Definição das Faixas RFM/P

Um novo critério para classificação RFM/P foi definido pelo estudo a partir de uma das soluções recomendadas. Assim, um cluster ou registro de cliente não será classificado apenas como positivo ou negativo de acordo com o valor da média global. Mas sim como positivo, neutro ou negativo a partir da criação de três faixas de valores definidas previamente pelo conteúdo observado no conjunto de dados analisado.

Neste caso, este critério de definição das faixas levou em conta uma fundamentação baseada no modelo de negócio observado, assim a delimitação dos valores mínimo e máximo de cada intervalo, para cada atributo, ficou distribuída da seguinte forma:

• Atributo R – em trimestres, definidos pelas seguintes faixas: Tabela 6.5: Faixas de valores para classificação RFM/P do atributo R.

Valores das

Faixas Comportamento

< 2 Clientes Positivos (Recente) >= 2 e < 3 Clientes Neutros

>= 3 Clientes Negativos (Não Recente)

Deste modo, todo cluster que ficar com a sua média menor do que 2 será classificado de forma positiva, representando um segmento de clientes recentes. Nesta faixa encontram-se os grupos de clientes que fizeram compras com a empresa nos últimos três meses, o que configura um tipo de cliente ativo.

Já um cluster que tiver sua média entre maior ou igual a 2 e menor do que 3 será classificado como neutro, ou seja, clientes que não são recentes, mas que ainda não abandonaram a empresa e que estão dentro do próximo ciclo de compra. Ressalta-se que os clientes contidos nesta faixa devem ser acompanhados com atenção pelos estrategistas de marketing, pois é neste período que o cliente poderá ter a maior intenção de recompra. Por isso, é com este grupo de clientes que as campanhas de retenção devem ser realizadas. E por fim, o cluster que tiver sua média maior ou igual a 3 será considerado negativo, ou seja, clientes perdidos e que já abandonaram a empresa. Neste caso, é importante acompanhar este grupo para identificar o comportamento de compra daqueles clientes que deixaram de fazer negócio com a companhia. Além disso, é com este grupo de clientes que as campanhas de reativação devem ser realizadas.

• Atributo F – semelhante à classificação associada a cada registro de clientes, o atributo F ficou com as seguintes faixas:

Tabela 6.6: Faixas de valores para classificação RFM/P do atributo F.

Valores das

Faixas Comportamento

>= 3 Clientes Positivos (Frequente) < 2 Clientes Neutros

>= 2 e < 3 Clientes Negativos (Não Frequente)

Neste caso, todo cluster que tiver sua média maior ou igual a 3 será considerado como positivo, pois estes são os verdadeiros clientes frequentes, ou seja, os clientes fiéis, aqueles que já possuem um hábito de compra e que apresentam um relacionamento de confiança estabelecido com a empresa. Eles estão satisfeitos e merecem atenção em qualquer eventualidade, até porque o custo para manter estes clientes é menor do que o custo de aquisição de um novo.

Já o cluster que obtiver a sua média menor do que 2 será considerado como neutro. Afinal, somente o cliente que já fez mais de uma compra é que deve ser considerado como cliente frequente. Inclusive, quando computada, a média não deve levar em consideração os clientes que possuem apenas 1 pedido (isto deveria valer até mesmo para o cálculo da média no processo de classificação RFM padrão). Por isso, a média que foi considerada para a criação desta faixa levou em conta apenas os clientes com mais de 1 pedido.

E por último, o cluster que tiver sua média maior ou igual a 2 e for menor do que 3 será considerado como negativo. É que entre os clientes frequentes, este é o valor que indica um cliente não frequente. Porém, neste caso específico, vale uma observação: esta faixa de valor ficou reduzida por conta da assimetria do atributo F, se não fosse por isto, esta faixa teria um valor maior.

• Atributo M – o atributo M levou em consideração as seguintes faixas: Tabela 6.7: Faixas de valores para classificação RFM/P do atributo M.

Valores das

Faixas Comportamento

> 350 Clientes Positivos (Monetário) >= 200 e <= 350 Clientes Neutros

< 200 Clientes Negativos (Não Monetário)

O cluster que tiver média acima de 350 será considerado como positivo, ou seja, representa os clientes monetários, aqueles que possuem um gasto acima da média dos demais. Estes clientes devem possuir grande importância para a empresa e devem ser mantidos a qualquer custo, tendo em vista o valor desembolsado por eles.

Já o cluster que tiver média maior ou igual a 200 e menor ou igual a 350 será considerado neutro, pois os seus clientes estão dentro de uma faixa de gastos padrão. Este grupo expressa o cliente habitual, aquele que representa a maioria dos consumidores.

Enquanto que o cluster que obtiver média menor que 200 será considerado negativo, isto é, clientes não monetários, com baixo poder de compra e menor relevância para o negócio.

• Atributo P – por último o atributo P, que ficou com as seguintes faixas: Tabela 6.8: Faixas de valores para classificação RFMP do atributo P.

Valores das

Faixas Comportamento

> 50% Positivo (Lucrativo) >= 40% e <= 50% Neutro

< 40% Negativo (Não Lucrativo)

O cluster que ficar com média maior que 50% será considerado positivo, porque representa um grupo com clientes lucrativos e rentáveis. Este é o grupo de clientes com melhor valor para o negócio, pois uma compra efetivada por eles traz um ganho muito maior.

Já o cluster que tiver sua média maior ou igual a 40 e menor ou igual a 50 será considerado neutro, pois sua lucratividade está contida dentro da rentabilidade esperada pelo negócio.

Enquanto que o cluster que tiver a sua média menor que 40% será considerado negativo, ou seja, um grupo com um menor valor para a empresa e que precisa ter a sua rentabilidade melhorada.

Deste modo, foram estabelecidas as premissas – a partir das faixas de valores de cada atributo – que irão classificar os clusters entre positivo, neutro ou negativo. Sendo assim, o estudo avança para a criação dos modelos finais a fim de validar se as propostas sugeridas trarão de fato um melhor resultado em comparação com aqueles apresentados anteriormente.