RFM: segmentação por Recência, Frequência e Valor

Por que RFM continua relevante

A técnica foi formalizada nos anos 1990 por Jan Roelf Bult e Tom Wansbeek em pesquisa sobre marketing direto, mas a lógica é mais antiga — varejistas e empresas de catálogo já segmentavam clientes por recência e valor décadas antes. Em uma era de modelos preditivos e ciência de dados aplicada a CRM, RFM poderia parecer ultrapassado. Não é.

Três razões para a sobrevivência: simplicidade (qualquer time com acesso à base de pedidos pode aplicar), interpretabilidade (cada segmento explica em linguagem de negócio quem é o cliente) e poder explicativo (em testes comparativos, RFM bem aplicado captura a maior parte da variância em comportamento de recompra que modelos sofisticados conseguem isolar). É a regra prática que entrega 80% do valor com 20% da complexidade.

RFM também funciona como camada base sobre a qual modelos mais sofisticados são construídos. Modelos de valor do cliente no tempo (LTV) e de propensão a cancelamento (churn) usam Recência, Frequência e Valor como variáveis de entrada — e em muitos casos RFM já entrega 70-80% do desempenho do modelo completo, sem exigir time de ciência de dados.

Como calcular: quintis ou faixas

O cálculo padrão usa pontuação de 1 a 5 em cada dimensão (quintis), gerando código de três dígitos por cliente (ex: 555 — melhor cliente possível; 111 — pior).

Recência (R). Quantos dias desde a última compra. Compradores mais recentes recebem nota 5; mais antigos recebem nota 1. A ordenação se faz pela distribuição da base — o quintil superior (20% dos clientes que compraram mais recentemente) recebe 5, o quintil inferior recebe 1.

Frequência (F). Quantas compras o cliente fez no período analisado (12 meses é janela padrão para e-commerce; pode ser 24 ou 36 em categorias de baixa frequência como móveis). Quintil superior recebe 5, inferior recebe 1.

Valor monetário (M). Soma total gasta pelo cliente no período. Quintil superior recebe 5, inferior recebe 1.

O código RFM 555 é o cliente que comprou recentemente, comprou várias vezes e gastou muito — o campeão. O 111 é o oposto — comprou há muito tempo, poucas vezes e pouco — o perdido.

Alternativa às faixas: em vez de quintis, definir faixas absolutas com base no negócio. Recência: 0-30 dias = 5, 31-90 = 4, 91-180 = 3, 181-365 = 2, mais que 365 = 1. Faixas absolutas são mais estáveis ao longo do tempo (o significado de "5 em Recência" não muda), mas exigem calibração específica por categoria. Quintis se autorregulam — sempre 20% da base ocupa cada faixa.

Segmentos típicos e o que cada um precisa

A combinação dos três dígitos gera 125 códigos possíveis. Na prática, agrupam-se em 6 a 10 segmentos acionáveis. Os segmentos canônicos:

Campeões (5-5-5, 5-5-4, 5-4-5). Compram com frequência, gastam alto, compraram recentemente. São 10-15% da base que geram 40-60% da receita. Ação: programa de fidelidade, acesso antecipado a lançamentos, atendimento priorizado, pesquisa qualitativa para entender o que valorizam.

Leais (4-4-X, 4-5-X). Compram com regularidade, valor médio. Construíram hábito. Ação: comunicação consistente, lançamentos relevantes para o perfil, programa de indicação. Não saturar com promoção — eles compram pelo hábito, não pelo desconto.

Potenciais leais (5-2-X, 5-3-X). Compraram recentemente, ainda construindo frequência. Janela de oportunidade. Ação: nutrição com conteúdo educativo, gatilho de segunda compra (cupom específico para próxima compra em 30 dias), recomendação por categoria.

Novos (5-1-X). Acabaram de fazer a primeira compra. Ação: ciclo de recepção (onboarding) — agradecimento, conteúdo educativo sobre o produto, pedido de avaliação após uso, oferta calibrada para segunda compra.

Promissores (4-1-X, 3-2-X). Compraram nos últimos meses mas com frequência baixa. Janela ainda aberta para virar lealdade. Ação: pesquisa de satisfação, recomendação relevante, cupom condicional.

Atenção (3-3-X, 2-4-X). Comportamento médio, sem extremos. A maior parte da base. Ação: comunicação regular sem desperdício, segmentação por categoria.

Em risco (2-4-X, 2-5-X). Eram bons clientes, mas o último pedido está ficando antigo. Ação imediata: campanha de reativação personalizada, pesquisa para entender motivo (mudança de preço, problema operacional, concorrência), oferta dirigida.

Quase perdidos (1-4-X, 1-5-X). Foram clientes de alto valor mas estão sumindo. Ação: reativação com peso (oferta de retorno significativa), conteúdo educativo, eventualmente contato pessoal em B2B.

Hibernando (2-2-X, 1-2-X). Compraram pouco, há tempo. Ação: campanha de reativação de baixo investimento — se não responder, parar de investir.

Perdidos (1-1-X). Compraram há muito, pouco, pouco valor. Ação: campanha final de reativação ou exclusão da base ativa (poupa custo de email, evita penalização em entregabilidade).

RFM fora de e-commerce

A técnica nasceu no varejo e no marketing direto, mas adapta-se a outros modelos com pequenas mudanças.

Assinatura (SaaS, streaming, clubes). Recência vira "tempo desde última interação com produto" (login, uso, abertura de email). Frequência vira "intensidade de uso no período" (sessões mensais, módulos acessados). Valor vira "receita recorrente mensal vezes tempo na base". Segmentos resultantes pareiam com modelos clássicos de saúde de cliente em assinatura.

Serviços recorrentes (clínicas, salões, pet shops). Aplicação direta com janela maior (24 meses), porque a frequência típica é menor.

B2B com ciclo de compra longo. Adaptar para janela de 24-36 meses e considerar Frequência como "número de pedidos no período" mesmo quando baixo. Combinar com sinais de relacionamento (reuniões, contratos ativos, expansão de uso).

Marketplaces. RFM por categoria de produto ou por vendedor — o cliente pode ser campeão em uma categoria e perdido em outra.

Limitações fora de e-commerce: setores com baixa frequência transacional (imóveis, veículos, móveis sob medida) entregam segmentos menos discriminadores. Nesses casos, complementar com sinais não-transacionais (interesse declarado, uso de canal de atendimento, indicação).

Limitações e quando ir além

RFM é poderoso mas não cobre tudo. Limitações conhecidas:

Foca em transação, não em intenção. Um cliente que navega muito no site mas ainda não comprou pode estar próximo da compra — RFM ignora esse sinal. Combinar com dados comportamentais resolve.

Visão estática do momento. RFM mostra onde o cliente está hoje, não para onde está indo. Modelos de propensão a recompra ou a cancelamento adicionam direção.

Quintis se autoajustam. Em base que cresce, os quintis mudam de significado — o que era "campeão" há um ano hoje pode ser "leal". Decisão: usar faixas absolutas para comparações temporais, ou aceitar que a comparação relativa é diferente da absoluta.

Pouco poder em categorias de baixa frequência. Para bens de baixa recompra (eletrodomésticos, móveis), F entrega pouca discriminação. Complementar com dados de atendimento e indicação.

Quando ir além: a partir do momento em que a operação tem volume suficiente (centenas de milhares de clientes ativos) e time de dados disponível, vale evoluir para clustering por comportamento, valor do cliente no tempo preditivo e modelos de propensão. Mas começar por RFM é quase sempre o caminho mais rápido para gerar valor.

Erros comuns que destroem o programa

Calcular e não agir. Times geram o relatório mensal de RFM e ele vira documento — sem nunca alimentar campanhas diferenciadas. O valor está na ativação.

Mesmas ações para todos os segmentos. A base inteira recebe a mesma comunicação semanal. RFM existe para diferenciar; tratar todos igual é descartar o investimento.

RFM desatualizado. Cálculo feito uma vez, há 18 meses, e seguindo em uso. Cliente que era campeão pode ter sumido; cliente em risco pode ter virado leal. Atualização mínima mensal.

Sem painel de migração. Saber a foto atual é útil; saber a direção (campeões virando em risco, ou em risco virando reativados) é o que permite agir antes do problema.

Janela mal calibrada. Aplicar janela de 12 meses em categoria que compra uma vez a cada 18-24 meses gera segmentos artificiais — quase todos os clientes acabam em "perdidos". Calibrar janela para a frequência típica da categoria.

Confundir RFM com valor do cliente no tempo (LTV). RFM é descritivo do passado; LTV é projeção do futuro. São complementares — não substitutos.

Ignorar conformidade com a LGPD. Dados transacionais por cliente são dados pessoais; a Lei 13.709/18 exige base legal para tratamento (geralmente contrato ou legítimo interesse), informação ao titular e direito de oposição. Não é impeditivo, mas exige documentação.