Segmentado por RFM

Introducción

En el ámbito del análisis de datos, la búsqueda de métodos efectivos para abordar problemas complejos de negocio, es esencial. Uno de los métodos que hemos empleado, y ha demostrado ser especialmente valioso, es el Modelo RFM. Una técnica que permite comprender y aprovechar la fidelidad y el comportamiento de los clientes, para tomar decisiones estratégicas informadas. Acá mostraremos un ejemplo de cómo el Modelo RFM puede ser aplicado en el negocio para abordar el problema de la fidelidad y la segmentación de los usuarios o clientes.

Problema de Negocio: Fidelidad y Segmentación

La retención de clientes y la segmentación efectiva son dos objetivos cruciales en cualquier estrategia de negocio exitosa. Las empresas buscan comprender qué usuarios son más valiosos en términos de lealtad y cuáles necesitan ser reactivados. Aquí es donde el Modelo RFM encuentra su nicho, siendo capaz de medir los niveles de interés según una acción en específico.

Para simplificar, hablaremos de compras, pero entendiendo que tal acción pueden ser transacciones, inicios de sesión, o cualquier otra actividad relevante para el negocio. La fidelidad de los clientes se basa en tres factores: Las compras frecuentes, en cuánto tiempo se realizan esas compras y, por supuesto, en el valor monetario que representan. La identificación de grupos de clientes en función de estos tres componentes puede proporcionar información valiosa para dirigir acciones específicas y estrategias de marketing.

Contexto del Modelo RFM: Orígenes y Funcionamiento

Las siglas de este modelo hacen referencia a tales tres variables que se consideran para segmentar. Sus definiciones son:

1. Recency (Recencia): Indica cuánto tiempo ha pasado desde la última compra de un cliente. Los clientes más recientes a menudo tienen más probabilidades de volver a comprar que aquellos que han estado inactivos durante mucho tiempo.
2. Frequency (Frecuencia): Mide la cantidad de veces que un cliente ha realizado compras dentro de un período determinado. Los clientes con una alta frecuencia de compras tienden a ser más fieles y valiosos.
3. Monetary (Monetario): Representa el valor total de las compras realizadas por un cliente. Los clientes con un alto valor monetario pueden tener un impacto significativo en los ingresos de la empresa.

Teniendo estas 3 variables como columnas, se pueden generar segmentos de usuarios basándose en su comportamiento y definiendo categorías de mayor impacto para el negocio; este tipo de segmentación es clave para diferenciar a un cliente fidelizado vs usuarios que abandonaron definitivamente la conexión con el negocio, y también, de los usuarios completamente nuevos.

Implementación del Modelo RFM para Acciones de Negocio

La implementación del Modelo RFM sigue varios pasos clave:

1. Recopilación y Preparación de Datos: En papel, lo importante es ser capaz de recopilar datos relacionados con las transacciones de los clientes, incluyendo fechas de compra y montos gastados. Sin embargo, dependiendo del detalle de estos datos, es posible tener más consideraciones. Por ejemplo, si se van a contar todos los meses por cliente, o los meses y un diferenciador que diga si el cliente compró o no; o si es que estos datos considerarán compras en bruto o devoluciones u otros factores de esa índole. Por tales detalles, estos datos deben ser limpiados y organizados para un análisis efectivo.
2. Cálculo de RFM: Para cada cliente, se calculan los valores de recencia, frecuencia y monetario. Esto implica definir intervalos de tiempo, establecer umbrales para la frecuencia y categorizar los montos de compra. Acá también es relevante considerar las escalas:
   1. Recencia: puede definirse en días, meses, trimestres, etc.
   2. Frecuencia: este puede variar altamente según la acción de interés que se haya definido
   3. Monetario: para esta última es importante considerar el tipo de moneda que se usa
3. Segmentación de Clientes: Una vez que los valores RFM han sido calculados, los clientes se dividen en segmentos basados en combinaciones de estas dimensiones. Esto puede resultar en grupos como: “Clientes Frecuentes de Alto Valor”, “Clientes Recientes” y “Clientes de Bajo Valor”, etc. De aquí, pueden salir los términos: “Fidelizados”, “Nuevos”, “Dormidos”, “Fugas”, etc. Todo esto con tal de definir distintas líneas de acción.
4. Acciones Estratégicas: Cada segmento resultante se asocia con acciones específicas. Por ejemplo, para los “Clientes Recientes y de Bajo Valor”, podríamos implementar campañas de reactivación, mientras que para los “Clientes Frecuentes de Alto Valor”, podríamos ofrecer programas de fidelización personalizados.
5. Seguimiento y Evaluación: Las acciones implementadas se evalúan a lo largo del tiempo para medir su efectividad. Esto completa el ciclo de retroalimentación que permite ajustar y mejorar continuamente las estrategias.

Aplicación de cliente

El cliente “Security – Factoring” tenía la inquietud de entender a sus usuarios de forma periódica, entendiendo que la operación de factoraje es algo recurrente en cada mes.

Para esto, se definió el caso como “Los usuarios que transaccionan por mes”, generando un análisis longitudinal de 12 meses hacia atrás.

Acá entonces, el análisis era:

• Recencia: Desde el mes actual. ¿Hace cuántos meses atrás fue la última operación de cada usuario?
• Frecuencia: ¿Cada cuántos meses lo realizan?
• Monetario: El monto de la operación

Con tales definiciones, se segmentaron a los usuarios, entiendo que aquellos que no realizaron operación dentro del último año, serían considerados como “Fugados absolutos”, y que deberían ser tratados como usuarios nuevos en el caso de que vuelvan.

En accionable, esto se tradujo principalmente en:

1. Nuevos KPIs: La ventana de tiempo de 12 meses permite generar un análisis longitudinal para evaluar cómo se distribuyen los usuarios entre cada segmento. De esa manera, se generan objetivos con respecto al porcentaje de “Usuarios fidelizados” que se tienen mes a mes.
2. Acciones de marketing: Producto de los KPIs, se generaron estrategias de email marketing distintas para cada usuario, todo con tal de lograr que la segmentación vaya evolucionando y se pueda encontrar un “flujo de fidelización” para fortalecer el volumen base de usuarios.
3. Impacto: Estas campañas y cambios comunicacionales, ya han impactado en un incremento de conversiones de un 10% en solo un mes.

Conclusión

En el mundo actual de datos y análisis, el Modelo RFM emerge como una herramienta poderosa para abordar el problema de la fidelidad del cliente y la segmentación. Al evaluar el comportamiento en términos de recencia, frecuencia y valor monetario, las empresas pueden tomar decisiones estratégicas basadas en datos sólidos. La implementación efectiva del Modelo RFM permite dirigir recursos y esfuerzos hacia acciones específicas que maximicen el valor del cliente y aumenten la retención, resultando en una ventaja competitiva en el mercado; logrando así comprender y responder a las complejidades del comportamiento del cliente.