RFM-анализ для сегментации платящих пользователей

RU
Читайте о том, что такое RFM-анализ, как его проводить и как использовать для сегментации платящих пользователей
RFM-анализ для сегментации платящих пользователей
Published
01.04.2021
|
devtodev

В фокусе внимание создателей любого продукта всегда находятся те люди, которые приносят деньги - так называемые “платящие пользователи”. К ним нужно относиться очень внимательно и всесторонне изучать, чтобы, во-первых, не делать то, что им не понравится и удерживать в продукте как можно дольше, а во-вторых, чтобы создавать условия для появления новых плательщиков. 

Чтобы лучше заботиться о своих платящих пользователях, вам нужно понимать их потребности и именно этому посвящён огромный пласт аналитики. Существует немало метрик и показателей, по которым вы можете получить примерную картину того, что они хотят. В этой же статье пойдёт речь об одном из способов улучшить понимание потребностей своих пользователей - RFM-анализе.

Проходите наш бесплатный онлайн-курс по игровой аналитике

Как проводить и использовать RFM-анализ

Начнём с определения. RFM расшифровывается как Recency, Frequency, Monetary.
Recency - насколько давно была сделана последняя покупка.
Frequency - насколько часто пользователь совершает покупки.
Monetary - сколько пользователь платит за всё время.

Суть этого анализа состоит в том, чтобы каждому платящему пользователю дать по три оценки от одного до трёх. То есть, как правило, они оцениваются по трёхбалльной шкале - “хорошо”, “приемлемо”, “плохо”, хотя вы можете встретить (и сами применять) пятибальные или даже десятибалльные шкалы.

Вот как выставляются оценки при использовании трёхбалльной шкалы:

R=1 - с момента покупки прошло много времени
R=2 - с момента покупки прошло немного времени
R=3 - с момента покупки прошло мало времени

F=1 - покупки совершаются редко
F=2 - покупки совершаются изредка
F=3 - покупки совершаются часто

M=1 - сумма платежей маленькая
M=2 - сумма платежей средняя
M=3 - сумма платежей большая

И тут возникает вопрос, как оценить эту давность, частотность и размер? Для этого существует несколько субъективных и объективных способов.

RFM analysis analytics system
Скриншот из ДЕМО devtodev

Субъективная экспертная оценка.

Вы знаете свой проект лучше, чем кто-либо другой и вы можете сами задавать границы этих оценок. Например, вы знаете, что если пользователь, в идеале, должен покупать что-то раз в неделю - это будет R=3, если он совершает покупку хотя бы раз в месяц - это R=2, а если он платит реже, чем раз в месяц - это R=1. Много - это 1000$ и больше за всю “жизнь” пользователя в проекте, средне - 200-999$, а мало - 199$ и меньше.

Более объективная оценка - использование квантилей и квартилей.

Возьмите тех же людей, что и в примере выше, и сделайте столбик (или просто список) по размеру их платежей. Затем (вот здесь субъективный момент) возьмите верхние 5% пользователей и назовите их “многоплатящими”, затем возьмите нижние 5% и назовите их “малоплатящими”. Остальные же будут “среднеплатящими”. То же с квартилями.

Присвоив, таким образом, оценки всем своим платящим пользователям (это удобно делать в Excel и ему подобных программах), вы можете приступать к собственно анализу, сегментированию аудитории и планированию действий, направленных на повышение вашей прибыли.

Читайте также: Когортный анализ в играх и приложениях

RFM-анализ - эффективный инструмент сегментации пользователей

Используя RFM-анализ вы можете, например, делать следующее:

  • Вычислять новых платящих пользователей (R=3, F=1). Они уже преодолели главный барьер - сделали первую покупку, и теперь для них можно задействовать весь разработанный заранее комплекс стимулов, направленных на то, чтобы они сделали вторую и последующие покупки.

  • Находить своих лояльных пользователей (R=3, F=3). Чтобы они и оставались лояльны, вам стоит показать, насколько вы их цените. Для этого можно иногда давать им бонусы и подарки со словами благодарности за поддержку проекта.

  • Ловить лояльных пользователей на грани ухода (R=1, F=3). Их вам нужно задержать в проекте - сначала попробовать выяснить причину, почему они больше не платят и постараться её устранить. Если причину выявить невозможно - просто напомните им о проекте, выслав, например, пуш-уведомление.

  • Находить отвалившихся плательщиков (R=1, F=1). Они уже преодолели барьер в виде первого платежа, до сих пор пользуются продуктом, но почему-то больше ничего не покупают. В этом случае вы также можете попытаться понять, что их не устроило, и исправить это, или же можете предложить им специальную очень выгодную (может быть, даже невыгодную вам) акцию, чтобы сподвигнуть их совершить ещё один платёж и продолжить пользоваться продуктом.

Смотрите вебинар по настройке аналитики в игре: инструменты и структура ивентов

Как использовать сегменты в реальном проекте

Как это можно применить в реальной жизни? Давайте рассмотрим хороший проект, в котором нужно повысить прибыль. Его аналитики проводят RFM-анализ и выясняют следующее:

  • у него есть лояльные пользователи, но их отток довольно высокий;

  • чаще всего пользователи ограничиваются только одной покупкой.

Аналитики изучают условия, при которых лояльный пользователь покидает проект, а также платящих пользователей, совершивших разное количество покупок, и определяют ту границу, после которой человек, совершивший одну покупку, скорее всего, уже не совершит вторую. Далее, в те переломные моменты, при помощи пуш-уведомлений или попапов они начинают делать этой аудитории очень выгодные предложения или давать большие скидки. Таким образом они увеличивают процент пользователей, совершивших повторную покупку, и удерживают свою лояльную аудиторию.

Как вы уже заметили, в этих примерах используется только два параметра из трёх - это Recency и Frequency. RFM - это довольно гибкий анализ, который можно использовать в соответствии со своими нуждами, убирая какие-то параметры или даже добавляя (например, количество пользователей).

Читайте также: 4 способа сегментации платящих пользователей

Как использовать RFM-анализ в играх

Во free-to-play играх чаще всего платящие пользователи анализируются по общему объёму платежей (не по отдельным платежам!). В этом случае они получают образные названия:

  • Мальки - пользователи, платящие мало;

  • Дельфины - пользователи, платящие средне;

  • Киты - пользователи, платящие много.

User analysis f2p game
Скриншот из ДЕМО devtodev

Как видно на скриншоте выше, можно выделять также крупных дельфинов и крупных китов. Крупные дельфины платят больше обычных дельфинов, но меньше китов, а крупные киты платят заметно больше обычных китов.

По сути, это такое же разделение по размеру сумм, границы которых определяются субъективно лично вами или субъективно-объективно с использованием математических инструментов.

Такое деление можно использовать, чтобы понять, сколько людей находится в каждом сегменте, и сколько прибыли они приносят. И, как следствие, понять, как увеличить прибыль - повысить или понизить цены, добавить товаров в магазин, придумать какую-нибудь интересную механику и т.д. По данным devtodev, например, в играх обычно большую часть прибыли приносят киты и крупные дельфины, а это значит, что вам нужно окружить их заботой и не дать им “уплыть”.

Смотрите вебинар по игровой аналитике и Google App Campaigns

Разумеется, RFM-анализ - это лишь один из методов, позволяющий получить лишь часть информации о платящих пользователях. Чтобы у вас появилась более полная картинка, вам стоит использовать и другие инструменты. Чтобы понять, что из себя представляет современная аналитическая система, зайдите в демо-проект devtodev.

Read more