В 2005 году впервые системно объединили метод анализа иерархий (AHP) и RFM-анализ, чтобы заменить равные веса показателей давности (R), частоты (F) и денежной ценности (M) экспертными приоритетами. Кластеризация взвешенных значений и последующая взвешенная сумма позволили получить прямой ранг пожизненной ценности клиента (CLV) для каждого сегмента. Эта схема стала эталонной для всех более поздних расширений: взвешенной RFM (WRFM), eRFM и LRFM-V.
Почему классическому RFM не хватало весов
Модель RFM (R — давность последнего взаимодействия, F — частота обращений, M — суммарная денежная ценность) десятилетиями использовалась для сегментации клиентской базы. Каждому измерению традиционно присваивался одинаковый вес — 1/3, а итоговая оценка рассчитывалась как простая сумма баллов. Такой подход полностью игнорировал отраслевую специфику: в медицине, например, частота визитов и давность последнего приёма могут значить куда больше, чем общий чек, а в стоматологии крупные разовые процедуры (имплантация) резко увеличивают денежную составляющую M.
Авторы статьи 2005 года указали на этот пробел и предложили формализованный способ определения неравных весов через AHP — метод попарных сравнений, разработанный математиком Томасом Саати. Решение стало поворотным: оно превратило RFM из простой эвристики в модель, чувствительную к бизнес-контексту. Для российской частной клиники это означает возможность прямо заложить экспертизу главного врача или руководителя маркетинга в скоринговую механику.
Как AHP задаёт веса R, F и M
Метод анализа иерархий (AHP) применительно к RFM-весам выглядит так:
- Эксперт (маркетолог, руководитель клиники) составляет матрицу попарных сравнений критериев: давность (R), частота (F) и денежная ценность (M).
- По шкале Саати (1 — критерии равноценны, 9 — абсолютное превосходство одного над другим) заполняются относительные приоритеты. Например, частота обращений в 3 раза важнее денежной ценности, а давность последнего визита в 5 раз важнее частоты.
- Локальные веса рассчитываются через нормализацию матрицы и вычисление собственного вектора.
- Проверяется индекс согласованности (CR): если CR < 0,1, веса принимаются; в противном случае экспертные оценки пересматривают.
Полученные коэффициенты — допустим, w_R = 0,6, w_F = 0,3, w_M = 0,1 — заменяют стандартные 1/3. Именно эта процедура впервые описана применительно к RFM-модели в той работе и с тех пор является стандартным блоком всех взвешенных модификаций.
Кластеризация по взвешенным RFM-значениям и выход на CLV-ранг
После масштабирования исходных RFM-переменных и их умножения на веса AHP авторы предложили проводить кластеризацию — группировку пациентов со схожими взвешенными профилями. Затем для каждого кластера вычисляли взвешенную сумму трёх компонентов, которая служила прямой оценкой ценности сегмента. Чем выше сумма, тем выше пожизненная ценность (CLV) — сегмент получал свой ранг.
Такой двустадийный метод (AHP-взвешивание → кластеризация → агрегация) позволил не просто отделять «лучших» от «худших», а ранжировать все сегменты по их предполагаемой пожизненной ценности без сложных прогнозных моделей. Объектами сегментации в медицинском контексте могут быть пациенты хронических профилей, косметологических клиник или стоматологических сетей — везде, где поведенческая история накапливается в электронных медицинских картах (ЭМК). В условиях, когда российская МИС фиксирует визиты и платежи, метод становится практичным инструментом для любой платформы, которая умеет консолидировать транзакционные данные.
Как эта схема стала фундаментом для WRFM, eRFM и LRFM-V
Работа 2005 года оказалась настолько универсальной, что все поздние расширения RFM явно опирались на неё.
| Модель | Что добавлено | Связь с методом 2005 г. |
|---|---|---|
| Взвешенная RFM (WRFM) | AHP-веса для R, F, M | Прямое наследование алгоритма определения весов |
| eRFM | Дополнительный параметр вовлечённости (E) | Взвешивание всех критериев через AHP-расширение |
| LRFM-V | Длительность отношений (L) и вариабельность трат (V) | Та же логика: AHP-веса → кластеризация → CLV-ранг |
Каждая из этих модификаций заменяла или дополняла переменные, но сохраняла ядро: иерархическое взвешивание критериев, сегментацию на основе полученных скалярных оценок и ранжирование по агрегированной ценности. Без каркаса 2005 года не появились бы отраслевые адаптации, которые сегодня востребованы в частной медицине.
Почему это важно для частных клиник
Владельцы и маркетологи медицинских центров постоянно ищут баланс между удержанием ценных пациентов и возвращением ушедших. Классический RFM даёт лишь статичные сегменты; взвешенная RFM через AHP позволяет:
- заложить экспертизу главного врача или директора по маркетингу прямо в модель («ежегодный чекап критичнее среднего чека»);
- увидеть, какой из поведенческих факторов действительно увеличивает пожизненную ценность в конкретной специализации;
- строить скоринговые карты и гибко менять приоритеты без перестроения всей аналитики в системе управления взаимоотношениями с клиентами (CRM).
В медицине AHP-веса могут отражать, например, что своевременность диспансеризации (R) в 4 раза важнее денежной ценности (M), а частота визитов (F) в педиатрии весомее, чем в пластической хирургии. Полученный CLV-ранг направляет бюджеты на персональные коммуникации именно тем сегментам, которые принесут максимальную отдачу за весь период наблюдения.
Применимость в России
Подход напрямую переносится на российскую почву — AHP и кластеризация не привязаны к зарубежному регулированию. Основные нюансы:
- Данные: для расчёта RFM нужна история транзакций и визитов. В России медицинские карты могут быть разрознены из-за МИС разных вендоров, но внутренние учётные системы клиник (в том числе платформа medaccount.ru) агрегируют эту историю, формируя готовую RFM-выгрузку.
- 152-ФЗ «О персональных данных»: в отличие от американского закона HIPAA о защите медицинской информации, в РФ медицинские данные относятся к специальной категории и требуют отдельного согласия при объединении с финансовыми сведениями. Однако метод оперирует обезличенными баллами и весами, поэтому сам по себе не нарушает требований.
- Экспертные приоритеты: в условиях отсутствия устоявшихся клинических показателей эффективности главные врачи могут опираться на мнения ведущих специалистов, что идеально ложится на AHP-матрицы. Сложностью может оказаться проведение сессии попарных сравнений без привлечённого фасилитатора.
- CLV в медицинском учёте: понятие пожизненной ценности пациента не формализовано на уровне Росстата или Минздрава, но для коммерческих сетей это внутренняя управленческая метрика. Работа 2005 года даёт математический, а не нормативный способ её вычисления.
FAQ
Q: Чем взвешенный RFM отличается от обычного? A: В обычном RFM три параметра имеют равные веса (1/3 каждый). Во взвешенном RFM веса задаются экспертно, например через AHP, поэтому модель точнее отражает бизнес-приоритеты конкретной клиники.
Q: Что такое AHP в контексте RFM? A: AHP (метод анализа иерархий) — это способ попарного сравнения критериев по шкале Саати. Он математически определяет вес давности, частоты и денежной ценности и проверяет согласованность суждений эксперта.
Q: Как получить CLV-ранг сегмента из RFM и AHP? A: Сначала масштабированные RFM-переменные умножаются на AHP-веса. Затем проводится кластеризация взвешенных значений, и для каждого кластера сумма трёх компонентов даёт числовой ранг. Чем выше сумма, тем больше пожизненная ценность сегмента.
Q: Применима ли методика в стоматологии или косметологии? A: Да, модель универсальна. В стоматологии денежная ценность (M) может получить больший вес, в косметологии — частота (F). AHP-матрица настраивается под услуговый портфель конкретной клиники.
Q: Какие данные нужны для построения взвешенного RFM в медицинской клинике? A: Минимально — дата последнего визита, общее число приёмов и суммарная выручка по каждому пациенту за выбранный период. Эти поля доступны практически в любой медицинской информационной системе или CRM, в том числе в платформе medaccount.ru.