Daniel Amorim

Segmentação RFM de clientes em Python

Uma loja online dependia demasiado do Reino Unido. Usei os dados de vendas para segmentar os clientes por RFM e perceber onde investir em retenção, em posicionamento premium ou em aquisição.

Contexto
Iniciativa própria · dezembro de 2025
Ferramentas e métodos
Python, Pandas, Plotly, Seaborn, Jupyter, Gemini, PowerPoint
O meu papel
Projeto individual: análise dos dados, segmentação RFM e estratégia por mercado.

4 min de leitura

  1. A perguntaQue mercados internacionais merecem mais investimento, e com que tipo de ação.
  2. O que encontreiMercados de volume, de valor e de potencial, e o Reino Unido com o maior número de clientes em risco.
  3. O que entregueiUma estratégia de marketing para cada mercado, em 10 slides, e o notebook publicado.

O ponto de partida

O dataset público Online Retail II é de uma loja online cuja faturação vem sobretudo do Reino Unido. Depender de um só mercado é um risco, e faturação alta não quer dizer clientes mais valiosos. Quis responder a uma pergunta de marketing: que mercados internacionais merecem mais investimento, e com que tipo de ação.

Como fiz, passo a passo

  1. Preparei os dados num notebook Jupyter com Pandas. Cerca de 20 % das linhas não tinham cliente identificado e havia quantidades negativas, que correspondem a devoluções. Fiquei só com vendas reais de clientes identificados, porque a segmentação depende de saber quem comprou.

  2. Comparei os países por receita e ticket médio. O Reino Unido gerava cerca de 8 vezes a receita dos quatro países seguintes juntos. O ticket médio, a receita a dividir pelo número de faturas, mostrou outra coisa: onde cada compra vale mais.

  3. Desenhei uma matriz de mercados com Plotly. Cruzei receita e ticket médio num gráfico em quadrantes, que separa os mercados de volume (Reino Unido), os de valor (Países Baixos e Irlanda) e os de potencial por explorar (Alemanha e França).

Matriz de mercados: volume, valor e potencialReceita (eixo horizontal, em escala logarítmica) e ticket médio (eixo vertical), em libras
Menos receitaMais receita

A Irlanda e os Países Baixos têm só 4 e 22 clientes, por isso o quadrante do valor é uma pista a confirmar.

Ver os dados em tabela
PaísReceita (£)Ticket médio (£)
Reino Unido7 414 756421
Irlanda356 0851 127
Países Baixos268 7861 991
Alemanha202 395583
França146 215620
  1. Segmentei os clientes por RFM em 4 mercados. Avaliei cada cliente pela recência, pela frequência e pelo valor das compras, com uma pontuação de 1 a 5 em cada critério. Com a soma, agrupei-os em 5 segmentos, dos melhores clientes aos adormecidos, que é a base para decidir a quem falar e com que mensagem.
Metade dos clientes do Reino Unido está em risco ou adormecidaClientes do Reino Unido por segmento RFM, 1 944 em 3 956
Em risco ou adormecidos
Best Customers: 563Leais e Frequentes: 822Potenciais: 627Em Risco: 1 200Adormecidos: 744
Ver os dados em tabela
SegmentoClientes
Best Customers563
Leais e Frequentes822
Potenciais627
Em Risco1 200
Adormecidos744
  1. Validei o código e a leitura dos resultados com o Gemini. Usei-o para rever e corrigir linhas de código e para discutir a interpretação dos segmentos. As conclusões e as recomendações finais foram minhas.

  2. Cruzei a sazonalidade com os produtos. A receita concentra-se em outubro e novembro, puxada pelo Reino Unido. Procurei os produtos que lideram ao mesmo tempo em receita e em frequência de venda, os candidatos naturais a campanhas nessa época.

A receita concentra-se em outubro e novembroReceita mensal dos quatro países foco, em milhares de libras

* Dezembro de 2010 só tem dados até ao dia 9.

Ver os dados em tabela
MêsReceita (mil £)
dez 09653
jan508
fev455
mar639
abr551
mai552
jun600
jul560
ago563
set762
out945
nov1074
dez 10*288
  1. Apresentei a estratégia em PowerPoint e publiquei o notebook. Os 10 slides traduzem a análise em ações por mercado. O notebook está no GitHub e no Binder, onde abre no navegador sem instalar nada.

O que ficou

A recomendação foi um marketing diferente por mercado: retenção e reativação no Reino Unido, que concentrava o maior número de clientes em risco; posicionamento premium nos Países Baixos e na Irlanda, onde o ticket médio é mais alto; e aquisição na Alemanha e em França. Ao rever o projeto para o portefólio, notei que a Irlanda e os Países Baixos têm poucos clientes no dataset (4 e 22), por isso essa recomendação é uma pista a confirmar com mais dados.

O notebook completo está no Binder, que demora 1 a 3 minutos a abrir.

Falar sobre este caso