¿Qué es el análisis RFM y qué lo hace tan popular?

15016

Cuando trabajamos con clientes siempre resulta útil categorizarlos de algún modo (dado que suelen ser muchos más que nosotros), normalmente relacionado con algún objetivo de negocio o con la aportación del cliente a la marca. Una de las formas más comunes que encontramos de hacer este tipo de categorización es a través de una metodología llamada RFM, por sus siglas en inglés “Recency, Frequency, Monetary Value”. Esta técnica es increíblemente simple y tiene algunos beneficios interesantes.

Primero, vamos a buscar entenderla. Lo que hace esta metodología es ayudarnos a agrupar a los clientes en segmentos que están definidos por el tiempo que ha pasado desde su última actividad, la frecuencia con la que suele hacer esa actividad y el valor monetario que implica la actividad. De modo que vamos a tener a los clientes que acaban de tener una actividad con nosotros, lo hacen con mucha frecuencia y dejan mucho valor monetario en un grupo y a los que hace mucho que no vemos, vienen de forma esporádica y cuando lo hacen generan una derrama muy menos en otro, pasando por toda la gama de combinaciones y niveles de valor intermedios que decidamos incluir.

Para esta metodología existen variantes que usualmente consisten en agregar más dimensiones, como por ejemplo la probabilidad de abandono o el tiempo desde su primera actividad; o sustituir algunas, normalmente la M, por alguna similar como puede ser alguna medición de amplitud de relación o de profundidad de interacción.

En gran parte, la popularidad de esta metodología está en su nivel de simplicidad, cualquiera podría ejecutarla sin necesidad de software muy avanzado, y su facilidad de interpretación, el simple hecho de que un cliente esté en un conjunto lo describe en términos de los niveles que hayamos definido para cada una de las variables. En realidad, es una herramienta muy básica que podemos utilizar para obtener resultados interesantes sin tener que hacer algo muy sofisticado o para empezar a adentrarnos en el mundo de la analítica de los clientes por una ruta poco empinada.

Entre sus ventajas, podemos encontrar su flexibilidad dado que podemos hacer casi cualquier definición de lo que significan los niveles de las variables para poder analizar el valor potencial y presente de un cliente. Si bien no tiene nada predictivo (en su versión básica), es un buen insumo para los modelos predictivos ya sea en su entrenamiento o en su interpretación al ser muy ligeros y fáciles de leer. También tiene la ventaja de que su construcción es muy sencilla, permitiendo que se pueda explicar fácilmente.

Para empezar, es un buen ejercicio que nos permite conocer la salud de nuestro portafolio de clientes y tener una vista fragmentada más sencilla que nos permita tomar algunas decisiones y capturar algo de valor.

¿Tú segmentas tus clientes? ¿Tienes alguna agrupación de su valor? ¿Cómo decides sobre tu portafolio de clientes?

 

 

 

SUSCRÍBETE A LA REVISTA IMPRESA A UN PRECIO ESPECIAL