Co je RFM analýza a proč se vyplatí
RFM je zkratka tří metrik, které popisují chování zákazníka:
- Recency — jak dávno zákazník nakupoval. Čím čerstvější objednávka, tím vyšší pravděpodobnost dalšího nákupu.
- Frequency — jak často nakupuje. Frekvence indikuje vztah ke značce a hodnotu zákazníka v čase.
- Monetary — kolik celkem utratil. Říká, jaký objem byznysu zákazník generuje.
Síla RFM není v komplikovanosti modelu, ale v tom, že staví výhradně na transakčních datech, která má prakticky každý e-shop dostupná z databáze objednávek. Není potřeba pokročilá behaviorální analytika, machine learning ani dlouhé sledování. Stačí vám SQL dotaz nebo export do tabulky.
Marketingový přínos je přitom konkrétní. Místo jedné univerzální remarketingové kampaně, která zobrazuje stejnou reklamu loajálnímu zákazníkovi i jednorázovému návštěvníkovi, dostanete sadu publik, na která můžete cílit cíleně. Nejhodnotnější zákazníky můžete chránit a odměňovat, ohrožené aktivovat, ztrácející se zachytit, nové vychovávat. A na neaktivní, kteří se neprobouzejí, se prostě vykašlat — to je často ta nejziskovější změna.
Jak spočítat RFM skóre
Princip je jednoduchý. Každému zákazníkovi přidělíte tři skóre, obvykle na škále 1–5, pro každou ze tří metrik. Pětka znamená nejlepší výsledek, jednička nejhorší.
Krok 1 — připravte si data
Z databáze e-shopu si vytáhněte tabulku, ve které bude pro každého zákazníka:
- identifikátor (e-mail nebo customer ID),
- datum poslední objednávky,
- počet objednávek za sledované období (obvykle 12 nebo 24 měsíců),
- celková útrata za stejné období.
Sledované období volte podle obratu a typu zboží. Pro rychloobrátkovou kosmetiku stačí 12 měsíců, u nábytku nebo elektroniky dává smysl 24 i víc.
Krok 2 — rozdělte zákazníky do kvintilů
Pro každou ze tří metrik seřaďte zákazníky od nejlepšího po nejhorší a rozdělte je do pěti stejně velkých skupin (kvintilů). Nejlepší kvintil dostane skóre 5, nejhorší 1. U Recency je „nejlepší“ nejmenší počet dní od poslední objednávky, u Frequency a Monetary nejvyšší hodnota.
Kvintilové dělení je důležité, protože pracuje s relativní pozicí zákazníka v rámci vaší vlastní báze. Pětka pro Monetary u prémiového e-shopu s nábytkem znamená něco úplně jiného než pětka u e-shopu s ponožkami. Pevné prahy (například „nad 5 000 Kč“) tuto kalibraci nemají a v různých kategoriích selhávají.
Krok 3 — složte trojici skóre
Každý zákazník teď má RFM kód, například 5-5-4 nebo 2-1-3. Tříčíselný kód je výchozí surovina pro segmentaci. Pro orientaci si můžete spočítat i průměr nebo součet, ale pro reklamní cílení je vždy lepší pracovat s celou trojicí, protože každá metrika nese jinou informaci.
Klíčové RFM segmenty pro e-shop
Z RFM kódů se v praxi dají vytvořit desítky segmentů, ale pro reklamní cílení stačí šest až osm, které pokrývají všechny zásadní scénáře. Tady je verze, která se osvědčuje pro většinu e-shopů:
- Šampioni (R5, F4–5, M4–5) — nedávno nakoupili, kupují často a hodně. Páteř obratu. Cíl: udržet vztah, odměňovat, nepřeplácet je v reklamě.
- Loajální (R3–5, F4–5, M3–5) — pravidelní zákazníci s rozumným objemem. Cíl: cross-sell, upsell, posílit vztah.
- Potenciální loajální (R4–5, F1–3, M2–5) — nakoupili nedávno, ale málokrát. Cíl: druhý nákup, výchova k pravidelnosti.
- Noví zákazníci (R5, F1) — první nákup před krátkou dobou. Cíl: onboarding, druhá objednávka.
- Ohrožení (R2–3, F3–5, M3–5) — kdysi to byli šampioni nebo loajální, ale dlouho nenakupují. Cíl: aktivace, slevová nabídka, push.
- Ztracení šampioni (R1, F4–5, M4–5) — měli vysokou hodnotu, ale úplně utichli. Cíl: poslední pokus o win-back. Pokud nereagují, vypnout investici.
- Hibernační (R1–2, F1–2, M1–2) — málo, dávno, levně. Cíl: v drtivé většině případů nevkládat rozpočet. Náklady na akvizici nového zákazníka mohou být nižší než reaktivace tohohle segmentu.
Logika dělení připomíná BGC matici pro produkty — segmentace podle hodnoty a chování umožňuje cíleně přilévat rozpočet tam, kde se reálně vrátí.
Jak segmenty využít v retargetingu na Skliku / Google Ads
Tady se dělba zákazníků mění z analytického cvičení v reálný marketing. Sklik podporuje cílení na vlastní publika, do kterých můžete nahrát e-maily nebo identifikátory zákazníků a kombinovat je s dalšími pravidly v kampani.
Co cílit na který segment
Cílení a kreativa by se mělo lišit nejen rozpočtem, ale i sdělením:
- Šampioni — vyloučit z většiny akvizičních a retargetingových kampaní. Nemá smysl jim ukazovat slevy, kvůli kterým by koupili levněji to, co by koupili stejně. Použít jen pro novinky a exkluzivní obsah.
- Loajální a potenciální loajální — cross-sell kampaně s doporučenými produkty z kategorií, které dosud nezkoumali. Vyšší limit rozpočtu, kreativa zaměřená na hodnotu.
- Noví zákazníci — sekvenční kampaň, která zákazníka edukuje o značce, sortimentu a benefitech. Cílem je druhá objednávka v rozumném horizontu.
- Ohrožení a ztracení šampioni — agresivnější aktivace, vyšší sleva, časově omezená nabídka. Tady má sleva největší ROI, protože získat zpět ztrácejícího se zákazníka je obvykle levnější než získat úplně nového.
- Hibernační — vyloučit z reklamy úplně. Případně přesunout do e-mailové re-engagement sekvence, kde je marginální náklad.
Praktické úskalí: jak segmenty dostat do Skliku
Tady přichází operativní problém, který RFM analýza sama o sobě neřeší. Mít segmenty v Excelu je málo platné, pokud se každý týden nepromítají do reklamních systémů. Zákazník, kterého jste minulý měsíc označili za „loajálního“, může být dnes „ohrožený“. Statická publika ztrácejí účinnost rychle.
Praktický postup obvykle vypadá takto:
- Z databáze se exportují aktualizovaná RFM data, ideálně každý týden nebo aspoň jednou za 14 dní.
- Pro každý segment se připraví seznam zákazníků (e-mail, telefon, hashovaný identifikátor).
- Seznamy se nahrají do Sklik jako vlastní publika.
- V Sklik kampaních se na publika cílí nebo se naopak z kampaní vylučují.
Manuálně je tahle smyčka náročná na čas a citlivá na lidskou chybu. Proto má smysl ji automatizovat — buď vlastními skripty nad Sklik API, nebo přes platformu, která to už řeší. Integrace Conviu na Sklik umí pracovat s daty z e-shopu, vytvářet specifické feedy pro různé typy publik a držet je v synchronizaci s reklamním systémem, takže odpadá ruční export-import každý týden.
RFM v širším kontextu — co dalšího sledovat
RFM je výborný start, ale ne konec. Pro pokročilejší práci stojí za to do modelu časem zapracovat další proměnné:
- Marže místo obratu — Monetary spočítaná z hrubé marže místo z tržby ukáže, kdo skutečně přináší zisk. Někdy je „velký zákazník“ ten, kdo nakupuje jen akce s nízkou marží.
- Variabilita košíku — kupuje napříč kategoriemi, nebo jen jednu věc dokola? Široký košík bývá indikátor silnějšího vztahu.
- Citlivost na slevy — kolik procent jeho objednávek bylo v akci? Slevoví lovci mají často vysoký Frequency a Monetary, ale nulovou skutečnou hodnotu, protože by bez slevy nepřišli.
- Návratnost a reklamace — vysoký podíl vrácených objednávek může z „loajálního“ zákazníka udělat čistou zátěž.
Pokročilejší modely (například RFM+M nebo CLV výpočty s pravděpodobností churnu) jsou logickým pokračováním, ale dávají smysl až ve chvíli, kdy základní RFM bezpečně běží a dodává výsledky.
Když na to nemáte čas nebo lidi
RFM analýza není raketová věda, ale udržet ji v chodu — pravidelně přepočítávat skóre, aktualizovat publika v reklamních systémech, ladit segmenty podle reálných výsledků — vyžaduje čas analytika i PPC specialisty. Pro řadu e-shopů tahle kapacita prostě není.
Pokud chcete RFM segmentaci řešit, ale interně na to nemáte sílu, dají se obě části řešit zvenku. Conviu datové služby pomohou se zpracováním zákaznických dat a přípravou segmentů, automatická PPC reklama pak segmenty napojí do kampaní v Skliku a Google Ads. Když nechcete řešit ani strategii kampaní, naše agentura to převezme jako celek — používáme stejný nástroj, který nabízíme klientům, takže se v něm orientujeme ze stejné pozice, ze které byste se v něm orientovali vy. Jen za vás.
Důležitější než výběr nástroje je ale začít. I jednoduchá RFM analýza udělaná v Excelu jednou za měsíc je výrazný posun proti tomu mít všechny zákazníky v jednom retargetingovém pytli. Když se vám segmenty osvědčí, automatizace je další krok.
