¿Cómo utilizar el análisis RFM de clientes y aumentar las ventas recurrentes?

La base de clientes de una tienda puede contener varios miles de contactos. Parece una cifra impresionante. Pero el número en sí apenas dice nada sobre la calidad de esa base.

Un comprador hace pedidos cada mes y aumenta poco a poco el importe de sus compras. Otro llegó durante las rebajas, compró un artículo económico y no volvió. Un tercero era cliente habitual y, de repente, desapareció. Quizá se fue a la competencia. Quizá simplemente se olvidó de la tienda.

Enviar a los tres la misma comunicación no es la mejor idea. Aquí es donde resulta útil el análisis RFM. Muestra quién es realmente importante para el negocio ahora, a quién todavía se puede recuperar y en qué compradores ya no conviene invertir la mayor parte del presupuesto de marketing.

¿Qué muestra el análisis RFM?

El método se basa en solo tres indicadores:

• R — Recency: cuánto tiempo ha pasado desde la última compra;
• F — Frequency: con qué frecuencia el cliente ha hecho pedidos;
• M — Monetary: cuánto dinero ha gastado durante el período elegido.

Supongamos que dos personas gastaron $500 cada una en la tienda. Pero una hizo diez pedidos y estuvo activa la semana pasada, mientras que la otra gastó toda la cantidad hace un año y no ha vuelto desde entonces. Por ingresos totales parecen iguales. Según el RFM, ya no.

Ese es el sentido del análisis RFM de la base de clientes: permite ver el comportamiento de compradores concretos detrás de las estadísticas generales.

El método lo utilizan tiendas online, cafeterías, salones, restaurantes y otras empresas donde hay compras recurrentes. Eso sí, los intervalos serán diferentes en cada caso. Para una cafetería, un cliente que lleva un mes sin ir ya puede considerarse en riesgo de abandono. Para una tienda de muebles, ese plazo es completamente normal.

¿Por qué dividir a los compradores en grupos?

Cuando la base es pequeña, el dueño del negocio puede pensar que ya conoce bien a sus clientes. Con el tiempo, esto deja de funcionar. Aumentan los compradores, crece el historial de pedidos y resulta difícil detectar los cambios manualmente.

El análisis RFM en marketing ayuda a responder preguntas muy prácticas:

• quién genera la mayor parte de los ingresos;
• qué clientes habituales han empezado a comprar con menos frecuencia;
• a quién conviene ofrecer un cashback más alto;
• a quién se puede recuperar con un recordatorio sobre sus bonificaciones;
• en qué segmentos no resulta rentable invertir en publicidad costosa.

Tras esta división, las comunicaciones son más precisas. Un comprador habitual no necesita recibir un mensaje de «Te echamos de menos» si estuvo en la tienda ayer. Y a un cliente que no vuelve desde hace ocho meses difícilmente le interesará una noticia rutinaria sobre nuevas incorporaciones al catálogo.

¿Cómo se calcula el RFM?

Primero se elige un período: por ejemplo, los últimos seis meses o un año. Después se recopilan tres valores para cada comprador.

Después se asigna una puntuación a cada valor. A menudo se utiliza una escala del 1 al 5: el uno indica un resultado bajo y el cinco, uno alto.

El negocio establece los límites por su cuenta. No existe una escala predeterminada que sirva igual para todos. No tiene sentido que una tienda de ropa y una cafetería evalúen la frecuencia de compra con las mismas reglas.

Veamos un ejemplo hipotético.

Una tienda analiza los pedidos del último año y obtiene la siguiente información:

Oleksii compró hace poco, lo hizo con frecuencia y gastó más que los demás. Recibe las puntuaciones máximas en los tres parámetros.

Mariia presenta valores medios. Todavía no se ha perdido como clienta, pero ya conviene seguir su actividad.

Serhii lleva mucho tiempo sin volver, tiene pocos pedidos y ha gastado poco. Destinarle el mismo presupuesto publicitario que a Oleksii difícilmente sería razonable.

Así funciona el método clásico de análisis RFM. Como resultado, cada cliente recibe un código de tres cifras y después los códigos similares se agrupan en segmentos más amplios.

Tres grupos con los que resulta cómodo trabajar

En teoría puede haber muchos segmentos: nuevos, prometedores, habituales, fieles, que pierden actividad, perdidos, etcétera. Pero para empezar no es necesario crear un sistema complejo de diez o quince categorías.

A menudo bastan tres grupos principales.

Los mejores clientes

Han comprado recientemente, vuelven con regularidad y generan una parte considerable de los ingresos. Estas personas ya conocen la empresa y, muy probablemente, están satisfechas con su experiencia anterior. Aun así, no conviene dar por hecho que su fidelidad será eterna.

Es mejor no abrumar a los compradores habituales con descuentos corrientes. Les resultan más interesantes el acceso anticipado a novedades, un nivel superior en el programa de fidelización, bonificaciones adicionales u ofertas exclusivas.

El objetivo aquí no es venderles otra cosa con urgencia. Es más importante mantener el hábito de volver y demostrar que se reconoce su constancia.

Clientes que todavía se pueden recuperar

Quizá sea el segmento más interesante. Antes compraban de forma bastante activa, pero últimamente han empezado a aparecer con menos frecuencia o han dejado de venir por completo.

Los motivos pueden ser distintos. El cliente puede haberse olvidado de la empresa, haberse cansado de esperar un producto, haberse decepcionado con el último pedido o simplemente haber recibido una oferta más conveniente de un competidor.

Para este grupo se puede preparar una estrategia específica:

• recordarles las bonificaciones acumuladas;
• ofrecerles un cashback más alto en la próxima compra;
• mostrarles productos de una categoría conocida;
• establecer un plazo corto de validez para una oferta personalizada.

Es mejor construir el mensaje a partir de la experiencia anterior del cliente. Si siempre compraba productos para el cuidado de la piel, una oferta de una categoría aleatoria difícilmente lo hará volver antes.

Clientes perdidos

Llevan mucho tiempo sin comprar nada, apenas responden a los mensajes y suelen tener una puntuación baja en Recency. Es posible recuperar a algunos, pero las expectativas deben ser realistas.

Aumentar continuamente el descuento resulta peligroso en este caso. Llegará un momento en que el cliente volverá solo por un precio muy bajo y desaparecerá de nuevo después del pedido.

Es más razonable realizar una campaña aparte: ofrecer un regalo por volver, conceder una bonificación limitada o preguntar por qué la persona dejó de comprar. Esta última opción a veces es más útil que otra promoción. Al menos permite conocer la causa del abandono.

Si el segmento no responde de ninguna manera, conviene reducir la frecuencia de los mensajes. El presupuesto de marketing no es ilimitado.

¿Cómo elegir los límites de puntuación?

Uno de los errores más frecuentes es tomar intervalos ya definidos de un artículo ajeno y aplicarlos sin cambios.

Imaginemos que todos los que compraron en los últimos 30 días reciben una puntuación de 5 en Recency. Para una joyería puede ser una condición demasiado estricta: rara vez se compran joyas cada mes. Para una cafetería, por el contrario, es demasiado flexible.

Es mejor definir los límites a partir de los propios datos. Observe con qué frecuencia suelen volver sus clientes, qué importes se consideran altos y cuántos pedidos distinguen realmente a un comprador habitual de uno ocasional.

A veces resulta cómodo dividir la base en partes iguales. Por ejemplo, el 20% de los clientes con las compras más recientes recibe R5, el siguiente 20%, R4, y así sucesivamente. En otro negocio puede ser más claro utilizar intervalos fijos: hasta 14 días, de 15 a 30 y de 31 a 60.

Ambos enfoques son válidos. Lo fundamental es que las puntuaciones reflejen el comportamiento real del público y no simplemente queden bien en una tabla.

¿En qué se diferencia el análisis ABC/RFM del RFM habitual?

El RFM clásico tiene en cuenta el momento de la última compra, la frecuencia de los pedidos y el importe gastado. El análisis ABC/RFM añade otro nivel: la distribución de los clientes según su contribución a los ingresos o al beneficio.

Normalmente se distinguen tres clases:

• A — compradores con la mayor contribución;
• B — clientes con un valor medio;
• C — compradores con una contribución pequeña.

Después se analizan los indicadores R, F y M dentro de cada clase.

Esto ayuda a detectar diferencias que la segmentación habitual a veces difumina. Por ejemplo, dos clientes pueden tener un código RFM similar, pero uno compra productos de alto margen y el otro solo artículos en promoción. Formalmente, la actividad es parecida, pero el valor para el negocio es distinto.

Para una base pequeña, este nivel de detalle puede ser innecesario. Pero con un catálogo amplio y miles de compradores, ofrece una visión más precisa.

¿Cómo simplifica el análisis un programa de fidelización?

Es posible calcular el RFM manualmente. Se necesita el historial de pedidos, una hoja de cálculo y algo de tiempo. El problema empieza después: los datos cambian constantemente.

El cliente hace un nuevo pedido y se actualiza su Recency. Realiza dos compras más y cambia su Frequency. Gasta una cantidad elevada y aumenta su Monetary. En una base grande, recalcular todo esto manualmente cada semana resulta incómodo.

Un programa de fidelización se encarga de la parte rutinaria. Vincula las compras con clientes concretos, guarda los importes de los tickets, calcula la frecuencia de las visitas y actualiza los segmentos.

Después, el negocio puede configurar acciones específicas para cada grupo.

Por ejemplo, un cliente de los mejores obtiene acceso a las novedades. Un comprador del grupo de riesgo recibe un recordatorio sobre sus bonificaciones. A un cliente perdido se le envía una única oferta personalizada, sin una serie interminable de comunicaciones idénticas.

En ese caso, el análisis RFM de la base de clientes deja de ser una tabla que se abre una vez al año. Se convierte en una herramienta de trabajo: ayuda a elegir el público de las campañas, a no repartir descuentos indiscriminadamente y a detectar a tiempo a los clientes que empiezan a irse.

El análisis por sí solo no aumenta las ventas. Únicamente muestra dónde buscar oportunidades. El crecimiento empieza después, cuando el negocio cambia sus ofertas, prueba distintas estrategias y comprueba qué grupos han empezado realmente a volver con más frecuencia.