Segmentação RFM: recência, frequência, valor

De onde vem o RFM e por que ainda funciona

RFM nasceu nos anos 1980-90 no marketing direto, formalizado por Arthur Hughes em "Strategic Database Marketing". A pergunta original era simples: com orçamento limitado de mala direta, para quem mandar o catálogo? A resposta: comece pelos que compraram recentemente (R), com frequência (F) e valor alto (M). Esses três sinais, combinados, prevêem melhor a próxima compra do que dezenas de outras variáveis.

Quatro décadas depois, RFM continua sendo o método de segmentação comportamental mais útil em B2C e bom em B2B. Razões: usa dados que toda empresa com transação tem (pedidos), é interpretável (qualquer pessoa entende "comprou há 30 dias, 5 vezes, R$ 800"), conecta direto com ação (cada segmento tem régua dedicada) e funciona em escala (planilha para 5 mil clientes, modelo para 50 milhões).

O método de segmentação comportamental rivaliza com modelos de aprendizado de máquina (Customer Lifetime Value, propensão de compra) em precisão, e ganha em interpretabilidade. Empresa que ainda não tem RFM rodando tem em mãos a alavanca de retenção mais alta disponível.

Como calcular RFM passo a passo

O cálculo segue cinco etapas, viável em planilha para bases até 10-20 mil clientes.

Etapa 1: definir o período de análise. Tipicamente 12 meses. Para categorias de baixa frequência (mobiliário, automóvel), pode ser 24-36 meses. Para alta frequência (mercado, restaurante), 3-6 meses.

Etapa 2: extrair os dados. Tabela com cliente, data de cada pedido e valor de cada pedido. Para cada cliente, calcule:

- Recency: número de dias entre hoje e a última compra no período.
- Frequency: número de pedidos distintos no período.
- Monetary: soma dos valores dos pedidos no período (ou ticket médio, dependendo do uso).

Etapa 3: criar quintis. Para cada dimensão, divida a base em 5 grupos iguais (quintis). Quem está no melhor quintil recebe nota 5; pior recebe 1. Para Recency, invertido: menor R (mais recente) = nota 5.

Exemplo prático com 100 clientes ordenados por Recency: os 20 mais recentes recebem R=5; os 20 seguintes R=4; e assim por diante. Faça o mesmo para F e M.

Etapa 4: combinar em score RFM. Cada cliente fica com um score de três dígitos: 555 (melhor), 111 (pior), e todas as combinações entre. 125 clientes possíveis (5 x 5 x 5), agrupados em segmentos nomeados.

Etapa 5: classificar em segmentos. Mapeie a tabela RFM para 9-11 segmentos clássicos (próxima seção). Cada cliente entra em exatamente um segmento.

Em bases pequenas (até 5 mil clientes), use quartis (1-4) em vez de quintis para evitar segmentos vazios. Em bases muito grandes (acima de 1 milhão), refine quintis em decis quando faz sentido.

Os 11 segmentos clássicos e a ação recomendada para cada um

A tipologia abaixo é amplamente usada em plataformas como Klaviyo, RD Station e HubSpot. Adapte os nomes ao tom da sua marca; mantenha a lógica.

Champions (R=5, F=5, M=5). Os melhores clientes — compraram recente, com frequência e valor alto. Ação: fidelizar, transformar em advocacia, programa VIP, primeiros a saber de lançamento, atendimento dedicado. Não bombardear com desconto — eles não precisam.

Loyal Customers (R=5, F=4-5, M=4-5). Compradores recorrentes de alto valor. Ação: cross-sell e upsell, programa de fidelidade, indicação (eles trazem outros como eles).

Potential Loyalist (R=5, F=3-4, M=3-4). Clientes recentes com frequência crescente. Ação: incentivar recompra com oferta inteligente, conteúdo que estimule mais engajamento, transformar em Loyal.

New Customers (R=5, F=1, M=1-3). Compraram pela primeira vez recentemente. Ação: onboarding, agradecimento, conteúdo educativo sobre o produto, segunda compra incentivada — a transição de 1 para 2 pedidos é a mais importante do funil de retenção.

Promising (R=4, F=1, M=1-3). Compraram pouco tempo atrás mas ainda não voltaram. Ação: nutrição com conteúdo, recomendação personalizada, oferta de retorno após primeiro pedido.

Need Attention (R=3, F=3, M=3). Médios em tudo. Ação: reengajar com pesquisa de satisfação, oferta direcionada, conteúdo de valor. Diagnosticar antes de desistir.

About to Sleep (R=3, F=1-2, M=1-2). Compraram pouco e há tempo. Ação: campanha de retenção com oferta sensível a preço, lembrete de produto, recomendação baseada em compra anterior.

At Risk (R=2, F=4-5, M=4-5). Já foram bons clientes mas pararam de comprar. Vale recuperar — gastaram bastante no passado e a perda dói. Ação: campanha de recuperação dedicada, pesquisa para entender por que sumiram, oferta personalizada com base no histórico.

Cannot Lose Them (R=1, F=4-5, M=4-5). Os mais valiosos em risco real de perda — alto valor histórico, há muito tempo sem comprar. Ação: alta prioridade de retenção, contato individual (não apenas e-mail), incentivo financeiro relevante, ligação do gerente de conta em B2B.

Hibernating (R=2, F=1-2, M=1-2). Compraram pouco há muito tempo. Ação: reativar com oferta atraente; aceitar que muitos não voltarão. Custo de comunicação precisa ser baixo.

Lost (R=1, F=1, M=1). Compraram pouco há muito tempo. Ação: winback opcional uma vez ao ano; após isso, parar de investir comunicação — custo de manter na base supera retorno esperado.

RFM em B2B: adaptado para frequência de pedidos e valor por conta

RFM nasceu em B2C de varejo, mas se adapta bem para B2B com ajustes. As principais diferenças:

Unidade de análise. Em B2C, o cliente é a pessoa física. Em B2B, é a conta (empresa). Vários contatos da mesma conta agregam para um único score.

Frequência. Em B2C, frequência de compra varia muito (de diária a anual). Em B2B com contrato anual, frequency direto é menos útil — adapte para "frequência de pedidos extras", "frequência de aumentos de contrato" ou "frequência de uso do produto" (em SaaS, isso vira métricas de engajamento).

Monetary. Em B2C, soma dos pedidos. Em B2B com contrato recorrente, MRR (receita mensal recorrente) ou ARR (receita anual recorrente) é a métrica mais direta.

Recency. Em B2C, dias desde a última compra. Em B2B, dias desde a última renovação, upgrade, contato comercial relevante ou ticket de suporte.

RFM em B2B alimenta priorização de SDR, cota de sucesso do cliente, agenda de account management e priorização de expansion (cross-sell, upsell). É ferramenta de RevOps tanto quanto de marketing.

Ativação: o que separa RFM útil de RFM relatório

O erro mais comum em RFM é fazer o cálculo, gerar relatório bonito e parar aí. Sem ativação, RFM é entretenimento analítico. Os quatro pontos de ativação que tornam RFM operacional:

Réguas de e-mail por segmento. Cada segmento entra em uma régua dedicada com cadência, oferta e narrativa próprias. Champions recebem comunicação VIP, novidade primeiro; At Risk recebem campanha de recuperação com oferta personalizada; Hibernating recebem winback ocasional; Lost recebem campanha mínima ou nenhuma.

Segmentação em mídia paga. Exportar listas RFM para Google Ads (Customer Match), Meta Ads (públicos personalizados) e TikTok Ads. Lista de Champions para campanhas de novidade premium; lista de At Risk para campanha de recuperação no remarketing; exclusão de Lost de campanhas de aquisição (não pagar para impactar quem já foi descartado).

Priorização em sucesso do cliente. Em B2B, os Champions e Loyal são oportunidade de expansion (upsell, cross-sell, indicação). Os At Risk e Cannot Lose Them são prioridade de retenção. Os Lost são desinvestimento de tempo.

Priorização em vendas. Em B2B, leads de Champions e Loyal têm conversão muito superior (já compraram, conhecem o produto). SDR e AE priorizam contato com esses segmentos para upsell e indicação.

Integração com lifecycle marketing e personas

RFM por si só responde "como o cliente se comporta". Sozinho, não responde "quem é o cliente" (persona) nem "em que momento da relação ele está" (lifecycle).

Lifecycle marketing. Estrutura toda a comunicação ao longo da jornada — aquisição, ativação, retenção, expansão, recuperação. RFM se encaixa na fase de retenção/expansão/recuperação, identificando quem está em cada uma. Champions estão em expansão; At Risk estão em recuperação; New Customers em ativação.

Personas. Diferentes personas têm comportamento de compra diferente — mesmo Champion da persona "Família" se comporta diferente de Champion da persona "Profissional Liberal". RFM combinado com persona permite cruzar segmento comportamental com perfil demográfico/atitudinal, gerando ofertas e narrativas mais específicas.

A combinação RFM + persona + lifecycle é o estado da arte em CRM: descrição do que o cliente faz, quem ele é, e em que momento da relação ele está.

LGPD: consentimento, opt-out e dados sensíveis

RFM trabalha com dados pessoais (cliente identificado) e financeiros (valor de compra). Sob LGPD:

Base legal. Tratamento para finalidade de marketing direto à base de clientes ativos pode se sustentar em "execução de contrato" ou "legítimo interesse" (a depender do contexto), mas o caminho mais seguro é consentimento explícito coletado no cadastro com finalidade declarada.

Opt-out fácil. Toda comunicação enviada com base em RFM precisa de mecanismo claro de descadastramento, e a empresa precisa cumprir o opt-out imediatamente. Cliente que se descadastra não pode receber mais comunicação automatizada de marketing direto, mesmo classificado como Champion.

Dados sensíveis. Em saúde, financeiro e categorias com dado sensível, segmentação por valor e frequência precisa de cuidado adicional — evite mensagens que revelem inferência sobre condição sensível (ex.: oferta de produto específico para uma condição médica baseada em compra anterior).

Retenção de dados. Defina por quanto tempo dados de clientes inativos permanecem na base. Cliente Lost com dois anos de inatividade pode ser candidato a anonimização ou exclusão, dependendo da política e da base legal aplicável.