Rabatów zwykle nie musisz dawać klientom, którzy kupili niedawno, kupują często i wydają dużo, czyli w analizie RFM segmentowi Champions, a często także stałym klientom z segmentu Loyal. Oni kupują w pełnej cenie, więc rabat obniża marżę, nie zmieniając ich decyzji. Analiza RFM (Recency, Frequency, Monetary) ocenia każdego klienta według tego, jak dawno kupił, jak często kupuje i ile wydał, i dzieli bazę na segmenty. Dzięki temu rabat trafia tam, gdzie może zmienić decyzję: do cennych klientów, którzy przestali kupować.
Jeśli nie wiesz, kim są ci kluczowi klienci, nie masz szans o nich zadbać. I odwrotnie - jeśli traktujesz VIP-a tak samo jak jednorazowego "łowcę okazji", po prostu przepalasz marżę, rozdajesz niepotrzebne rabaty i marnujesz zasoby operacyjne swojego zespołu.
Poniżej wyjaśniamy, jak liczyć R, F i M, jakie segmenty wyróżnić, jak zautomatyzować analizę w systemie marketing automation i jak wykorzystać segmenty w innych działaniach.
Dlaczego segmentacja demograficzna to za mało
Klasyczna segmentacja opiera się na wieku, płci, lokalizacji czy deklarowanych zainteresowaniach. Dwie osoby w tym samym wieku i z tego samego miasta mają ten sam profil demograficzny, a w Twojej bazie mogą być kimś zupełnie innym:
- Twoim największym fanem, który kupuje co miesiąc,
- osobą, która kupiła raz, bo akurat trafiła na promocję,
- kimś, kto dawno od Ciebie odszedł - i kupuje teraz u konkurencji.
Demografia mówi jedynie, kim ktoś jest na papierze. Analiza RFM mówi natomiast, co ten człowiek naprawdę robi z Twoją marką - jak często wraca, ile realnie wydaje i czy wciąż o Tobie pamięta.
Zachowanie zamiast deklaracji: co mówi historia zakupów
RFM opiera się na transakcjach, a nie na deklaracjach. Nie pytasz klienta, czy lubi Twój sklep, tylko sprawdzasz, co kupił:
- bazuje wyłącznie na realnych zakupach,
- nie opiera się na ankietach, deklaracjach, "intencjach",
- łączy trzy proste liczby w jeden obraz wartości klienta.
Historia zakupów dobrze pokazuje, kto może kupić ponownie: klient, który kupował niedawno i często, zwykle wróci szybciej niż osoba, która kupiła raz, dawno temu.
Czym jest analiza RFM
RFM (Recency, Frequency, Monetary) to metoda analityczna, która ocenia każdego klienta przez pryzmat trzech kluczowych wymiarów:
- Recency (R) - mierzy, jak dawno klient kupował,
- Frequency (F) - jak często kupuje,
- Monetary (M) - ile łącznie wydał.
Na tej podstawie każdy klient dostaje punkty w każdym wymiarze, np. w skali 1-5 albo 1-3. Klaviyo stosuje skalę 1-3 i dzieli klientów na grupy Champions, Loyal, Recent, Needs attention, At risk i Inactive (dokumentacja Klaviyo). W ten sposób dzielisz bazę na segmenty: od najcenniejszych klientów po tych, którzy odeszli.
Jak liczyć R, F i M w praktyce
Recency (Świeżość): Jak dawno kupowali?
Wskaźnik "R" odpowiada na kluczowe pytanie: kiedy ostatni raz klient zostawił u Ciebie pieniądze? Jest to zazwyczaj najsilniejszy wskaźnik gotowości do kolejnego zakupu.
- Krótki czas od ostatniego zakupu = wysoka świeżość (klient "rozgrzany").
- Długi czas = klient "stygnie" i rośnie ryzyko odejścia.
W praktyce biznesowej oznacza to:
- ustalasz okno czasowe (np. ostatnie 12 miesięcy),
- liczysz liczbę dni od ostatniego zakupu,
- dzielisz klientów na grupy (np. quintyle): od tych, którzy kupili wczoraj, do tych, którzy nie kupowali od roku.
Im wyższy wynik R (czyli im świeższy zakup), tym większa szansa na konwersję bez konieczności stosowania agresywnych promocji. Ci klienci są mentalnie wciąż w Twoim sklepie.
Frequency (Częstotliwość): Jak często wracają?
"F" mierzy, jak często klient finalizuje transakcję. To wskaźnik, który odróżnia przypadkowych przechodniów od lojalnych fanów marki.
- Wysoka częstotliwość = nawyk, przywiązanie do marki.
- Niska częstotliwość = jednorazowe lub przypadkowe zakupy.
W praktyce biznesowej oznacza to:
- zliczasz liczbę transakcji na klienta w wybranym okresie,
- porównujesz ją do całej bazy (znów: podział na przedziały),
- najwyższe wyniki F to klienci, którzy "głosują portfelem" regularnie.
To właśnie wokół parametru Frequency buduje się większość programów lojalnościowych. Celem jest wyrobienie nawyku (podniesienie F), nawet jeśli pojedyncze koszyki nie są rekordowo wysokie.
Monetary (Wartość): Ile wydali łącznie?
"M" mówi wprost: ile ten klient zostawił w kasie do tej pory? To suma wartości wszystkich transakcji danego użytkownika.
- Sumujesz wartość wszystkich zamówień klienta,
- porównujesz ją z resztą bazy,
- tworzysz przedziały - od niskiej do najwyższej wartości.
Klienci z wysokim M mają największy wpływ na wynik finansowy sklepu. Opłaca się dawać im wcześniejszy dostęp do nowości, osobną obsługę czy darmową dostawę bez limitu. Sprawdź, czy lepiej reagują na takie wyróżnienie niż na rabat.
Segmenty RFM: najważniejsze grupy klientów w sklepie
Gdy połączysz R, F i M, powstaje trójwymiarowa siatka segmentów. W praktyce najczęściej stosuje się punktację 1-5 dla R i F (M często traktuje się jako dodatkowy filtr). Przykładowe kombinacje:
- 5-5-5 - najwyższe R, F, M,
- 1-1-1 - najniższe R, F, M,
- kombinacje pośrednie (np. wysokie M, niskie R).
W narzędziach marketing automation znajdziesz gotowe, nazwane grupy. W Klaviyo są to m.in. Champions, Loyal, Needs attention i At risk, a w często stosowanym rozszerzonym podziale także Can't Lose Them, Hibernating czy Potential Loyalist.
Oto przegląd najważniejszych segmentów, na których powinieneś skupić swoją uwagę menedżerską.
Champions (Mistrzowie): Kupili niedawno, często i drogo
To najcenniejsza grupa: wysoka świeżość, częstotliwość i wartość zakupów. Zwykle to niewielka część bazy, która odpowiada za dużą część przychodu. Sprawdź tę proporcję w swoich danych.
- Co robić:
- dawaj im pierwszeństwo w dostępie do nowości i limitowanych kolekcji,
- zapraszaj do programów VIP i akcji "friends & family",
- proś o feedback, recenzje, udział w badaniach.
- Czego nie robić:
- nie wrzucaj ich do masowych wyprzedaży z agresywnymi rabatami.
Sprawdź, czy ta grupa potrzebuje rabatów: porównaj, ilu klientów kupiło w pełnej cenie, a ilu tylko w wyprzedaży. Jeśli większość kupuje w pełnej cenie, wyklucz ich z jednego mailingu wyprzedażowego i porównaj marżę z poprzednią akcją. Zamiast rabatu nagradzaj ich za lojalność, np. wcześniejszym dostępem do nowości.
Loyal Customers (Lojalni): Regularni, ale wydają mniej
Charakterystyka segmentu:
- wysoką częstotliwość,
- średnią lub niższą wartość koszyka,
- ostatni zakup relatywnie niedawno.
To fundament sprzedaży sklepu: nie wydają najwięcej, ale kupują regularnie, miesiąc po miesiącu.
- Co robić:
- proponuj cross-sell ("do kompletu") i upsell (lepsze wersje produktów),
- testuj pakiety i bundling,
- buduj nawyk: przypomnienia o uzupełnieniu zapasów, subskrypcje.
W tym segmencie nie walczysz o przetrwanie, ale o marżę. Twoim celem jest podniesienie średniej wartości zamówienia (AOV) poprzez inteligentne rekomendacje produktowe.
Can't Lose Them: cenni klienci, którzy przestali kupować
To segment o największym ryzyku utraty przychodu:
- w przeszłości mieli wysoką wartość (M),
- kupowali często (F),
- ale ostatni zakup był dawno (niskie R).
Jeśli nie zareagujesz, możesz ich stracić. To główni kandydaci do kampanii odzyskiwania, które opisujemy we wpisie Kampanie win-back: jak odzyskać klienta, który nie kupuje.
- Co robić:
- personalizowane kampanie reaktywacyjne (przypomnienie produktów, historia wspólnych zakupów),
- mocniejsze bodźce: wyjątkowy rabat, darmowa dostawa, prezent,
- jasna komunikacja: "brakuje nam Ciebie", "wróć i zobacz, co się zmieniło".
W tym segmencie wyższy bonus ma sens, bo próbujesz odzyskać klienta, który już wydawał dużo. Ustal jednak, ile możesz wydać na jego powrót, licząc wartość klienta w czasie, jak we wpisie Customer Lifetime Value: ile jest wart klient sklepu.
Hibernating (Śpiący): Kupili raz, dawno i tanio
"Śpiący" to często duża część bazy:
- niska częstotliwość (często 1 zakup),
- niska lub średnia wartość,
- ostatni zakup - dawno temu.
To nie są "źli" klienci, ale z biznesowego punktu widzenia nie powinni być Twoim priorytetem. Inwestowanie dużych środków w ich aktywację rzadko się zwraca.
Co robić i czego unikać:
- wyślij testowo jedną lub dwie kampanie reaktywacyjne,
- używaj tego segmentu do testów treści,
- nie przeznaczaj na niego dużych budżetów i rabatów, bo koszty mogą się nie zwrócić.
W wielu sklepach najrozsądniejszą strategią jest akceptacja faktu, że część klientów odchodzi (churn). Zamiast walczyć o "martwe dusze", przesuń budżet na segmenty, które jeszcze rokują: Need Attention, At Risk czy Can't Lose Them.
Jak zautomatyzować analizę RFM w systemie marketing automation
Ręczne liczenie RFM w Excelu ma sens tylko na etapie nauki lub w bardzo małym sklepie. W skali biznesowej - przy tysiącach zamówień miesięcznie - segmentacja musi działać automatycznie, w tle.
Narzędzia z wbudowaną analizą RFM, np. Klaviyo, pobierają dane zamówień ze sklepu i same przypisują klientów do grup. Klaviyo wymaga do tego m.in. co najmniej 500 klientów z zamówieniem i 180 dni historii zamówień (dokumentacja Klaviyo). Takie moduły:
- pobierają dane transakcyjne z Twojego sklepu,
- liczą R, F, M dla każdego klienta,
- automatycznie przypisują go do segmentu (Champions, Loyal, At Risk itd.),
- aktualizują segmenty wraz z każdą kolejną transakcją.
Dynamiczne przesuwanie się klientów między segmentami
Największą siłą RFM zintegrowanego z systemem do automatyzacji jest to, że segmenty "żyją". To nie jest statyczny raport raz na kwartał.
- klient kupuje ponownie → rośnie jego R i F,
- długo nie kupuje → spada R, może wypaść z Champions do Loyal, a potem do At Risk,
- robi duży zakup → skacze jego M.
Dzięki temu możesz zareagować w porę:
- ustawić automatyczne kampanie wyzwalane spadkiem do "gorszego" segmentu,
- nagradzać awans (np. przejście do Champions),
- szybko wychwytywać zmianę zachowania (np. ktoś z Champions nagle długo nie kupuje - sygnał alarmowy).
RFM jest dobrym punktem wyjścia do zarządzania wartością klienta w czasie (CVM, customer value management).
Przykład: klient przechodzi z segmentu lojalnych do zagrożonych
Przykładowy scenariusz automatyzacji:
- Klient był w segmencie Loyal Customers - kupował regularnie, średnie koszyki.
- Przestaje kupować - spada mu Recency, trafia do segmentu typu Need Attention lub At Risk.
- System MA automatycznie:
- odpala sekwencję win-back (seria wiadomości z wartością dodaną + ewentualny rabat na końcu),
- pokazuje inne treści na stronie (Dynamic Content) - np. sekcję "wróć do swoich ulubionych produktów",
- zmienia częstotliwość komunikacji: mniej ogólnych newsletterów, więcej 1:1.
Analogicznie, w drugą stronę (awans):
- gdy ktoś przechodzi z New do Potential Loyalist - wzmacniasz nawyk zakupowy,
- gdy awansuje do Champions - od razu wpinasz go w scenariusz VIP.
Jak wykorzystać segmenty RFM w innych działaniach
Analiza RFM nie powinna żyć w próżni. Dane o segmentach możesz (i powinieneś) wykorzystać poza e-mail marketingiem:
- Dla segmentu zagrożonych (wysokie M, niskie R) uruchom kampanię odzyskiwania z mocniejszym bodźcem: Kampanie win-back: jak odzyskać klienta, który nie kupuje.
- Dla lojalnych celem jest wyższa wartość zamówienia: Cross-selling i up-selling: jak zwiększyć wartość koszyka.
- Segmenty RFM pomagają też ograniczyć rabaty w scenariuszu Porzucony koszyk: jak odzyskać zamówienie bez rabatu.
- Dla nowych klientów zaplanuj komunikację po pierwszym zakupie: Komunikacja po zakupie: co wysłać klientowi, żeby wrócił.
FAQ - o to najczęściej pytacie
Którym klientom nie musisz dawać rabatów?
Najczęściej klientom z segmentów Champions i Loyal, którzy kupują regularnie i w pełnej cenie. Sprawdź to na swoich danych: wyklucz ich z jednego mailingu wyprzedażowego i porównaj marżę. Za lojalność nagradzaj ich inaczej, np. wcześniejszym dostępem do nowości albo darmową dostawą.
Czy muszę liczyć RFM ręcznie w Excelu?
Nie. Arkusz wystarczy do nauki i jednorazowej analizy, ale ręczne wyniki szybko się dezaktualizują, przy dużej bazie łatwo o błąd i nie da się szybko zareagować na zmianę segmentu. Korzystaj z modułu RFM w systemie marketing automation albo CRM.
Jaki okres brać pod uwagę w analizie RFM?
Dobrym punktem wyjścia jest ostatnie 12 miesięcy liczone krocząco. Dopasuj go do cyklu zakupów: przy produktach kupowanych często, np. kawie czy suplementach, okno może być krótsze, np. 6 miesięcy, a przy meblach czy droższym AGD dłuższe, np. 18-24 miesiące.
Co zrobić z segmentem klientów utraconych?
Wyślij jedną ostatnią kampanię pożegnalną. Jeśli klient nie zareaguje, przestań wysyłać mu regularne mailingi i przesuń budżet na segmenty, które rokują: Needs attention, At risk i Can't Lose Them.
Ile segmentów RFM potrzebuje mały sklep?
Na start wystarczy kilka: najlepsi klienci, lojalni, nowi, cenni klienci, którzy przestali kupować, i nieaktywni. Klaviyo używa sześciu grup, ale do jego analizy potrzeba co najmniej 500 klientów z zamówieniem (dokumentacja Klaviyo). Przy mniejszej bazie podziel klientów ręcznie według daty ostatniego zakupu i łącznej wartości zamówień.
Jak często aktualizować segmenty RFM?
W systemie marketing automation segmenty zmieniają się automatycznie po każdym zamówieniu. Jeśli liczysz RFM ręcznie, aktualizuj wyniki co miesiąc, np. przed planowaniem kampanii.
Czy analiza RFM działa w sklepie, w którym klienci kupują rzadko?
Tak, ale wydłuż okno analizy i zwróć większą uwagę na wartość zakupów (M) i czas od ostatniego zakupu (R), bo częstotliwość (F) będzie niska u większości klientów. W takim sklepie przyda się też wartość klienta w czasie, którą opisujemy we wpisie Customer Lifetime Value: ile jest wart klient sklepu. Pozostałe scenariusze dla sklepów znajdziesz w kategorii Obsługa abonamentowa marketing automation.
Sprawdź, czy reklama przyciąga klientów, którzy wracają
Segmenty RFM pokazują, którzy klienci przynoszą największy przychód. Te dane pomagają też ocenić, ile możesz wydać na reklamę, która ma przyciągnąć podobnych klientów. EVILLAGE.PL prowadzi kampanie Google Ads od 2006 r. W rozmowie sprawdzimy, czy reklama przyciąga klientów, którzy kupują więcej niż raz.
Źródła
Dostęp do źródeł: 7 listopada 2026 r.
- Klaviyo, "Understanding scoring and customer groups in the recency, frequency, and monetary analysis (RFM) report": https://help.klaviyo.com/hc/en-us/articles/17797937793179
- Klaviyo, "How to create multiple RFM models for different customer cohorts": https://help.klaviyo.com/hc/en-us/articles/create-multiple-rfm-models
