Cómo funciona la herramienta
Pedirle a una IA «segméntame estos clientes» tiene un problema de origen: para hacerlo bien, la IA tendría que ver los datos de cada cliente, uno por uno. Esta herramienta separa el cálculo (siempre en tu navegador, con tus datos reales) de la interpretación (la IA, que nunca ve un cliente individual, solo el resumen de cada grupo).
- Subes tu archivo (clientes ya resumidos, o transacciones: la página agrega por cliente si hace falta) y mapeas el ID de cliente, la fecha y el importe.
- Eliges el método: RFM (recencia, frecuencia, valor, calculado por quintiles) o tus propias reglas (por ejemplo, «gasto mayor a S/ 1,000 y última compra hace menos de 90 días»). Ves la tabla de segmentos y el mapa de calor al instante.
- Copias un prompt que le pide a tu IA describir cada segmento, evaluar si la segmentación es útil y proponer qué probar: ella nunca calcula ni ve un cliente por su nombre o ID.
La regla que atraviesa toda la herramienta: la IA nunca ve un cliente individual. Solo recibe la ficha de tus columnas (sin ejemplos de la columna de ID) y la tabla ya calculada de segmentos.
Qué es segmentar (y por qué no es lo mismo que etiquetar clientes)
Segmentar es agrupar a tus clientes según un comportamiento medible (cuándo compraron, cuántas veces, cuánto gastaron), no según una impresión subjetiva («este cliente parece fiel»). La diferencia importa: una etiqueta puesta a ojo no se puede recalcular ni comparar entre meses, mientras que un segmento basado en datos sí.
Segmentar tampoco es simplemente ordenar a tus clientes de mayor a menor gasto. Un cliente que gastó mucho hace 2 años y no ha vuelto es un caso muy distinto de uno que gasta lo mismo cada mes: por eso RFM combina 3 variables, no solo 1.
Qué variables sirven para segmentar
| Variable | Qué mide | ¿Esta herramienta la usa? |
|---|---|---|
| Recencia | Hace cuántos días fue la última compra | Sí, siempre (RFM y reglas) |
| Frecuencia | Cuántas veces compró (o cuántos pedidos hizo) | Sí, siempre (RFM y reglas) |
| Valor monetario | Cuánto gastó en total | Sí, siempre (RFM y reglas) |
| Categoría o canal preferido | Qué compra y por dónde | Se agrega al archivo exportado, pero no entra en el cálculo del segmento |
| Ubicación | Dónde vive o compra el cliente | Igual que categoría: queda en el archivo exportado, no en el cálculo |
| Edad, género, ingresos | Datos demográficos | No: esta herramienta nunca los supone ni los usa |
Puedes agregar columnas de ubicación, canal o categoría a tu archivo: viajan en la lista de clientes exportable, útiles para una campaña, aunque no cambien el cálculo del segmento.
RFM explicado: recencia, frecuencia y valor monetario
RFM califica a cada cliente con 3 números del 1 al 5 (quintiles: el 20% con el peor valor de esa variable va a la franja 1, el siguiente 20% a la franja 2, y así hasta la franja 5 para el mejor 20%):
- R (recencia): franja 5 = compró hace muy poco; franja 1 = su última compra fue hace mucho.
- F (frecuencia): franja 5 = compra muy seguido (más pedidos); franja 1 = compra poco.
- M (valor monetario): franja 5 = gastó más en total; franja 1 = gastó menos.
Esta página calcula las 3 franjas por quintiles, en tu navegador, para cada cliente de tu archivo: nunca se lo pide a la IA.
Cómo calcular RFM en Excel paso a paso (fórmulas)
Si quieres entender (o replicar) el cálculo a mano, estas son las fórmulas, con una columna por cliente ya resumida. Supongamos que tu tabla de transacciones tiene las columnas cliente, fecha e importe, y quieres armar una tabla con 1 fila por cliente:
| Qué calcula | Fórmula (español / inglés) |
|---|---|
| Última compra del cliente | =MAXIFS(fecha; cliente; A2) — en inglés, la misma función: MAXIFS |
| Recencia (días) | =fecha_referencia − [última compra del cliente] |
| Frecuencia (nº de compras) | =CONTAR.SI(cliente; A2) — en inglés: COUNTIF(cliente, A2) |
| Valor monetario (gasto total) | =SUMAR.SI(cliente; A2; importe) — en inglés: SUMIF(cliente, A2, importe) |
| Franja 1-5 (quintil) | =REDONDEAR.MAS(JERARQUIA.EQV(B2;$B$2:$B$100;1)/CONTARA($B$2:$B$100)*5;0) — en inglés: ROUNDUP(RANK.EQ(B2,$B$2:$B$100,1)/COUNTA($B$2:$B$100)*5,0) |
La fórmula del quintil ordena a todos los clientes por esa columna (de menor a mayor con el 3er argumento en 1) y la convierte en una posición relativa de 1 a 5. Es la parte más fácil de equivocarse a mano: por eso esta herramienta la calcula por ti, sobre los mismos datos.
Nombres y lectura de segmentos RFM
Esta página nombra cada combinación de R y F (el valor monetario queda como un dato del segmento, no como parte de su nombre) con una regla simple y editable:
| F \ R | R 1-2 (hace tiempo) | R 3 (medio) | R 4-5 (reciente) | ||
|---|---|---|---|---|---|
| F 4-5 (compra seguido) | En riesgo | Leales | Campeones | ||
| F 3 (medio) | Perdidos / Regulares | Leales | Campeones / Leales | ||
| F 1-2 (compra poco) | Perdidos | Regulares | Nuevos |
Puedes renombrar cualquiera de los 6 segmentos en el formulario (por ejemplo, cambiar «Campeones» por el nombre que uses en tu equipo): el cálculo no cambia, solo la etiqueta.
Segmentos demasiado pequeños o inútiles: cómo evitarlos
Un segmento de 3 clientes rara vez justifica una campaña propia: el esfuerzo de diseñarla no se recupera. Por eso defines un «tamaño mínimo de segmento», y esta página avisa (sin fusionar nada por su cuenta) cuándo un segmento queda por debajo.
- Si un segmento RFM queda chico, prueba agrupar franjas vecinas (por ejemplo, unir R4 y R5) en vez de tratar cada combinación como un segmento aparte.
- Si una regla personalizada genera un segmento chico, revisa si sus condiciones son demasiado estrictas (un rango de gasto muy angosto, por ejemplo).
- Un segmento «Sin segmento» muy grande (en el método de reglas) es una señal de que te faltan reglas, no de que esos clientes no importen.
Por qué cada segmento necesita un trato distinto
Tratar a todos los clientes igual desperdicia 2 oportunidades: ofrecerle un descuento a quien de todas formas iba a comprar (dinero perdido) y no hacer nada por quien está a punto de irse (cliente perdido). Un objetivo y una acción por segmento, con su propia métrica de éxito, evita ambos errores.
| Tipo de segmento | Objetivo típico | Riesgo si lo tratas igual que a los demás |
|---|---|---|
| Campeones / alto valor | Retener, no regalar descuentos | Gastar presupuesto en quien ya iba a comprar |
| En riesgo | Reactivar antes de perderlo | Esperar demasiado y que se vaya a la competencia |
| Nuevos | Convertir en recurrentes | Pedirles lealtad antes de que prueben el producto |
| Perdidos / bajo valor | Decidir si vale la pena reactivar | Invertir en una campaña cara para quien no va a volver |
Ejemplo práctico: 500 clientes ficticios de una tienda online
Tienda de bicicletas ficticia con sede en Lima, Perú, con 500 clientes y fecha de referencia 30 de junio, con precios en soles (S/). Esta tabla sale de simular 500 clientes con comportamientos típicos y calcularlos con el mismo motor que usa esta herramienta (no son clientes reales).
| Segmento | Clientes | % de la base | % de los ingresos |
|---|---|---|---|
| Campeones | 118 | 23.6% | 46.49% |
| Clientes leales | 100 | 20% | 20.24% |
| En riesgo | 45 | 9% | 15.58% |
| Nuevos | 70 | 14% | 4.93% |
| Regulares | 49 | 9.8% | 6.04% |
| Perdidos | 118 | 23.6% | 6.71% |
Con quintiles, «Campeones» no es un grupo diminuto de clientes perfectos: son los que caen en la franja alta de recencia Y frecuencia a la vez, aquí casi 1 de cada 4 clientes, pero igual concentran casi la mitad de los ingresos (46.49%). «En riesgo» es más chico (45 clientes) pero representa un 15.58% de los ingresos: perder a ese grupo pesaría más de lo que su tamaño sugiere. Si quieres un «Campeones» más exclusivo, puedes ajustar tus propias reglas en vez de usar RFM.
Privacidad y uso responsable de datos de clientes
- Esta página lee tu archivo con la File API del navegador (MDN Web Docs, consultada el 30 de septiembre de 2026): nunca se sube a un servidor.
- El prompt nunca incluye un ID, nombre, correo ni ningún dato de un cliente individual: solo la ficha de columnas (sin ejemplos de la columna de ID) y la tabla ya calculada de segmentos.
- Si eliges adjuntar tu archivo original a la IA (modo A), considera quitar o anonimizar la columna de ID antes: esa parte la decides y la subes tú, no esta página.
- No uses esta herramienta con datos sensibles (salud, religión, orientación, afiliación política) ni le pidas a la IA que suponga edad, género o nivel de ingresos: el prompt se lo prohíbe explícitamente.
- Respeta la normativa de protección de datos personales de tu país antes de usar y conservar datos de clientes.