RFM Analysis of Bank Clients
Business Context
Банк накапливает данные о транзакциях клиентов, но маркетинговые кампании работали «в лоб»: одинаковые предложения для всех. Задача — разделить клиентскую базу на однородные сегменты, чтобы персонализировать коммуникацию и сосредоточить ресурсы на самых ценных клиентах.
Hypothesis
Если сегментировать клиентов по трём измерениям — Recency (когда последняя покупка), Frequency (частота операций) и Monetary (совокупный доход) — можно выделить группы с разным поведением и для каждой построить отдельную стратегию удержания и развития.
Data & Method
Данные: транзакционная история клиентов банка, включая дату операции, сумму и тип транзакции.
Шаги анализа:
- Очистка и подготовка данных — устранены дубликаты, обработаны пропуски, отобраны релевантные типы операций.
- Расчёт RFM-метрик для каждого клиента:
- Recency: дней с последней транзакции
- Frequency: количество операций за период
- Monetary: суммарный доход от клиента
- Кластеризация по RFM-score — каждому измерению присвоен балл, клиенты объединены в сегменты.
- Визуализация распределения сегментов в Tableau с фильтрами по времени и продукту.
Инструменты: Python (Pandas, Scikit-learn), SQL, Tableau.
Insight
Получены четыре ключевые группы:
- High-value customers — недавние, частые и высокодоходные клиенты. Основной вклад в выручку.
- Medium-value customers — умеренная активность и доход. Потенциал роста через upsell.
- Low-value customers — редкие и низкодоходные. Неэффективно вкладывать в дорогие каналы.
- At-risk customers — ранее активные, но давно не совершавшие покупок. Требуют реактивации.
Ключевой инсайт: небольшая доля high-value клиентов генерирует непропорционально большую часть дохода, а at-risk сегмент убывает быстрее, чем растёт приток новых.
Impact
- Выявлены высокодоходные сегменты клиентов — маркетинг получил понятные persona для таргетирования.
- Оптимизированы маркетинговые кампании — бюджет перераспределён в пользу retention high-value и реактивации at-risk.
- Повышена эффективность удержания — команды перешли от массовых рассылок к сегментированным сценариям.