Definición
El Análisis RFM es una técnica de segmentación de clientes que clasifica a cada comprador según tres dimensiones medibles de su comportamiento histórico:
- R (Recency / Recencia): cuánto tiempo ha pasado desde su última compra.
- F (Frequency / Frecuencia): cuántas veces ha comprado en un periodo determinado.
- M (Monetary / Valor monetario): cuánto dinero ha gastado en total.
En lugar de preguntarte "¿a quién le envío este email?", el RFM te responde con datos: "a este cliente, porque compró hace 5 días, ya lleva 4 pedidos y ha gastado 320 €". Es el estándar en DTC porque funciona con datos que ya tienes en Shopify, WooCommerce, Klaviyo o tu CRM, sin necesidad de encuestas ni modelos predictivos complejos.
Analogía: el portero de discoteca
Imagina que tu tienda online es una discoteca y tú eres el portero. Cada noche llega gente nueva y gente habitual. El RFM es tu criterio para decidir quién entra por la puerta VIP, quién paga entrada normal y a quién le das un flyer para que vuelva.
- Recencia = ¿cuándo fue la última vez que vino? Si vino ayer, es un habitual; si no aparece desde hace 8 meses, quizá ya no le interesa.
- Frecuencia = ¿cuántas veces ha venido este mes? El que viene cada viernes tiene otro valor que el que apareció una vez.
- Monetario = ¿cuánto se gasta en la barra? No es lo mismo el que pide agua que el que invita a toda la mesa.
El portero no trata igual a los tres. Tú tampoco deberías.
Fórmula y construcción de la puntuación
El RFM no tiene una única fórmula cerrada, pero el método estándar consiste en asignar una puntuación del 1 al 5 a cada cliente en cada dimensión, y luego combinarlas.
Paso 1 — Calcular los valores brutos:
R = fecha_actual - fecha_última_compra (en días) F = número_total_de_pedidos M = suma_total_gastada (en €)
Paso 2 — Segmentar por quintiles. Se ordenan todos los clientes de menor a mayor en cada variable y se dividen en 5 grupos iguales. Al de mejor comportamiento se le da 5 y al peor 1.
- En R, mejor = menos días (compró recientemente) → puntuación 5.
- En F y M, mejor = más pedidos y más gasto → puntuación 5.
Paso 3 — Combinar. La puntuación final puede ser una concatenación de tres dígitos (por ejemplo, 555 = cliente campeón) o una suma ponderada:
RFM_Score = (R × 0,3) + (F × 0,3) + (M × 0,4)
Los pesos son ajustables según tu modelo de negocio. En suscripción, la Frecuencia suele pesar más; en lujo, el Monetario.
Ejemplo con datos reales:
| Cliente | Última compra | Pedidos | Gasto total | R | F | M | Segmento |
|---|---|---|---|---|---|---|---|
| Ana | hace 4 días | 7 | 640 € | 5 | 5 | 5 | Campeón |
| Luis | hace 22 días | 3 | 180 € | 4 | 3 | 3 | Leal potencial |
| Marta | hace 190 días | 1 | 45 € | 1 | 1 | 2 | Hibernando |
| Pedro | hace 60 días | 5 | 410 € | 2 | 4 | 5 | En riesgo (VIP) |
Tabla comparativa: RFM frente a otros métodos
| Criterio | Análisis RFM | Segmentación demográfica | Customer Lifetime Value (CLV) | Cohortes por fecha |
|---|---|---|---|---|
| Datos necesarios | Transaccionales propios | Edad, género, ubicación | Histórico + predicción | Fecha de alta |
| Complejidad | Baja-media | Baja | Alta | Media |
| Accionable en 1 día | Sí | Limitado | No | Sí |
| Coste técnico | Bajo (Excel, SQL, Klaviyo) | Bajo | Alto (modelos) | Medio |
| Ideal para | Email, retención, CRM | Branding, medios | Presupuesto a largo plazo | Análisis de retención |
Aplicación en DTC y eCommerce
El RFM se traduce en acciones concretas. Estos son los escenarios más rentables:
1. Campañas de reactivación. Clientes con R=1 o 2 y M alto (como Pedro) reciben un email "Te echamos de menos" con un cupón del 15 %. Recuperar a un cliente que ya compró cuesta entre 5 y 7 veces menos que adquirir uno nuevo.
2. Programa VIP. Los 555 (Ana) entran en un club con envío gratis y acceso anticipado a lanzamientos. En tiendas DTC, el 20 % de clientes suele generar el 60-70 % de los ingresos.
3. Upselling y cross-selling. Clientes con F alta pero M bajo (compran mucho pero barato) son candidatos ideales para packs o productos premium.
4. Win-back automatizado. En Klaviyo o Brevo, configuras flujos por segmento RFM: si R < 2 y M > percentil 80, dispara una secuencia personalizada.
5. Optimización de paid media. Exportas los segmentos RFM como audiencias personalizadas en Meta o Google para hacer lookalikes de tus campeones, no de toda tu base.
Datos concretos de referencia:
- Un email de reactivación a clientes R=1 puede recuperar entre el 8 % y el 15 % de esa base.
- Aumentar la retención un 5 % incrementa los beneficios entre un 25 % y un 95 % (Bain & Company).
- En DTC de moda, un cliente con RFM 555 gasta de media 3,2 veces más al año que uno con RFM 211.
Errores comunes
- No actualizar los datos. El RFM caduca. Un cliente 555 de hace seis meses puede ser hoy un 155. Recalcula al menos una vez al mes.
- Usar rangos fijos en lugar de quintiles. Si tu mejor cliente gasta 80 € y tu peor cliente 75 €, dividir en tramos fijos (0-50, 50-100) destruye la señal. Los quintiles relativos son más justos.
- Ignorar el contexto del negocio. En productos de alta frecuencia (café, cosmética), R=30 días ya es "frío". En muebles, R=180 días puede ser normal.
- Segmentar solo por M. Un cliente que gasta mucho una vez no es igual que uno que gasta moderado cada mes. La combinación es lo que aporta valor.
- No actuar sobre los segmentos. El RFM sin campañas es solo un informe bonito. La segmentación debe terminar en un flujo automatizado o una lista de contacto.
- Confundir RFM con CLV. El RFM describe el pasado; el CLV predice el futuro. Son complementarios, no sustitutos.
Términos relacionados
- Customer Lifetime Value (CLV): valor total previsto de un cliente durante su relación con la marca. El RFM es una de sus entradas.
- Cohort Analysis: agrupa clientes por fecha de adquisición para medir retención. Se combina con RFM para ver cómo evolucionan los segmentos.
- Churn Rate: porcentaje de clientes que dejan de comprar. El RFM ayuda a predecirlo con la dimensión R.
- Segmentación conductual: categoría amplia que incluye RFM, análisis de cesta y scoring predictivo.
- NPS (Net Promoter Score): mide satisfacción, no comportamiento. Útil como capa adicional sobre los segmentos RFM.
- Automatización de marketing: plataformas como Klaviyo, Brevo o ActiveCampaign ejecutan flujos basados en etiquetas RFM.