1.0 Nota Introdutória

A segmentação de clientes é essencial para alcançar um grupo específico de público, i.e, ajuda a alcançar as pessoas com quem a marca, produto e ou serviço realmente quer conversar, aumentando as chances de encontrar leads qualificados e gerar mais vendas.

Existem diferentes tipos de segmentação de clientes, definidos de acordo com as características de suas variáveis. O seu agrupamento pode conter elementos de apenas um tipo de segmentação ou, então, até mesmo combinar mais de um modelo para se chegar no perfil ideal para o trabalho comercial (vendas).

As comuns são: geográfica (quando a localização é factor chave para a decisão de compra), demográficas (costumam ser sexo, idade, estado civil, entre outros), comportamentais (gostos pessoais, preferências, comportamentos e hábitos) e psicográficas (atributos psicológicos, como: valores, estilo de vida e opiniões sobre temas relevantes).

1.1 Análise RFM (Recency, Frequency and Monetary Value)

A segmentação de clientes por RFM é uma técnica que avalia quais clientes são de maior e menor valor para uma organização, com base no tempo de retorno, na frequência e no valor monetário da compra, a fim de prever quais clientes têm maior probabilidade de fazer novamente compras no futuro. Este conceito é baseado na premissa de marketing de que \(80\%\) da sua receita provém de \(20\%\) de seus clientes. Esta técnica responde basicamente as três seguintes questões:

  1. Qual foi a última vez que o cliente fez uma compra (Recency)?
  2. Com que frequência faz as compras (Frequency)?
  3. Quanto o cliente gasta (Monetary Value)?

2.0 Contextualização

Em uma situação onde uma determinada empresa representante de várias marcas de roupas e acessórios, desconhecia os seus clientes, potenciais clientes e quais clientes são valiosos para a empresa, a empresa decidiu dar um segmento a todos o seus clientes de forma a responder as seguintes questões:

  1. Quem são os clientes mais valiosos da empresa?
  2. Como pode-se adquirir novos clientes que se assemelham aos (clientes) mais valiosos?

2.0.1 Objectivo Principal

  • Analisar o comportamento e hábitos de pedidos de roupa e acessórios dos clientes, de forma a classificar e segmentar em grupos.

Também seria interessante, para o presente caso identificar:

  • Quais são os clientes mais/menos valiosos?
  • Quais são os potenciais clientes valiosos?
  • Quanto valor um cliente está a gerar para a organização?

Estas questões podem nos levar as seguintes percepções:

  • Segmentar os clientes com base no seu valor;
  • Monitorar a migração dos clientes entre os segmentos definidos.

2.0.2 Origem dos Dados

Os dados em análise são referentes a compras efectuadas no período de \(2011\) a \(2013\). Estes dados são meramente hipotéticos para efeitos de demonstração da técnica RFM score Analysis. Oportunamente com dados reais far-se-á um post seja em Python ou R para demonstrar o poder da técnica em classificação e segmentação de clientes. Contudo, para o presente estudo usar-se-á R.

3.0 Análise Exploratória

Parafraseando John Wilder Tukey (1977), a análise exploratória é uma técnica que emprega grande variedade de técnicas quantitativas e gráficas visando maximizar a obtençao de informações das variáveis em causa.

Aplica-se esta etapa de forma a se familiarizar com o conjunto de dados que se tem por analisar.

library(pander)
library(tidyverse)
## -- Attaching packages ------------------------------------------------------------------------ tidyverse 1.3.0 --
## v ggplot2 3.3.0     v purrr   0.3.4
## v tibble  3.0.0     v dplyr   0.8.5
## v tidyr   1.0.2     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.5.0
## -- Conflicts --------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library(highcharter)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
## Highcharts (www.highcharts.com) is a Highsoft software product which is
## not free for commercial and Governmental use
df_sales <- readxl::read_xlsx("Sales.xlsx")
df_sales %>% head() %>% pander()
CustomerID Total Date
16250 6295 2011-01-01
17511 5148 2011-01-01
13448 6291 2011-01-01
15012 4708 2011-01-01
12472 2360 2011-01-01
18229 2780 2011-01-01

Primeiro, formata-se a data de forma a calcular correctamente, em seguida fixa-se uma data de referência para análise como sendo \(01-01-2014\).

# Converter em Formato Data (yyyy-mm-dd)
df_sales$Date <-
    as.Date(df_sales$Date, "%Y-%m-%d")
## Warning in as.POSIXlt.POSIXct(x, tz = tz): unknown timezone '%Y-%m-%d'
# Data de Referência
date_ref <- as.Date('2014-01-01')

df_sales$Duration <- as.numeric(
    difftime(
        time1 = date_ref,
        time2 = df_sales$Date,
        units = "days"
    )
)

# Dados após transformação
df_sales %>% head() %>% pander()
CustomerID Total Date Duration
16250 6295 2011-01-01 1096
17511 5148 2011-01-01 1096
13448 6291 2011-01-01 1096
15012 4708 2011-01-01 1096
12472 2360 2011-01-01 1096
18229 2780 2011-01-01 1096 
library(sqldf)
## Loading required package: gsubfn
## Loading required package: proto
## Loading required package: RSQLite

Nesta etapa, criar-se-á colunas calculadas contendo valores específicos de Recency, Frequency e Monetary. Adicionar-se-á também uma coluna Data_Purchase que é diferença da data de referência e data que o cliente efectou a compra. E para poder-se adicionar as colunas usa-se o código SQL.

# Compute recency, frequency, and average purchase amount
cust_df = sqldf(
    "SELECT CustomerID,
            MIN(Duration) AS 'Recency',
            MAX (Duration) AS Date_Purchase,
            COUNT(*) AS 'Frequency',
            SUM(Total) AS 'Monetary'
        FROM df_sales
        GROUP BY 1"
)

cust_df %>% head() %>% pander()
CustomerID Recency Date_Purchase Frequency Monetary
12347 14 994 31 178001
12348 156 1031 17 76776
12370 11 1093 91 502537
12377 14 1079 43 222580
12386 236 1042 8 34223
12395 4 996 31 159825

Fazendo as estatísticas descritivas (sumarização) dos dados, tem-se:

cust_df[,-1] %>% summary() %>% pander()
Recency Date_Purchase Frequency Monetary
Min. : 1.0 Min. : 18 Min. : 1.00 Min. : 556
1st Qu.: 13.0 1st Qu.: 979 1st Qu.: 8.00 1st Qu.: 37494
Median : 45.0 Median :1054 Median : 17.00 Median : 86018
Mean : 108.8 Mean : 987 Mean : 27.82 Mean : 143609
3rd Qu.: 115.0 3rd Qu.:1083 3rd Qu.: 35.00 3rd Qu.: 182643
Max. :1026.0 Max. :1096 Max. :644.00 Max. :3342290

Para avaliar a distribuição dos parâmetros RFM usar-se-á usar o histograma.

hist(cust_df$Recency, 
     breaks = 50, 
     main = "Histograma de Recência", 
     xlab = "Recência", 
     ylab = "Frequência")

hist(cust_df$Frequency, 
     breaks = 50, 
     main = "Histograma de Frequência", 
     xlab = "Frequência", 
     ylab = "Frequência")

hist(cust_df$Monetary, 
     breaks = 50, 
     main = "Histograma de Valores Monetários", 
     xlab = "Monetário", 
     ylab = "Frequência")

3.1 Determinação de Percentis

Para determinar os parâmetros RFM usa-se os quartis ou percentis. No presente caso, dividir-se-á o conjunto de dados em \(05\) partes iguais, ou seja divisão em \(20\%\) cada parte. A ideia é encontrar os Top \(20\%\) clientes mais valiosos.

quantile(cust_df$Recency, probs = seq(0, 1, 0.20)) %>% pander()
0% 20% 40% 60% 80% 100%
1 10 28 60 145 1026

Para o parâmetro Recency, que é a análise da compra mais recente, classificam-se os Top \(20\) clientes atráves dos primeiros \(20\%\) do percentil. Portanto, a tabela acima mostra:

  • Os Top \(20\) clientes que compraram nos últimos \(10\) dias;
  • Os próximos \(20\%\) de clientes que compraram no intervalo entre \(10\) e \(28\) dias;
  • Os últimos \(20\%\) de clientes efectuaram a sua última compra há aproximadamnete \(2.5\) anos atrás.
quantile(cust_df$Frequency, probs = seq(0, 1, 0.20)) %>% pander()
0% 20% 40% 60% 80% 100%
1 6 14 22 43 644

Quanto à frequência com que fazem as compras, pode-se observar que:

  • Os clientes Top \(20\) compraram mais de \(43\) vezes ao longo dos \(3\) anos do período em análise;
  • Os seguintes \(20\%\) dos clientes compraram entre \(22\) e \(43\) vezes;
  • Os últimos \(20\%\) dos clientes compraram apenas uma vez no período em análise.
quantile(cust_df$Monetary, probs = seq(0, 1, 0.20)) %>% pander()
0% 20% 40% 60% 80% 100%
556 29757 68176 109592 219327 3342290

Quanto à valor monetário gasto com as compras, pode-se observar que:

  • Os clientes Top \(20\) gastam em média mais de \(219 327\) u.m (unidade monetária);
  • Os \(20\%\) seguintes gastam entre \(109 592\) e \(219 237\) u.m, enquanto que os últimos \(20\%\) dos clientes gastam menos de \(556\) u.m em seu consumo médio.

3.2 Determinação de RFM score

Baseando-se no príncipio de pareto de que \(80\%\) dos seus negócios vêm de \(20\%\) dos seus clientes. O RFM ajuda a identificar clientes com maior probabilidade de responder a promoções, segmentando-os em várias categorias.

Usar-se-á o percentil \(20\) para se determinar os RFM score, i.e, dividir-se-á a série de dados em \(05\) partes iguais. Assim sendo, os Top \(20\) ficam com pontuação máxima de \(05\) pontos, enquanto que os últimos \(20\%\) ficam com a pontuação mínima de \(01\) ponto. Para análise do parâmetro R (Recency), a ordem deve ser invertida, i.e, os valores baixos levam pontuação máxima (\(05\) pontos) e os valores altos pontuação mínima (\(01\) ponto).

Portanto, o melhor cliente tem a pontuação máxima de \(555\) (RFM score) e o pior com pontuação mínima de \(111\) (RFM score) pontos.

# Cálculo de RFM scores
rfm_data <- cust_df

rfm_data <-
    rfm_data %>%
    mutate(
        R = ntile(desc(Recency), 5),
        F = ntile(Frequency, 5),
        M = ntile(Monetary, 5)
    )

rfm_data$RFM <- rfm_data$R * 100 + rfm_data$F * 10 + rfm_data$M

rfm_data %>% head(10) %>% pander()
CustomerID Recency Date_Purchase Frequency Monetary R F M RFM
12347 14 994 31 178001 4 4 4 444
12348 156 1031 17 76776 1 3 3 133
12370 11 1093 91 502537 4 5 5 455
12377 14 1079 43 222580 4 4 5 445
12386 236 1042 8 34223 1 2 2 122
12395 4 996 31 159825 5 4 4 544
12417 123 1083 11 63296 2 2 2 222
12427 295 1079 10 66185 1 2 2 122
12429 16 1083 20 103905 4 3 3 433
12431 70 1095 24 130577 2 4 4 244

Note que, quanto menor for o parâmetro Recency maior será o R score e RFM score. Assim sendo, os clientes com maior RFM score das \(10\) primeiras observações para o caso em estudo são: CustomerID - \(12347, 12370, 12377, 12395\) e os com menor RFM score são CustomerID - \(12386\) e \(12427\).

3.3 Definição de Segmentos

Neste caso de estudo, aplicou-se RFM score Analysis para segmentação de clientes. Este método exige que haja cuidadosa precisão ao definir e analisar os intervalos dos RFM scores, de forma que se assegure que não haja duplicação dos clientes em vários segmentos, i.e, cada cliente deve pertence exclusivamente a um único segmento.

Em RFM a segmentação de clientes pode ser feita conforme a tabela abaixo:

Tabela 1: Classificação e Segmentação de Clientes

Em alguns artigos sugerem a definição dos segmentos com base no bom senso e na natureza do negócio, contundo usando a Tabela 1, pode-se aplicar a classificação e segmentação abaixo que é aplicável para qualquer negócio.

# Definição de segmentação dos clientes por grupos
rfm_data$Segment <- NA

rfm_data$Segment[which(rfm_data$RFM == 111)] <- 'Clientes Perdidos'
rfm_data$Segment[which(rfm_data$RFM > 111)] <- 'Hibernando'
rfm_data$Segment[which(rfm_data$RFM >= 222)] <- 'A dormir'
rfm_data$Segment[which(rfm_data$RFM >= 333)] <-'Fieis Potenciais'
rfm_data$Segment[which(rfm_data$RFM >= 444)] <- 'Campeoes'

# 2nd round

rfm_data$Segment[which(rfm_data$Segment == 'Fieis Potenciais' &
                           (rfm_data$F >= 4))] <- 'Clientes Fieis'

rfm_data$Segment[which(rfm_data$Segment == 'A dormir' &
                           (rfm_data$M >= 4))] <- 'Precisam de Atencao'

rfm_data$Segment[which(rfm_data$Segment == 'Hibernando' &
                           (rfm_data$F >= 4 & rfm_data$M >= 4))] <- 'Nao perder-los'

rfm_data[, -c(3, 6,7,8)] %>% 
    head(10) %>% pander()
CustomerID Recency Frequency Monetary RFM Segment
12347 14 31 178001 444 Campeoes
12348 156 17 76776 133 Hibernando
12370 11 91 502537 455 Campeoes
12377 14 43 222580 445 Campeoes
12386 236 8 34223 122 Hibernando
12395 4 31 159825 544 Campeoes
12417 123 11 63296 222 A dormir
12427 295 10 66185 122 Hibernando
12429 16 20 103905 433 Fieis Potenciais
12431 70 24 130577 244 Precisam de Atencao

Lembre-se, um cliente não pode pertencer simultâneamente a mais de um segmento. Entrentanto, para assegurar que os critérios definidos abrangem todos os clientes e que nenhum ficou sem classificação e segmento, verifcar-se-á de seguinte forma:

rfm_data[is.na(rfm_data$Segment),]

Conforme o resultado acima, observa-se que nenhum cliente pertence a dois ou mais segmentos.

3.4 Contagem de Clientes por Segmentos

Nesta etapa, mostra-se a distribuição dos clientes por segmentos.

# Re-ordenar os segmentos em função as cenários definidos
rfm_data$Segment <-
    factor(
        x = rfm_data$Segment,
        levels = c(
            'Clientes Perdidos',
            'Hibernando',
            'Nao perder-los',
            'A dormir',
            'Precisam de Atencao',
            'Fieis Potenciais',
            'Clientes Fieis',
            'Campeoes'
        )
    )
# Tabela de Frequências
freqTable <-
    rfm_data %>%
    count(Segment) %>%
    rename(Segmento = Segment, Contagem = n)

freqTable$Racio <- prop.table(table(rfm_data$Segment))*100
freqTable %>% pander()
Segmento Contagem Racio
Clientes Perdidos 119 12.92
Hibernando 99 10.75
Nao perder-los 2 0.2172
A dormir 170 18.46
Precisam de Atencao 40 4.343
Fieis Potenciais 114 12.38
Clientes Fieis 87 9.446
Campeoes 290 31.49

Note que, \(31,49\%\) dos clientes estão segmentados como Campeões, esta porcentagem está acima do axioma de marketing que \(80\%\) dos seus negócios vêm de \(20\%\) dos seus clientes, o que já garante a loja grandes negócios. Um ponto de atenção está para os clintes Need Attention (Precisão de Atenção) que estão a \(4.34\%\), uma vez que estes apresentam score abaixo da média de recência (Recency), frequência (Frequency) e valor monetário (Monetary Value), este grupo, requerá um trabalho estratégico para recuperar-lós.

4.0 Gráficos de Segmentação

Aplicar-se-á 2 gráficos para visualização dos segmentos definidos nos dados em estudo.

4.1 Treemap (recomendado)

O Treemap mostra o valor monetário médio para diferentes categorias de pontuações recentes e de frequência.

hctreemap2(
    data = freqTable,
    group_vars = "Segmento",
    size_var = "Contagem",
    color_var = "Contagem"
    )
## Warning: `as_data_frame()` is deprecated as of tibble 2.0.0.
## Please use `as_tibble()` instead.
## The signature and semantics have changed, see `?as_tibble`.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

Pontuações mais altas de frequência e recência são caracterizadas por um valor monetário médio mais alto, conforme indicado pelas áreas mais escuras no treemap.

4.2 Gráfico de barras

O gráfico de barras mostra o número de clientes classificados por segmento.

highchart() %>%
    hc_add_series(
        data = freqTable,
        type = 'column',
        hcaes(x = Segmento, y = Contagem),
        dataLabels = list(align = "center", enabled = TRUE,
                          style = list(
                                      fontWeight = "bold",
                                      color = "#4D4D4D",
                                      textOutline = NULL
                                      )
                          ),
        name = 'Segmentos'
    ) %>%
    hc_xAxis(categories = unique(freqTable$Segmento)) %>%
    hc_yAxis(title = list(text = "No de Clientes"))
## Warning: `parse_quosure()` is deprecated as of rlang 0.2.0.
## Please use `parse_quo()` instead.
## This warning is displayed once per session.

5.0 Conclusão

No presente trabalho aplicou-se RFM score Analysis para classificar e segmentar clientes de uma determinada empresa representante de várias marcas de roupas e acessórios, usando a linguagem de programção R.

Envolvidos \(921\) clientes, com mais de \(25,000\) transações para o estudo, assim foi a segmentação usando esta técnica: \(31.49\%\) dos clientes, correspondentes as \(290\) foram classificados como Campeões, estes são clientes que tem RFM score maior e igual a 444 pontos. Outro grupo com maior porcentagem segmentada é o About To Sleep (A dormir) que apresenta \(18.46\%\) dos clientes, entretanto, esta linha, precisará de um trabalho árduo de forma a recuperar-los e oferecer uma promoção.

Uma técnica similar a esta que desafio a usarem é Cluster Analysis (Análise de Agrupamentos) para efeitos comparativos de aplicabilidade.

6.0 Referências

  1. Tukey, John (1977).Exploratory Data Analysis.Addison-Wesley Publishing Company;
  2. https://cran.r-project.org/web/packages/rfm/vignettes/rfm-customer-level-data.html;
  3. https://www.r-bloggers.com/customer-segmentation-using-rfm-analysis/;
  4. https://medium.com/docsapp-product-and-technology/rfm-segmentation-in-r-using-didroorfm-package-f8a03a223b6b.