Сегментируем базу подписчиков: модифицированный RFM-анализ для сайтов без ecommerce

Для сегментации базы email-подписчиков маркетологи предлагают RFM-анализ (Recency, Frequency, Monetary), который анализирует давность, частоту и суммарную стоимость покупок. Метод зарекомендовал себя для сферы ecommerce. Команда аналитиков Convergent Media Group адаптировала RFM-анализ для сегментации подписчиков на сайтах без онлайн-продаж.

Главное отличие модифицированного RFQ-анализа от RFM — параметр целевого действия. Логично, что для интернет-магазинов ключевое целевое действие — покупка товара на сайте. Именно это отслеживает показатель Monetary (суммарная стоимость покупок на пользователя).

Чтобы RFM-анализ работал для сайтов, цель которых не в онлайн-продажах, достаточно заменить параметр Monetary на Quality (качественный показатель), на месте которого может выступать любое целевое действие пользователя на сайте: скачивание лид-магнита, посещение определённой страницы или даже длительность сессии. То есть вместо суммы покупок в RFQ-анализе оценивается качество поведения пользователя.

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

В чём суть?

По каждому параметру — R, F и Q — выделяется несколько сегментов подписчиков и сортируется в порядке от худшего к лучшему. Например, если брать параметр R (давность), то можно выделить 3 сегмента и расположить их в таком порядке.

  1. Очень давние.
  2. Давние.
  3. Новые.

Здесь важно определить границы сегментов. Пользователь был на сайте три месяца назад — это давно или недавно? 4 посещения — много или мало? В каждом случае границы сегмента рассчитываются индивидуально с помощью, например, обычных статистических расчётов среднего или медианного значения, или квартилей.

R — Recency, Давность

Параметр давности — самый сложный, потому что среднюю величину непросто посчитать. Например, из-за потерянных пользователей или сезонных изменений на рынке этот показатель может постоянно искажаться.

При анализе особое внимание обратите на спящих посетителей — для реактивации аудитории сайта с этим сегментом работать выгоднее, чем привлекать новых пользователей или возвращать к жизни потерянных.

Сейчас мы предложим сегментацию пользователей по параметру давности и на примере клиентского кейса определим, когда пользователь становится потерянным или спящим.

Как определить потерянных пользователей?

Нужно рассчитать показатель CLT — customer lifetime. Сделать это можно с помощью когортного анализа.

Всех подписчиков можно разделить по дате регистрации на когорты — группы пользователей. Для того чтобы найти потерянных посетителей сайта, нужно посмотреть, через какое время после регистрации пользователи перестают переходить на сайт. Чем больше времени охватывают данные, тем лучше.

Читайте также  С 0 до 9000 посетителей в месяц для сайта по продаже пиломатериалов. Кейс «Лиственницы»

На табличке ниже — наши расчёты для одного из клиентов. Мы провели когортный анализ аудитории сайта с момента настройки user ID.

Мы исключили влияние рассылок и выяснили, что большинство пользователей перестают посещать сайт через 4 месяца после регистрации. Поэтому к сегменту потерянных пользователей мы относим тех, кто на сайте в последний раз был более 4 месяцев назад.

Остальные сегменты параметра рассчитать несложно: единственная разница между ними — в сроке посещения сайта. Сегмент недавних посетителей можно рассчитать интуитивно, взяв за давность последней сессии, например, 1 месяц. Тогда пользователи, которые не подходят ни под категорию потерянных, ни под категорию недавних, попадают в сегмент спящих посетителей сайта.

F — Frequency, Частота

Частота — количество посещений сайта с момента регистрации. Чем чаще пользователь заходил на сайт, тем вероятнее он зайдёт на него снова и совершит целевое действие.

Многие маркетологи предлагают делить пользователей по частоте на равные группы. Но на практике лучше ориентироваться на распределение показателя, а группы могут получаться разного объёма.

Мы оценили частоту посещений сайта клиента по графику ниже и решили выбрать такое разделение на группы:

Трёх сегментов в параметре F достаточно. Если для бизнес-задач нужно больше трёх групп пользователей, можно разбить группу «частые посетители» на подгруппы, но увлекаться не стоит: иначе процесс аналитики превратится в расчёты ради расчётов.

Q — Quality, качественный параметр

Если мы не берём параметр Monetary, то какой именно показатель может выступать вместо него?

Вот несколько вариантов, что можно взять за Q-параметр в анализе.

Качественные характеристики посещений сайта

Например, среднее количество просмотренных страниц или средняя продолжительность сессии. По этому параметру можно разбить пользователей на следующие сегменты.

  • Для игровых ресурсов: если на сайте используется монетизация за счёт показов рекламы, можно рассматривать продолжительность сессии.
  • Для медиаресурсов: количество просмотренных страниц или дочитываемость материалов.

Совершение целевого действия

Любое действие, которое вы сочтёте ценным для вашего сайта и которое можно связать с конкретным пользователем.

Например, посещение определённой страницы, подписка на новости или даже покупка в офлайн-магазине по промокоду из личного кабинета.

В этом случае сегмента получится 2.

  • Для платформы с онлайн-курсами: скачивание полной программы курса.
  • Для сайта-визитки: заполнение лид-формы.

Частота целевых действий

В отличие от предыдущего пункта здесь учитывается именно количество совершённых действий. Разбиваются на сегменты примерно так же, как F (частота).

  • Для сайта с каталогом продуктов: суммарное количество посещений продуктовых страниц.
  • Для видеохостинга: суммарное количество просмотренных пользователем минут видео.

В качестве показателя Q для нашего клиента мы взяли длительность сессии.

У нас получился такой график:

Распределение средней продолжительности сессии пользователя показало, что аудиторию можно разделить на 3 сегмента.

  • не заинтересованные (средняя сессия меньше 1 минуты)
  • проявляют некоторый интерес (1–5 мин)
  • заинтересованные (5+ мин)

Что дальше?

Когда границы сегментов чётко определены, каждому посетителю сайта присваивается значение по всем трём параметрам. Каждый уникальный набор значений Recency, Frequency и Quality — отдельный сегмент со своей интерпретацией значений.

Читайте также  10 главных скиллов digital-дизайнера. Личный топ Евгении Дацко, экс-РБК

В результате такого обобщения получается, как правило, много близких по значению сегментов, которые можно и нужно объединять.

В итоге получится вот такая таблица сегментов аудитории:

В таблице мы видим, что 49,4% пользователей сайта — случайные посетители в прошлом, а нужных сайту активных пользователей всего 0,22%. Такая сегментация позволяет определить, с какими сегментами аудитории нужно работать в первую очередь.

Количество сегментов и способ их объединения могут быть разными в зависимости от целей сайта.

Почему нельзя объединить сегменты изначально?

Потому что тогда мы лишаемся возможностей гибкого объединения сегментов, что иногда пригождается для специфических email-рассылок.

Каждый сегмент подписчиков требует особого подхода: наполнение писем и частота рассылок могут отличаться для каждой группы. Как именно настроить email-маркетинг для каждого сегмента — это тема для отдельной статьи.

Распределение пользователей по сегментам удобно видеть на графике. Бывает, проблематично строить график по трём измерением или отражать сразу все 27 сегментов. Выход — построить отдельные графики по давности:

Как применять данные RFQ-анализа?

Для сегмента «потерянные постоянные посетители» мы разработали отдельную цепь email-писем, которая призывала пользователей перейти на сайт. 29% сегмента посетили сайт в течение недели. Через месяц 41% пользователей, которые перешли на сайт из этой цепи писем, попали в категорию активных пользователей.

Что в итоге?

Результаты RFQ-анализа.

  1. База email-подписчиков, сегментированная на основе поведенческих характеристик. То есть готовые группы пользователей для рассылок.
  2. Оценка распределения пользователей по поведенческим факторам.
  3. Возможность анализировать изменения в поведении пользователей.
  4. Инструмент работы с показателем Retention (удержание пользователя).

Что потребуется для RFQ-анализа?

  • Настроенный user ID (Google Analytics, Яндекс.Метрика) — действия каждого пользователя отслеживаются по уникальному идентификатору.
  • User ID сопоставляется с базой email-адресов.
  • Данные собираются длительное время.
  • Пользователи преимущественно авторизуются на сайте.

Резюмируем

RFQ-анализ — точный способ сегментировать базу подписчиков. Чёткое понимание особенностей пользовательского поведения — ключ к составлению успешной стратегии вовлечения аудитории и реактивации неактивных пользователей.

Преимущество RFQ-анализа — в гибкости настроек сегментов. Этот метод можно подогнать под конкретные задачи каждого сайта.

Результаты анализа можно и нужно использовать на практике. Привлечение нового пользователя обычно выходит дороже реактивации лояльного в прошлом посетителя. В следующих статьях мы расскажем, как эффективно выстроить коммуникацию с каждым отдельным сегментом.

Рекомендуем:

  • 5 проблем на пути построения прогнозной аналитики: как их решить

  • Как Customer Success увеличит заказы на 20%? Деньги, тактика и стресс в рассылках для B2B

  • Когортный анализ в email-маркетинге: что нужно анализировать и зачем

  • Как сегментировать свою аудиторию: разбираемся в методах

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.

Источник: cossa.ru

Строй Сам