы.

Можно ли делать RFM-анализ в Excel бесплатно?

Да, Excel вполне справляется с базой до 100 000 контактов. Нужны сводные таблицы и функции СЕГОДНЯ(), СЧЁТЕСЛИ(), СУММЕСЛИ(). Обработка 50–70 тысяч контактов занимает около 20 минут.

Чем RFM-анализ отличается от ABC-анализа?

ABC-анализ делит клиентов только по доле в выручке — кто платит больше всего. RFM учитывает три параметра и даёт более полную картину: клиент может платить много, но последний раз покупал два года назад. Высокий M при низком R — это совсем другая ситуация, чем кажется на первый взгляд.

Как часто нужно обновлять RFM-сегменты?

Оптимально — раз в один-три месяца. Для малого бизнеса достаточно раз в месяц. Если CRM позволяет автоматизацию — сегменты можно пересчитывать при каждой новой транзакции.

Что делать с сегментом 333 — совсем потерянными клиентами?

Попробуйте одну реактивационную рассылку с сильным оффером. Если реакции нет в течение двух-четырёх недель — исключайте из активных коммуникаций. Попытки постоянно работать с полностью неактивной базой снижают репутацию домена для email-рассылок и тратят бюджет без отдачи.

Подходит ли RFM-анализ для B2B?

Да, при условии регулярных повторных сделок. В B2B удобнее использовать маржу сделки вместо суммы чека, а временны́е пороги выставлять под специфику отрасли, а не по стандартным 30/60/90 дням.

Что унести с собой

RFM-анализ — не магия и не серебряная пуля. Это структурированный способ увидеть то, что уже есть в ваших данных: кто покупает, кто уходит и где деньги лежат прямо под ногами. Метод работает в Excel за вечер и масштабируется до автоматической пересегментации в CRM в реальном времени. Главное условие результата — не остановиться на отчёте, а прописать конкретные действия для каждого сегмента и запустить их. Без этого шага анализ остаётся просто красивой таблицей.

Если хотите, чтобы это работало в вашем бизнесе без ручной рутины, напишите нам. Подскажем, как собрать это под вашу нишу.

Материал подготовлен по мотивам разбора портала Wake up Marketing с адаптацией и дополнениями НейроМаркета.