Что такое RFM-анализ и как он помогает сегментировать пользователей
У нас есть продукт, в котором мы хотим более точно сегментировать пользователей по их активности в приложении.
Есть различные методы сегментации, например, на уровне городов, приложения, какого-то другого признака.
В данном посте мы рассмотрим RFM-анализ.
Если вкратце мы разбиваем пользователей на сегменты на основе:
⌛️ R (Recency) - давности последней покупки (например, в днях)
🥳 F (Frequency) - общее количество покупок покупок.
🤑 M (Monetary) - сумма денег, потраченная пользователей.
Про присваиваемость сегментов:
1. Выбираем период анализа, например, последние 90 дней.
2. Определяется количество сегментов (обычно от 3 до 5 по одному из пунктов). Максимум X³ комбинаций, если делим каждую метрику на X частей.
Пояснение к п.2: Если у нас Monetary от 0 до 3000, а сегментов планируется 3, то трешхолды для определения сегментов: 1 - (0, 1000], 2 - (1000, 2000], 3 - (2000, 3000]. Аналогично и для других.
Пример сегмента на выходе: 111 - спящий, мало покупающий. 333 - частотник, много покупает и на большую сумму
3. По трешхолдам равномерно разбитым определяем сегменты
4. В дальнейшем можно понять кто чаще отваливается, как ведут себя в приложении топ-платящие и где есть узкие места в воронке.
Подойдет не каждому бизнесу, так как важно количество пользователей, а их может быть недостаточно
😊 Дополнительные материалы:
1. link1
2. link2
3. link3
А вы применяете RFM-анализ? Как относитесь к данному методу сегментации?
У нас есть продукт, в котором мы хотим более точно сегментировать пользователей по их активности в приложении.
Есть различные методы сегментации, например, на уровне городов, приложения, какого-то другого признака.
В данном посте мы рассмотрим RFM-анализ.
Если вкратце мы разбиваем пользователей на сегменты на основе:
Про присваиваемость сегментов:
1. Выбираем период анализа, например, последние 90 дней.
2. Определяется количество сегментов (обычно от 3 до 5 по одному из пунктов). Максимум X³ комбинаций, если делим каждую метрику на X частей.
Пример сегмента на выходе: 111 - спящий, мало покупающий. 333 - частотник, много покупает и на большую сумму
3. По трешхолдам равномерно разбитым определяем сегменты
4. В дальнейшем можно понять кто чаще отваливается, как ведут себя в приложении топ-платящие и где есть узкие места в воронке.
Подойдет не каждому бизнесу, так как важно количество пользователей, а их может быть недостаточно
1. link1
2. link2
3. link3
А вы применяете RFM-анализ? Как относитесь к данному методу сегментации?