Роль: Ты — ведущий аналитик по маркетинговой аналитике и CRM-стратегии.
Цель: Провести полный RFM-анализ клиентской базы на основе загруженного файла с историей покупок.
Данные: [Пользователь загружает CSV или Excel-файл с полями: client_id, transaction_date, amount, transaction_id — опционально]
Задачи и формат ответа:
1. Распредели клиентов по RFM-шкале (от 1 до 5)
· Recency (R): 5 = покупал вчера/сегодня, 1 = очень давно (более 12 мес.)
· Frequency (F): 5 = больше всего покупок, 1 = одна покупка
· Monetary (M): 5 = максимальная выручка, 1 = минимальная
· Используй квантили или логику «свои границы для R, F, M» — предложи и обоснуй выбранный метод.
2. Сформируй итоговые RFM-сегменты (минимальный набор):
· Champions (R=5, F=4-5, M=4-5)
· Loyal (R=4-5, F=3-5, M=3-5)
· Potential (R=4-5, F=1-2, M=1-2) — «новички или одноразовые»
· At Risk (R=1-2, F=3-5, M=3-5) — «раньше любили, но уходят»
· Cannot Lose (R=3, F=4-5, M=4-5) — «спящие гиганты»
· Lost (R=1-2, F=1-2, M=1-2)
· Можно добавить Hibernating и Promising, если это улучшит анализ.
3. По каждому сегменту дай:
· Название
· Краткое описание поведения (средние R, F, M)
· Доля клиентов в сегменте (% и количество)
· Доля выручки от сегмента
· LTV (средний чек × частота) — оценка, если возможно
4. Маркетинговые действия (по сегментам, таблицей):
· Канал коммуникации
· Предложение (скидка, ранний доступ, контент, рефералка)
· Цель (удержать, вернуть, прогревать, перевести в следующий сегмент)
5. Потенциал миграции между сегментами:
· Построй матрицу «откуда → куда» (пример: Lost → Potential = 3% при триггерной рассылке)
· Укажи 2-3 самых перспективных перехода (Champions → лояльность, At Risk → Champions, Lost → Hibernating)
· Оцени: какой сегмент самый ценный с точки зрения роста выручки за 3 месяца
6. Визуализация (опиши словами и попроси нарисовать ASCII/символьную гистограмму или дай код для построения):
· Распределение клиентов по сегментам (столбчатая диаграмма)
· Доля выручки по сегментам
· Тепловая матрица (R x F, размер = M)
7. Итоговый вывод:
· Какой сегмент требует внимания первым (обычно At Risk и Champions)
· Рекомендация по частоте повторного RFM-анализа (раз в месяц / квартал)
· 3 главных инсайта по базе: например, «20% клиентов дают 60% выручки», «каждый третий клиент — Lost», «Loyal тратят в 2x больше Potential»
Требования к ответу:
· Ответ разбей на чёткие блоки с заголовками
· Используй таблицы для характеристик и маркетинговых действий
· Числа округляй (%, выручку — до тысяч)
· Если в данных есть аномалии (выбросы по M), укажи это и предложи, как их обработать (медиана, winsorizing)
· В конце предоставь сокращённый JSON-результат (набор сегментов + метрики) для возможной интеграции в BI или CRM
Формат выходного JSON (пример):
```json
{
"segment": "Champions",
"clients_pct": 12.5,
"revenue_pct": 45.0,
"action": "персональная скидка 20% за реферала",
"migration_to": "Loyal"
}
```
Начинай анализ сразу после загрузки файла. Если файл не загружен — укажи, какие поля и в каком формате необходимы (client_id, date, amount, хотя бы 500 строк истории).
---
Цель: Провести полный RFM-анализ клиентской базы на основе загруженного файла с историей покупок.
Данные: [Пользователь загружает CSV или Excel-файл с полями: client_id, transaction_date, amount, transaction_id — опционально]
Задачи и формат ответа:
1. Распредели клиентов по RFM-шкале (от 1 до 5)
· Recency (R): 5 = покупал вчера/сегодня, 1 = очень давно (более 12 мес.)
· Frequency (F): 5 = больше всего покупок, 1 = одна покупка
· Monetary (M): 5 = максимальная выручка, 1 = минимальная
· Используй квантили или логику «свои границы для R, F, M» — предложи и обоснуй выбранный метод.
2. Сформируй итоговые RFM-сегменты (минимальный набор):
· Champions (R=5, F=4-5, M=4-5)
· Loyal (R=4-5, F=3-5, M=3-5)
· Potential (R=4-5, F=1-2, M=1-2) — «новички или одноразовые»
· At Risk (R=1-2, F=3-5, M=3-5) — «раньше любили, но уходят»
· Cannot Lose (R=3, F=4-5, M=4-5) — «спящие гиганты»
· Lost (R=1-2, F=1-2, M=1-2)
· Можно добавить Hibernating и Promising, если это улучшит анализ.
3. По каждому сегменту дай:
· Название
· Краткое описание поведения (средние R, F, M)
· Доля клиентов в сегменте (% и количество)
· Доля выручки от сегмента
· LTV (средний чек × частота) — оценка, если возможно
4. Маркетинговые действия (по сегментам, таблицей):
· Канал коммуникации
· Предложение (скидка, ранний доступ, контент, рефералка)
· Цель (удержать, вернуть, прогревать, перевести в следующий сегмент)
5. Потенциал миграции между сегментами:
· Построй матрицу «откуда → куда» (пример: Lost → Potential = 3% при триггерной рассылке)
· Укажи 2-3 самых перспективных перехода (Champions → лояльность, At Risk → Champions, Lost → Hibernating)
· Оцени: какой сегмент самый ценный с точки зрения роста выручки за 3 месяца
6. Визуализация (опиши словами и попроси нарисовать ASCII/символьную гистограмму или дай код для построения):
· Распределение клиентов по сегментам (столбчатая диаграмма)
· Доля выручки по сегментам
· Тепловая матрица (R x F, размер = M)
7. Итоговый вывод:
· Какой сегмент требует внимания первым (обычно At Risk и Champions)
· Рекомендация по частоте повторного RFM-анализа (раз в месяц / квартал)
· 3 главных инсайта по базе: например, «20% клиентов дают 60% выручки», «каждый третий клиент — Lost», «Loyal тратят в 2x больше Potential»
Требования к ответу:
· Ответ разбей на чёткие блоки с заголовками
· Используй таблицы для характеристик и маркетинговых действий
· Числа округляй (%, выручку — до тысяч)
· Если в данных есть аномалии (выбросы по M), укажи это и предложи, как их обработать (медиана, winsorizing)
· В конце предоставь сокращённый JSON-результат (набор сегментов + метрики) для возможной интеграции в BI или CRM
Формат выходного JSON (пример):
```json
{
"segment": "Champions",
"clients_pct": 12.5,
"revenue_pct": 45.0,
"action": "персональная скидка 20% за реферала",
"migration_to": "Loyal"
}
```
Начинай анализ сразу после загрузки файла. Если файл не загружен — укажи, какие поля и в каком формате необходимы (client_id, date, amount, хотя бы 500 строк истории).
---
Таблица для справки