RFM a RFE analýza: Jednoduchý spôsob, ako segmentovať zákazníkov

Ak pracujete v performance marketingu, skôr či neskôr narazíte na otázku segmentácie zákazníkov.

Kým pri desiatkach zákazníkov sa dá ešte aplikovať metóda “one size fits all”, pri stovkách až tisícoch je dobré použiť jednoduchý systém, ktorý rýchlo ukáže, komu sa oplatí venovať viac pozornosti, koho treba udržať a koho zmysluplne reaktivovať. 

Presne na to slúži model RFM (recency, frequency, monetary) a jeho variant RFE (recency, frequency, engagement). Vychádzajú z historického správania, priradia každému používateľovi skóre a výsledok viete premeniť na segmenty typu Champions, Loyal alebo At-risk.

A čo je kľúčové – tieto segmenty sa dajú preniesť do vášho CRM systému alebo Google Analytics a použiť na tvorbu publík, ktoré následne aktivujete.

Aby ste nemuseli zostať len pri teórii, v článku nájdete aj odkaz na našu webovú aplikáciu. V nej si môžete RFM analýzu vyskúšať na vlastných dátach alebo si ju preklikať na pripravenom demo datasete.

Čo je RFM analýza 

RFM analýza je technika segmentácie zákazníkov na základe transakčnej (alebo inej) histórie v troch dimenziách:

• Recency (R) – kedy zákazník nakúpil.
• Frequency (F) – ako často nakupuje.
• Monetary (M) – aká bola hodnota objednávky.

V praxi tým získate konzistentný spôsob, ako odpovedať na otázky ako “Kto sú moji najlepší zákazníci?”, “Kto mal hodnotu, ale „odchádza“?”, alebo “Kto má potenciál stať sa lojálnym?”. 

Výhoda RFM je, že nejde o subjektívne kategórie, ale o skórovanie založené na dátach.

Nevýhodou je, že zjednodušuje zákazníkov na historické správanie bez kontextu, takže výsledky silno závisia od zvolených hraníc a nemusia spoľahlivo vysvetliť „prečo“ ani predpovedať, čo zákazník urobí ďalej.

Nemáte tržby z online predaja? Použite RFE

Nie každý biznis má prirodzene „Monetary“ hodnotu, ktorú môže použiť (napríklad obsahové weby). Vtedy dáva zmysel varianta RFE, kde sa Monetary nahrádza metrikou Engagement (E).

Engagement môže byť vyjadrený rôzne, napríklad:

• časom na stránke,
• počtom zobrazených stránok,
• splnenými cieľmi (goal completions).

Podstatné je, aby „value“ reprezentovalo engagement konzistentne – teda rovnakým spôsobom pre všetkých používateľov. Vďaka tomu bude aj výsledná segmentácia stabilná a porovnateľná.

Ako funguje skórovanie RFM/RFE

Dobrá správa? Na výpočet RFM nepotrebujete doktorát z dátovej vedy. Stačí vám základná matematika. Pre každého používateľa jednoducho vypočítate R-F-M skóre na škále od 1 po 5.

Typicky sa to robí cez kvintily (teda jednoduché rozdelenie podľa poradia), pričom najlepšia skupina dostane skóre 5 a najslabšia skupina dostane skóre 1.

Výsledkom sú tri čiastkové skóre: R score, F score, M score (alebo E score pri RFE). V tejto fáze má každý používateľ tri čísla. Aby ste z toho spravili niečo použiteľné pre kampane, tieto hodnoty spojíte do jednej segmentačnej kategórie.

Spájanie skóre do finálneho segmentu

Voľba metódy určuje, či budete mať veľa jemných mikrosegmentov, alebo menej širších skupín, a tiež to, ako citlivo sa výsledné hodnotenie mení pri zhoršení jednej dimenzie.

Tu sú 4 základné metódy, ktoré môžete použiť:

1. Concatenation (zreťazenie skóre)

R, F a M (alebo E) skóre spojíte do jedného kódu bez ďalšieho prepočtu. Príklad: R=5, F=4, M=3 → „543“.

Výhoda je vysoká granularita – viete presne rozlíšiť profil správania (kto je napr. veľmi „recent“, ale len priemerný vo frekvencii). Pri škále 1–5 vznikne 125 kombinácií (5×5×5). Nevýhoda je, že takýchto mikrosegmentov je veľa, takže pomenovanie a aktivácia v kampaniach býva pracnejšia.

2. Addition (súčet skóre)

Finálne skóre vznikne sčítaním jednotlivých dimenzií: R + F + M. Pri škále 1–5 je teda výsledné skóre číslo medzi 3 až 15.

Je to asi najľahšie interpretovateľný prístup. Každá dimenzia prispieva „svojím dielom“ do celku. Je tiež tolerantnejší voči tomu, ak má zákazník jednu dimenziu slabšiu, ale iné veľmi silné. Nevýhodou je, že nemusí zachytiť interakcie medzi dimenziami (napr. nízka recency môže byť dôležitejší signál ako výška objednávky).

3. Multiplication (násobenie skóre)

Skóre vznikne násobením: R × F × M. Pri škále 1–5 je teda rozsah 1 až 125, podobne ako pri zreťazení skóre.

Tento spôsob je citlivejší na slabé miesta – nízke skóre v jednej dimenzii výrazne zníži celkové skóre. Je vhodný, keď chcete, aby „zlyhanie“ v recency/frequency/monetary automaticky ťahalo zákazníka nadol. Treba si však dať pozor, pretože nízke skóre v jednej dimenzii môže znížiť celkové skóre viac, než dáva zmysel.

4. Weighted addition (vážený súčet)

Každej dimenzii priradíte váhu podľa dôležitosti a vypočítate vážené skóre, napr. wR·R + wF·F + wM·M (alebo podobná vážená varianta).

Vďaka tomu viete model prispôsobiť biznisu. Ak je napríklad recency silnejší prediktor ďalšieho nákupu, dáte jej vyššiu váhu. Výhoda je flexibilita a lepšie zladenie s cieľmi. Nevýhodou je vyššia komplexita. Váhy treba rozumne nastaviť a priebežne validovať, či stále dávajú zmysel a korelujú s reálnymi výsledkami.

RFM/RFE výpočet „na počkanie“

Ak si chcete RFM/RFE analýzu vyskúšať, môžete použiť našu webovú aplikáciu. Je zdarma a potrebujete na to iba CSV súbor s používateľským ID, dátumom aktivity a hodnotou.

👉 Link na aplikáciu

Podrobnejšie vysvetlenie významu jednotlivých segmentov nájdete priamo v aplikácii v časti „segments explanation“. V tejto sekcii uvidíte, čo konkrétne každý segment znamená, aké správanie je preň typické a na aký typ aktivácie sa hodí (napríklad retencia, reaktivácia alebo upsell).

Aktivácia segmentov

Segmenty v tabuľke vám tržby nevytvoria. Skutočná hodnota RFM analýzy vzniká až v momente, keď týmito dátami „nakŕmite“ svoje marketingové nástrojov a začnete s nimi reálne pracovať:

• Personalizácia v CRM a e-mailingu – neposielajte rovnaký newsletter všetkým. Napríklad segment „Champions“ si zaslúži VIP poďakovanie alebo skorší prístup k novinkám (bez nutnosti zliav), zatiaľ čo skupinu „At-risk“ môžete skúsiť motivovať k návratu win-back kupónom.
• Inteligentné publiká v GA4 a Google Ads – segmenty môžete importovať do GA4 ako vlastné dimenzie (User Properties). To vám umožní vytvoriť relevantné publiká pre remarketing. Namiesto triafania naslepo podľa demografie tak cielite na používateľov podľa ich skutočnej hodnoty a nákupného správania.

Stručné zhrnutie krokov

Záver

RFM a RFE sú jednoduché, no v praxi veľmi účinné spôsoby, ako rýchlo rozdeliť používateľov podľa historického správania a túto logiku preniesť do marketingovej aktivácie. Pracujete s tromi dimenziami (R, F, M/E), priradíte im skóre (najčastejšie na škále 1–5) a následne ich spojíte do jednej segmentačnej kategórie.

Výsledkom sú segmenty, ktoré sa dajú zrozumiteľne interpretovať a hlavne okamžite využiť v kampaniach. Nezabudnite pri tom na jednoduché pravidlo – čím konzistentnejšie a čistejšie dáta (dátumy, identifikátory, hodnota), tým lepšie výsledky 🙂

A samozrejme, ak máte otázky, alebo si neviete s niečím pomôcť – booknite si bezplatnú 30m konzultáciu s našim Marekom.