---
title: "Segmente de clienți, RFM și valoarea pe viață la magazinele cu ramburs: de ce folosești doar comenzile livrate"
description: "Segmentarea RFM, retenția pe cohorte și valoarea pe viață a clientului au sens la un magazin cu plata la livrare doar dacă le calculezi pe comenzile livrate, pentru că un colet refuzat la ușă nu aduce bani. Punctăm fiecare client după recență, frecvență și valoare doar din comenzile livrate, separat pe magazin și pe monedă, și găsim același client în toate sistemele după ultimele nouă cifre ale telefonului. Partea grea n-au fost formulele, ci să ne asigurăm că o căutare și datele folosesc aceeași normalizare."
date: 2026-10-11
lang: ro
canonical: https://goingstellar.ro/ro/metode/segmente-clienti-rfm-ltv-ramburs/
author: Going Stellar
publisher: GOING STELLAR S.R.L.
topic: E-commerce / Analiza clienților
license: CC BY 4.0
alternate_en: https://goingstellar.ro/methods/customer-segments-rfm-ltv-cash-on-delivery/
---

# Segmente de clienți, RFM și valoarea pe viață la magazinele cu ramburs: de ce folosești doar comenzile livrate

*Segmentarea RFM, retenția pe cohorte și valoarea pe viață a clientului au sens la un magazin cu plata la livrare doar dacă le calculezi pe comenzile livrate, pentru că un colet refuzat la ușă nu aduce bani. Punctăm fiecare client după recență, frecvență și valoare doar din comenzile livrate, separat pe magazin și pe monedă, și găsim același client în toate sistemele după ultimele nouă cifre ale telefonului. Partea grea n-au fost formulele, ci să ne asigurăm că o căutare și datele folosesc aceeași normalizare.*

> E-commerce · Analiza clienților · 2026-10-11 · https://goingstellar.ro/ro/metode/segmente-clienti-rfm-ltv-ramburs/

## Pe scurt

- La un magazin cu ramburs, RFM, retenția pe cohorte și valoarea pe viață se calculează doar pe comenzile livrate, pentru că un colet refuzat nu aduce venit.
- Scorurile RFM de la 1 la 5, pe chintile, se împart în șase segmente, iar segmentul în pericol (frecvență și valoare mari, recență mică) e prima țintă pentru recâștigare.
- Ca să găsești un client după telefon în orice format, scoți tot ce nu e cifră și compari ultimele 9 cifre, atât pe telefonul de facturare, cât și pe cel de livrare.
- Cohortele vechi arată mereu o valoare pe viață mai mare fiindcă au avut mai mult timp să revină, deci sunt un plafon, nu un etalon.
- O căutare care normalizează textul altfel decât datele salvate răspunde „n-am găsit” deși înregistrarea există; testează că ambele părți folosesc aceeași funcție.

## De ce analiza clienților la un magazin cu ramburs pornește de la comenzile livrate

La un magazin cu plata la livrare (ramburs), segmentele de clienți, scorurile RFM și valoarea pe viață se calculează **numai** pe comenzile livrate. Clientul plătește curierului la ușă, așa că o comandă refuzată nu aduce niciun leu. Dacă construiești segmentele din lista brută de comenzi a platformei magazinului, fiecare colet refuzat apare ca o cumpărare, iar un client care a refuzat mai multe colete arată ca un cumpărător fidel și valoros.

**RFM** vine de la recency, frequency, monetary: cât timp a trecut de la ultima comandă, câte comenzi a făcut clientul și cât a plătit. **Valoarea pe viață (LTV)** e venitul mediu adus de un client pe toată relația cu magazinul. **Retenția pe cohorte** e procentul de clienți, grupați după luna primei comenzi, care mai cumpără în lunile următoare. La un magazin cu ramburs, toate trei trebuie să citească statusul de livrare de la curier, nu simplul fapt că s-a plasat o comandă.

Noi rulăm analiza pe baza de date de livrări, unde fiecare comandă are un status de livrare agregat, și filtrăm pe `status = 'delivered'`. Lista de comenzi a platformei e sursa greșită pentru asta: conține refuzurile și, la noi, și anulările.

## Pasul 1: o singură identitate de client și o singură monedă

**1. Identitatea.** RFM cere un rând per client. În datele noastre de livrare, cheia de identitate e adresa de email: aproximativ 355.000 de clienți unici, pe aproximativ 443.000 de comenzi. Comenzile fără email sunt excluse, deci un client care n-a dat niciodată email rămâne anonim și comenzile lui nu se leagă între ele. Acoperirea e bună, dar nu completă.

**2. Moneda.** Valoarea e păstrată în moneda fiecărui magazin. Un magazin care vinde în lei și unul care vinde în coroane cehe nu se adună, așa că analiza de clienți rulează pe fiecare magazin separat. Rularea pe toate magazinele deodată e bună doar pentru numărat clienți, niciodată pentru valoare.

**3. Rambursările.** Analiza noastră nu scade rambursările parțiale. Totalul comenzii e valoarea comenzii livrate. Pentru a ordona clienții e suficient; pentru profit ai nevoie de calculul complet de profitabilitate, care e altă metodă.

## Pasul 2: scoruri RFM pe chintile și segmentele care rezultă

Fiecare client primește un scor de la 1 la 5 pe recență, frecvență și valoare, pe chintile (`NTILE(5)` în SQL): cea mai recentă cincime de clienți ia 5 la recență, cea mai frecventă cincime ia 5 la frecvență și tot așa. Chintilele se adaptează fiecărui magazin, deci nu trebuie să ghicești ce înseamnă „recent” la un magazin de parfumuri față de unul de mobilă.

Apoi facem media dintre frecvență și valoare într-un singur scor (FM) și împărțim clienții în șase segmente. **Campioni**: recență cel puțin 4 și FM cel puțin 4. **Fideli**: recență cel puțin 3 și FM cel puțin 3. **Noi sau promițători**: recență cel puțin 4, dar FM sub 3. **În pericol**: recență 2 sau mai mică, dar FM cel puțin 4, adică clienți valoroși care s-au oprit. **Pierduți**: recență și FM amândouă 2 sau mai mici. Restul intră la **cer atenție**.

Segmentul care plătește toată analiza e cel **în pericol**: clienți care au cheltuit mult și au tăcut. Ei sunt prima țintă pentru un flux de recâștigare pe email sau SMS, iar reactivarea lor costă mult mai puțin decât aducerea unor clienți noi.

## Pasul 3: retenția pe cohorte, LTV pe cohortă și o prognoză simplă

**Retenția pe cohorte.** Grupezi clienții după luna primei comenzi livrate și numeri ce procent din fiecare cohortă a mai cumpărat în luna 1, luna 2, până în luna 6. Luna 0 e 100% prin definiție. O curbă de retenție plată arată o problemă de produs sau de după vânzare, nu una de achiziție.

**LTV pe cohortă.** Pentru fiecare lună a primei comenzi raportăm numărul de clienți, comenzile per client, venitul mediu livrat per client și rata de revenire (procentul de clienți cu 2 sau mai multe comenzi livrate). Pe unul dintre magazinele noastre, rata de revenire a mers de la 4,9% în cohortele cele mai tinere la 28,5% în cele mai vechi. Cohortele vechi arată mereu mai bine fiindcă au avut mai mult timp să revină, așa că le citești ca plafonul la care poate ajunge o cohortă tânără, nu ca valoarea ei de azi. LTV-ul pe cohortă e limita realistă a ce îți permiți să plătești pentru un client nou.

**Prognoza.** Luăm comenzile livrate și venitul pe săptămână din ultimele 52 de săptămâni, scoatem săptămâna curentă (incompletă), facem media ultimelor 8 săptămâni și comparăm ultimele 4 săptămâni cu cele 4 dinainte ca să obținem tendința. Tendința se aplică pe jumătate pentru fiecare săptămână viitoare. E un model voit simplu, fără sezonalitate fină: bun pentru stoc și buget, nu pentru un vârf de sezon.

## Pasul 4: același client după telefon, indiferent de format

Ca să găsești un client după telefon în mai multe sisteme, scoți tot ce nu e cifră și compari doar **ultimele 9 cifre**. Un număr de mobil românesc apare ca `0700000000`, `40700000000`, `+40 700 000 000` sau cu cratime, după formularul de comandă, curier și operatorul care l-a tastat. Ultimele 9 cifre sunt aceleași în toate variantele. Căutarea noastră de customer service caută sufixul atât în telefonul de facturare, cât și în cel de livrare, și întoarce toate comenzile din toate magazinele.

Din lista asta, căutarea calculează valoarea pe viață doar din comenzile **livrate**, rata de refuz și un semnal pentru refuzul în serie: un client cu 2 sau mai multe refuzuri, sau cu rată de refuz de cel puțin 50% pe minimum 2 colete încheiate, primește doar ofertă cu plata cu cardul, niciodată ramburs.

Pentru customer service la ramburs, telefonul e cheia mai bună: e singurul câmp de care curierul are nevoie și pe care clientul nu-l poate sări. Pentru calculul RFM în lot, emailul e cheia mai bună, fiindcă e păstrat consecvent în datele de livrare. Acceptăm diferența în loc să ne prefacem că o singură cheie face ambele treburi.

Legarea unui tichet de suport de un client e mai grea. În sistemul nostru de tichete, cele pe email se leagă direct (27% din tichete). În mesajele private de pe rețelele sociale (circa 12%), clientul scrie de obicei emailul sau telefonul când i se cere, iar noi le extragem cu o expresie regulată. Comentariile la reclame (60% din tichete) au doar un identificator anonimizat, valabil pe pagina respectivă, deci persoana nu poate fi identificată, doar magazinul.

## Unde am greșit: normalizarea căutării nu era normalizarea datelor

Cea mai urâtă greșeală de identitate n-a fost în datele de clienți, ci într-o căutare de adrese, și lecția se aplică oricărei căutări. Funcția de căutare „aplatiza” textul într-un fel, descompunând caracterele și aruncând semnele diacritice, iar coloana salvată fusese normalizată altfel. În bulgară, o literă chirilică descompusă își pierdea semnul, așa că 303 din 6.195 de localități nu puteau fi găsite niciodată. În poloneză, o literă fără formă descompusă își păstra bara, iar numele salvat avea litera simplă: 6.382 din 35.714 nume erau de negăsit, printre ele orașe cunoscute.

O căutare care întreabă greșit răspunde mereu „n-am găsit nimic”, iar asta arată la fel ca „nu există nimic”. Soluția e un test, nu o funcție mai deșteaptă: când compari ce primești cu o coloană precalculată, dovedește că cele două normalizări sunt aceeași funcție, numărând rândurile unde `norm(name) <> name_norm`. Dacă rezultatul nu e 0, cauți în altă limbă decât cea în care au fost scrise datele. Regula ultimelor 9 cifre la telefon e sigură tocmai pentru că și telefoanele salvate sunt comparate cu aceeași regulă, ca sufix.

A doua greșeală a fost să avem încredere într-o sursă doar pentru că părea la zi. Depozitul nostru de date analitice avea comenzi până în ziua curentă, dar la un magazin lipseau aproximativ 15% din comenzi față de magazinul live. Un raport de rată a defectelor construit pe sursa trunchiată a supraestimat rata cu aproximativ 38%, până când l-am mutat pe baza de livrări.

## Limite și o listă scurtă de verificare

Metoda ordonează clienții, nu măsoară profitul. Rambursările parțiale nu se scad, clienții fără email nu apar în calculul RFM, iar prognoza ignoră sezonalitatea. Scorurile pe chintile sunt relative, deci un magazin cu foarte puțini clienți care revin va avea totuși o cincime de sus numită „Campioni”.

**Verificare.** Filtrezi pe comenzi livrate, nu plasate. Rulezi pe fiecare magazin și pe fiecare monedă. Alegi o cheie de identitate pentru fiecare treabă și știi ce pierde. Punctezi R, F și M pe chintile și te ocupi întâi de segmentul în pericol. Citești cohortele vechi ca plafon. Compari telefoanele pe ultimele 9 cifre, de ambele părți. Înainte să crezi un „n-am găsit”, dovedește că search-ul și datele salvate sunt normalizate cu aceeași funcție.

## Întrebări și răspunsuri

### De ce RFM se face pe comenzi livrate, nu pe comenzi plasate?

La un magazin cu ramburs, clientul plătește curierului la ușă, deci un colet refuzat nu aduce bani. Datele pe comenzi plasate numără fiecare refuz drept cumpărare, umflă frecvența și valoarea și pot pune în topul clienților pe cineva care a refuzat mai multe colete. Filtrul pe livrate face ca RFM, valoarea pe viață și retenția să descrie clienții care chiar au plătit.

### Cum calculez segmentele RFM în SQL?

Agregi comenzile livrate pe client: data ultimei comenzi, numărul de comenzi și totalul plătit. Le punctezi cu NTILE(5), de la 1 la 5. Faci media dintre frecvență și valoare (FM), apoi: recență 4+ și FM 4+ înseamnă Campioni, recență 3+ și FM 3+ Fideli, recență 4+ cu FM sub 3 Noi, recență 2 sau mai mică cu FM 4+ În pericol, amândouă 2 sau mai mici Pierduți, restul cer atenție.

### Cum găsesc un client după telefon dacă numărul e salvat în formate diferite?

Scoți orice caracter care nu e cifră și compari doar ultimele 9 cifre, ca potrivire de sufix pe telefonul salvat. Așa se potrivesc numărul cu zero în față, același număr cu prefixul de țară și același număr cu spații sau cu plus. Caută în telefonul de facturare și în cel de livrare, pentru că mulți clienți îl completează doar pe unul.

### Ce rată de revenire e bună pentru un magazin cu ramburs?

Nu avem un reper universal. Pe unul dintre magazinele noastre, procentul de clienți cu 2 sau mai multe comenzi livrate a mers de la 4,9% în cohortele tinere la 28,5% în cele vechi. Diferența vine mai ales din timp: cohortele vechi au avut mai mult timp să revină. Compară cohorte de aceeași vârstă și măsoară doar pe comenzi livrate.

### Pot rula analiza de clienți pe toate magazinele deodată?

Doar ca să numeri clienți. Valoarea e salvată în moneda fiecărui magazin, iar lei adunați cu coroane dau un număr fără sens. Rulează RFM, valoarea pe viață și prognoza pe fiecare magazin și convertește explicit monedele dacă ai nevoie să compari magazinele.

## Cum se citează

**Citare:** Going Stellar (2026). *Segmente de clienți, RFM și valoarea pe viață la magazinele cu ramburs: de ce folosești doar comenzile livrate*. GOING STELLAR S.R.L.. https://goingstellar.ro/ro/metode/segmente-clienti-rfm-ltv-ramburs/

```bibtex
@misc{goingstellar2026customer,
  title  = {Segmente de clienți, RFM și valoarea pe viață la magazinele cu ramburs: de ce folosești doar comenzile livrate},
  author = {{Going Stellar}},
  year   = {2026},
  url    = {https://goingstellar.ro/ro/metode/segmente-clienti-rfm-ltv-ramburs/},
  note   = {2026-10-11}
}
```

Licență. Se poate cita liber, cu atribuire.

## Mai există și

- Pagina în HTML: https://goingstellar.ro/ro/metode/segmente-clienti-rfm-ltv-ramburs/
- Același articol în engleză: https://goingstellar.ro/methods/customer-segments-rfm-ltv-cash-on-delivery/