Segmentação RFM

O que é RFM?

RFM é um modelo clássico de segmentação que classifica clientes por comportamento de compra em três dimensões: Recência (há quantos dias fez a última compra), Frequência (quantas vezes comprou) e Valor Monetário (quanto gastou no total). Cada dimensão recebe uma nota de 1 a 5 (por quartis), e o score final é a soma das três notas (3–15).

Distribuição das métricas

Os histogramas revelam o perfil real da base. A distribuição de frequência é o dado mais revelador: a concentração massiva em “1 compra” não é um bug — é a realidade estrutural de um marketplace onde a lealdade é ao produto, não à plataforma.

Quantos perfis de cliente existem?

Pedimos ao algoritmo que encontrasse grupos naturais entre os clientes, baseado no comportamento de compra. O gráfico abaixo mostra que a partir de 4 grupos, adicionar mais não melhora significativamente a separação — por isso escolhemos 4 perfis.

Cada bolha representa um perfil de cliente encontrado pelo algoritmo. Quanto mais à esquerda, mais recente a última compra. Quanto mais acima, maior o gasto médio. O tamanho indica quantos clientes estão naquele perfil.

Manual vs Automático — qual usar?

As duas abordagens são complementares. A segmentação manual atribui nota 1–5 para cada dimensão (por quartis da distribuição) e soma as três notas num score de 3 a 15 — por exemplo, um cliente com R=5, F=4, M=5 tem score 14 e entra em “Campeões”. É interpretável e diretamente acionável. Já o K-Means descobre agrupamentos sem pressupostos — útil para validar se os segmentos manuais fazem sentido nos dados ou para revelar subgrupos não óbvios.