No todos los clientes de una tienda online tienen el mismo valor ni se encuentran en el mismo momento de su relación con la marca.
Algunos realizaron su primera compra hace pocos días. Otros compran con frecuencia y llevan años confiando en la tienda. También hay clientes que gastaron bastante en el pasado, pero llevan meses sin volver, y compradores recientes que todavía no sabemos si repetirán.
A pesar de estas diferencias, muchos ecommerce siguen enviando las mismas campañas a toda su base de datos.
El análisis RFM en ecommerce permite ordenar esa información y dividir a los clientes según su comportamiento de compra. Para hacerlo utiliza tres datos que cualquier tienda online suele tener: cuándo compró cada cliente por última vez, cuántas veces ha comprado y cuánto dinero ha gastado.
En esta guía veremos qué es el modelo RFM, cómo calcularlo, qué segmentos permite crear y cómo utilizar esos grupos para enviar campañas de email marketing más relevantes.
¿Qué es el análisis RFM?
RFM es un modelo de segmentación de clientes basado en tres variables:
- Recency o recencia: cuánto tiempo ha pasado desde la última compra.
- Frequency o frecuencia: cuántos pedidos ha realizado el cliente.
- Monetary value o valor monetario: cuánto dinero ha gastado.
Las iniciales de estas tres variables forman el término RFM.
El modelo parte de una idea sencilla: el historial de compra ayuda a distinguir entre clientes con comportamientos muy diferentes.
En general, una persona que compró recientemente, ha realizado varios pedidos y ha gastado una cantidad elevada tiene una relación más consolidada con la tienda que alguien que hizo un único pedido hace dos años.
Sin embargo, el verdadero valor del análisis no consiste únicamente en elaborar una lista con los clientes que más han gastado. El RFM permite detectar distintos tipos de compradores y adaptar la comunicación a cada uno.
Por ejemplo, podemos diferenciar entre:
- mejores clientes;
- clientes habituales;
- compradores recientes;
- clientes prometedores;
- clientes que necesitan atención;
- clientes valiosos en riesgo;
- clientes inactivos.
Esto convierte una base de datos única en varios grupos sobre los que podemos actuar de manera diferente.
Las tres variables del modelo RFM
Antes de calcular una puntuación, conviene entender qué nos aporta cada variable.
Recencia: cuándo realizó su última compra
La recencia mide el tiempo transcurrido desde la última compra del cliente hasta la fecha del análisis.
Puede expresarse en días:
Recencia = fecha del análisis − fecha de la última compra
Si hoy analizamos la base de datos y un cliente compró hace 12 días, su recencia es de 12. Si otro lleva 180 días sin comprar, su recencia es de 180.
En esta variable, un número menor suele ser mejor: significa que la compra es más reciente.
La recencia ayuda a distinguir a quienes mantienen una relación activa con la tienda de quienes llevan demasiado tiempo sin volver. No obstante, ese «demasiado tiempo» depende del negocio. Sesenta días pueden ser preocupantes para una tienda de café de especialidad y completamente normales para una tienda de muebles.
Frecuencia: cuántas veces ha comprado
La frecuencia indica el número de pedidos realizados por el cliente durante el periodo que estamos analizando.
Frecuencia = número de pedidos del cliente
Un cliente con seis pedidos presenta un comportamiento muy diferente al de alguien que solo ha comprado una vez, aunque ambos hayan realizado su último pedido el mismo día.
La frecuencia es especialmente útil para identificar clientes habituales y para analizar la transición entre la primera y la segunda compra. Como vimos en nuestra guía sobre fidelización de clientes en ecommerce, esa segunda compra suele ser uno de los momentos más importantes para empezar a consolidar la relación.
Antes de calcularla conviene decidir cómo se tratarán los pedidos cancelados, de prueba, fraudulentos o completamente devueltos. Lo habitual es excluirlos para que no distorsionen el resultado.
Valor monetario: cuánto dinero ha gastado
El valor monetario representa el importe acumulado de las compras realizadas por cada cliente durante el periodo estudiado.
Valor monetario = suma del importe de sus pedidos válidos
Esta variable permite diferenciar a los clientes según su contribución a los ingresos. Pero facturación y rentabilidad no son siempre lo mismo.
Si el ecommerce dispone de datos suficientes, puede resultar más útil trabajar con margen generado, importe neto después de devoluciones o valor sin impuestos. Lo importante es aplicar el mismo criterio a todos los clientes y mantenerlo estable en cada análisis.
Cómo se calcula una puntuación RFM
El procedimiento más habitual consiste en ordenar a los clientes por cada variable y asignarles una puntuación.
Una escala sencilla utiliza valores del 1 al 5:
- 5: se encuentra entre los clientes con mejor resultado en esa variable;
- 1: se encuentra entre los clientes con peor resultado.
En frecuencia y valor monetario, las cifras más altas reciben más puntos. En recencia ocurre al revés: los clientes que compraron hace menos tiempo reciben la puntuación más alta.
El proceso puede resumirse en cuatro pasos.
1. Elegir el periodo de análisis
Podemos utilizar todo el historial o limitarlo, por ejemplo, a los últimos 12 o 24 meses.
La decisión dependerá del ciclo de compra y de la antigüedad de la tienda. Un periodo demasiado corto puede dejar fuera relaciones relevantes. Uno demasiado largo puede dar demasiado peso a clientes cuyo comportamiento ya no representa la situación actual.
2. Calcular R, F y M para cada cliente
Para cada comprador necesitamos:
- fecha de la última compra;
- número de pedidos válidos;
- importe total gastado.
3. Dividir a los clientes en grupos
Una opción común consiste en utilizar quintiles: ordenar los resultados y dividirlos en cinco grupos de tamaño parecido.
De este modo, aproximadamente el 20 % con mejor resultado recibe un 5; el siguiente grupo, un 4; y así sucesivamente.
No obstante, no es obligatorio utilizar quintiles. Una tienda pequeña puede establecer rangos adaptados a su realidad. Lo importante es que los cortes sean coherentes y permitan diferenciar comportamientos útiles.
4. Combinar las tres puntuaciones
Cada cliente obtiene un código de tres cifras.
Por ejemplo:
- 555: compró recientemente, compra con mucha frecuencia y tiene un gasto elevado;
- 511: compró recientemente, pero solo una vez y con un importe bajo;
- 155: era un cliente frecuente y valioso, pero lleva mucho tiempo sin comprar;
- 111: hizo pocas compras, gastó poco y lleva mucho tiempo inactivo.
El código no es una nota absoluta sobre la calidad de una persona. Es una forma práctica de comparar el comportamiento de los clientes dentro de esa tienda y en ese periodo.
Ejemplo de análisis RFM en una tienda online
Imaginemos una tienda que analiza a cinco clientes:
| Cliente | Última compra | Pedidos | Gasto total | Puntuación RFM | Lectura inicial |
|---|---|---|---|---|---|
| Laura | Hace 8 días | 7 | 690 € | 555 | Cliente excelente y activo |
| Marcos | Hace 15 días | 1 | 58 € | 511 | Comprador reciente con potencial |
| Sara | Hace 75 días | 4 | 410 € | 344 | Cliente valioso que pierde actividad |
| David | Hace 190 días | 6 | 720 € | 155 | Cliente de alto valor en riesgo |
| Elena | Hace 310 días | 1 | 42 € | 111 | Cliente inactivo de bajo valor histórico |
Si enviáramos el mismo descuento a los cinco, estaríamos ignorando información importante.
Laura quizá no necesite ningún incentivo económico: puede responder mejor a un acceso anticipado o una recomendación relevante. Marcos necesita una buena experiencia postcompra que favorezca su segundo pedido. David merece una campaña específica de recuperación porque su historial demuestra que antes era muy valioso.
Elena también puede recibir una campaña de reactivación, pero no necesariamente con el mismo esfuerzo o incentivo que David.
La puntuación RFM no decide automáticamente qué mensaje enviar. Ayuda a priorizar y proporciona un punto de partida más razonable que tratar a toda la base de datos por igual.
Segmentos RFM que puede utilizar un ecommerce
Trabajar con los 125 códigos posibles —desde 111 hasta 555— resultaría poco práctico para muchas tiendas. Por eso suelen agruparse en segmentos más fáciles de interpretar.
Los nombres y límites pueden adaptarse a cada negocio, pero estos grupos son un buen comienzo.
Mejores clientes
Presentan puntuaciones altas en recencia, frecuencia y valor monetario. Han comprado recientemente, repiten y generan un importe elevado.
No deberíamos asumir que necesitan descuentos. De hecho, ofrecer promociones constantes a clientes que ya están dispuestos a comprar puede reducir el margen sin aportar una venta adicional.
Podemos utilizar:
- acceso anticipado a novedades;
- recomendaciones relacionadas con sus compras;
- contenido exclusivo;
- programas de fidelización;
- agradecimientos y ventajas especiales;
- solicitudes de opinión o recomendación.
Clientes habituales
Compran con frecuencia y mantienen una buena relación con la tienda, aunque su gasto o recencia no siempre se encuentre en el nivel más alto.
El objetivo es mantener la relación y detectar oportunidades relevantes de venta cruzada, reposición o descubrimiento de productos.
Compradores recientes
Han comprado hace poco, pero todavía tienen poca frecuencia. Muchos serán clientes de un único pedido.
Este segmento es fundamental porque todavía no sabemos si la relación continuará. Una buena secuencia postcompra puede ayudar a que conozcan mejor el producto, resolver dudas y preparar el camino hacia una segunda compra.
Clientes prometedores
Son relativamente recientes y empiezan a mostrar señales positivas, pero todavía no forman parte de los grupos más frecuentes o valiosos.
Podemos recomendar productos relacionados, explicar mejor el catálogo o mostrar los beneficios de volver sin recurrir inmediatamente a un descuento.
Clientes que necesitan atención
Presentaban un comportamiento razonable, pero su recencia está empeorando. Quizá llevan más tiempo del habitual sin comprar o han reducido su frecuencia.
En este grupo conviene recordar el valor de la marca, ofrecer contenido útil y facilitar que vuelvan a descubrir productos relevantes.
Clientes valiosos en riesgo
Tienen una frecuencia y un valor monetario altos, pero hace demasiado tiempo que no compran.
Este es uno de los segmentos más interesantes. Su historial demuestra que la relación fue importante y que existe más valor potencial que en un contacto que realizó un único pedido pequeño hace años.
Puede tener sentido diseñar una campaña de reactivación más cuidada, investigar posibles fricciones o reservar un incentivo especial para este grupo. Nuestra guía sobre cómo crear una campaña de email marketing de reactivación explica cómo recuperar clientes sin reducir toda la estrategia a un cupón.
Clientes inactivos
Obtienen puntuaciones bajas, especialmente en recencia. Llevan mucho tiempo sin comprar y su historial puede ser limitado.
Aquí conviene valorar el coste de continuar contactando, ejecutar una campaña de recuperación y establecer criterios para reducir la presión comercial o limpiar contactos que ya no muestran interés.
Qué emails enviar a cada segmento RFM
La segmentación solo aporta valor cuando se traduce en acciones diferentes.
| Segmento | Objetivo | Email recomendado |
|---|---|---|
| Mejores clientes | Mantener la relación | Acceso anticipado, novedades relevantes o contenido exclusivo |
| Habituales | Favorecer la continuidad | Recomendaciones, reposición o venta cruzada |
| Compradores recientes | Conseguir la segunda compra | Secuencia postcompra, consejos y productos complementarios |
| Prometedores | Consolidar el interés | Descubrimiento de catálogo y recomendaciones personalizadas |
| Necesitan atención | Evitar que se desvinculen | Recordatorio de valor, novedades o contenido útil |
| Valiosos en riesgo | Recuperar una relación importante | Reactivación específica y, si procede, incentivo selectivo |
| Inactivos | Confirmar interés o depurar | Última campaña de recuperación o reducción de envíos |
Esta lógica encaja con una estrategia de automatización de email marketing para ecommerce: el objetivo no es enviar automáticamente el mismo mensaje, sino adaptar la comunicación al momento de cada cliente.
¿Quieres aplicar mejor los datos de tu tienda a tus campañas? Suscríbete a la newsletter de Kiory y recibe guías prácticas sobre segmentación, automatización, recompra y email marketing predictivo para ecommerce.
[FORMULARIO DE SUSCRIPCIÓN: email + botón «Quiero recibir las guías»]
Cómo empezar a aplicar RFM en un ecommerce pequeño
No es necesario disponer de un gran equipo de datos. Para una primera versión basta con exportar los pedidos válidos e identificar a cada cliente mediante un dato consistente, como su identificador interno o email.
La tabla inicial debería contener al menos:
- identificador del cliente;
- fecha del pedido;
- identificador del pedido;
- importe válido para el análisis;
- estado del pedido.
A partir de ahí podemos agrupar los registros por cliente y calcular:
- fecha máxima de compra para obtener la recencia;
- número de pedidos para obtener la frecuencia;
- suma del importe para obtener el valor monetario.
Después se asignan las puntuaciones, se crean los segmentos y se exportan a la herramienta de email marketing.
Para que el análisis sea útil, conviene documentar varias decisiones:
- periodo utilizado;
- pedidos que se excluyen;
- tratamiento de devoluciones;
- importe bruto, neto o margen;
- fecha del último cálculo;
- reglas que forman cada segmento.
También es recomendable actualizar los grupos periódicamente. Un cliente puede pasar de reciente a necesitar atención y, después de una nueva compra, volver a un segmento activo.
Cómo medir si la segmentación RFM funciona
Crear segmentos no garantiza mejores resultados. Debemos comprobar si las comunicaciones adaptadas producen un efecto real.
Podemos comparar, entre otros indicadores:
- tasa de conversión de cada segmento;
- ingreso por destinatario;
- margen generado;
- porcentaje de segundas compras;
- clientes reactivados;
- tiempo entre pedidos;
- bajas y quejas;
- evolución de clientes entre segmentos.
En el artículo sobre cómo medir si el email marketing genera ventas explicamos por qué aperturas y clics son indicadores intermedios. Para evaluar el RFM interesa observar si la segmentación aumenta pedidos rentables, recompra o reactivación frente a una comunicación generalista.
Una prueba sencilla consiste en reservar un pequeño grupo de control que no reciba la acción específica. Así podremos comparar cuántos clientes compran de forma natural y cuántos parecen hacerlo como consecuencia de la campaña.
Errores frecuentes al utilizar el modelo RFM
Considerar que una puntuación alta garantiza una próxima compra
El RFM describe el historial. Un cliente 555 ha sido reciente, frecuente y valioso, pero eso no asegura que vaya a comprar de nuevo en una fecha concreta.
Utilizar los mismos límites para cualquier negocio
Los ritmos de compra cambian según el catálogo. Copiar los intervalos de otra tienda puede clasificar como inactivos a clientes cuyo comportamiento es completamente normal.
Confundir ingresos con rentabilidad
Un cliente puede gastar mucho y generar poco margen debido a promociones, devoluciones o costes de servicio. Cuando sea posible, conviene complementar el valor monetario con información económica real.
Crear demasiados segmentos
Una clasificación muy detallada puede resultar imposible de gestionar. Es preferible empezar con pocos grupos que tengan una acción clara.
No actualizar las puntuaciones
RFM representa una fotografía del momento. Si no se recalcula, los clientes permanecen en grupos que ya no describen su comportamiento.
Enviar descuentos a todos los clientes valiosos
Los mejores compradores no siempre necesitan una rebaja. En muchos casos funcionan mejor la relevancia, el reconocimiento y el acceso anticipado.
Analizar solo a quienes han comprado varias veces
Los compradores de un único pedido también son importantes. El análisis debe ayudar a distinguir entre quienes acaban de llegar, quienes podrían realizar una segunda compra y quienes llevan demasiado tiempo sin volver.
Limitaciones del RFM: mirar el pasado no siempre permite anticipar el futuro
El análisis RFM es útil porque resulta comprensible, se calcula con pocos datos y permite mejorar una segmentación básica. Pero también tiene limitaciones.
La principal es que resume el comportamiento histórico en tres cifras. No considera directamente:
- qué productos compró el cliente;
- cuánto suele tardar entre pedidos;
- si su frecuencia está aumentando o disminuyendo;
- si compra siempre en rebajas;
- qué categorías le interesan;
- si ha devuelto productos;
- cómo responden clientes similares;
- la estacionalidad de sus compras.
Dos clientes pueden compartir el código 455 y, sin embargo, comportarse de manera muy distinta. Uno quizá compra cada 30 días y empieza a retrasarse. Otro compra cada seis meses y se encuentra exactamente dentro de su ciclo habitual.
El RFM nos ayuda a responder:
«¿Cómo se ha comportado este cliente hasta ahora?»
Pero no siempre responde con precisión:
«¿Cuándo volverá a comprar?»
Para aproximarnos a esa segunda pregunta necesitamos observar patrones individuales, intervalos entre pedidos y otras variables. Ese será el siguiente paso de esta serie: pasar de una segmentación basada en el pasado a un enfoque que intente anticipar la próxima compra.
RFM es un buen punto de partida para dejar atrás las campañas masivas
El modelo RFM para ecommerce transforma tres datos sencillos —recencia, frecuencia y valor monetario— en segmentos sobre los que podemos actuar.
Nos permite identificar a los mejores clientes, diferenciar compradores recientes de habituales, prestar atención a quienes pierden actividad y priorizar la recuperación de clientes históricamente valiosos.
Su mayor ventaja no está en obtener una combinación de números. Está en dejar de enviar la misma comunicación a personas que tienen relaciones muy diferentes con la tienda.
Para empezar, no necesitas docenas de segmentos ni un sistema complejo. Necesitas datos de pedidos limpios, reglas coherentes y una acción clara para cada grupo. Después podrás medir resultados, mejorar los límites y avanzar hacia modelos que tengan en cuenta no solo lo que el cliente hizo, sino también cuándo podría volver a comprar.