Análisis de los clientes para fomentar que nos sigan comprando

Dentro de la inteligencia de clientes o Customer Intelligence, más allá de la segmentación de clientes, tenemos análisis de datos para obtener inteligencia de negocio más potentes. Entre ellos, destacan los modelos de propensión: que pueden ser de compra (cross-sell y up-sell), fuga (si pudiera dejar de ser nuestro cliente), riesgo de impago (que no pague lo que adeuda), fraude, etc. Son modelos que estiman la probabilidad de que se produzca esa conducta (compra, fuga, etc.) para cada uno de nuestros clientes, y permite generar modelos predictivos para poder tomar decisiones de negocio en tiempo real.

Uno de los fundamentos básicos de la experiencia humana es que el futuro próximo es parecido al pasado reciente. Esto se ha demostrado empíricamente tanto a nivel individual como social. Por lo tanto, cabe concluir que el comportamiento futuro de un individuo será parecido a su comportamiento pasado. Y así, podemos extrapolar esta visión a que los sucesos futuros en un negocio, serán parecidos a los sucesos del pasado reciente.

Este asunto es particularmente interesante a la hora de hablar de los clientes. Ceteris paribus (permaneciendo las condiciones constantes), podemos esperar que en nuestro negocio las ventas pudieran ser parecidas, salvo que hiciéramos una campaña o similares. La tasa de nuevos clientes puede ser similar a la del pasado año, y la tasa de abandonos será similar igualmente a la del año anterior.

Los clientes son los mejores comerciales de la empresa, dado que prescribiendo, es como mejor se puede llegar ante la incapacidad de hacer promociones y campañas de un tamaño suficiente (que es cuando realmente pueden ser efectivas).

Por esta razón, la experiencia de cliente abre ya un tema de especial interés para el campo del Business Intelligence. Una experiencia bien diseñada empieza antes de la compra, se intensifica durante la misma y se mantiene hasta la siguiente. ¿Qué métricas utilizar para saber que mis clientes están disfrutando y por lo tanto me podrán prescribir? Eso es lo que trataremos de ver. En definitiva, tener como objetivo retener a los mejores/más rentables clientes, e identificar los factores clave que influyen en el attrition (fuga de clientes). Esto se hace identificando a través de modelos predictivos los clientes con más alta propensión a la fuga. Para ello, se utilizan scores para priorizar los clientes objetivo para acciones de retención.

La experiencia de cliente abre ya un tema de especial interés para el campo del Business Intelligence | Getty Images

En todo esto, un área que ayuda especialmente a estos objetivos es el de los modelos de propensión a la fuga. La primera pregunta que se puede hacer un negocio es saber qué datos son importantes. Realmente, todos lo son. Partiendo de ello, el primer paso es armar el conjunto de datos a analizar. Para ello, hay que obtener un conjunto de clientes con resultado conocido: clientes vigentes activos y antiguos clientes “fugados”. El siguiente paso consiste en caracterizar al cliente. Esto se puede simplificar usando una serie de variables.

¿Y qué tendríamos que hacer ahora? Pues básicamente localizar nuestro público objetivo para evitar que se fuguen. Y, a ese público objetivo, aplicarles alguna acción. Acciones como: descuentos a los más propensos a irse, promociones adhoc a un conjunto de clientes que si bien no son los más propensos a irse ya no tienen la mejor experiencia de cliente, etc. 

Aquí es donde los equipos de marketing entran con sus técnicas y donde el análisis de datos ya no entra (aunque sí que pudiera aportar cierta evidencia respecto a cuáles de estas técnicas han sido en el pasado las más efectivas). Por último, seleccionar bien el momento ideal para las acciones de retención dependerá del equilibrio a conseguir entre dos variables: Coste de prevención de fuga y la Tasa de éxito en prevención de fuga.

Estos mismos modelos de a la fuga, también se han trabajado con árboles de decisión (aquí para un modelo de abandono voluntario de clientes) o con modelos de regresión logística (ver aquí un caso interesante). Por cierto, cabría preguntarse por qué este tipo de análisis son tan necesarios para una empresa. Pues bien, lo son para construir relaciones duraderas y sostenibles en el tiempo entre las empresas y sus clientes, permitiendo incrementar el índice de satisfacción, la involucración y la optimización del marketing de compromiso. Por lo tanto, contactar a los más propensos a fugarse da buenos resultados a una empresa.

Comenta