Uno de los grandes retos para cualquier negocio digital, y en especial para los eCommerce, es mejorar la recurrencia de compra de sus clientes (llamémoslo fidelización).
Para poder trabajar correctamente la fidelización, primero debemos ser capaces de analizarla de alguna forma, y aquí encontramos un primer obstáculo ya que no existen herramientas que nos permitan (fácilmente) tener una idea de la salud en cuanto a fidelización de nuestro negocio.
Históricamente se ha recomendado el análisis de cohortes para este tipo de tareas, pero presenta una serie de complejidades y retos que no todos los negocios están preparados para solventar. Además, por su concepción (y lo veremos en este artículo), el análisis de cohortes es perfecto para negocios como el SaaS, pero su aplicación en un entorno de transacción más puntual como es el eCommerce no tiene un encaje 100% perfecto.
En este artículo os presento un análisis de recurrencia de compra basado en el modelo RFM (Recency, Frecuency, Monetary value), así como una herramienta que permite realizar este análisis de forma directa introduciendo los datos transaccionales en un documento de Excel (y el Excel que os comparto se encarga de hacer todos los cálculos) y los resultados de un análisis sobre la recurrencia de compra y fidelización que he realizado sobre un buen conjunto de tiendas online para poder mostrar una especie de «estado actual de la fidelización en eCommerce en España«.
El modelo RFM es un método de análisis de valor del cliente basado en tres variables: Recencia (cuándo fue la última compra), Frecuencia (cuántas veces compra) y valor Monetario (cuánto gasta). Se utiliza en distintos entornos para analizar el valor de los clientes, y sus propias siglas nos dejan claro en qué pilares se apoya.
| Variable | Qué mide | Pregunta que responde |
|---|---|---|
| R – Recencia | Tiempo desde la última compra | ¿Cómo de reciente fue la última compra del usuario? |
| F – Frecuencia | Número de compras totales | ¿Cómo de frecuente realiza este usuario compras en nuestra tienda? |
| M – Monetario | Valor total gastado | ¿Cuánto gasta cada cliente? |
El acercamiento más típico es asignar valores a la recencia y frecuencia entre 1 y 10 (o entre 1 y 5, según el negocio). En el caso de la recencia, estos números marcan el número de meses desde la última compra (siendo el valor más alto un indicador de que hace muchos meses de la última compra). En el caso de la frecuencia, se aplica un criterio similar pero cogiendo como valor el número de compras que ha realizado cada cliente. Con estas dos variables se construye una matriz donde en cada celda tenemos el valor monetario de ese segmento.
La fidelización es crítica porque más del 90% de los eCommerce realizan su primera venta a pérdidas y los costes de captación no dejan de subir. A lo largo de los últimos años hemos hablado tanto de la importancia de la fidelización en eCommerce que da la sensación de que está todo dicho, pero la realidad es que cuando ayudamos a eCommerce a vender más, en casi todos los primeros análisis detectamos que los esfuerzos se han puesto en captar y, con suerte, en convertir a los usuarios, y que la fidelización se deja siempre «para mañana».
A nivel resumen, la importancia de la fidelización en eCommerce se podría resumir de la siguiente manera
En esto de la fidelización también sucede una especie de «ley de pareto», donde el 80% de los esfuerzos se van a la captación de nuevos clientes que, en el medio plazo, solo genera el 20% de las ventas. Mientras que (con suerte), el 20% de los esfuerzos van a la fidelización que puede generar el 80% de las ventas.
Y lo peor de todo es lo que ejemplifica la siguiente imagen, la realidad es que fidelizar a un cliente es mucho más fácil que captar a uno nuevo cuando el entorno competitivo ya está maduro, como sucede a día de hoy.
Algunos estudios aseguran que cuesta un 500% más captar un nuevo cliente que fidelizar a uno actual, o que los clientes recurrentes gastan un 33% más que los nuevos clientes. También que a partir del mes 30 de la relación del cliente con la marca, el cliente recurrente gasta un 67% más.
El Estudio Anual de Conversión en E-commerce y Negocios Digitales 2025 de Flat 101 (10ª edición, con datos de más de 1.000 negocios digitales españoles) nos deja algunas cifras claras en cuanto a conversión de usuarios recurrentes. Los usuarios habituales generan un 58% más que los nuevos, con una tasa media de conversión del 1,72% frente al 1,09% de los visitantes recién llegados (Flat 101, Estudio Anual de Conversión 2025). Los clientes recurrentes convierten notablemente más, y además también compran más.
| Dato | Valor | Fuente |
|---|---|---|
| Coste de captar vs. fidelizar | 5-25x más caro captar (mín. 500%) | Harvard Business Review / Bain & Company, 2014 |
| Impacto de +5% retención en beneficios | +25% a +95% | Bain & Company (Reichheld) |
| Gasto de clientes recurrentes vs. nuevos (cifra propia del análisis original) | +33% | Análisis original, sin fuente externa confirmada |
| Gasto de clientes recurrentes vs. nuevos (benchmark 2026) | +67% | Mageloyalty, Ecommerce Retention Benchmarks 2026 |
| Conversión recurrentes vs. nuevos | 1,72% vs. 1,09% (+58%) | Flat 101, Estudio Anual de Conversión 2025 |
Podríamos seguir dando razones y aportando más datos para justificar la importancia de la recurrencia, pero la realidad es que hasta el razonamiento más básico nos lo deja claro. Cualquier comerciante de toda la vida lo tendría claro porque lo ha vivido en sus carnes: cuida lo que tienes y, una vez esté bien cuidado, ya puedes dedicarte a buscar nuevas oportunidades.
La fidelización no es opcional: si más del 90% de los eCommerce venden a pérdidas en la primera compra, sin recurrencia están perdiendo dinero. Los clientes recurrentes convierten cerca de 3 veces más y gastan un 33% más que los nuevos. Trabajar la retención no compite con la captación, la complementa.
El análisis de cohortes funciona bien para negocios de uso recurrente como el SaaS, pero encaja mal en eCommerce porque no tiene en cuenta el stock ni las campañas puntuales. La importancia de la fidelización y recurrencia de compra está tan clara que desde hace años se están probando herramientas y metodologías que faciliten su análisis.
Ya en 2013, François Derbaix (fundador de Top Rural y uno de los mejores Business Angels de nuestro país) compartía sus reflexiones y trabajo sobre el análisis de cohortes aplicado al eCommerce.
El análisis de cohortes es un subconjunto del Behavioral Analysis que toma los datos de un conjunto determinado y, en lugar de ver a todos los usuarios como una unidad, los divide en grupos relacionados para el análisis (cohortes) que comparten alguna característica. Aunque podríamos hacer análisis de cohortes teniendo en cuenta cualquier característica de nuestros compradores, para aplicarlo a la recurrencia de compra se suelen hacer segmentos de usuarios basados en la fecha de su primera compra, y se analiza para cada segmento cuántos vuelven a comprar al mes siguiente, a los dos meses, a los tres meses…
Si bien el análisis de cohortes es una muy buena herramienta para analizar la activación de usuarios en una App, por ejemplo, y también puede ser utilizado en otros entornos como el eCommerce, la realidad es que presenta una serie de complejidades que dificultan su uso en el día a día:
Todo esto, y muchos más aspectos de menor calado, hacen que el análisis de cohortes se convierta en una herramienta demasiado pesada para que sea útil en el día a día de un eCommerce Manager.
El RFM es más práctico que el análisis de cohortes para eCommerce porque no depende de calcular el comportamiento mes a mes de cada cohorte de alta, ni se ve distorsionado por el stock o las campañas puntuales. Siendo esto así, ¿cómo podemos analizar la recurrencia de compra en eCommerce? Nuestra propuesta se deriva del modelo RFM.
Para adaptar el RFM a eCommerce solo hay que definir los valores ideales de recencia y frecuencia para tu negocio. Aquí cada negocio necesitará su propia adaptación, aunque como base general nosotros hemos supuesto lo siguiente.
Para la recencia:
Para la frecuencia de compra:
Estos valores encajan con los más de 40 eCommerce que hemos analizado para el estudio que compartimos más adelante en este artículo, pero como pueden variar en determinados sectores, en el Excel que hemos preparado para calcular todos estos datos se pueden ajustar fácilmente para cada negocio.
Para analizar el estado de la fidelización de tu eCommerce no necesitas el valor monetario, al menos para una parte del análisis. Por eso, en una de las visualizaciones lo que hacemos es mostrar el porcentaje de usuarios que aparecen en cada segmento. De esta forma podrás ir analizando cómo varía este porcentaje con el tiempo y también comparándote con un «benchmark» como la media de los eCommerce que analizamos más adelante.
Lo bueno de esta segmentación es que te permite tener una «foto fija» del estado de la fidelización de tu eCommerce, pero además también te permite actuar, ya que puedes determinar en qué segmento se encuentra cada uno de tus clientes y generar para cada segmento una estrategia de comunicación distinta.
Con una estrategia por segmento, puedes conseguir llevar a los clientes de «No puedes perderlos» a «Campeones», es decir, evitar que los clientes que han sido fieles en el pasado se desvinculen de tu marca. O asegurarte de que los «Potencialmente fieles» se conviertan en «Campeones» y no los pierdas.
Dándole una vuelta y acercándonos más al significado inicial del RFM, también podemos calcular el LTV de los usuarios que están en cada segmento, una información muy valiosa para los eCommerce.
La segmentación RFM es una segmentación relativamente estándar, pero nos da un montón de posibilidades y, sobre todo, segmentos que tienen muchísimo sentido, ya que agrupan a los compradores en función de su vinculación con nuestro producto o marca.
El porcentaje de compra recurrente mensual complementa al RFM porque añade una tendencia de crecimiento o decrecimiento en la fidelización, algo que la «foto fija» del RFM no muestra por sí sola. Esta métrica es el porcentaje de compras que se han realizado en un mes en tu eCommerce por parte de clientes que ya habían comprado en el pasado. Este dato se puede conseguir con relativa facilidad, o de forma directa con el Excel que compartimos más abajo, y te permite tener una visión de cómo evoluciona esta variable a lo largo del tiempo.
En el siguiente gráfico puedes ver la evolución del porcentaje de ventas recurrentes en uno de los eCommerce analizados. La línea azul es el porcentaje de venta recurrente de cada mes y la línea verde es una media móvil de 5 meses que sirve de línea base comparativa para ver si lo estamos haciendo mejor o peor que en meses anteriores.
Entre el análisis RFM y esta gráfica, tenemos ya una información bastante fiable del estado actual de la fidelización de tu eCommerce. Ahora lo que faltaría es poder compararte con otros negocios para saber si tus datos son buenos, regulares o malos, y así conocer el nivel de esfuerzo que te va a requerir mejorarlos. Eso lo vemos un poco más adelante en este artículo 😉
El Excel de Product Hackers recibe tus datos transaccionales (fecha, valor y email) y calcula automáticamente la segmentación RFM, el LTV por segmento y el porcentaje de recurrencia mensual. Para facilitar el cálculo, hemos creado este fichero Excel preparado para recibir como entrada los datos de compras que hayas tenido en tu eCommerce y, a partir de ahí, generar la segmentación RFM por porcentaje de usuarios en cada segmento, el cálculo del LTV (Lifetime Value del cliente) y también el cálculo de recurrencia.
Este Excel tiene las siguientes pestañas:
| Pestaña | Qué hace |
|---|---|
| Resumen | Un resumen del resto de pestañas, por si alguien llega al fichero sin pasar por este artículo o a modo de recordatorio |
| Config | Parámetros que afectan a los cálculos del resto de pestañas, incluida la fecha sobre la que se hacen los cálculos (por defecto «hoy») |
| Datos base | Aquí introduces tus datos de ventas: fecha de la compra, valor y email del usuario. El resto de columnas se calculan automáticamente |
| Agregado mensual | Cálculo del % de ventas que vienen de clientes recurrentes en cada mes, desde enero de 2015 hasta diciembre de 2025 (ventana ajustable) |
| Niveles de fidelización | Resumen de la segmentación RFM sobre tus ventas, con el porcentaje de clientes en cada segmento |
| Fidelización sin hibernación | Igual que la anterior, pero sin los clientes «Hibernando» (este segmento suele acaparar más del 80% de los usuarios cuando el eCommerce tiene recorrido, así que nos pareció interesante ofrecer la vista sin estos datos) |
| LTV | Cálculo del LTV de los clientes de cada segmento |
Solo tienes que pegar en la pestaña «Datos base» tu histórico de ventas en las columnas B, C y D. Debes incluir todas las ventas que haya generado tu eCommerce (las puedes exportar desde Magento, Shopify, Prestashop o la plataforma que utilices) y mantener los formatos de cada columna. Si no dispones del email de tus usuarios, puedes introducir nombre y apellidos o el DNI: la columna Email está preparada para recibir cualquier dato que identifique de forma unívoca a un cliente.
Las columnas E-K se calculan de forma automática para todas las filas en las que hayas metido datos (hasta la fila 99.999). Como hay muchas filas que hacen cálculos, esto puede hacer que el Excel sea un poco pesado; si notas que «va a pedales», te recomendamos borrar el contenido de las filas donde no tengas datos de ventas para evitar cálculos innecesarios.
De media, un eCommerce español tiene el 71,73% de sus usuarios «hibernando» y solo un 1,93% son «campeones». Los datos se han calculado a partir de 47 eCommerce distintos de multitud de sectores y tamaños —desde tiendas que facturan apenas 10.000€ al mes hasta otras que facturan varios millones al mes—, cubriendo sectores como juguetes, electrónica, moda, alimentación o mascotas (análisis propio de Product Hackers).
| Segmento | % medio de usuarios | Descripción |
|---|---|---|
| Hibernando | 71,73% | Compraron una vez hace mucho tiempo |
| En riesgo | 5,23% | Fueron fieles pero se están desvinculando |
| Nuevos | 3,67% | Primera compra reciente |
| Prometedores | 3,89% | Compradores recientes con potencial |
| Fieles | 2,32% | Compran con regularidad |
| Campeones | 1,93% | Recientes, frecuentes y de alto valor |
| No puedes perderlos | 2,17% | Fueron fieles pero se están yendo |
| Potencialmente fieles | 3,81% | En camino a ser fieles |
| Se están durmiendo | 4,76% | Reducción de frecuencia |
| Necesitan atención | 0,49% | Fieles pero sin compra reciente |
Hay una fuerte tendencia a acumular usuarios en «Hibernando», lo cual es relativamente lógico porque, en cuanto el eCommerce tiene un tiempo de vida, es normal que muchos usuarios hayan comprado de forma puntual. Ahora bien, si tienes más de un 75-80% de usuarios «Hibernando», deberías empezar a preocuparte. Resulta mucho más interesante focalizarse en los segmentos que han estado fidelizados pero que se están desvinculando: «Necesitan atención», «En riesgo» y «No puedes perderlos». Compara tus resultados con esta media y así podrás tener una primera idea de cómo está yendo tu negocio en cuanto a fidelización.
El LTV varía por segmento: en «Nuevos» es de 0,56x sobre el LTV medio del eCommerce, el único múltiplo que el análisis original detalla de forma explícita en texto. El resto de segmentos también se representan en el Excel y en la captura siguiente como múltiplos sobre el LTV medio total.
| Segmento | LTV (múltiplo sobre la media) |
|---|---|
| Campeones | 2,5x |
| Fieles | 1,8x |
| No puedes perderlos | 1,5x |
| Potencialmente fieles | 1,2x |
| Media | 1,0x |
| Nuevos | 0,56x |
Los segmentos «Necesitan atención», «En riesgo» y «No puedes perderlos» son los más rentables para actuar, porque agrupan a clientes que ya han demostrado valor pero se están desvinculando. Recuperarlos suele ser más barato que captar clientes nuevos desde cero.
En media, el 59% de las compras que se hacen en los eCommerce españoles las realizan usuarios que ya habían comprado antes en ese mismo eCommerce (análisis propio de Product Hackers). Hemos visto desde tasas relativamente bajas del 28,86% de compra recurrente hasta tasas del 86,36% de recurrencia, lo cual es una auténtica pasada, y una gran señal de salud del negocio. Para calcular esta media hemos cogido el porcentaje de compra recurrente de los últimos meses en cada caso, porque suelen ser los mayores valores de recurrencia.
También hemos observado que el porcentaje de compra recurrente suele estabilizarse a partir del mes 18 de los datos analizados, lo cual indica lo rápido que se fideliza (o no se fideliza) a los clientes en eCommerce.
No existe un estudio español equivalente al de Product Hackers sobre 47 eCommerce, porque es un análisis propio, no una cifra de agregadores externos; por eso no hay una fuente de terceros que lo replique dato a dato. Lo que sí existen son benchmarks internacionales sobre métricas relacionadas de fidelización que pueden servir de contexto, siempre teniendo en cuenta que miden cosas ligeramente distintas y con muestras distintas:
| Métrica | Dato | Fuente |
|---|---|---|
| % de ventas mensuales de clientes recurrentes (España) | 59% (rango 28,86%-86,36%) | Análisis propio de Product Hackers, 47 eCommerce |
| % de clientes que repiten compra, media DTC global (2026) | 25%-30% | Rivo / Finsi, Ecommerce Retention Benchmarks 2026 |
| % de clientes que repiten, categorías de consumo recurrente (alimentación, suplementos) | 40%-55% | Prooflytics, Repeat Purchase Rate Benchmarks 2026 |
| Retención media DTC (customer retention rate), 2026 | 31% (top: 45-55%) | Flowium, Customer Retention Rate 2026 |
Problema: no es lo mismo alimentación (compra semanal) que electrónica de consumo (compra anual o cada varios años).
Solución: ajusta los umbrales de Recencia y Frecuencia según tu sector en la pestaña Config del Excel.
Problema: el 80% de los esfuerzos suelen ir a captar clientes que generan solo el 20% de las ventas a medio plazo.
Solución: dedica una parte estructural de tu presupuesto a fidelización; el retorno por cliente suele ser superior al de seguir captando en un canal cada vez más caro.
Problema: calculas el RFM pero no diseñas estrategias distintas por segmento, y acaba siendo una foto que nadie usa.
Solución: diseña acciones específicas por segmento: a «No puedes perderlos» un email personalizado con incentivo, a «Campeones» un programa VIP, a «Hibernando» una campaña de reactivación con lead magnet.
En este artículo hemos visto cómo utilizar la segmentación RFM y el cálculo de compra recurrente para tener una visión más clara del estado de la fidelización de tu eCommerce. También hemos compartido un recurso —un fichero Excel— que te permite aplicar todos estos cálculos a partir de tus propios datos y así simplificarte la vida.
Esperamos que te resulte útil y, si tienes cualquier duda, feedback o lo que sea, no dudes en dejarlo en los comentarios para enriquecernos todos 🙂
El modelo RFM segmenta a los clientes por Recencia, Frecuencia y valor Monetario para analizar el valor de cada cliente y su nivel de fidelización.
El 59% de las compras provienen de clientes recurrentes, según el análisis propio de Product Hackers sobre 47 eCommerce españoles, con un rango observado del 28,86% al 86,36%.
Pegando tus datos de ventas (fecha, valor, email) en el Excel de Product Hackers, que calcula automáticamente todos los segmentos, el LTV y el % de recurrencia mensual.
Porque el RFM no depende del stock ni de las campañas puntuales, dos factores que distorsionan mucho el análisis de cohortes cuando se aplica a un eCommerce en vez de a una App o un SaaS.
Entre 5 y 25 veces más, dependiendo del estudio y del sector (Harvard Business Review, 2014, basado en investigación de Bain & Company); el extremo inferior de ese rango equivale al «500% más caro» que se suele citar. Además, aumentar la retención un 5% puede incrementar los beneficios entre un 25% y un 95% (Bain & Company). Los clientes recurrentes también gastan más: entre un 33% (cifra propia) y un 67% (benchmark de sector 2026) más que los nuevos.
El LTV (Lifetime Value) es la suma de todas las compras que ha realizado un cliente durante toda su vida como cliente. En el segmento «Nuevos» del RFM, el LTV está en torno a 0,56 veces la media del eCommerce.
Suele estabilizarse a partir del mes 18 de datos analizados, según nuestro análisis sobre los eCommerce del benchmark.
Ejemplo ilustrativo (no son datos de un cliente real): si tu eCommerce factura 1M€/año y consigues pasar tu recurrencia del 59% de media a un 68%, eso podría suponer unos 150.000€ adicionales al año en ventas. Si la inversión en herramientas de marketing automation y fidelización para conseguirlo fuese de 20.000€/año, el retorno sería de 7,5 veces la inversión. Los números concretos dependerán siempre de tu ticket medio, tu margen y tu punto de partida.
| Perfil (ejemplo) | Ingreso incremental/año | Coste estimado de fidelización | ROI |
|---|---|---|---|
| eCommerce 500K€ | 75.000€ | 10.000€ | 7,5x |
| eCommerce 1M€ | 150.000€ | 20.000€ | 7,5x |
| eCommerce 5M€ | 750.000€ | 50.000€ | 15x |
Muchas gracias por compartir, la verdad que se implementa muy fácil. ¿Hay alguna manera «rápida» de identificar a los usuarios por si Nivel de Fidelizacion? Estaría genial que automáticamente también asignara el Nivel al correo electrónico así se pueden hacer integraciones con los CRMs para poder definir acciones automáticas, lo dicho gracias!
¡Hola, Iván! Muchas gracias por tu comentario. Hay una pestaña en el Excel que calcula el R (recurrencia) y el F (frecuencia) asociado a cada email. A partir de ahí se puede montar algo sacando esa info a otra tabla y cruzándolo. Aunque también decirte que soluciones como Connectif ya han implementado el modo y facilitan el proceso de automatización sobre esos segmentos 😉
Hola gracias por el recurso la verdad es muy valioso, ya lo he implementado, una duda: el LTV sale muy superior al importe promedio de las compras de cada segmento. Cómo está calculado? Entendería que es una proyección de lo que me puede comprar en el periodo analizado?. Por favor me podrías aclarar esta duda necesito interpretar el resultado. Muchas gracias
Hola Evelyn
¡Muchas gracias por comentar!
El LTV lo entendemos como la suma de las compras que ha hecho un usuario durante todo da su vida 😉
Un abrazo,
Hola! Gracias por el informe, muy claro. Queria saber cual es la mejor forma de calcular la frecuencia de compra de los usuarios del total de una base de fidelización. Por ejemplo, si tengo 500 transacciones, conozco el RFM de mi base, como prodria decir cúal es la frecuencia de compra de mi base? Gracias!
Hola Estefanía,
¡Muchas gracias a ti! 😉
La frecuencia se calcula en base al número de compras totales de cada usuario. Está explicado en el template descargable, pero si tienes cualquier duda adicional puedes escribirnos a marketing@producthackers.com.
¡A por ello!
Un abrazo,
Hola ¡Wow! La explicación de la matriz RFM fue estupenda Estoy emocionado por la cantidad de valor que esto va a agregar tanto a mi negocio como al de mis clientes. Es como si me hubieran dado el manual de instrucciones que siempre quise, pero nunca supe que existía. Gracias por compartir esta joya; estoy seguro de que va a ser un cambio de juego en nuestras estrategias.
Gracias por tus palabras, Guido! Ojalá os sirva para crecer muchísimo 🙂