• ¿Qué nuevos clientes serán repetitivos contra los de una sola ocasión?
  • ¿Qué nuevos clientes serán de alto valor?
  • ¿Qué clientes son más propensos a cancelar un servicio o dejar de comprar un producto?
  • ¿Qué características tienen?
  • ¿A cuáles debo tratar de retener y a cuáles no?
  • ¿Con que acciones puedo retenerlos?
  • ¿Cómo puedo reducir mi tasa de pérdida de clientes?

Éstas son preguntas típicas que cualquier empresa debe responder para tomar decisiones para atraer nuevos clientes y retener a los actuales. Sorprendentemente, estas decisiones de alto valor monetario se basan frecuentemente en “feeling” e intuición.

Uno de los principales objetivos de cualquier empresa es crecer. Esto se logra mediante la conjunción de tres elementos: crecer la base de clientes, mantenerlos por más tiempo, e incrementar su nivel de consumo. Vamos a revisar cada uno de ellos por separado.

  • Para crecer la base de clientes, se necesitan dos cosas: atraer nuevos clientes y mantener la base actual (de otro modo, si el número de clientes que se pierden es mayor a los que se ganan, la base disminuye). Además, para la mayoría de las empresas, el costo de adquirir un cliente es mucho mayor al de retenerlo. En la atracción de nuevos clientes, por tanto, es importante enfocar los esfuerzos en aquellos que tienen un potencial de ser clientes repetitivos y no clientes de una sola ocasión. En el mantenimiento de la base actual, es importante retener a aquellos que representen un beneficio futuro y dejar ir aquellos que no lo son.

 

  • Para mantener por más tiempo a los clientes, es necesario identificar aquellos que son propensos a cancelar o dejar de consumir. Por ejemplo, para una empresa que mantiene a un cliente en promedio 2 años, extenderlo por 4 meses más crea un crecimiento de doble dígito en ingresos sin necesidad de añadir a un cliente adicional.

 

  • Para incrementar el nivel de consumo de los clientes actuales, se requiere identificar aquellos clientes que son más propensos a adquirir productos o servicios adicionales y/o a responder a esfuerzos comerciales.

Todos estos elementos se pueden atacar de una manera racional, basada en datos, a través del uso de modelos matemáticos que pertenecen al ámbito del Análisis Predictivo. Los dos primeros elementos son foco del presente documento. El tercero es tema de otros artículos en esta serie.

 

¿Qué es el Análisis Predictivo?

El análisis predictivo es la aplicación de modelos matemáticos para identificar las principales variables que impactan un proceso y poder predecir la ocurrencia y/o probabilidad de que un suceso ocurra. Eric Siegel lo define como “el poder para predecir quién hará un clic, comprará, mentirá o morirá” (1).

Este tipo de análisis nos permite predecir qué clientes nuevos serán repetitivos y/o de alto valor, lo que provee información relevante para el diseño de estrategias de atracción de clientes. Por ejemplo, este tipo de análisis se utiliza en la banca de consumo cuando se otorga una “calificación” a cada persona que solicita un crédito.

De la misma manera, el análisis predictivo nos permite identificar los principales factores que influyen en la pérdida de clientes, así como detectar de manera temprana los patrones de comportamiento y características de clientes que son propensos a desvincularse. En industrias como telecomunicaciones y servicios financieros este problema es importante, ya que las tasas anuales de deserción o cancelación (que miden la pérdida de clientes por período, además de que son un reflejo de la satisfacción del cliente) oscilan entre 10% y 60%.

La información que se genera de este tipo de análisis es muy valiosa para la toma de decisiones. Si además se cruza con información de programas de lealtad, lo será mucho más, ya que permite ligar compras del mismo cliente a través del tiempo. El objetivo es aprender de la experiencia colectiva de la empresa, integrando información socio-demográfica (e.g. edad, estado civil, información familiar), financiera (e.g. ingresos, egresos, activos, pasivos), de consumo (e.g. antigüedad, frecuencia de consumo, productos/servicios adquiridos), de servicio (e.g. soporte, devoluciones) y de comportamiento (e.g. pagos, mora, cancelaciones).

El resultado de estos análisis es la base para la toma de decisiones que permite enfocar el gasto en la atracción de nuevos cliente y en la retención de clientes de alto valor que tengan alta probabilidad de fuga, crear acciones específicas que incrementen su fidelidad y construir con ellos relaciones de largo plazo.

Principales beneficios

Los principales beneficios al aplicar este enfoque basado en datos son:

  • Adquisición de clientes repetitivos y de alto valor
  • Reducción en los costos de adquisición de nuevos clientes
  • Identificación temprana de clientes de alto valor que tienen una alta probabilidad de desvincularse
  • Entendimiento de los motivos o factores más determinantes en la cancelación
  • Incremento en la efectividad de actividades comerciales para prevenir la pérdida de clientes
  • Fortalecimiento de la base de clientes a través del incremento en lealtad
  • Capacidad de análisis de altos volúmenes de datos heterogéneos
  • Capacidad de tomar decisiones rápidamente

Si bien este tipo de análisis está muy ligado a las industrias de telecomunicaciones y servicios financieros, tiene múltiples aplicaciones en otras industrias:

  • Mejora en la contratación y reducción de rotación de empleados
  • Mejora en la adquisición de nuevos clientes y reducción en la tasa de cancelación de servicios en industrias como Software-As-A-Service (SaaS), educación, media (e.g. periódicos, revistas) y bienes raíces
  • Fortalecimiento de lealtad y reducción en la fuga de clientes en industrias como el turismo (e.g. hoteles, aerolíneas), entretenimiento (e.g. cines), y retail en general

Conclusión

La adquisición de nuevos clientes, la retención de clientes actuales, y la extensión de su vinculación son elementos determinantes para el crecimiento de cualquier empresa. Para estos elementos, existe un gran potencial en el uso del Análisis Predictivo, que permite identificar los principales factores y patrones de comportamiento que caracterizan a los clientes de alto valor y su probabilidad de desvincularse, así como diseñar las estrategias de retención y fortalecimiento de lealtad. Las empresas que utilicen este tipo de análisis para la toma de decisiones, tendrán una ventaja sobre aquellas que sigan basándose en “feeling” e intuición.

 

(1) Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die, 2013

 

¡Ebook Gratis!

Crecimiento rentable a través de Estrategias de Clientes y Operaciones
Descargar eBook
Descargar PDF

TAMBIÉN TE PUEDE INTERESAR

article
Estrategia de Tecnología – End to End

Las tecnologías de la información aplicadas en los negocios se han convertido en un aspecto común dentro de los procesos de gestión, pero transferir un modelo hacia una plataforma integral y end-to-end, se convierte en una estrategia que te ayudará a acelerar tu transformación hacia una economía digital. Definición, identificación y alineación del negocio.  Otorgar un rol … Sigue leyendo Estrategia de Tecnología – End to End

05 abril 2018 /
article
De sobrevivir a prosperar

La forma en que las compañías compran y venden entre sí está cambiando. La dinámica del entorno ha acelerado la transformación de las ventas de empresa a empresa (B2B). En Sintec, analizamos los aspectos que más valoran los clientes y de qué manera los fabricantes pueden mejorar su oferta para elevar su satisfacción a través … Sigue leyendo De sobrevivir a prosperar

14 marzo 2018 / Estrategia
article
Extreme Benchmarking

Como consultor, a través de los años he escuchado constantemente frases como: “Nuestra industria es peculiar, mucho más compleja que otras, por lo que no nos sirve compararnos o tratar de copiar a otros”, “eso les funciona a ellos porque venden productos de consumo, nosotros somos B2B”, “para nosotros no aplica eso, porque nuestros clientes … Sigue leyendo Extreme Benchmarking

14 marzo 2018 / Estrategia