Matriz RFV é uma forma de segmentar clientes que dá uma nota de 1 a 5 para cada comprador em três critérios. São eles: recência (há quantos dias ele comprou pela última vez), frequência (quantas vezes comprou) e valor (quanto gastou). Com as três notas, você separa quem compra bem de quem está sumindo e decide o que dizer a cada grupo.
A conta cabe numa planilha. Você precisa da exportação de pedidos da Nuvemshop, Tray, Shopify ou VTEX e de algumas horas para limpar os dados. O que muda o resultado não é a fórmula, e sim a nota de corte. Este guia mostra como calibrar as notas pelo ciclo real de recompra da sua categoria, em vez de dividir a base em cinco partes iguais.
A base de clientes é um ativo que pouca loja usa. A ABComm projeta R$ 258,4 bilhões em vendas online no Brasil em 2026 Fonte: ABComm, painel de previsão do e-commerce brasileiro, citado pelo blog Onclick, projeção de vendas online para 2026, publicada em dezembro de 2025. Num mercado desse tamanho, quem só compra tráfego para trazer cliente novo deixa dinheiro parado na própria base. A segmentação RFV é o primeiro passo de uma estratégia de retenção de clientes no e-commerce, porque mostra onde esse dinheiro está.
- 5.878 Clientes analisados: Compras válidas de dezembro de 2009 a dezembro de 2011
- 19% Fiéis de alto valor: Respondem por 72,2% do gasto válido da base
- 35% Dormentes de baixo valor: Somam apenas 4,0% do gasto
- 4 Segmentos escolhidos: Mais fáceis de interpretar, embora dois grupos pontuassem melhor
Fonte: Siyu Huang (2026), Applied and Computational Engineering.
Por que a matriz RFV funciona para lojas virtuais?
A matriz RFV funciona porque o faturamento de uma loja costuma se concentrar em poucos clientes, e ela mostra quem são. Um estudo publicado em agosto de 2026 achou 19,0% dos clientes respondendo por 72,2% do gasto, enquanto 35,0% somavam só 4,0%. Saber disso muda onde você coloca esforço e verba.
O estudo é de Siyu Huang, publicado na revista Applied and Computational Engineering. Ele partiu de 1.067.371 linhas de fatura da base pública Online Retail II, de dezembro de 2009 a dezembro de 2011. Depois de tirar clientes sem identificação, faturas canceladas e quantidades ou preços não positivos, sobraram 805.549 compras válidas de 5.878 clientes, agrupados em quatro segmentos Fonte: Huang, Applied and Computational Engineering, 2026, base Online Retail II, dezembro de 2009 a dezembro de 2011, 5.878 clientes.
O limite é claro. A base é antiga, estrangeira e de uma única varejista, e o próprio autor diz que o método precisa de validação experimental antes de virar decisão gerencial. O estudo mostra concentração de valor, não prova que uma campanha de reativação dá retorno. A proporção na sua loja pode ser bem diferente.
Um segundo estudo de 2026, de Tuncay Özcan, no Journal of Theoretical and Applied Electronic Commerce Research, usou transações de uma empresa de e-commerce de janeiro de 2024 a dezembro de 2025. Ele acrescentou à análise RFV a participação de compras em campanha, a profundidade da cesta e o desvio-padrão do intervalo entre pedidos. Segundo o autor, a segmentação ficou mais discriminante e mais fácil de transformar em ação Fonte: Özcan, Journal of Theoretical and Applied Electronic Commerce Research, 2026, transações de uma empresa de e-commerce, janeiro de 2024 a dezembro de 2025. O limite aqui é que a avaliação usou índices de qualidade dos agrupamentos, não vendas, e uma só empresa.
A lição dos dois para o lojista: a regularidade da compra importa tanto quanto o volume. Por isso, mais adiante, as notas seguem o ciclo de recompra. Você não precisa de algoritmo de agrupamento para começar; notas bem calibradas numa planilha já separam os grupos que pedem ações diferentes.
Quando a análise RFV não serve para a sua loja?
A análise RFV não serve quando a base é pequena demais, quando o produto é de compra única ou quando os clientes vêm de marketplace sem contato utilizável. Nesses casos, as notas ficam instáveis ou apontam para gente que você não pode alcançar, e o esforço de montar a matriz não volta como venda.
- Base com poucas centenas de compradores. Com 200 clientes, cada segmento fica com dezenas de pessoas e um único pedido muda a nota. É melhor tratar os melhores clientes um a um e esperar a base crescer.
- Compra única ou ciclo muito longo. Colchão, eletrodoméstico e móvel planejado quase sempre têm frequência 1. Use recência e valor para pedir indicação e oferecer acessórios, não para cobrar recompra.
- Pedidos de marketplace misturados aos da loja. Este é o erro mais frequente, e merece atenção.
Quem exporta tudo do ERP e coloca Mercado Livre, Shopee e Amazon na mesma aba infla os segmentos de clientes novos e hibernando com compradores sem um contato autorizado para marketing. As políticas desses canais também limitam o contato fora deles. A matriz fica bonita, mas a campanha não tem para quem ir. Separe esses pedidos em outra aba e use-os só para medir demanda por produto.
Como montar a matriz RFV na planilha, passo a passo?
Para montar a matriz RFV na planilha, exporte de 12 a 24 meses de pedidos pagos, limpe cancelamentos e duplicidades e crie uma aba com uma linha por cliente. Nela, calcule três colunas: dias desde a última compra, número de pedidos e soma gasta. Depois, aplique as notas de 1 a 5.
1. Exporte e limpe os pedidos
Na Nuvemshop, Tray, Shopify ou VTEX, baixe o relatório de pedidos em CSV. As colunas mínimas são número do pedido, data, e-mail ou CPF, telefone, valor pago e status. Remova cancelados, Pix e boletos que expiraram sem pagamento, pedidos de teste e trocas que geraram pedido novo.
É a mesma lógica do estudo de Huang, que tirou clientes sem identificação e faturas canceladas antes de calcular qualquer nota (mesma fonte). Pedido não pago na conta distorce a frequência e o valor de quem nem comprou.
2. Crie a aba de clientes
Escolha uma chave única: e-mail em letras minúsculas ou CPF. Padronize o telefone com DDD, porque é ele que vai para o WhatsApp. Gere a lista de clientes com a função ÚNICO ou com uma tabela dinâmica.
3. Calcule recência, frequência e valor
Supondo que, na aba Pedidos, a coluna B tem a data, a C tem o e-mail e a E tem o valor pago, use estas fórmulas na linha de cada cliente:
- Recência: =HOJE()-MÁXIMOSES(Pedidos!B:B;Pedidos!C:C;A2), com a célula formatada como número.
- Frequência: =CONT.SES(Pedidos!C:C;A2).
- Valor: =SOMASES(Pedidos!E:E;Pedidos!C:C;A2).
Use o total gasto no critério valor e acompanhe o ticket médio numa coluna à parte. Assim, quem comprou muitas vezes barato não some atrás de quem fez um único pedido caro. A tabela abaixo resume a planilha RFV completa, do arquivo bruto aos segmentos.
| Etapa | O que fazer | Sinal de que deu certo |
|---|---|---|
| 1. Exportar pedidos | Baixar de 12 a 24 meses de pedidos da plataforma | Arquivo com data, cliente, valor e status |
| 2. Limpar | Tirar cancelados, Pix e boletos não pagos e pedidos de teste | Só pedidos pagos na base |
| 3. Separar marketplace | Mover Mercado Livre, Shopee e Amazon para outra aba | Base só com clientes que você pode contatar |
| 4. Unificar cliente | Usar e-mail em minúsculas ou CPF como chave única | Cada cliente aparece uma vez na aba de clientes |
| 5. Calcular R, F e V | Aplicar MÁXIMOSES, CONT.SES e SOMASES por cliente | Três colunas numéricas sem célula vazia |
| 6. Dar notas | Aplicar cortes de 1 a 5 pelo ciclo de recompra | Nenhuma nota concentra quase toda a base |
| 7. Nomear segmentos | Juntar as notas em cinco ou seis grupos | Cada grupo com uma ação definida |
Elaboração EcomSmart
Como definir as notas de 1 a 5 pelo ciclo de recompra?
Defina as notas de 1 a 5 a partir do ciclo de recompra da sua categoria, isto é, a mediana de dias entre a primeira e a segunda compra dos clientes que voltaram. A recência vira múltiplos desse ciclo, e a frequência passa a ser comparada com o número de compras que um cliente regular faria no período.
Os quintis cegos dividem a base em cinco partes iguais, sem olhar o calendário. Numa loja de suplementos com ciclo de 30 dias, a nota 3 pode cair em quem sumiu há 90 dias, ou seja, três ciclos perdidos. Numa loja de móveis, o mesmo método chamaria de perdido quem está dentro do prazo normal.
Para medir o ciclo, filtre os clientes com dois pedidos ou mais e calcule os dias entre a primeira e a segunda compra. Tire a MEDIANA, e não a média, porque compras de Black Friday e reposições urgentes puxam a média para baixo.
Exemplo ilustrativo, para uma loja de cosméticos com ciclo de 45 dias:
- Recência: nota 5 até 45 dias; 4 de 46 a 68; 3 de 69 a 90; 2 de 91 a 135; 1 acima de 135.
- Frequência em 12 meses: um cliente regular faria cerca de 8 pedidos (365 dividido por 45). Nota 5 para 6 pedidos ou mais; 4 para 4 ou 5; 3 para 3; 2 para 2; 1 para um pedido só.
- Valor: aqui os quintis funcionam, porque o gasto é contínuo e não depende do calendário.
Se tiver tempo, acrescente uma coluna com o intervalo médio entre pedidos. O estudo de Özcan mostrou que a regularidade ajuda a separar clientes que parecem iguais pela frequência (mesma fonte). Dois clientes com 4 pedidos podem ser um regular e um que só compra em promoção.
- 1 Medir o ciclo: Mediana de dias entre a primeira e a segunda compra
- 2 Recência em ciclos: Nota 5 dentro de um ciclo, nota 1 acima de três
- 3 Frequência pelo esperado: Compare pedidos do cliente com os de um comprador regular
- 4 Valor por quintis: Gasto é contínuo, então dividir em cinco faixas funciona
- 5 Revisar os cortes: Recalcular o ciclo a cada trimestre ou após mudança de mix
Elaboração EcomSmart
Que ação fazer com cada segmento RFV no WhatsApp?
Cada segmento RFV pede uma ação diferente: campeões recebem acesso antecipado, novos clientes recebem incentivo para a segunda compra, clientes em risco recebem uma oferta de reativação com prazo, e quem hiberna há muito tempo sai da régua de WhatsApp. Enviar a mesma promoção para todos desperdiça margem e desgasta o canal.
O giftback, crédito que só vale na próxima compra, combina com novos e fiéis, porque empurra o retorno para dentro do ciclo. Defina a validade do crédito igual a um ciclo de recompra. Antes de adotar, veja a conta para saber se o giftback compensa na sua margem.
Consentimento, LGPD e regras do canal
O guia da ANPD sobre legítimo interesse, publicado em fevereiro de 2024, diz que essa base legal permite tratar dados pessoais não sensíveis quando o controlador demonstra um interesse legítimo e não viola direitos e liberdades fundamentais do titular. O guia pede teste de balanceamento e respeito à legítima expectativa do cliente Fonte: ANPD, Guia orientativo de hipóteses legais de tratamento de dados pessoais: legítimo interesse, fevereiro de 2024, resumido pela Data Privacy Brasil.
Há um ponto que poucos textos sobre segmentação de clientes no e-commerce mencionam. Segundo o mesmo guia, dados sensíveis, ainda que por inferência, impedem o uso do legítimo interesse (mesma fonte). Em farmácia, suplemento ou produto íntimo, um segmento como compradores de itens para diabetes revela condição de saúde. Nesse caso, a segmentação precisa de outra base legal, e vale ouvir o jurídico.
Para enviar campanhas pela WhatsApp API Oficial, a Meta exige que o cliente tenha aceitado receber mensagens da loja, e separa as mensagens em categorias, como marketing e utilidade, com cobrança diferente. Confira a categoria e o preço vigentes em outubro de 2026 na documentação oficial da Meta antes de calcular a campanha. No checkout, use uma caixa de consentimento desmarcada e específica para o WhatsApp.
Para automatizar, um CRM com WhatsApp integrado à loja atualiza os segmentos sozinho. Aqui recomendamos um produto nosso: o módulo de campanha de WhatsApp por perfil de cliente (RFV) da EcomSmart calcula os segmentos a partir dos pedidos da loja e envia pela API Oficial. Compare com o trabalho manual na planilha antes de decidir.
| Segmento | Critério de notas | Ação principal | Canal e cuidado |
|---|---|---|---|
| Campeões | R 5, F 4 a 5, V 4 a 5 | Acesso antecipado a lançamentos, sem desconto | WhatsApp com opt-in, poucas mensagens |
| Fiéis | R 3 a 5, F 3 a 5 | Giftback com validade de um ciclo | WhatsApp e e-mail |
| Novos promissores | R 5, F 1 | Incentivo para a segunda compra | Utilidade pós-entrega, depois marketing com opt-in |
| Em risco | R 2, F 3 a 5 | Oferta de reativação com prazo curto | WhatsApp com opt-in e grupo de controle |
| Hibernando | R 1, F 1 a 2 | Pesquisa ou última oferta, depois pausar | E-mail; evitar insistir no WhatsApp |
Elaboração EcomSmart com base nos critérios de notas descritos neste guia
Quanto vale reativar o segmento em risco?
O segmento em risco reúne clientes que compraram várias vezes e pararam, por isso costuma concentrar o dinheiro parado da matriz. Para saber se a reativação compensa na sua loja, faça a conta de margem: pedidos esperados vezes ticket, menos o desconto, e compare o que sobra com o custo por contato.
Exemplo ilustrativo, com números hipotéticos:
- Uma loja de cosméticos tem 4.000 compradores em 12 meses. Deles, 600 estão em risco (recência 2, frequência de 3 a 5) e aceitaram receber WhatsApp.
- O ticket médio desse grupo é R$ 180. A oferta é um cupom de 10% válido por 7 dias.
- Com conversão de 8%, saem 48 pedidos: 48 vezes R$ 180 dá R$ 8.640 de receita, com R$ 864 de desconto.
- Com margem bruta de 40%, sobram R$ 3.456, ou R$ 2.592 depois do desconto.
- Dividindo por 600 contatos, a campanha empata se mensagem e operação custarem até R$ 4,32 por cliente.
Agora o erro que quase toda conta comete: parte desses 48 compraria de qualquer jeito. Separe 10% do segmento como grupo de controle, sem mensagem. Se o controle converter 3%, só 5 pontos são incrementais, ou 30 pedidos.
Refeita a conta, 30 pedidos com R$ 72 de margem cada dão R$ 2.160. Como o desconto saiu nos 48 pedidos, sobram R$ 1.296, e o ponto de equilíbrio cai para R$ 2,16 por contato. Metade do ganho aparente era venda que já viria.
Matriz RFV na rotina: atualização, medição e próximos passos
A matriz RFV deve ser recalculada todo mês, porque a recência muda todo dia e um campeão vira cliente em risco depois de algumas semanas sem comprar. Mais útil que a foto do mês é o movimento: quantos clientes subiram ou caíram de segmento e se as ações de cada grupo mudaram esse número.
Em categorias com ciclo longo, como casa e decoração, uma atualização por trimestre basta. Acompanhe estes indicadores:
- Percentual da base em risco e hibernando.
- Quantos clientes novos fizeram a segunda compra dentro de um ciclo.
- Receita de clientes recorrentes sobre a receita total.
- Resultado de cada campanha contra o grupo de controle.
A planilha atende bem até alguns milhares de clientes. Quando a base cresce, os canais se multiplicam e a atualização manual começa a atrasar, é hora de automatizar o cálculo e as réguas.
Para aprofundar a régua de cada segmento, baixe o e-book Manual da recompra: RFV, giftback e WhatsApp para dobrar o LTV, na página de e-books gratuitos da EcomSmart para lojistas. Ele traz modelos de mensagem por segmento e a conta de giftback que usamos neste guia.
Fontes deste guia
- ABComm, projeções do e-commerce brasileiro, Panorama do e-commerce em 2026: como preparar sua operação
- ANPD / Lei 13.709/2018 (LGPD), Guia do legítimo interesse: orientações da ANPD
- Tuncay Özcan (2026). Customer Segmentation Using an Extended RFM Model and Clustering Algorithms in E-Commerce. Journal of theoretical and applied electronic commerce research. DOI
- Siyu Huang (2026). Customer Segmentation in E-Commerce Based on the Recency, Frequency, and Monetary (RFM) Model and K-Means Clustering. Applied and Computational Engineering. DOI
Como este guia foi feito: a equipe editorial EcomSmart escreveu este texto com apoio de IA a partir das fontes listadas acima; todo número tem a fonte indicada ao lado.
Perguntas frequentes
Preciso de um CRM para fazer a análise RFV?
Não para começar. Uma planilha com a exportação de pedidos e as funções MÁXIMOSES, CONT.SES e SOMASES resolve bases de até alguns milhares de clientes. O CRM passa a compensar quando a atualização manual atrasa as campanhas.
Quantos segmentos a matriz RFV deve ter?
Entre cinco e seis segmentos costuma ser o ponto prático. Mais que isso cria grupos pequenos demais para receber ações diferentes. Cada segmento precisa ter uma ação própria; se dois grupos recebem a mesma mensagem, junte os dois.
Posso usar os segmentos RFV em anúncios da Meta?
Sim, é possível subir listas de clientes como públicos personalizados para excluir compradores recentes ou buscar clientes parecidos com os campeões. Faça isso com transparência na política de privacidade e respeitando a LGPD. Evite segmentos que revelem dados sensíveis por inferência.
A matriz RFV funciona em loja B2B?
Funciona, desde que a chave seja o CNPJ, e não o comprador individual. No atacado, o ciclo de recompra costuma ser mais regular, o que facilita calibrar a recência. O valor pesa mais, porque poucos clientes concentram grandes pedidos.
