RFM y cohortes de retención

Qué es el RFM

Tres números por cliente: recencia, hace cuántos días compró por última vez; frecuencia, cuántas veces compró; monto, cuánto dejó en total. Cada uno se puntúa de 1 a 5 y la combinación define un segmento.

Es vieja —la usaba el correo directo en los años setenta para decidir a quién mandarle el catálogo— y sigue siendo útil por la misma razón por la que nació: no necesita más que lo que cualquier sistema de facturación ya tiene. No hay modelo que ajustar ni supuestos que cumplir.

Tres decisiones que casi nadie mira

La fecha de referencia. La recencia se mide contra una fecha. Si esa fecha es «hoy», el mismo archivo da un resultado distinto cada día y ningún informe se puede reproducir. Acá se usa por defecto la última fecha que aparece en los datos, y se puede cambiar a mano para mirar cómo estaba la cartera en otro momento.

Los empates. Es lo que rompe el RFM en la práctica. Si el 70 % de los clientes compró una sola vez, no existen cinco grupos de frecuencia que formar: hay dos, los que compraron una vez y los que compraron más. Un software que igual devuelve cinco niveles está inventando distinciones que los datos no tienen. Esta calculadora puntúa por rango promedio —el mismo que usa Spearman— y muestra cuántos niveles quedaron de verdad en cada eje.

Qué cuenta como una compra. Una fila de un comprobante no es una compra: un pedido con cinco líneas son cinco filas. La frecuencia de acá cuenta fechas distintas, no filas. Si el archivo viene por línea de producto, el número correcto es el de fechas y no el de filas, y la diferencia puede ser de tres o cuatro veces.

Por qué las cohortes dicen algo distinto

El RFM es una foto: dice cómo está la cartera hoy. No puede contestar si el negocio retiene mejor o peor que antes, porque mezcla a los que entraron hace cinco años con los que entraron el mes pasado.

La matriz de cohortes separa a los clientes por el mes de su primera compra y sigue a cada grupo. Cada fila es una camada; cada columna, los meses que pasaron desde que entró. Si las filas de abajo caen más rápido que las de arriba, el negocio está reteniendo peor, y eso no se ve en ningún promedio general.

Un detalle que cambia la lectura: las celdas del triángulo superior derecho no son cero, son desconocidas. Una cohorte que entró el mes pasado no tiene mala retención a doce meses: no tiene retención a doce meses medida. Mostrar esas celdas en cero —que es lo que hace una planilla hecha a las apuradas— da la impresión de un derrumbe que no ocurrió.

Lo que no mira

El RFM ordena por lo que el cliente ya compró. No sabe nada del margen que deja —un cliente grande de productos de bajo margen puede valer menos que uno mediano de alto margen—, ni de lo que cuesta atenderlo, ni de si trae a otros. Tampoco distingue entre un cliente que se fue y uno que cerró.

Y los segmentos son una convención. No hay una definición canónica de «Campeones»: la grilla que usa esta herramienta está escrita entera en src/lib/cohortes.ts para que se pueda discutir en lugar de adivinar qué hizo el programa.

Cómo está verificado

La recencia, la frecuencia, el monto y la matriz entera se rehacen con groupby de pandas y tienen que coincidir fila por fila. El puntaje por rango se contrasta contra scipy.stats.rankdata con el método de promedio, que es la definición de referencia y no comparte una línea con el bucle de TypeScript.

Más las identidades que tienen que cumplirse sí o sí: cada cliente pertenece a una sola cohorte, el período cero de cada cohorte es su tamaño, ningún período lo supera, la suma de los tamaños es la cantidad de clientes, y a mayor recencia tiene que corresponder menor puntaje R —que es donde se equivoca medio mundo—. Son 1.168 comprobaciones sobre cuatro carteras generadas, incluida una donde todos compraron una sola vez, que es cuando los quintiles no existen.