Analisi RFM clienti: come si calcolano Recency, Frequency e Monetary, quali segmenti ne escono e come ricavarli dallo storico ordini del gestionale.
Hai qualche centinaio di clienti a portafoglio e una domanda che torna a ogni riunione commerciale: a chi conviene dedicare tempo, visite e promozioni? La risposta è già dentro il gestionale, nello storico di ordini e fatture. L’analisi RFM serve a tirarla fuori senza modelli statistici complicati.
RFM sta per Recency, Frequency, Monetary: da quanto tempo un cliente non compra, quanto spesso compra, quanto ha speso. Tre numeri che il tuo ERP conosce già. Messi insieme, dividono la base clienti in gruppi che si comportano allo stesso modo, e quindi meritano azioni diverse. Il metodo nasce nel direct marketing ed è stato portato nella pratica aziendale da Arthur Hughes con il libro Strategic Database Marketing (1994). Funziona ancora oggi, anche in una PMI industriale che vende a rivenditori o installatori.
L’analisi RFM è una segmentazione dei clienti basata sul comportamento d’acquisto, non sulle loro caratteristiche anagrafiche. Conta come ha comprato negli ultimi mesi, al di là della dimensione aziendale o della zona in cui si trova.
Il vantaggio pratico è che servono pochissimi dati, tutti già presenti nel gestionale: codice cliente, data del documento, importo. Con queste tre colonne ricavi le tre dimensioni per ogni cliente e da lì i segmenti. Nessun questionario, nessuna fonte esterna, nessun progetto lungo mesi.
Sono i giorni passati dall’ultimo ordine. È la dimensione più predittiva delle tre: un cliente che ha comprato la settimana scorsa è molto più probabile che ricompri rispetto a uno fermo da un anno. Nel B2B va calibrata sul ciclo di riacquisto tipico del tuo settore. Se il cliente medio ordina ogni due mesi, novanta giorni di silenzio sono già un segnale; se vendi impianti che si sostituiscono ogni cinque anni, novanta giorni non vogliono dire niente.
È il numero di ordini nel periodo osservato, di solito gli ultimi dodici o ventiquattro mesi. Misura l’abitudine: un cliente che ordina dodici volte l’anno ha inserito la tua azienda nei suoi processi, uno che ordina una volta sola ti sta ancora provando. Attenzione a come conti: se il cliente frammenta gli ordini per comodità logistica, la frequenza si gonfia senza che il rapporto sia più solido.
È il fatturato totale generato nel periodo. Dove hai il dato disponibile, usa il margine invece del fatturato: cambia parecchio la classifica, perché il cliente che compra tanto a sconto pieno può valere meno di uno che compra la metà su prodotti a margine alto.
Il modo più diffuso è ordinare i clienti su ciascuna dimensione e dividerli in quintili, cinque gruppi di uguale numerosità, assegnando un punteggio da 1 a 5. Il 20% dei clienti che ha comprato più di recente prende R = 5, il 20% più fermo prende R = 1, e così per Frequency e Monetary.
Lavorare a quintili invece che a soglie fisse ha un pregio: il modello si adatta ai tuoi dati. Non devi decidere a tavolino che cosa sia un cliente frequente, lo dice la tua distribuzione reale. Ogni cliente esce con una tripletta del tipo 5-4-3, e le combinazioni possibili sono 125 (5 x 5 x 5). Non le userai tutte: nella pratica se ne raggruppano una decina in segmenti leggibili.
Se cinque livelli ti sembrano troppi per iniziare, parti da tre (alto, medio, basso) e affina dopo il primo giro. Meglio una segmentazione grezza che gira ogni mese di una perfetta che nessuno ricalcola.
Dalle triplette si ricavano gruppi con un nome e un’azione associata. Questi sono quelli che in una PMI portano più risultato:
Il valore dell’RFM sta tutto qui: trasforma un elenco di duemila codici cliente in cinque liste su cui la rete vendita può lavorare lunedì mattina.
Tre inciampi ricorrenti, tutti evitabili:
L’analisi RFM di solito si arena sul lavoro attorno al foglio di calcolo: estrarre lo storico ordini, ripulirlo, fare le classifiche, rifare tutto il mese dopo. Con KyOne AI collegato al tuo ERP o CRM le stesse domande le fai in italiano, direttamente sui dati, e la risposta arriva in tabella e in grafico.
Qualche esempio concreto da cui partire:
Sono domande che il controllo di gestione conosce bene e che di solito richiedono una richiesta all’IT e qualche giorno di attesa. Qui le scrivi come le penseresti a voce. Oltre alla tabella, KyOne AI produce un commento d’analisi che spiega che cosa si vede nei risultati, e puoi esportare tutto in Excel o mandarlo via email a chi deve agire.
Una volta trovate le domande giuste, il passo successivo è non doverle rifare a mano. Le sequenze ricorrenti diventano un report che esegui con un click o che si programma da solo, con recapito via email alla rete vendita il primo del mese.
Per il segmento a rischio conviene invece un alert: la notifica parte solo quando la query restituisce dati, cioè solo quando un cliente importante supera la soglia di giorni di silenzio che hai deciso. Se nessuno sfora, nessuna email. Così l’analisi RFM smette di essere un esercizio trimestrale e diventa un presidio continuo, che vale sia che i dati stiano su SQL Server, su Oracle o su AS400.
Prendi lo storico degli ultimi 24 mesi, calcola le tre dimensioni sui clienti attivi e guarda per prima cosa il segmento a rischio. Nella maggior parte delle aziende è lì che si trova il recupero più rapido, perché si tratta di clienti che ti conoscono già e che hanno smesso di comprare senza dirtelo.
Se vuoi vedere come si ottengono questi elenchi dai tuoi dati reali, senza estrazioni manuali e senza scrivere una riga di SQL, richiedi una demo di KyOne AI: partiamo dal tuo gestionale e proviamo insieme le domande che contano per il tuo portafoglio clienti.
