- Estrategias de Research para eCommerce con Connectif - abril 10, 2025
- Modelo RFM para ecommerce - septiembre 11, 2023
¿Qué es el modelo RFM?
El análisis RFM es una herramienta clave en marketing automation de cara a segmentar a nuestra base de datos de clientes y mejorar la experiencia de los mismos a la hora de comunicarte con ellos.
El modelo RFM se basa en las métricas de recencia, frecuencia y valor monetario. Con el modelo RFM, se puede personalizar estrategias de marketing automation y mejorar las campañas de email marketing.
- Recencia de compra: días transcurridos desde la última conversión
- Frecuencia de compra: número de compras o pedidos por período de tiempo, como promedio.
- Monetización de la compra: valor de las compras totales realizadas por el cliente en un tiempo determinado
En nuestro caso, trabajamos principalmente con Connectif, ya que ofrece funciones avanzadas y canales de comunicación para utilizar el modelo de manera efectiva.
Para que sirve el modelo RFM en Marketing
El análisis RFM es crucial en el campo del marketing automation, ya que proporciona información valiosa sobre los clientes y ayuda a desarrollar estrategias adaptadas a cada tipo de cliente.
Permite identificar a los clientes más valiosos, entender su comportamiento y necesidades, y adaptar la oferta de tu producto para maximizar el impacto.
Este modelo es muy útil porque da respuesta a preguntas clave como:
- ¿Mejores clientes?
- ¿Clientes más leales?
- ¿Cerca de abandonar tu marca?
- ¿Clientes considerados como perdidos a los que no debes prestar demasiada atención?
- ¿Clientes más rentables para invertir esfuerzo extra y conservarlos?
Cómo ver cada usuario a que fase pertenece
Tipos de Segmentación en el Modelo RFM
El Modelo RFM tiene distintos tipos de segmentaciones que te permiten identificar y clasificar a tus clientes de manera efectiva.
Probablemente si buscas en internet encontrarás que estos clusters de clientes se los denomina de distintas maneras, no obstante, el significado es el mismo independiente el nombre que se le añada. Aquí te dejamos nosotros los naming y sus correspondientes significados:
|
Segmento de clientes |
RFM |
Comportamiento |
|
Champions |
555, 554, 544, 545, 454, 455, 445. |
Compraron recientemente, suelen comprar con frecuencia y son los que más dinero gastan. |
|
Loyal customer |
543, 444, 435, 355, 354, 345, 344, 335. |
Gastan bastante dinero y con cierta frecuencia en tu eCommerce. Son sensibles a promociones. |
|
Potential Loyalist |
553, 551, 552, 541, 542, 533, 532, 531, 452, 451, 442, 441, 431, 453, 433, 432, 423, 353, 352, 351, 342, 341, 333, 323. |
Clientes recientes que gastaron una buena cantidad y compraron más de una vez. |
|
New Customers |
512, 511, 422, 421 412, 411, 311. |
Han comprado recientemente, pero no compran a menudo. |
|
Promising |
525, 524, 523, 522, 521, 515, 514, 513, 425,424, 413,414,415, 315, 314, 313. |
Han comprado recientemente, pero no han gastado mucho. |
|
Need Attention |
535, 534, 443, 434, 343, 334, 325, 324. |
Están por encima de la media en recencia, frecuencia y valor monetario, pero no han comprado recientemente. |
|
Cannot Lose Them |
155, 154, 144, 214,215,115, 114, 113 . |
Hicieron las compras más grandes, y a menudo. Pero no han vuelto a tu eCommerce desde hace mucho tiempo. |
|
About to sleep |
331, 321, 312, 221, 213. |
Por debajo de la media en recencia, frecuencia y valor monetario. Vas a perderlos si no los reactivas. |
|
At risk |
255, 254, 245, 244, 253, 252, 243, 242, 235, 234, 225, 224, 153, 152, 145, 143, 142, 135, 134, 133, 125, 124. |
Gastaron mucho dinero y compraron con frecuencia, pero hace ya mucho tiempo de eso. ¡Necesitan que los traigas de vuelta! |
|
Hibernating |
332, 322, 231, 241, 251, 233, 232, 223, 222, 132, 123, 122, 212, 211. |
La última compra fue hace mucho tiempo, con poco gasto y bajo número de pedidos. |
|
Lost |
111, 112, 121, 131, 141, 151. |
Tienen las puntuaciones más bajas en Recency, Frequency y Montetary. |
Dividiendo a los usuarios entre los diferentes segmentos que hemos visto anteriormente se pueden ejecutar estrategias personalizadas para cada uno de ellos como vemos a continuación.
¿Qué se puede hacer con el RFM?
Acceso preferente a lanzamientos, ofertas, etc.
Aprovechando los datos que nos arroja Connectif respecto a los clientes y su RFM, una de las estrategias con mayor retorno es dar esa prioridad a los usuarios más cercanos a “Potencialmente fieles”,
“Clientes fieles” o “Campeones”. De esta manera, recomendamos a los usuarios más comprometidos con nuestra marca y se sienten más cuidados que un usuario “común”. Además, se aporta más calidad a la preventa ya que, además de acompañarlo con Pop Ups, campañas de leads y demás para atraer clientes potenciales, no olvidamos a nuestros consumidores y les premiamos.
Cross y up selling en Home, PDP o checkout
Tanto el cross selling como el up selling consisten en invitar al cliente a comprar artículos de mayor calidad o complementarios. De esta manera, dependiendo de su RFM, se puede ofrecer un producto u otro, adaptando el carrusel de productos a cada persona.
¿Es mejor un carrusel basado en el RFM o un carrusel estático del propio CMS?
La respuesta es sencilla:
Cuanto más personalización para cada usuario, mejor retorno se puede tener. Desde el punto de vista del cliente (poniendo como ejemplo que estamos mirando zapatillas de correr) es preferible complementar la compra con productos complementarios o realizar un up selling con zapatillas de mayor calidad que los clásicos “más vendidos en la categoría” o “los más visitados”.
Además, trabajando el HTML del propio carrusel de productos se puede conseguir una estética muy similar (por no decir igual) a la estética de la web, evitando que no se vea como un parche y acompañe a la web en todo momento.
No todo puede ser positivo, también se puede trabajar el RFM ofreciendo descuentos o envíos gratuitos (u otros ganchos dependiendo de tu web) para recuperar a esos clientes en riesgo o cercanos a la pérdida. Además, esto también sirve como un “sunset” para despedir a los clientes que no quieran seguir recibiendo comunicaciones o directamente eliminarlos de la base de datos.
