Nó de análise de RFM

Você pode usar o nó Recency, Frequency, Monetary (RFM) Analysis (Análise de Recência, Frequência e Monetário) para determinar quantitativamente quais clientes provavelmente serão os melhores, examinando a última vez que compraram de você (recência), a frequência com que compraram (frequência) e quanto gastaram em todas as transações (monetário).

O raciocínio por trás da análise RFM é que os clientes que compram um produto ou serviço uma vez têm maior probabilidade de comprar novamente. Os dados categorizados do cliente são separados em um número de compartimentos, com os critérios de compartimentação ajustados conforme sua necessidade. Em cada um dos compartimentos, é atribuída uma pontuação aos clientes; essas pontuações são combinadas para fornecer uma pontuação geral de RFM. Essa pontuação é uma representação da participação do cliente nos compartimentos criados para cada um dos parâmetros de RFM. Esses dados agrupados podem ser suficientes para suas necessidades, por exemplo, identificando os clientes mais frequentes e de alto valor; como alternativa, eles podem ser transmitidos em um fluxo para modelagem e análise adicionais.

Observe, entretanto, que embora a capacidade de analisar e classificar as pontuações do RFM seja uma ferramenta útil, você deve estar ciente de certos fatores ao usá-la. Pode haver a tentação de visar os clientes com as classificações mais altas; no entanto, a solicitação excessiva desses clientes pode levar a ressentimentos e a uma queda real nos negócios repetidos. Também vale a pena lembrar que os clientes com pontuações baixas não devem ser negligenciados, mas, em vez disso, podem ser cultivados para se tornarem melhores clientes. Por outro lado, pontuações altas por si só não refletem necessariamente uma boa perspectiva de vendas, dependendo do mercado. Por exemplo, um cliente na posição 5 de recência, o que significa que ele comprou muito recentemente, pode não ser o melhor cliente-alvo para alguém que vende produtos caros e de vida útil mais longa, 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 de cliente, com uma linha por cliente; se os dados dos clientes estiverem no formato transacional, use um nó RFM Aggregate upstream para derivar os campos de recência, frequência e monetário.

Os nós RFM Aggregate e RFM Analysis são configurados para usar o binning independente, ou seja, eles classificam e colocam os dados em cada medida de recenticidade, frequência e valor monetário, independentemente de seus valores ou das outras duas medidas.