Antes de qualquer projeto de inteligência artificial em retenção, existe um passo que quase toda loja pula: olhar a própria base separada por comportamento. RFV faz isso com três colunas que você já tem no banco de pedidos, e quase sempre muda a estratégia de campanha antes mesmo de entrar IA na história.
O que é RFV
São três medidas por cliente, calculadas a partir do histórico de pedidos.
- Recência. Há quantos dias foi a última compra. Quanto menor, melhor.
- Frequência. Quantas compras no período analisado.
- Valor. Quanto o cliente gastou no período, ou o ticket médio dele.
Com as três, você ordena a base e divide em faixas. O corte mais simples que funciona é dividir cada medida em cinco faixas iguais e cruzar. Não precisa de ferramenta: uma exportação de pedidos e uma planilha resolvem a primeira versão.
Os grupos que importam
Do cruzamento saem grupos com significado de negócio. Estes quatro já bastam para começar.
| Grupo | Perfil | O que fazer |
|---|---|---|
| Campeões | Compra recente, frequente e de bom valor | Acesso antecipado e cuidado. Desconto aqui é dinheiro jogado fora |
| Em risco | Bom valor no passado, parou de comprar | Contato com motivo real. É onde o esforço rende mais |
| Novos | Primeira compra recente | Segunda compra. É a mais decisiva para o valor futuro do cliente |
| Perdidos | Sem compra por muito mais que o ciclo normal | Uma tentativa clara. Depois, parar e preservar o canal |
A conclusão mais comum quando uma loja faz esse corte pela primeira vez é desconfortável: boa parte do orçamento de campanha estava indo para quem já compraria de qualquer jeito, e quase nada para o grupo em risco, que é onde a receita escapa.
Onde a IA entra de verdade
RFV puro é uma fotografia. Ele diz onde o cliente está hoje, não para onde está indo. As três coisas que a IA acrescenta são todas sobre o futuro.
- Ciclo de recompra por cliente. O intervalo médio da loja engana. Quem compra ração de 15 quilos tem ciclo diferente de quem compra a de 3 quilos. Estimar o ciclo individual muda o momento do contato.
- Probabilidade de abandono. Em vez de esperar o cliente virar “perdido” por uma regra fixa de dias, o modelo sinaliza a queda antes, quando ainda dá para reagir.
- Valor esperado. Quanto aquele cliente ainda deve gastar, que é o que define quanto vale a pena investir para mantê-lo.
A régua que sai disso
Com ciclo estimado, a régua deixa de ser calendário e passa a ser comportamento. O contato acontece quando o cliente passa do ciclo dele, não quando passa de um número fixo igual para toda a base.
Na prática, isso reduz mensagem enviada e costuma aumentar resposta, porque a mensagem chega mais perto do momento em que ela faz sentido para quem recebe.
Cliente que compra a cada 20 dias e recebe lembrete no dia 60 não é reativado. Ele já comprou em outro lugar no dia 25.
Erros comuns
- Misturar canais de aquisição sem separar. Cliente vindo de marketplace tem comportamento diferente de cliente vindo do site próprio. Jogar todos na mesma análise embaralha os grupos.
- Usar valor bruto sem considerar devolução. Em moda, isso distorce bastante, e você acaba tratando como campeão quem devolve metade do que compra.
- Recalcular raramente. RFV envelhece. Se o corte é de três meses atrás, a coluna de recência está simplesmente errada.
- Disparar para todos os grupos ao mesmo tempo. Sem separar o efeito por grupo, você não aprende nada e ainda desgasta a base inteira de uma vez.
Como começar nesta semana
Exporte os pedidos dos últimos 12 meses com identificador do cliente, data e valor. Calcule as três colunas. Divida em cinco faixas. Monte os quatro grupos da tabela. Depois olhe quanto de receita cada grupo representa e quanto de orçamento cada um recebe hoje. A diferença entre esses dois números costuma ser o primeiro ganho, e ele não depende de contratar nada.