L’integrazione tra modelli RFM dinamici e Customer Lifetime Value nella previsione del valore del cliente e nell’ottimizzazione delle strategie di fidelizzazione. Analisi dell’azienda SDR Pack s.p.a.

La presente tesi analizza in che misura l’integrazione tra un modello RFM dinamico e il Customer Lifetime Value (CLV) possa migliorare la previsione del valore futuro dei clienti e supportare strategie di fidelizzazione più efficaci rispetto a un approccio RFM tradizionale e statico. La ricerca adotta un’impostazione teorico-empirica e applica il framework sviluppato al caso di SDR Pack S.p.A., impresa operante in un contesto B2B. L’analisi si basa su dati transazionali relativi al periodo 2020-2025: il quinquennio 2020-2024 è utilizzato per costruire la segmentazione RFM statica e dinamica, mentre il margine generato nel 2025 costituisce la misura del valore futuro osservato. Il modello dinamico considera l’evoluzione temporale di recency, frequency e monetary value, distinguendo clienti crescenti, stabili, in declino, intermittenti e recuperati, e integra tali traiettorie con una prospettiva di CLV profit-based. I risultati mostrano che l’RFM statico mantiene una significativa capacità informativa, ma l’integrazione della dimensione temporale e del valore economico prospettico consente una lettura più accurata della customer base e una migliore individuazione delle priorità di sviluppo, retention e recupero. Lo studio propone quindi un framework manageriale orientato a una gestione selettiva e data-driven del valore cliente.