Recencia, Frecuencia y Monto (RFM). Modelo de Segmentación de Clientes para estrategias de CRM

El modelo de RFM (Recency, Frequency and Monetary) se utiliza con frecuencia para predecir el comportamiento de los clientes. Se basa en el análisis del pasado para poder predecir con alguna certeza el futuro. Según la teoría, los clientes que han comprado recientemente responden mucho mejor a las iniciativas de marketing que aquellos que no lo han hecho recientemente. Compradores frecuentes también responden de una forma más positiva que los que no lo son y finalmente aquellos que gastan una mayor cantidad de dinero son más sensibles a los mensajes y estrategias de la organización.

Recencia de compra: Tiempo que transcurre desde la última compra del cliente.

Frecuencia de compra: Número de compras (transacciones) que ha realizado desde el inicio.

Valor monetario compra: Promedio del valor monetario de las compras.

La forma en la cual se aplica este método es el siguiente:

1. Se definen las tres variables para cada uno de los clientes y se crea una base de información como el ejemplo que aparece a continuación:

Recencia

Frecuencia

Mo nto

ID-Cliente

Fecha Compra más reciente

Número de Compras

Valor de Compras

1001

05-01-09

5

$100,000

10 02

11-14-08

4

$50,000

1003

03-31-09

10

$30,000

1004

12-12-08

2

$40, 000

1005

11-16-08

6

$70,000

1006

11-15-08

4

$77,000

1007

01-01-09

3

$55,000

1008

01-05-08

3

$25,000

1009

02-01-09

9

$35,000

1010

02-02 -09

1

$46,000

2. Se toma la primera variable, en este caso la Recencia y se establece una escala de calificación, como se ilustra a continuación con un ejemplo; 5 para lo más reciente, siendo este periodo el comprendido en los últimos 3 meses,  4 para los clientes que presenten su última compra entre los últimos 3 a 6 meses y así sucesivamente. Esto genera una calificación para cada cliente para la variable Recencia entre 1 y 5.

3. Se hace la misma operación para las variables de Frecuencia y Monto. Esto genera igualmente una calificación para cada una de estas dos variables entre 1 y 5.

4. Después de calificar las 3 variables del modelo de RFM, se obtiene como resultado 125 posibles “Células” (555,554, 553, 552, etc.). Ordene los clientes en orden descendente de acuerdo con las células obtenidas. Esto le permitirá identificar los clientes con mayor grado de RFM. Proceda a agrupar las diferentes “células” en segmentos, si lo estima conveniente.

5. Defina estrategias de comunicación, promoción y venta para cada uno de los segmentos establecidos.

Este es uno de los métodos utilizados hoy en día para realizar análisis de segmentos de clientes actuales, basados en su historial de compra. Este indicador se puede utilizar en conjunto con otros indicadores como el LTV (Life Time Value) y con otros modelos predictivos más sofisticados para identificar segmentos diferenciados a los cuales les pueda llegar con ofertas igualmente diferenciadas acorde con las necesidades de cada grupo.