¿Qué clientes merece la pena mantener? Usos para la gestión del CLV

Roy Cardiff dirige un negocio de venta por catálogo que envía a los clientes sus compras por correo. Recientemente ha decidido recortar costes dejando de enviar los catálogos a aquellos clientes con poca probabilidad de comprar algo en el futuro.

Sus clientes se dividen en tres categorías: aquellos que hicieron muchas compras pequeñas durante el pasado año; aquellos que hicieron una sola compra pero de considerable cuantía y aquellos que son clientes desde hace mucho tiempo pero que compran esporádicamente.

¿Qué grupo de clientes debería Smith tachar de su lista?

En opinión de varios profesores de marketing de Wharton que han estudiado estos temas, la respuesta no es fácil, a pesar de los renovados y cada vez más sofisticados esfuerzos para cuantificar lo que se denomina “valor de la vida del cliente” (Customer Lifetime Value, CLV), esto es, el valor presente de la posible corriente de rentas futuras generadas por un consumidor individual.

“Para muchas empresas, todo su negocio reside en intentar comprender qué clientes merece la pena conservar y cuáles no”, dice el profesor de marketing de Wharton Peter Fader, que utilizó el ejemplo previo sobre los pedidos por correo en un artículo del que es coautor titulado Biases in Managerial Inferences about Customer Value from Purchase Histories: Intuitive Solutions to the Mailing-List Problem (Sesgos en la inferencia de gestión sobre el valor de los clientes a partir de historias sobre compras: soluciones intuitivas para el problema de la lista de correo). “Los gerentes de una amplia variedad de sectores buscan una mejor cuantificación del CLV, utilizando métodos para identificar a los mejores clientes en base a sus patrones de consumo futuros”.

El objetivo es identificar a los clientes y también poder aplicarles técnicas de marketing como el cross-selling, up-selling o el multi-channel, todas ellas relacionadas con una serie de variables conocidas como RFM que incluyen la frecuencia, la fecha de la última compra y la frecuencia y el valor monetario de las transacciones pasadas.

“El CLV es un área en auge”, señala el profesor de marketing de Wharton Xaier Dreze, co-autor de un nuevo artículo titulado A Renewable-Resource Approach to Database Valuation (Un enfoque de recursos renovables para la evaluación de la información). Aunque el CLV no es algo nuevo –ha sido desde hace tiempo utilizado en los negocios para las grandes cuentas-, el concepto ha sido retomado gracias a la creciente sofisticación de Internet, ”que permite a las empresas contactar directamente y de una manera barata con la gente”. El CLV –dice Dreze-, “ve a los clientes como un recurso [del que] las empresas están intentando extraer el mayor valor posible”.

Muchas empresas están ahora descubriendo que el CLV –componente del Customer Relationship Management, CRM-, sigue siendo algo esquivo. En primer lugar, es difícil de calcular con cierto grado de precisión; en segundo lugar, utilizarlo es complicado.

“La única cifra en que un manager puede confiar es la rentabilidad actual de un cliente”, dice el profesor de marketing de Wharton George Day. “Y ahora que se dispone de datos, la principal cuestión es ¿qué se puede hacer con ellos? Algunas empresas utilizar esta información para crear programas diferentes para los diferentes segmentos de diferentes valores. Por ejemplo, en el sector financiero los clientes obtienen diferentes tipos de servicios dependiendo del tamaño de su cuenta. Pero siempre existe el riesgo de que otros clientes se puedan enfadar”.

Es más, es difícil predecir por cuanto tiempo permanecerá un cliente en la empresa o su potencial futuro. “Las empresas realmente no saben cuál es la rentabilidad de los clientes”, dice Day.

Tirando los dados

El CLV es un concepto intuitivamente muy atractivo, pero puede ser muy difícil de implementar debido a un montón de razones, señala el profesor de marketing de Wharton David Bell en un artículo titulado Seven Barriers to Customer Equity Management (Siete barreras para el Customer Equity Management).

El CLV, dice Bell y otros expertos, funciona muy bien en sectores donde existen altos costes para adquirir o retener a los clientes, como por ejemplo los servicios financieros, las líneas aéreas o los hoteles. “También es útil en situaciones donde existe una distribución sesgada de las transacciones, es decir, donde un escaso número de personas controlan la mayoría del negocio, como los hoteles, y las empresas pueden ofrecer recompensas e incentivos para influenciar el comportamiento de los clientes” señala Bell. Un ejemplo podría ser las líneas aéreas, que pueden convertir a sus clientes en pasajeros de primera clase, un premio que los pasajeros valoran mucho pero cuyo coste es insignificante para la empresa.

Recopilar datos para el CLV puede ofrecer a determinadas empresas una serie de beneficios, añade Bell. Por ejemplo, los datos recogidos por los hoteles les ayuda a identificar a sus mejores clientes y venderles otros productos (cross-selling). También permite a los responsables de marketing centrarse en ese grupo en concreto para extraerles información. Utilizando ese feedback la empresa puede tomar mejores decisiones a la hora de asignar eficientemente sus recursos. Supongamos que los datos muestran que un porcentaje significativo de los clientes proceden del norte de Nueva York y tienen unos 50 años; el hotel puede utilizar ese perfil para dirigirse a sus clientes de una manera más precisa, señala Bell.

Bell señala a Harrah´s Casino como una historia de éxito en el uso del CLV. Basándose en información recogida a través de su programa de lealtad, Harrad´s puede ahora predecir “qué tipo de persona entra en el casino, a qué juegan una vez que están dentro, cuánto tiempo dedican a cada juego, etc. Esto les permite optimizar el tipo y configuración de sus juegos”.

Otros mencionan los sectores de los servicios sanitarios y las tarjetas de crédito, la venta directa y por correo-electrónico como potenciales beneficiarios de los datos del CLV, en parte debido a que se caracterizan por tener contacto directo con los clientes y un rápido acceso a los mismos. Por ejemplo, para las ventas en el sector farmacéutico –señala Dreze-, se pueden utilizar estos datos para decidir la frecuencia con la que deberías visitar a los médicos para ofrecerles los medicamentos de tu laboratorio.

Básicamente, dice Day, el CLV puede ser aplicado “en cualquier momento en el que se tengan datos del perfil de los clientes e información sobre las transacciones. Pero si estás trabajando a través de canales -utilizando un intermediario por ejemplo o cualquier otra situación en la que no tienes contacto directo con el cliente-, no será sencillo de implementar”.

Cuidado con los clientes insatisfechos

Ahora que los responsables del marketing pueden recopilar más datos y más precisos sobre transacciones para ayudar a determinar el valor de la vida del cliente, ¿cómo deberían utilizarse esos datos?

La respuesta, sugieren algunos investigadores, es “con cuidado”.

“La gente es idiosincrásica”, dice Bell. “A nivel individual, es difícil predecir el comportamiento de los clientes. Es más fácil predecir el comportamiento de determinados segmentos del mercado. Por ejemplo, podemos decir que en el negocio de los viajes de negocios, por término medio se permanecerá “x” noches en el Hilton. Pero si intentamos predecir cuantas noches pasará el señor Jones en el Hilton, las predicciones se complican”.

Una de las dificultades a la hora de implementar el enfoque del CLV –añade Bell-, es que las predicciones son muy sensibles a los supuestos. Por ejemplo, es habitual que los modelos hagan supuestos sobre cuanto tiempo continuará la relación del cliente con la empresa, independientemente de si esa relación es activa o del gasto efectuado. No obstante algunos de esos supuestos pueden ser inadecuados. “Simplemente porque haya gastado 100 dólares el año pasado no significa que vaya a gastar 100 dólares este año”, dice Bell. “O si un cliente permanece inactivo, ¿se debe a que temporalmente ha dejado de utilizar el producto o a que se haya pasado a la competencia?”

El problema con las valoraciones de Internet era que “muchas empresas hicieron supuestos inadecuados sobre si los clientes merecían la pena, sobre cuanto costaba captar clientes y sobre cuanto tiempo deberían permanecer”, señala Bell. “Y los cálculos son muy sensibles a estos supuestos fundamentales. Cualquier pequeño error que cometas se multiplicará al agregar los datos, lo cual significa que puedes acabar con estimaciones notablemente diferentes con tan sólo rechazar un supuesto”.

“No obstante, muchas empresas están ahora utilizando alguna cuantificación del valor de la vida del cliente para determinar como deberían tratarlo”, añade. “Si eres un cliente medio te hacen esperar. Si eres un cliente importante, con tan sólo dos tonos ya tienes al otro lado de la línea a una persona real contestándote. Pero esto supone que la gente es bastante estática. Te han puesto en determinado segmento y allí permaneces. Sin embargo, si te hubiesen tratado mejor desde un principio tal vez te hubieses pasado a la categoría de cliente preferente”.

Es más, cuando las empresas valoran a sus propios clientes, están haciendo inferencias basadas en lo que saben del historial de esa persona con la empresa. “Hay datos que faltan. No sé que es lo que el cliente hace fuera de mi empresa. Podría estar gastando 100 dólares en mi empresa al año, pero también gastando 500 dólares con uno de mis competidores”, dice Bell. “Este es el problema de esta metodología. Estás intentando asignar valores a las personas de acuerdo a la información adquirida gracias a las transacciones con tu empresa y con ninguna otra“.

Cualquier modelo que utilice una empresa considera sólo uno de los inputs del proceso de decisión, añade Bell. “La intuición y los valores de gestión también tienen que estar en la ecuación”.

Day cita el caso de un fabricante de componentes a gran escala que descubre que tiene una cuenta no rentable. “¿Qué haces? Puede que la cuenta no sea rentable pero en este tipo de mercados esa cuenta podría significar el 15% de tus ventas. Se necesita mucho tiempo para anunciar que ya no puedes permitirte prestarle tus servicios… El valor de la vida del cliente aquí no tiene sentido. El truco consiste en predecir el valor esperado; ¿Cómo sabes qué hará ese cliente en el futuro?” El mayor riesgo de una empresa –añade-, es que “sin darse cuenta rechace a clientes” que puede que se vuelvan rentables a largo plazo.

Fader sugiere que algunos modelos CLV ignoran la “aleatoriedad inherente” a los individuos. “Estos modelos estudian el comportamiento pasado de los clientes y los consideran como algo fijo… Pero el patrón de las transacciones pasadas no es el mejor, ni el único, método para predecir el futuro”.

Ski acuático y gafas para el agua

A pesar de que tácticas como cross-selling y up-selling llevan existiendo desde hace años, en la actualidad se utilizan con mayor frecuencia y agresivamente para intentar aumentar el valor de la vida del cliente, dice Fader. Su éxito –sugería-, ha sido variado.

Con cross-selling una empresa que te ha vendido skies para hacer ski acuático, por ejemplo, intentará también venderte las gafas de agua. El atractivo es obvio. “Es más fácil venderle a alguien que ya conoces”, dice Dreze. “Se intenta maximizar el valor de la relación que ya existe”. Sin embargo, Fader es “en cierto modo escéptico respecto a esta táctica. Si el comportamiento de cierta persona es aleatorio, y cruzas esa aleatoriedad con la de otras categorías, a menudo es bastante complicado conseguir conexiones válidas”.

La técnica de up-selling también puede ser problemática. Consideremos Amazon, cuyos gastos de envío son gratis si el cliente gasta “x” dólares u ofrece descuentos al comprar el segundo libro. “En el ejemplo de Amazon, tal vez un cliente habría pagado todo el precio del segundo libro y no se necesitaba hacer el descuento”, dice Fader. “Algunas empresas le conceden demasiada importancia al up-selling. Es complicado cuantificar el verdadero impacto de estos esfuerzos. Si se echa un vistazo a las cifras de ventas, no hay indicios de que la rentabilidad pueda estar directamente relacionada con el marketing”.

Una técnica de ventas parecida a la del cross-selling es el marketing multi-channel. “Antes era habitual que la mayoría de las empresas sólo tuviesen una forma de contacto con el cliente”, dice Fader, “pero ahora hay muchos tipos de intermediarios, además de Internet, el correo directo, los centros de llamadas, etc. Esto nos lleva al tema de la asignación de recursos. Si un cliente utiliza Internet y otro los centros de llamadas, ¿deberíamos tratarlos de forma diferente? Es obvio que puedas desear que algunos clientes se pasen a Internet, ya que te resulta más barato que contratar a todo el personal de un centro de llamadas, pero la pregunta es ¿qué clientes? ¿cuáles son las características de los clientes que podrían dar el salto a la Red? ¿deberías arriesgar a los clientes fieles a los servicios de los centros de llamadas intentando que se pasen a los servicios online, o te deberías concentrar en los menos fieles incluso si de ellos no puedes extraer mucho valor?”.

Al final la conclusión, dice Fader es que “algunas tácticas de venta son buenas, otras son malas, pero en general es difícil saber cual es la rentabilidad de estas inversiones en marketing y relacionarlas con la estimación y gestión del CLV. A medida que las empresas prueban diferentes tácticas con sus clientes, sin darse cuenta están contaminando las cifras del CLV, haciendo que sea aún más difícil averiguar a qué clientes dirigirse o ignorar en el futuro”.

Investigaciones en marcha

En una artículo reciente titulado Investigating Recency and Frequency Effects in Customer Base Analysis (Investigando el efecto frecuencia y último contacto en una análisis basado en los clientes), Fader y los coautores Bruce Hardie, Chung-Yao Huang y Ka Lok Lee, observan como los expertos en marketing conceden diferente valor a los diferentes grupos de clientes en función de su patrón de comportamiento pasado antes de que el CLV se empezase a utilizar habitualmente entre los gerentes. “El marco más popular de clasificación se basaba en el RFM: la frecuencia, la fecha del último contacto y el valor monetario de las transacciones pasadas”, dice Fader.

El RFM tiene sus raíces en el marketing directo, uno de los sectores más progresistas en términos de utilización de los conceptos del CLV. Fader y sus colegas querían saber como una medida tan sencilla como el RFM tenía relación con las más complejas estimaciones del CLV, tal vez como “indicadores líderes” de hábitos de compra futuros. “Si tienes un cliente que ha comprado muchas mercancías pero no recientemente, y un cliente que últimamente ha comprado algunas cosas, ¿cuál es mejor en términos del CLV y por tanto más deseable?”, se pregunta Fader con el ejemplo anterior. “¿Y cómo se soluciona el trade-off entre la frecuencia y la proximidad de la fecha del último contacto?

En su artículo Fader y sus colegas sugieren que simples estadísticas como la frecuencia o la proximidad de la fecha de la última compra pueden ser estimaciones válidas de los valores de la vida de los clientes, es decir, “una limitada cantidad de datos resumidos sobre transacciones, si se miran de un modo adecuado, pueden proporcionar predicciones del CLV tan precisas como las generadas a través del detallado historial de compras del cliente. El problema reside en saber qué estadísticas resumidas utilizar, y cómo utilizarlas correctamente. Muchas reglas prácticas habituales no conducen a políticas de gestión muy efectivas”, dice

En Biases in Managerial Inferences about Customer Value from Purchase Histories: Intuitive Solutions to the Mailing-List Problem, Fader, David Schweidel y Robert J. Meyer determinan sus complejas ecuaciones en un esfuerzo por comprender mejor estas reglas prácticas. Fader reconoce el hecho de que “en contextos más reales la identificación de los clientes clave todavía tiene un fuerte componente intuitivo”. En otras palabras, a pesar de todas las herramientas de modelización que utilizan los datos sobre consumo para proyectar los futuros patrones de compra, “los gerentes siguen utilizando habitualmente reglas subjetivas para identificar esos clientes que posiblemente sean la mejor (o peor) fuente de ventas futuras”.

El artículo señala que se ha realizado muy poco trabajo empírico examinando la capacidad de los gerentes para “hacer inferencias sobre el potencial de los clientes en base a sus historiales de compras…” Los investigadores señalan este tema describiendo situaciones en las que se muestra a los participantes historiales de consumo de una serie de clientes y se les pide que hagan diferentas valoraciones de los mismos.

Lo que encontramos –dice Fader-, es que los gerentes son inconsistentes en la utilización de la información resumida como la frecuencia, el último contacto o el valor monetario. El modo en que los gerentes utilizan estas señales varía radicalmente dependiendo del objetivo que persigan -por ejemplo, decidiendo qué clientes añadir a la lista de correo o cuáles tachar-, así como el formato utilizado al presentar la información del historial del cliente a los gerentes. “Es de vital importancia comprender como les afectan a los gerentes estos factores externos antes de animarles a utilizar modelos con caja negra… Es necesario encontrar cierto equilibrio entre nuestros esfuerzos por modelizar y una mejor comprensión de los aspectos sicológicos que subyacen en toda decisión de gestión”.

En A Renewable-Resource Approach to Database Valuation, los investigadores   Dreze y Andre Bonfrer ofrecen una “nueva manera de ver a los clientes. El CLV tradicional considera el valor neto presente de todos los ingresos generados por un cliente. Cuando los responsables del marketing calculan el valor de la vida del cliente, uno de los supuestos es que en algún momento el cliente se marchará”, dice Dreze.

Pero cuando haces ese supuesto, añade “estás infravalorando el valor de la base de datos. Si estás intentando optimizar tus técnicas de marketing de acuerdo con esa fórmula, estarás tomando malas decisiones. El motivo es que, efectivamente, pierdes un pequeño porcentaje de clientes cada año, pero también captas nuevos. Es necesario tener en cuenta a estos nuevos clientes cuando trabajas con los datos”. En otras palabras, dice Dreze, “es importante maximizar el valor de la base de datos y no el valor del cliente”.

En otra investigación, el profesor de gestión de las operaciones y la información de Wharton Noah Gans, estudia el tema del CLV desde el punto de vista de la optimización. Si una empresa tiene recursos limitados, ¿en qué clientes debería centrarse?

Gans ha desarrollado modelos teóricos para estudiar como el tiempo medio que un cliente permanece con un proveedor de servicios depende de la calidad global del servicio. “Podría incrementarse considerablemente el tiempo que se espera que un cliente permanezca en la empresa si mejoras la calidad del servicio”, dice. Pero hay otros temas que también se deben tener en consideración: ¿qué está haciendo tu competidor?, ¿cuál es el coste que han de soportar los clientes si se van con la competencia?, ¿cómo afectan los progresos tecnológicos a tus transacciones?

En algún momento una empresa hace inferencias acerca de qué tipo de clientes tiene. “Luego ofrece a sus clientes determinado grado de calidad en el servicio. Por ejemplo, en un centro de recepción de llamadas esto significaría dar al cliente prioridad sobre el resto de llamadas. Se trata de un control operativo que la empresa está utilizando para gestionar lo que el cliente obtiene y el coste de servirle”.

Gans afirma querer utilizar modelos de marketing para poder tomar mejores decisiones operativas. “Estoy esperando para que alguien ponga en mis manos un modelo sobre el comportamiento de los clientes, cómo responden ante diferentes niveles de servicios, para poder luego describir los costes de proporcionar cierta calidad de servicios”.

Así, Gans utiliza el ejemplo del cross-selling. “Es un problema muy sencillo. Tu decides si además de prestar los servicios deberías hacer cross-selling. Por ejemplo, en un centro de llamadas practicar el cross-selling implica prolongar el tiempo de la llamada y provoca que el resto de clientes esté en espera durante más rato. Debes saber cuanto cross-selling quieres hacer, cuando lo vas a hacer, qué capacidad extra necesitas, etc.

“Cualquier decisión tiene que tener en cuenta los cuatro factores básicos del marketing: precio, promoción, producto y lugar de distribución. Todos ellos están incluidos en el marketing pero también tienen un impacto directo sobre las operaciones”.

Gans señalaba algunos de estos temas en un artículo reciente titulado Customer Loyalty and Supplier Quality Competition (Lealtad del cliente y competencia en calidad del proveedor). El artículo se acompaña de fórmulas matemáticas para calcular el “grado de reparto de clientes” en función de la calidad de sus servicios y de los de los competidores.

Así, muestra que hay un grado de calidad estándar natural al que tenderán a converger todos los proveedores. “En la vida real a menudo se oyen cosas como servicios world-class”, dice. “En los centros de llamadas, por ejemplo, contestar el 80% de las llamas en 20 segundos o menos es algo estándar”. El artículo también demuestra que cuanto más competidores haya en el mercado, tal como era de esperar, más alto será el nivel estándar”.

En términos de maximizar el CLV, Gans cree que para las empresas se desprende valor de registrar el historial de cada cliente y decidir, en base a esos historiales, en qué cajón meter a los clientes. “Luego, basándote en inferencias acerca de las características de ese grupo en particular puedes decidir cómo tratar a esos clientes de la mejor de las maneras, ya sea con cross-selling, up-selling o cualquier otra cosa. Pero tienes que ser precavido con tales decisiones ya que en cualquier momento un cliente puede visitarte y realmente no sabes qué tipo de cliente es. Así pues, tus decisiones óptimas deben tener en cuenta que efectivamente desconoces cuál será la respuesta del cliente”.

Cómo citar a Universia Knowledge@Wharton

Close


Para uso personal:

Por favor, utilice las siguientes citas para las referencias de uso personal:

MLA

"¿Qué clientes merece la pena mantener? Usos para la gestión del CLV." Universia Knowledge@Wharton. The Wharton School, University of Pennsylvania, [27 agosto, 2003]. Web. [11 December, 2018] <https://www.knowledgeatwharton.com.es/article/que-clientes-merece-la-pena-mantener-usos-para-la-gestion-del-clv/>

APA

¿Qué clientes merece la pena mantener? Usos para la gestión del CLV. Universia Knowledge@Wharton (2003, agosto 27). Retrieved from https://www.knowledgeatwharton.com.es/article/que-clientes-merece-la-pena-mantener-usos-para-la-gestion-del-clv/

Chicago

"¿Qué clientes merece la pena mantener? Usos para la gestión del CLV" Universia Knowledge@Wharton, [agosto 27, 2003].
Accessed [December 11, 2018]. [https://www.knowledgeatwharton.com.es/article/que-clientes-merece-la-pena-mantener-usos-para-la-gestion-del-clv/]


Para fines educativos/empresariales, utilice:

Por favor, póngase en contacto con nosotros para utilizar con otros propósitos artículos, podcast o videos a través de nuestro formulario de contacto para licencia de uso de contenido .

 

Join The Discussion

No Comments So Far