Captar nuevos clientes y retenerlos es un tema presente (y crítico) para muchas empresas. Lo dicen artículos de Forbes, entre otros: la lealtad y la retención de los clientes sigue decreciendo.
Si te interesa este tema, probablemente ya habrás oído o leído varias veces cosas como “cuesta 5 veces más atraer a un nuevo cliente que retener uno actual”, “el coste de captación de un cliente en un negocio digital suele ser superior al margen de beneficio” o “el 20% de tus clientes es quien genera el 80% de tus ingresos”. También me atrevería a decir que si trabajas en marketing, un departamento ventas o tienes un perfil cercano a la Dirección, estas cifras no te parecen desmesuradas.
Ahora bien, si lo tenemos claro y tan importante es asegurar la retención de nuestros clientes, ¿por qué no estamos identificando ese 20% que sostiene nuestro negocio para asegurar su retención? ¿o identificando a aquellos que más valor nos aportan, para tener un trato “especial” cuando sea necesario y generar engage con nuestra marca? La respuesta es sencilla, son muchas las empresas aún no analizan su base de datos de clientes.
Scoring de clientes
Existen muchas técnicas para tener indicadores de “cómo de sana” está nuestra base de datos de clientes: RFM, análisis de cohortes, CLV (Customer Lifetime Value)… Sin entrar en demasiado detalle de cómo se calculan, serían tres ejemplos de técnicas de análisis que nos permite otorgar un valor estratégico a cada cliente en función de cuánto, cuándo gasta en nuestro negocio y obtener predicciones de cómo se comportarán esos clientes en el próximo periodo.
Una forma sencilla de conseguir un scoring de clientes es mediante el cálculo de RFM (lo puedes hacer incluso en un Excel). Además, se trata de un cálculo que permite ser adaptado a cualquier caso de negocio.
Las siglas RFM corresponden a:
- Recencia (Recency) – ¿Hace cuánto ha efectuado su última compra?
- Frecuencia (Frequency) – ¿Cuál es su frecuencia de compra?
- Valor monetario (Monetary Value) – ¿Cuánto ha gastado?
Para calcularlo, la recomendación general sería ponderar esos valores y hacer la media aritmética entre la recencia, la frecuencia y el valor monetario. También sería posible obtener un valor RFM concatenando los valores… También sería posible otorgar distintos pesos a cada una de las variables. ¿Estás analizando a tus usuarios en una cadena de supermercados? Probablemente la frecuencia para ti sea clave y deba “contar más”. En cambio, ¿se trata de una joyería? En este caso, el indicador más relevante podría ser precisamente el valor monetario de ese cliente… Cómo obtener ese valor dependerá de la empresa, del sector y una serie de factores que sólo la experiencia y la visión de negocio puede completar para que este cálculo tenga sentido.
Si nos abstraemos ligeramente del concepto RFM y lo consideramos simplemente una técnica cuantitativa, que nos entrega un número asociado a cada cliente del valor que nos aporta, podemos adaptar este tipo de análisis a prácticamente cualquier negocio: añadiendo más “columnas” a nuestra suma con el objetivo de obtener un valor numérico que nos permita obtener una ordenación relevante para la toma de decisiones.
Simplemente el hecho de identificar los clientes que más valor aportan a tu empresa, ya sería una razón suficiente para aplicar algún tipo de técnica de scoring. Sólo necesitas los datos. A partir de esta información, vas a poder identificar las palancas con las que poner en marcha acciones y conseguir una estrategia para, por ejemplo:
- Reactivar a aquellos consumidores que llevan tiempo sin comprar y que solían comprar frecuentemente
- Aumentar el importe de compra total en cada transacción (con acciones up-sell o cross-sell)
- Identificar a aquellos de más valor y convertirlos en prescriptores de tu marca: que te recomienden entre sus círculos, en redes sociales…
- Identificar el nivel de satisfacción de los clientes de más valor y plantear acciones correctoras a tiempo
Un paso más en el análisis de tus clientes: clústering
Pero especialmente, estas técnicas de scoring tendrán sentido si ya estás trabajando la segmentación en tu base de datos de clientes (Podría interesarte: “¿Qué es el clustering? Segmenta a tus clientes con Machine Learning”). Si además del análisis cuantitativo (scoring generado con técnicas como RFM), dispones de información cualitativa de tus clientes que responda a “¿cómo son?” y cruzamos esa información, conseguirás una visión clara de qué acciones llevar a cabo para cada tipo de público. Sí, estoy hablando de obtener información objetiva para saber cómo orientar campañas específicas a cada tipología o grupo de clientes, sabiendo priorizar las que tendrán más impacto y retorno porque ese grupo (clúster), tiene más valor en su scoring medio. ¿Interesante? Entre otras cosas, podrías:
- Optimizar tus esfuerzos para captar nuevos clientes sabiendo cómo son aquellos que te aportan más valor; es decir, buscar clones en la segmentación de tus campañas de captación.
- Identificar qué segmento podría gastar más porque sólo compran en un tipo de categoría de productos.
- Tomar decisiones como qué tipo de producto interesa vender a cada segmento, como por ejemplo posicionarse en artículos “de lujo” o “de oferta”.
Tener datos estructurados y de calidad es el primer paso para poder explotar esa información con éxito y obtener retorno de la inversión. Si aún no estás recogiendo esa información… ¡toma medidas cuanto antes! (incluso aunque temporalmente sea en un Excel 😉 ).
En SolidQ podemos ayudarte en todas las fases para desarrollar tu Data Strategy y hacer realidad la toma de decisiones basada en información objetiva… Si quieres dar el paso, no dudes en ponerte en contacto con nuestro y suscribirte a nuestra newsletter para recibir las últimas novedades en tu correo.
