El historiador y la pitonisa: análisis predictivo de la demanda

Autor Lic. Martín Marcelo Sgattoni

Para los marketineros como usted, existen dos tipos de personas: los que compran sus productos y los que no. El rey de los indicadores, y que usted idolatra, es qué cantidad de las ventas del mercado son suyas y cuántas son de la competencia. Le tengo malas noticias: usted padece de miopía.

Cuando pensamos nuestro mercado binariamente en “sí clientes” y “no clientes” simplificamos nuestras estrategias. Las volvemos primitivas. En relación a los “no clientes”, que son aquellos que no nos eligen, buscamos seducirlos para que se crucen a nuestra vereda. En relación a los “sí clientes”, que son los que ya nos consumen, los clasificamos según cuánto $ nos aportan y definimos una intensidad promocional fija para cada ciclo en relación a ese valor. Los más rentables reciben mayor inversión y viceversa.

Resumiendo: aplicamos RETENCIÓN para los “sí clientes” y ADQUISICIÓN para los “no clientes”. Esta es la estrategia del historiador: los clientes son estudiados según su pasado.

Pero hay una tercera categoría de vital importancia que pasa desapercibida: los “sí clientes” que pronto serán “no clientes”. Se ocultan entre nuestras ventas, agazapados y prontos a abandonarnos. Ellos están pensando en cruzarse a la otra vereda, seducidos por el lado oscuro de la fuerza. Y no, no van a avisarnos. Nos harán creer hasta el último instante que son felices a nuestro lado. El portazo en la cara será fuerte, doloroso y sin aviso.

La buena noticia es que las acciones hablan. Si contamos con suficiente información sobre las conductas de nuestros “sí clientes” y aplicamos las herramientas de análisis correctas, podemos predecir sus intenciones. No necesitamos que ellos nos adviertan que planean irse. No hay necesidad de esperar a que nos abandonen para accionar promocionalmente y retenerlos. Esta es la estrategia de la pitonisa: los clientes son valorados en función de lo que pueden llegar a hacer.

Intuir cuando un “si cliente” nos puede abandonar y accionar de manera preventiva para evitarlo es una especialización dentro del marketing y tiene nombre: CHURN ANALYSIS. La pregunta fundamental que buscan responder este conjunto de técnicas es cuales “sí clientes” muestran signos tempranos de deserción (disengagement).

La estrategia es sencilla. En primer lugar debemos identificar “no clientes” que fueron “si clientes” y ya nos han abandonado. Hay que recopilar toda la información que tengamos sobre ellos, principalmente características demográficas y conductuales. Mediante algoritmos de Machine Learning que permitan micro-segmentarlos (clusterizarlos) analizamos los datos y evaluamos qué conductas se correlacionan con el abandono.

En segundo lugar, también mediante análisis algorítmico, aplicamos esos patrones que descubrimos a nuestros “sí clientes” actuales. En esencia lo que buscamos es detectar si tenemos “sí clientes” cuyas conductas actuales son similares a las de los ex-clientes que ya nos abandonaron.

De esta manera ya no clasificamos al mercado en dos grupos: “no clientes” y “sí clientes”. Este nuevo enfoque nos lleva a clasificar al mercado en cuatro segmentos.

En primer lugar dividimos los “no clientes” en dos subgrupos: los “no clientes” que nunca fueron clientes y los “no clientes” que fueron clientes pero nos abandonaron. Estos últimos cometieron el error de irse, pero esto no fue en vano. Dejaron la información con la cual construiremos nuestro modelo predictivo que nos ayudará a detectar los futuros abandonos.

Los “sí clientes” también quedan divididos en dos segmentos. Luego de predecir la probabilidad de abandono de cada cliente, los podemos agrupar entre “sí clientes” estables y “sí clientes” en riesgo.

Estos enfoque invita a reformular profundamente las estrategias comerciales. Tradicionalmente la inversión en promoción se define por la categoría del cliente (cuánto $ aporta a nuestro negocio). Cuanto más importante es, más invertimos en impactos promocionales. Esta metodología es de carácter estático. A lo sumo modificamos la frecuencia promocional cuando el cliente cambia de categoría. Es decir, luego de que los hechos ocurren. Accionamos sobre el pasado.

El análisis de CHURNING en cambio, permite un enfoque dinámico. El proceso genera listados de clientes en situación de “riesgo” antes de la ocurrencia del problema. Un vendedor/promotor puede actuar antes si se le suministra esta información periódicamente. El promotor cuenta con una poderosa arma: un listado de su target cuyas características muestran señales tempranas de querer cruzarse al lado oscuro.

Este método es en esencia un nuevo modelo de segmentación: ¿qué posición ocupa cada cliente cuando los ordenamos por el índice de riesgo de abandono que poseen?

Con todos mis datos genero un modelo predictivo que buscará detectar algorítmicamente los futuros “no clientes”. Es de esperar que el modelo falle en varios casos. Es decir que van a aparecer “no clientes” que nos abandonan y que el modelo no logró detectar a tiempo. Esa es la diferencia fundamental entre el análisis descriptivo y el predictivo: no existen certezas, solo probabilidades.

Para aplicar una estrategia de PROMOCIÓN DINÁMICA se debe trabajar más allá de las alertas del modelo. No alcanza con identificar a los “sí clientes” en riesgo. Hay que desarrollar acciones promocionales orientadas a la retención de dichos individuos. El modelo los identifica, pero no nos soluciona el problema. ¿Cómo vamos a abordarlos para que no nos dejen?

No se haga el distraído. Un índice de rotación alto es muy caro para su empresa. Algunos estudios, algo genéricos, afirman que un negocio con un churn rate cercano al 5% está condenado al fracaso en los próximos 5 años. ¿Conoce usted el CHURNING RATE actual de su negocio? Un departamento de marketing activo y sagaz debe tener estrategias de retención activas basadas en el estudio sistemático de las conductas de los clientes. Incluso aún si sus ventas van en aumento, no contar con una estrategia de CHURN REDUCTION le está haciendo perder dinero.

Lo invito a conocer nuestra herramienta de análisis predictivo de la demanda: florensys.com