El análisis consiste en clasificar a los clientes por su valor en función de tres variables:

Recencia. Días transcurridos desde la última compra.

Frecuencia. Número de compras por período de tiempo, como promedio. Por ejemplo, número de compras mensuales.

Money. Valor de las compras totales realizadas por el cliente en el tiempo de análisis.

Para ello, construímos escalas, basadas en estas variables, dando a cada cliente un valor según el percentil en que se encuentra (percentiles = n grupos de igual tamaño, o nº de clientes). Lo más habitual es trabajar con 5 valores (quintiles), aunque no es raro el uso de 10 valores (deciles), sobre todo en venta directa y online.

Por ejemplo, un cliente que estuviera entre el 20% de los que más recientemente han comprado, en el 2º 20% por frecuencia de compra y el 4º 20% en valor total de compras, se le asignaría el segmento 124,  (R)5 (F)4 (M)2 . Lo vemos en el gráfico:

El gráfico siguiente muestra cómo se distribuye la venta de una enseña de comercio minorista, en función del segmento de valor monetario M al que pertenecen los clientes. Efectivamente, refleja la distribución 20/80 (ligeramente reducida, como suele ocurrir al llevar los paradigmas a la práctica).

El análisis RFM presenta claros beneficios en la segmentación tanto estratégica como operativa de clientes en retail,

• sencillez de interpretación y aplicación
• relativa sencillez de cálculo, frente a técnicas multivariantes
• se integra fácilmente en las dinámicas promocionales habituales en un área de marketing y es ideal para marketing directo y relacional: ¿a qué segmentos dirijo qué comunicación? o ¿qué segmentos responden mejor a la oferta?
  
• dado que los modelos de abandono son complicados de ajustar en retail, el trabajo continuo sobre la recencia de compra es un medio excelente de reducción de abandono a medio plazo
• por todo lo anterior, se presenta como un magnífico punto de partida cuando nos enfrentamos a la segmentación de clientes sin un aprendizaje previo, y con la necesidad de aplicarla inmediatamente

La segmentación y medición de retorno de acciones por canales directos es una de las aplicaciones más usuales de este tipo de análisis. A continuación mostramos unos ejemplos de análisis de respuesta a emails basados en RFM.

fuente: http://www.dbmarketing.com/articles/Art148.htm

fuente: http://www.dbmarketing.com/articles/Art148.htm

Y más aplicaciones, como análisis de comportamiento de clientes por categorías, por temporadas y campañas, por tipo de pdv o implantación, integración de la dimensión espacial en análisis RFML (Location)… pero todo esto ya es materia suficiente para otro post.

Como siempre, esperamos vuestras opiniones, sugerencias, críticas. A vuestra disposición.

Entradas relacionadas:

• Segmentación de clientes. Una propuesta de clasificación (II). La segmentación táctica (12-01-2010)
• Segmentación de clientes. Una propuesta de clasificación (I) (15-12-2009)
• El uso correcto de los datos: elemento básico para un buen análisis (11-01-2012)

A este camino solemos llamarlo marketing relacional, porque se recorre a base de interactuar, escuchar, conocer y aportar valor al cliente.

Pero a veces lo olvidamos, pensamos que el cliente que no nos abandona es fiel, cuando sólo ha decidido seguir con nosotros después de un cálculo de beneficios y costes.

La diferencia entre retención y fidelidad es muy fácil de ejemplificar, yo soy un cliente retenido de mi proveedor de ADSL y telefonía, pero mi nivel de satisfacción no apenas llega al “aprobado”, y desde luego carezco de todo sentimiento de fidelidad hacia la marca. Si no cambio de proveedor es porque pienso -sé, de hecho- que con sus competidores no encontraré mejoría, y los costes asociados al cambio -tiempo, llamadas, papeleo, burofaxes…- son elevados.

Este tipo de confusión lleva a menudo a descuidar la atención al cliente, la escucha de sus necesidades, expectativas, su valoración de nuestro servicio, cómo los clientes nos posicionan en el mercado. Es propio de empresas que cometen este error declarar que sus clientes les son fieles, y personalmente acostumbro a desconfiar cuando una reunión empieza con este tipo de afirmaciones.

En mi experiencia, las marcas que equivocan así su visión tienden también a fijar objetivos de marketing relacional en términos del tipo “tantos miles, o millones de clientes en la base de datos” o “tantos fans, amigos, seguidores en redes sociales”. O a reducir costes e incluso generar ingresos generados por partners -una tentación irresistible, que describe en detalle este reciente artículo de José Manuel Ponzoa-.

Objetivos que nada tienen que ver con la fidelidad, ni con la relación con el cliente.

Por otro lado, es perfectamente lícito fijar objetivos en términos de captación de clientes, venta cruzada o reducción de costes de atención al cliente, por citar algunas estrategias opuestas a la fidelización. En determinados casos pueden ser las más adecuadas. De hecho, en la mayoría de sectores, yo suelo plantear programas de retención o venta cruzada a corto y medio plazo. Y a largo plazo hablaremos de fidelidad.

En definitiva, diría que la tesis de este post algo caótico y escrito del tirón sería respetemos el término y concepto de fidelidad, y no tengamos miedo a usar otros términos si definen mejor nuestras estrategias, sean retención, venta cruzada, up-selling o captación.

Seguro que vosotros tenéis vuestras propias experiencias y visiones del tema, ¡nos encantaría que nos las contés!

Entradas relacionadas:

• El programa de fidelización eficiente (21-01-2010)
• Segmentación de clientes. Una propuesta de clasificación (II). La segmentación táctica (12-01-2010)
• Los pasos para diseñar e implantar un programa de fidelización (10-03-2010)

Aun cuando no es la aplicación única, la gran mayoría de segmentaciones tácticas de clientes se enfocan a la optimización de campañas de marketing directo o relacional. Nos referiremos aquí de manera indiferente a todos los canales directos -mailing, emailing, SMS, telemarketing o personalización web- pues lo que nos interesa es el análisis en cada tipo de campaña.

Las técnicas analíticas permiten la optimización de las campañas en tres momentos de la misma: segmentación inicial de clientes target, test -de canales, creatividades, ofertas- y análisis de los resultados. Así, el resultado final de una campaña retroalimenta  la segmentación de una nueva campaña, mejorando continuamente los resultados.

Existen cinco grandes tipos de campañas, en función de sus objetivos. Cada uno suele basarse en unas técnicas de segmentación concretas.

• Retención. Identificación de clientes más rentables, estimación de la cuota de cliente, simulación de sendas de abandono y alertas ante eventos de riesgo de abandono –reclamaciones, incidencias no resueltas, períodos de inactividad-.
• Recuperación de desertores. Son campañas altamente dependientes del motivo del abandono, y a menudo requieren una investigación de estas motivaciones de los clientes perdidos. Es clave conocer el valor de vida o valor futuro previsto del cliente, para dimensionar la oferta de recuperación, y actuar inmediatamente tras la deserción. Obviamente, siempre es preferible trabajar en la retención de un cliente que tener que hacerlo en su recuperación.
• Venta cruzada o cross-selling. Es definitivo el análisis de potencial de demanda por categoría. En  retail los análisis de asociación permiten generar cestas de la compra y patrones secuenciales de compra. Los motores de recomendación suponen una variante de cross-selling donde la campaña se lanza online, durante el proceso de compra. Son campañas muy rentables en compañías o grupos altamente diversificados.
• Mejora o up-selling. De nuevo es clave estimar correctamente la demanda total del cliente en la categoría, buscando maximizar la cuota de cliente. En distribución minorista, suelen dividirse en acciones de incremento de ticket medio y acciones de incremento de frecuencia, a menudo a partir de análisis RFM –Recencia, Frecuencia, valor Monetario-.
• Captación de nuevos clientes. El potencial de demanda se estima mediante la búsqueda de gemelos –clientes similares a los que me son más rentables- o modelización sociodemográfica –modelos predictivos de demanda basados en características sociodemográficas, generalmente provenientes de fuentes públicas como censos, padrones, estudios sectoriales-. Este potencial demanda indicará el valor esperado de cada cliente potencial y, por tanto, los recursos que conviene invertir en su captación.

Toda segmentación de clientes, por buena que sea, puede mejorarse. La respuesta a una campaña es una  función  compleja de gran número de variables, desde las características del producto a las necesidades del cliente, sí, pero sin olvidar el papel de la oferta, creatividad, copy, canal, acciones concurrentes de la competencia, lanzamiento de productos sustitutivos o complementarios, timing de impactos, etc. Por ello, conviene testar diversas combinaciones de estos elementos, en busca de aquéllas que mejor funcionan para los diferentes tipos de clientes.

Esta fase de test cobra una especial relevancia en el marketing online, donde es posible testar tantas combinaciones como se desee sin incrementar el coste del canal gracias a herramientas gratuitas como Google Analytics o Google web optimizer.

El análisis de resultados de los test permite optimizar la campaña real, de igual manera que el análisis de ésta realimentará las futuras campañas, en una espiral de incremento de valor.

El conjunto de técnicas de data mining conocido como clasificadores permite separar y describir los clientes que responden en función de una serie de variables predictivas. Estos modelos sirven, además, para identificar las variables que mejor funcionan en la clasificación, pudiendo prescindir de otras y reduciendo posibles costes de adquisición de datos. Por todo ello, esta fase de análisis de resultados es tan importante o más que la segmentación inicial.

Así, podríamos concluir, por ejemplo, que una campaña de recuperación de desertores ha funcionado mejor con los clientes con más de cinco años de antigüedad, que compran actualmente por internet y se les ha ofertado un cheque de cinco euros para su siguiente compra. Si además el análisis demostrara que su nivel de estudios no es relevante, podríamos ahorrarnos en adelante nuestras campañas de obtención de esta variable.

Si os han interesado estos dos posts sobre tipos de segmentación de clientes, podéis ver o bajaros este documento sobre el mismo tema. El contenido es muy similar, sólo que algo más detallado. Espero vuestros comentarios  sobre el tema.

Entradas relacionadas:

• Segmentación de clientes. Una propuesta de clasificación (I) (15-12-2009)
• Análisis RFM en retail. Empezando a segmentar clientes (I) (10-02-2011)
• Satisfacción, retención, fidelización, relación. ¿A dónde queremos ir? (02-03-2010)