Nó de Análise de RFM

É possível usar o nó Análise Recency, Frequency, Monetary (RFM) para determinar quantitativamente quais clientes são provavelmente os melhores, examinando quanto recentemente eles compraram de você (recência), com que frequência eles compraram (frequência) e quanto gastaram em todas as transações (monetárias).

O raciocínio por trás da análise de RFM é que os clientes que compram um produto ou um serviço uma vez têm maior probabilidade de comprar novamente. Os dados do cliente categorizados são separados em um número de categorias, com os critérios de categorização ajustados conforme necessário. Em cada uma das categorias, os clientes são designados a um escore; esses escores são, então, combinados para fornecer um escore de RFM geral. Esse escore é uma representação da associação do cliente nas categorias criadas para cada um dos parâmetros de RFM. Esses dados armazenados podem ser suficientes para suas necessidades, por exemplo, identificando os clientes mais frequentes e de alto valor; como alternativa, pode ser transmitido em um fluxo para modelagem e análise adicionais.

Observe, no entanto, que embora a capacidade de analisar e classificar os escores de RFM seja uma ferramenta útil, deve-se estar ciente de determinados fatores ao utilizá-la. Pode haver uma tentação de destinar clientes com os ranqueamentos mais altos, no entanto, solicitações em excesso desses clientes podem levar a ressentimento e uma queda real nos negócios de repetição. Também vale lembrar que os clientes com escores baixos não devem ser negligenciados, mas, ao invés disso, podem ser cultivados para tornarem-se melhores clientes. Por outro lado, escores altos em si não reflete necessariamente uma boa perspectiva de vendas, dependendo do mercado. Por exemplo, um cliente na categoria 5 para Recência, significando que ele comprou muito recentemente, pode, na realidade, não ser o melhor cliente-alvo para alguém que vende produtos de vida mais longa e caros, como carros ou televisores.

Nota: Dependendo de como seus dados são armazenados, você pode precisar preceder o nó de Análise de RFM com um nó de RFM Agregado para transformar os dados em um formato utilizável. Por exemplo, os dados de entrada devem estar no formato do cliente, com uma linha por cliente; se os dados dos clientes estiverem no formato transacional, use um envio de dados do nó RFM Agregado para derivar os campos de recência, frequência e monetário.

Os nós RFM Agregado e Análise de RFM são configurados para usar agrupamento independente; ou seja, eles agrupam e classificam os dados em cada medida de recência, frequência e valor monetário, sem levar em conta seus valores ou as outras duas medidas.