Qué es la segmentación de clientes RFM y HML

La idea es puntuar a cada cliente en estas 3 dimensiones, para luego agrupar a los que se comportan parecido y hablarles de forma más relevante (no igual para todos). Es una técnica clásica y vigente en retail y e-commerce porque ayuda a priorizar campañas y presupuesto de manera simple y medible.

RFM significa Recencia, Frecuencia y Monto.

Recencia: cuántos días han pasado desde la última compra.
Frecuencia: cuántas compras hace una persona en un periodo.
Monto: cuánto gasta (o qué margen aporta) en ese periodo.

La idea es puntuar a cada cliente en estas 3 dimensiones, para luego agrupar a los que se comportan parecido y hablarles de forma más relevante (no igual para todos). Es una técnica clásica y vigente en retail y e-commerce porque ayuda a priorizar campañas y presupuesto de manera simple y medible.

Para construir RFM se acostumbra asignar rangos o puntajes a cada métrica (por ejemplo, del 1 al 5 por quintiles). Así cada persona termina con un “R-F-M” (como 5-5-5 o 1-3-4) que luego se mapea a segmentos de acción (p. ej., “Campeones”, “Leales”, “En riesgo”).

HML significa Alto–Medio–Bajo. Es la versión simple: en vez de 5 rangos, divides en 3 bandas (Altos, Medios y Bajos). Puedes aplicarlo sobre una métrica (p. ej., clientes de alto, medio y bajo valor) o sobre cada componente de RFM (R, F y M) para generar combinaciones como R-alta/F-media/M-baja. Esta forma de “bandear” en alto/medio/bajo está extendida en analítica de clientes y ayuda cuando necesitas operar rápido con menos celdas.

Cómo se construye una segmentación RFM (y su versión HML)

Datos mínimos

Identificador de cliente (o medio de identificación en caja/app).
Historial de compras con fecha, número de transacciones y valor (idealmente margen).
Ventana de análisis (p. ej., 6–12 meses) y exclusiones básicas (p. ej., devoluciones).

Pasos (RFM):

Calcular:
- Recencia = días desde la última compra.
- Frecuencia = compras en la ventana.
- Monto = gasto o margen acumulado. (RetentionX)
Ranquear cada métrica (quintiles 1–5 o terciles H–M–L).
Armar segmentos: combina los puntajes y asigna etiquetas de negocio (p. ej., “Campeones” = R5-F5-M5). (MoEngage)
Activar: define qué oferta/comunicación mostrar a cada segmento y por qué canal.
Medir: compara resultados entre segmentos, y dentro de cada segmento, de una campaña a otra (tasa de compra, ticket, margen y recompra).

Atajo HML

Si necesitas algo más ligero, usa HML: asigna Alto/Medio/Bajo a cada métrica con terciles. Obtendrás hasta 27 combinaciones (3×3×3) o puedes simplificar usando un solo eje (valor del cliente: Alto/Medio/Bajo). Es útil para pilotos, para tiendas sin mucho dato histórico o cuando quieres explicar la lógica a terreno sin tableros complejos.

Ejemplos de segmentos y acciones

Campeones (R y F altas; M alta): anticipo de lanzamientos, acceso exclusivo, packs con alto margen. (Barilliance)
Leales (F alta, R media, M media): beneficios por categoría favorita, bonos por metas de compra. (Omniconvert)
En riesgo (R baja): recordatorio suave + cupón con tope de descuento y fecha corta.
Nuevos de alto potencial (R alta, F baja, M alta): segundo-ticket con combo complementario.
Bajo valor (HML: “Bajo”): educación de surtido y promociones básicas no agresivas.

Cómo apoyarte en CloudPromo (de la segmentación a la venta)

1) Unificar datos (POS, e-commerce, app, CRM)

CloudPromo es una plataforma que centraliza campañas, promociones y segmentaciones, con integración hacia POS, e-commerce y CRM para operar omnicanal.

2) Calcular RFM/HML en el módulo Analítica

CloudPromo permite segmentar clientes con base en comportamiento de compra (incluyendo RFM) y convertir eso en insights accionables para promociones y lealtad.
Recomendación práctica: partir con una ventana de 12 meses, calcular R, F y M; luego crear bandas (quintiles 1–5 o H–M–L) y etiquetar segmentos listos para activar.

(Analítica → Segmentación de clientes → RFM; publicar segmentos a Promociones/Cupones).

3) Activar reglas en Promociones y Cupones (con control de margen)

En Promociones, usa la condición “segmento de cliente” para dirigir beneficios a RFM/HML específicos (p. ej., “RFM” = 555 , recibe combo premium). Controla acumulabilidad, vigencias y límites por cliente/canal para evitar abuso y proteger margen.
En Cupones, emite nominativos por segmento (uno a uno) o masivos, con códigos únicos, topes y trazabilidad de canje para medir redención y retorno por grupo.

4) Potenciar recurrencia con Lealtad y Puntos

Diseña niveles o clubes usando los segmentos RFM/HML (p. ej., los “Altos” suman puntos extra en su categoría clave; los “En riesgo” ganan “puntos booster” por volver en 30 días).
Aplica reglas de acumulación/canje y expiración para sostener margen. (Lealtad → Niveles y factores de puntos → Canje).

5) Medir lo que importa

Tableros por segmento: % clientes activos, ticket promedio, margen, redención de cupones, recompra a 30/60/90 días.
Para atribución simple, compara antes/después por segmento o usa pequeños holdouts por segmento cuando sea posible.

Guía rápida (paso a paso) para dejarlo andando en 2–4 semanas

Datos: exporta 6–12 meses de tickets y maestros (clientes/productos).
Cálculo: crea en cloudpromo calculo de RFM o HML.
Etiquetas: arma 8–12 segmentos accionables .
Reglas (CloudPromo): activa 2–3 promociones por segmento con topes y vigencias claras; emite cupones nominativos para “En riesgo”.
Medición: define 3 KPIs base por segmento: tasa de compra, ticket, margen (y, si puedes, recompra). Ajusta cada 2 semanas. (

Buenas prácticas y errores típicos

Buenas prácticas

Usar margen en “M” cuando sea posible (no solo ventas).
Pocos segmentos al inicio; más vale ejecutar bien 8–12 que “decorar” un tablero.
Topes por cliente y acumulabilidad controlada en reglas, sobre todo con cupones.

Errores a evitar

Ventanas muy cortas (recencia “castiga” de más) o muy largas (pierde señal).
Tratar todos los “en riesgo” igual; siempre prueba 2–3 ofertas distintas con tope.
No cerrar el ciclo: sin medir por segmento, no hay aprendizaje ni ROI real.

Más antecedentes en:

Shopify — “What Is RFM Analysis?” (2025): guía clara y actualizada sobre qué es RFM y por qué sirve en e-commerce; útil para explicar R, F y M a equipos no técnicos. (Shopify)
Investopedia — “RFM (Recency, Frequency, Monetary Value)”: referencia general sobre el método y su práctica de puntuar 1–5 por cada métrica. (Investopedia)

Braze — “Understanding RFM Segmentation” (2025): explica el enfoque RFM orientado a campañas y engagement, con recomendaciones de implementación. (braze.com)

What is RFM and HML customer segmentation

The idea is to score each customer on these 3 dimensions, then group those who behave similarly and speak to them more relevantly (not the same way for everyone). It’s a classic technique, still current in retail and e-commerce, because it helps prioritize campaigns and budget in a simple, measurable way.

RFM stands for Recency, Frequency and Monetary value.

Recency: how many days have passed since the last purchase.
Frequency: how many purchases a person makes in a period.
Monetary: how much they spend (or how much margin they contribute) in that period.

The idea is to score each customer on these 3 dimensions, then group those who behave similarly and speak to them more relevantly (not the same way for everyone). It’s a classic technique, still current in retail and e-commerce, because it helps prioritize campaigns and budget in a simple, measurable way.

To build RFM, it’s common to assign ranges or scores to each metric (for example, 1 to 5 by quintiles). That way each person ends up with an “R-F-M” combination (like 5-5-5 or 1-3-4) that is then mapped to action segments (e.g., “Champions,” “Loyal,” “At risk”).

HML stands for High–Medium–Low. It’s the simple version: instead of 5 ranges, you split into 3 bands (High, Medium and Low). You can apply it to a single metric (e.g., high, medium and low-value customers) or to each RFM component (R, F and M) to generate combinations such as high-R/medium-F/low-M. This way of “banding” into high/medium/low is widespread in customer analytics and helps when you need to operate quickly with fewer cells.

How to build an RFM segmentation (and its HML version)

Minimum data required

Customer identifier (or an identification method at the register/app).
Purchase history with date, number of transactions and value (ideally margin).
Analysis window (e.g., 6–12 months) and basic exclusions (e.g., returns).

Steps (RFM):

Calculate:
- Recency = days since the last purchase.
- Frequency = purchases within the window.
- Monetary = accumulated spend or margin. (RetentionX)
Rank each metric (quintiles 1–5 or terciles H–M–L).
Build segments: combine the scores and assign business labels (e.g., “Champions” = R5-F5-M5). (MoEngage)
Activate: define which offer/communication to show each segment and through which channel.
Measure: compare results between segments, and within each segment, from one campaign to the next (purchase rate, ticket, margin and repurchase).

HML shortcut

If you need something lighter, use HML: assign High/Medium/Low to each metric using terciles. You’ll get up to 27 combinations (3×3×3), or you can simplify by using a single axis (customer value: High/Medium/Low). It’s useful for pilots, for stores without much historical data, or when you want to explain the logic in the field without complex dashboards.

Example segments and actions

Champions (high R and F; high M): early access to launches, exclusive access, high-margin bundles. (Barilliance)
Loyal (high F, medium R, medium M): benefits by favorite category, bonuses for purchase goals. (Omniconvert)
At risk (low R): a gentle reminder + a coupon with a capped discount and a short expiration.
New with high potential (high R, low F, high M): a second-ticket push with a complementary bundle.
Low value (HML: “Low”): assortment education and basic, non-aggressive promotions.

How CloudPromo helps (from segmentation to sale)

1) Unify data (POS, e-commerce, app, CRM)

CloudPromo is a platform that centralizes campaigns, promotions and segmentations, with integration into POS, e-commerce and CRM to operate omnichannel.

2) Calculate RFM/HML in the Analytics module

CloudPromo lets you segment customers based on purchase behavior (including RFM) and turn that into actionable insights for promotions and loyalty.
Practical recommendation: start with a 12-month window, calculate R, F and M; then create bands (quintiles 1–5 or H–M–L) and label segments ready to activate.

(Analytics → Customer Segmentation → RFM; publish segments to Promotions/Coupons).

3) Activate rules in Promotions and Coupons (with margin control)

In Promotions, use the “customer segment” condition to target benefits at specific RFM/HML segments (e.g., “RFM” = 555 gets a premium bundle). Control stackability, validity periods and per-customer/channel limits to prevent abuse and protect margin.
In Coupons, issue named coupons by segment (one to one) or bulk coupons, with unique codes, caps and redemption traceability to measure redemption and return by group.

4) Boost recurrence with Loyalty and Points

Design tiers or clubs using RFM/HML segments (e.g., “High” customers earn extra points in their key category; “At risk” customers earn “booster points” for returning within 30 days).
Apply accrual/redemption and expiration rules to sustain margin. (Loyalty → Tiers and points factors → Redemption).

5) Measure what matters

Dashboards by segment: % active customers, average ticket, margin, coupon redemption, repurchase at 30/60/90 days.
For simple attribution, compare before/after by segment, or use small holdouts by segment when possible.

Quick guide (step by step) to get it running in 2–4 weeks

Data: export 6–12 months of receipts and master data (customers/products).
Calculation: create an RFM or HML calculation in CloudPromo.
Labels: build 8–12 actionable segments.
Rules (CloudPromo): activate 2–3 promotions per segment with clear caps and validity periods; issue named coupons for “At risk.”
Measurement: define 3 base KPIs per segment: purchase rate, ticket, margin (and, if possible, repurchase). Adjust every 2 weeks.

Best practices and common mistakes

Best practices

Use margin for “M” whenever possible (not only sales).
Few segments at the start; it’s better to execute 8–12 well than to “decorate” a dashboard.
Per-customer caps and controlled stackability in rules, especially with coupons.

Mistakes to avoid

Windows that are too short (recency “punishes” too much) or too long (loses signal).
Treating all “at risk” customers the same; always test 2–3 different offers with a cap.
Not closing the loop: without measuring by segment, there’s no real learning or ROI.

O que é a segmentação de clientes RFM e AMB

A ideia é pontuar cada cliente nessas 3 dimensões, para depois agrupar quem se comporta de forma parecida e falar com eles de maneira mais relevante (não igual para todos). É uma técnica clássica e ainda vigente no retail e no e-commerce porque ajuda a priorizar campanhas e orçamento de forma simples e mensurável.

RFM significa Recência, Frequência e Valor Monetário.

Recência: quantos dias passaram desde a última compra.
Frequência: quantas compras uma pessoa faz em um período.
Valor Monetário: quanto ela gasta (ou qual margem gera) nesse período.

A ideia é pontuar cada cliente nessas 3 dimensões, para depois agrupar quem se comporta de forma parecida e falar com eles de maneira mais relevante (não igual para todos). É uma técnica clássica e ainda vigente no retail e no e-commerce porque ajuda a priorizar campanhas e orçamento de forma simples e mensurável.

Para construir o RFM, costuma-se atribuir faixas ou pontuações a cada métrica (por exemplo, de 1 a 5 por quintis). Assim, cada pessoa termina com um “R-F-M” (como 5-5-5 ou 1-3-4) que depois é mapeado para segmentos de ação (por exemplo, “Campeões”, “Fiéis”, “Em risco”).

AMB significa Alto–Médio–Baixo (em inglês, HML). É a versão simples: em vez de 5 faixas, você divide em 3 bandas (Altos, Médios e Baixos). Pode aplicá-lo sobre uma métrica (por exemplo, clientes de alto, médio e baixo valor) ou sobre cada componente do RFM (R, F e M) para gerar combinações como R-alta/F-média/M-baixa. Essa forma de “bandar” em alto/médio/baixo é comum na analítica de clientes e ajuda quando você precisa operar rápido com menos células.

Como se constrói uma segmentação RFM (e sua versão AMB)

Dados mínimos

Identificador do cliente (ou meio de identificação no caixa/app).
Histórico de compras com data, número de transações e valor (idealmente margem).
Janela de análise (por exemplo, 6–12 meses) e exclusões básicas (por exemplo, devoluções).

Passos (RFM):

Calcular:
- Recência = dias desde a última compra.
- Frequência = compras na janela.
- Valor Monetário = gasto ou margem acumulada. (RetentionX)
Ranquear cada métrica (quintis 1–5 ou terços A–M–B).
Montar segmentos: combine as pontuações e atribua rótulos de negócio (por exemplo, “Campeões” = R5-F5-M5). (MoEngage)
Ativar: defina qual oferta/comunicação mostrar a cada segmento e por qual canal.
Medir: compare resultados entre segmentos, e dentro de cada segmento, de uma campanha para outra (taxa de compra, ticket, margem e recompra).

Atalho AMB

Se você precisa de algo mais leve, use AMB: atribua Alto/Médio/Baixo a cada métrica com terços. Você obterá até 27 combinações (3×3×3), ou pode simplificar usando um único eixo (valor do cliente: Alto/Médio/Baixo). É útil para pilotos, para lojas sem muito dado histórico ou quando você quer explicar a lógica em campo sem painéis complexos.

Exemplos de segmentos e ações

Campeões (R e F altas; M alta): antecipação de lançamentos, acesso exclusivo, packs de alta margem. (Barilliance)
Fiéis (F alta, R média, M média): benefícios por categoria favorita, bônus por metas de compra. (Omniconvert)
Em risco (R baixa): lembrete suave + cupom com teto de desconto e prazo curto.
Novos de alto potencial (R alta, F baixa, M alta): segundo ticket com combo complementar.
Baixo valor (AMB: “Baixo”): educação de mix de produtos e promoções básicas não agressivas.

Como se apoiar no CloudPromo (da segmentação à venda)

1) Unificar dados (PDV, e-commerce, app, CRM)

O CloudPromo é uma plataforma que centraliza campanhas, promoções e segmentações, com integração a PDV, e-commerce e CRM para operar de forma omnicanal.

2) Calcular RFM/AMB no módulo Analítica

O CloudPromo permite segmentar clientes com base no comportamento de compra (incluindo RFM) e transformar isso em insights acionáveis para promoções e fidelidade.
Recomendação prática: comece com uma janela de 12 meses, calcule R, F e M; depois crie bandas (quintis 1–5 ou A–M–B) e rotule segmentos prontos para ativar.

(Analítica → Segmentação de clientes → RFM; publicar segmentos em Promoções/Cupons).

3) Ativar regras em Promoções e Cupons (com controle de margem)

Em Promoções, use a condição “segmento de cliente” para direcionar benefícios a segmentos RFM/AMB específicos (por exemplo, “RFM” = 555 recebe combo premium). Controle acumulatividade, vigências e limites por cliente/canal para evitar abuso e proteger a margem.
Em Cupons, emita nominativos por segmento (um a um) ou massivos, com códigos únicos, tetos e rastreabilidade de resgate para medir redenção e retorno por grupo.

4) Potencializar a recorrência com Fidelidade e Pontos

Desenhe níveis ou clubes usando os segmentos RFM/AMB (por exemplo, os “Altos” acumulam pontos extra na sua categoria-chave; os “Em risco” ganham “pontos booster” por voltarem em 30 dias).
Aplique regras de acúmulo/resgate e expiração para sustentar a margem. (Fidelidade → Níveis e fatores de pontos → Resgate).

5) Medir o que importa

Painéis por segmento: % clientes ativos, ticket médio, margem, resgate de cupons, recompra em 30/60/90 dias.
Para atribuição simples, compare antes/depois por segmento, ou use pequenos holdouts por segmento quando possível.

Guia rápido (passo a passo) para deixar isso funcionando em 2–4 semanas

Dados: exporte 6–12 meses de cupons fiscais e cadastros (clientes/produtos).
Cálculo: crie no CloudPromo o cálculo de RFM ou AMB.
Rótulos: monte 8–12 segmentos acionáveis.
Regras (CloudPromo): ative 2–3 promoções por segmento com tetos e vigências claras; emita cupons nominativos para “Em risco”.
Medição: defina 3 KPIs base por segmento: taxa de compra, ticket, margem (e, se possível, recompra). Ajuste a cada 2 semanas.

Boas práticas e erros típicos

Boas práticas

Usar margem no “M” sempre que possível (não apenas vendas).
Poucos segmentos no início; vale mais executar bem 8–12 do que “decorar” um painel.
Tetos por cliente e acumulatividade controlada nas regras, sobretudo com cupons.

Erros a evitar

Janelas muito curtas (a recência “castiga” demais) ou muito longas (perde sinal).
Tratar todos os “em risco” da mesma forma; sempre teste 2–3 ofertas diferentes com teto.
Não fechar o ciclo: sem medir por segmento, não há aprendizado nem ROI real.

Mais referências em:

Shopify — “What Is RFM Analysis?” (2025): guia claro e atualizado sobre o que é RFM e por que é útil no e-commerce; útil para explicar R, F e M a equipes não técnicas. (Shopify)
Investopedia — “RFM (Recency, Frequency, Monetary Value)”: referência geral sobre o método e sua prática de pontuar de 1 a 5 em cada métrica. (Investopedia)

Braze — “Understanding RFM Segmentation” (2025): explica a abordagem RFM orientada a campanhas e engajamento, com recomendações de implementação. (braze.com)

← Volver al blog