RFM-анализ — что это, формула, пример SQL для сегментации

Что такое RFM

3 параметра клиента:

• R (Recency) — как давно последняя покупка. Меньше дней = выше скор.
• F (Frequency) — сколько покупок всего. Больше покупок = выше скор.
• M (Monetary) — сколько денег принёс. Выше сумма = выше скор.

Как считать RFM-скор

Каждому клиенту присваиваем скор от 1 до 5 по каждому параметру через NTILE или процентили:

WITH customer_metrics AS (
  SELECT
    customer_id,
    CURRENT_DATE - MAX(order_date) AS days_since_last_order,
    COUNT(*) AS total_orders,
    SUM(order_amount) AS total_revenue
  FROM orders
  GROUP BY customer_id
),
rfm_scores AS (
  SELECT
    customer_id,
    -- Reverse для Recency (меньше дней = выше скор)
    6 - NTILE(5) OVER (ORDER BY days_since_last_order) AS R,
    NTILE(5) OVER (ORDER BY total_orders) AS F,
    NTILE(5) OVER (ORDER BY total_revenue) AS M
  FROM customer_metrics
)
SELECT
  customer_id, R, F, M,
  CONCAT(R, F, M) AS rfm_code,
  CASE
    WHEN R >= 4 AND F >= 4 AND M >= 4 THEN 'Champions'
    WHEN R >= 3 AND F >= 3 AND M >= 3 THEN 'Loyal'
    WHEN R >= 4 AND F < 3 THEN 'New Customers'
    WHEN R < 2 AND F >= 3 THEN 'At Risk'
    WHEN R < 2 AND F < 3 THEN 'Lost'
    ELSE 'Average'
  END AS segment
FROM rfm_scores;

Стандартные сегменты

Топ-10 сегментов по RFM-коду:

Python pandas вариант

Тот же расчёт на pandas:

import pandas as pd

def rfm_analysis(orders: pd.DataFrame, today=pd.Timestamp.now()) -> pd.DataFrame:
    # Метрики на клиента
    metrics = orders.groupby('customer_id').agg(
        recency_days=('order_date', lambda x: (today - x.max()).days),
        frequency=('order_id', 'count'),
        monetary=('order_amount', 'sum'),
    ).reset_index()

    # RFM скоры (1-5)
    metrics['R'] = pd.qcut(metrics['recency_days'], 5, labels=[5,4,3,2,1])
    metrics['F'] = pd.qcut(metrics['frequency'].rank(method='first'), 5, labels=[1,2,3,4,5])
    metrics['M'] = pd.qcut(metrics['monetary'].rank(method='first'), 5, labels=[1,2,3,4,5])

    # RFM код
    metrics['RFM'] = metrics['R'].astype(str) + metrics['F'].astype(str) + metrics['M'].astype(str)

    # Сегмент
    metrics['Segment'] = 'Average'
    metrics.loc[(metrics['R']>=4) & (metrics['F']>=4) & (metrics['M']>=4), 'Segment'] = 'Champions'
    metrics.loc[(metrics['R']<=2) & (metrics['F']<=2), 'Segment'] = 'Lost'
    # ... etc

    return metrics

Применение в реальном маркетинге

Реальные кейсы из РФ-компаний:

• Wildberries — RFM для таргетинга push notifications
• Ozon — RFM сегменты в email-кампаниях
• Тинькофф — RFM для cross-sell кредитных продуктов
• Авито — RFM для seller engagement programs
• X5 — RFM для loyalty programs «Пятёрочка Карта»