Uma forma muito usada no varejo para medir o resultado da etapa pós-captação do ciclo de vida do cliente é através da análise de recência, frequência e valor de compra (RFV em português ou RFM em inglês).
Uma forma muito usada no varejo para medir o resultado da etapa pós-captação do ciclo de vida do cliente é através da análise de recência, frequência e valor de compra (RFV em português ou RFM em inglês).
A análise de frequência nos apresenta como está a frequência de compra de nossos clientes dentro de um período amostral.
A categorização do volume de compras depende da área de atuação da empresa, por exemplo, uma empresa de delivery de fast-food deve olhar as segmentações num período mais curto – talvez um ano – e com números relativamente altos: entre 1 e 3 compras anuais, entre 4 e 10, entre 11 e 20 e mais de 20.
A definição das quantidades a serem consideradas depende de um estudo estatístico, para que se encontrem valores representativos e que permitam a avaliação de como eles estão se alterando.
Se usarmos valores muito amplos para uma determinada realidade, eles irão concentrar todas as informações numa única segmentação do gráfico e não servirão para análises posteriores.
Para tipos de negócio diferentes, o prazo de avaliação pode ser diferente – maior ou menor – e as quantidades abrangidas pelas faixas também.
A tela abaixo, capturada da plataforma Add Intelligence, nos mostra como a representação gráfica desses clusters se parece numa loja estabilizada:
Como podemos verificar, mês após mês os percentuais de frequência se mantêm estáveis.
Ações de fidelização com o objetivo de aumentar a frequência de compra, como promoções, benefícios, lançamentos de produtos, entre outros, devem se refletir nos clusters, apresentando uma redução na faixa de cima do gráfico – os que fizeram apenas uma compra – e um aumento das outras faixas.
Essa evolução normalmente se desenvolve aos poucos, é gradual e pode ser observada no gráfico abaixo:
A análise de recência, por sua vez, demonstra o quanto estamos presentes na mente dos nossos clientes. O agrupamento dos clientes é feito por outro critério: Há quanto tempo nossos clientes realizaram a última compra na loja.
Da mesma forma que o cluster de frequência, o de recência deve considerar um período amostral adequado e possuir faixas apropriadas para aquele tipo de negócio: Nem pequenas demais que atrapalhem a visualização gráfica e nem amplas demais que não apresentem as variações ocorridas.
Abaixo segue um exemplo de cluster de recência de uma loja estabilizada:
Ações de relacionamento que visem aumentar a recência de compra, como campanhas para quem não compra há mais de x dias e campanhas de cross selling, depois da compra, devem se refletir incrementando percentuais nas faixas superiores deste gráfico, aumentando a quantidade de pessoas que compraram mais recentemente.
Por último, vamos apresentar a análise de valor. Ele representa o valor das compras realizadas e as agrupa por faixas. Neste caso, é interessante notar que, a faixa percentualmente mais relevante estará localizada no meio do gráfico, pois é no ticket médio que está a maior parte das compras.
Veja abaixo para constatar essa característica:
Campanhas para incrementar o Ticket Médio são, normalmente, as de up selling e cross selling, estas devendo ser feitas dentro da loja virtual ou física, oferecendo outros produtos para que o cliente os acrescente na mesma compra.
Usando essas estratégias conseguiremos aumentar o percentual das faixas inferiores do gráfico, o que significará que o cliente está comprando com tickets médios cada vez maiores.
