Aprende a segmentar con el modelo RFM
Click aquí 👈 para descubrir más
En este artículo te contaré sobre el modelo RFM (R = Recency, F= Frequency y M= Monetary)
¿Qué es?
Un modelo que define grupos de clientes para crear estrategias diferenciadas buscando una comprensión profunda de los usuarios mediante tres factores cuantificables:
Definiremos "actividad" como cualquier evento que queramos medir como una transacción, la última visita de un usuario a tu web o tu app.
Recencia (Recency)
¿Hace cuánto tiempo ha transcurrido la última “actividad” de uno de tus clientes?
Mientras más reciente sea su actividad, es más probable que él interactúe con las comunicaciones que realizas.
Frecuencia (Frequency)
¿Con qué frecuencia se realiza la “actividad” por parte de uno de tus clientes durante un periodo de tiempo?
Tus clientes con actividades frecuentes son más comprometidos y leales con tu marca a comparación de quienes no las tienen.
Valor Monetario (Monetary)
¿Cuánto gasta tu cliente durante un período de tiempo determinado?
Conocer el gasto de tus clientes está relacionado a un factor secundario como el gasto promedio.
RFM Scoring
Antes de explicar cómo puedes implementar el modelo en tu negocio, es necesario introducir el concepto de RFM Scoring.
Por fines prácticos, usaremos Excel. Sin embargo, es importante resaltar que se puede usar un software más robusto como Python, SQL, etc.
Si ordenamos los valores dentro del modelo y los agrupamos por percentiles, tendríamos 10 bloques (0 al 9). Esta lógica de ordenamiento y agrupación se repetirá para cada uno de los factores, ayudando a jerarquizar la variable.
Percentil: es una medida de posición estadística que indica cada valor de la variable dentro de un porcentaje dado de observaciones en un grupo.
Guía paso a paso
Paso 1
El principal recurso que necesitas es la base de tus clientes, esto lo puedes compilar en una hoja de cálculo y como mínimo deberás tener las siguientes variables:
ID Customer: El código único que identifica a cada cliente, por ejemplo, su documento de identidad.
Order Number: El código único que identifica cada transacción.
Sales: Las ventas de cada transacción.
Order Date: La fecha de cada transacción.
Estos campos están relacionados a los factores que definimos en el primer bloque.
Paso 2
Una vez preparada tu base de datos con las variables mencionadas, es importante que las agrupes por cliente. Es decir, si hay dos o más registros del mismo cliente tomamos en cuenta el más reciente y la suma total de sus ventas.
Dándonos un registro por cada cliente para luego calcular la variable “Days Since Last Order” (Días desde la última orden) con la función “=DIAS(HOY(), K4)”.
Paso 3
Una vez que definas la base tratada, debes calcular el scoring para cada factor del modelo, usando las siguientes fórmulas:
Recency= 9-RANGO.PERCENTIL.EXC(DaysSinceLastOrder;L4;1)*10
Frequency= RANGO.PERCENTIL.EXC(NOrder;M4;1)*10
Monetary= RANGO.PERCENTIL.EXC(Sales;N4;1)*10
Paso 4
Ya con el scoring calculado de cada factor, podemos sumarlos
RFM = Recency + Frequency + Monetary
Por último, creamos el RFM Scoring con la fórmula
RFM Scoring =RANGO.PERCENTIL.EXC(RFM,R4,1)*10
Una vez que lo calcules, clasifícalos en base a las segmentaciones que definas según tu negocio y el rango de [0-9].
Puedes usar la siguiente clasificación como ejemplo. Recuerda siempre crear los grupos en base a tu negocio.
Comentarios finales
Definir tus segmentaciones con este modelo te ayudará a poder priorizar y diferenciar tus estrategias de campañas en base al scoring de cada factor.
Como recomendación puedes añadir otro factor, con tal que sea cuantificable y significativo para tu negocio. Lo importante es que pueda ser calculado a través de un Scoring.
Por otro lado, los segmentos con menor valor como “Atención inmediata” y “Necesitan atención”, suelen ser el mayor volumen de los clientes. Sabiendo esto, te recomiendo tener estrategias centradas en aumentar su valor de forma gradual hasta lograr el rango más alto.
Una forma de saber cuál factor necesitas reforzar para cada grupo es analizándolos por cliente y hallando cuál factor tiene menor scoring. Por ejemplo, si para el “Cliente A” su frecuencia es baja [2], su recencia es media [7] y su valor monetario es alto [8], entonces tu estrategia debe estar orientada a subir su frecuencia de compra.