🛒 Segmentador de Clientes — Análisis RFM en Vivo

RFM significa Recencia (qué tan recientemente compró un cliente), Frecuencia (con qué frecuencia compra) y Valor Monetario (cuánto gasta). Los equipos de marketing lo usan porque convierte el historial de transacciones en una huella compacta de tres números por cliente que se correlaciona fuertemente con la probabilidad futura de compra y el valor de vida del cliente, sin necesitar un modelo de aprendizaje automático entrenado. Es una de las técnicas de segmentación de clientes más antiguas y ampliamente usadas en marketing directo y comercio electrónico, valorada porque es simple de calcular, fácil de explicar a las partes interesadas y directamente accionable: cada segmento se traduce en una acción concreta de retención o recuperación.

Para cada cliente simulado, el modelo mantiene un historial real de transacciones con marca de tiempo. La Recencia es el número de días simulados desde la compra más reciente de ese cliente. La Frecuencia es el número de compras dentro de la ventana de tiempo seleccionada (30 a 365 días). El Monetario es el monto total gastado dentro de esa misma ventana. Estos tres números se recalculan en cada ciclo directamente a partir del flujo en vivo de eventos de compra; no están preescritos, cambian genuinamente a medida que llegan nuevas compras y las antiguas salen de la ventana.

Un sistema de umbral fijo podría decir "más de 5 compras equivale a una puntuación de frecuencia de 5" sin importar cómo se comporte el resto de la base de clientes. La puntuación por cuantiles ordena toda la población en vivo por cada métrica y la corta en cinco grupos de igual tamaño (quintiles) en los valores límite que los datos actuales producen. Un cliente con 3 compras podría obtener un 5 en un trimestre lento y un 2 en uno rápido. Esta simulación realiza ese cálculo desde cero en cada actualización, así que los puntos de corte cambian con la distribución real de la población en lugar de ser constantes fijas.

Cada cliente recibe una puntuación R, F y M de 1 (peor quintil) a 5 (mejor quintil), y una tabla de reglas combina las tres en una etiqueta de segmento. Los Campeones tienen puntuaciones máximas en los tres ejes: compradores recientes, frecuentes y de alto gasto. Los Clientes Leales puntúan bien en frecuencia y monetario con una recencia decente. Los clientes En Riesgo solían comprar frecuentemente pero su recencia ha empeorado mucho. Los clientes Hibernando y Perdidos puntúan bajo en todo. Los Clientes Nuevos tienen excelente recencia pero poco historial de compras aún. La tabla de reglas exacta se aplica de nuevo a las puntuaciones en vivo de cada cliente en cada ciclo.

Dos cosas cambian en cada ciclo: los historiales individuales de los clientes ganan nuevos eventos de compra (o su compra más reciente envejece más en el pasado), y los límites de cuantiles de toda la población cambian porque se recalculan a partir de los valores actuales de todos. Un cliente puede cambiar de segmento porque su propio comportamiento cambió (acaba de comprar algo, así que su Recencia mejoró) o porque el comportamiento de todos los demás cambió los puntos de corte a su alrededor, incluso si ese cliente no hizo nada en absoluto. Ambos efectos son consecuencias genuinas de la puntuación por cuantiles en vivo y relativa a la población.

El RFM solo mira el historial transaccional, así que no puede ver señales de intención como el comportamiento de navegación, los tickets de soporte o las respuestas a encuestas, y trata una compra grande única igual que un gasto constante y repetido si los totales coinciden. También asume que los patrones de compra pasados predicen los futuros, lo cual falla para productos altamente estacionales o de compra única. Como las puntuaciones son relativas a la población, el segmento de un cliente puede cambiar simplemente porque el resto de la base de clientes cambió, no porque ese cliente haya hecho algo diferente; una peculiaridad que esta simulación hace visible deliberadamente.