Segmentación de clientes mediante el modelo RFM para optimizar estrategias de marketing en una empresa de distribución tecnológica

Abstract

En las últimas décadas, el crecimiento exponencial de los datos y la capacidad para analizarlos eficazmente se han convertido en factores determinantes para la competitividad empresarial. Transformar los datos en conocimiento constituye hoy una de las principales fuentes de ventaja competitiva. Permite a las empresas anticiparse a las necesidades del mercado, conocer mejor a sus clientes y tomar decisiones sustentadas en evidencia. El presente trabajo tuvo como propósito desarrollar una segmentación de clientes mediante el modelo RFM (Recencia, Frecuencia y Valor Monetario) en una empresa peruana dedicada a la distribución tecnológica que opera bajo un enfoque B2B (Business to Business). Esta metodología permitió clasificar a los clientes según su comportamiento de compra, identificando aquellos de mayor valor y facilitando el diseño de estrategias de marketing más precisas y efectivas. Se utilizaron datos transaccionales correspondientes al periodo enero–diciembre de 2024, almacenados en un entorno SQL Server y posteriormente analizados en R Studio. A partir del cálculo de las variables recencia, frecuencia y monto, se asignaron puntuaciones basadas en percentiles y se definieron segmentos accionables. Los resultados permitieron identificar distintos grupos de clientes, como Clientes de Valor, Potenciales, En riesgo y Perdidos, cada uno con características y patrones de comportamiento diferenciados. Este enfoque contribuyó a optimizar los esfuerzos comerciales de la empresa, priorizando la fidelización de los clientes más valiosos y la reactivación de aquellos con menor frecuencia de compra.In recent decades, the exponential growth of data and the ability to analyze it effectively have become decisive factors for business competitiveness. Turning data into knowledge has emerged as a key source of competitive advantage, allowing companies to anticipate market needs, better understand their customers, and make evidence-based decisions. This study aims to develop a customer segmentation model using the RFM (Recency, Frequency, and Monetary Value) approach for a Peruvian technology distribution company operating in the B2B market. The methodology enables the classification of customers based on their purchasing behavior, identifying those with higher value and supporting the design of more precise and effective marketing strategies. Transactional data from January to December 2024 were used, stored in a SQL Server environment and analyzed in R Studio. Scores were assigned to the recency, frequency, and monetary value variables using percentiles, and actionable customer segments were defined through clustering techniques. The results revealed distinct customer groups, including High-Value, Potential, At-Risk, and Lost Customers, each with specific characteristics and behavioral patterns. This approach contributed to optimizing the company’s commercial strategy by prioritizing the retention of high-value clients and the reactivation of those with lower purchase frequency.