CRM Analítico para la configuración de oferta del cliente

CRM Analítico para la configuración de oferta del
cliente
Lic. Julio César Flores Castro
PASS , antes SPSS México

Actualmente
•  Actualmente, se toman miles de decisiones en temas y
aspectos críticos, .v.gr. cómo tratar al consumidor,
cómo ajustar los procesos organizacionales y cómo
responder a la competencia.
•  La mayoría de estas decisiones se basan en
“consideraciones” – que usualmente se soportan en la
experiencia e instinto en la industria que competa –
con poco soporte de los datos.


CRM
•  CRM ayuda a las compañías a mejorar la rentabilidad
de sus interacciones con los clientes y al mismo
tiempo hace que la interacción se muestre más
amistosa a través de la individualización.
•  Para tener éxito en CRM, las compañías necesitan
hacer corresponder los productos y las campañas con
sus clientes o prospectos. En otras palabras,
administrar inteligentemente el ciclo del CRM
Analítico.


CRM Analítico
•  Con el CRM Analítico, se analizan los datos obtenidos
con el CRM operacional o mediante otras fuentes, para
segmentar a los clientes o identificar relaciones con
otros potenciales.
•  El análisis de clientes típicamente puede llevar a
campañas dirigidas de Marketing para incrementar las
ventas.


Metodología
•  El proceso de análisis del CRM analítico debe guiarse
por una metodología que cubra por lo menos los
siguientes puntos:
Entendimiento
del negocio

Implementación

Evaluación

Entendimiento y
preparación de
datos

Modelamiento


Preguntas de negocio

Clasificación

Minería de texto

Asociación

CRM
Analítico

Series de tiempo

Segmentación


Definiendo el CRM Analítico. Administrar todas las
interacciones con el cliente
Etapas del ciclo de Vida del Cliente

Adquirir clientes

Incrementar el
valor del cliente

Retener clientes
valiosos



Adquirir clientes

Identificar prospectos y convertirlos en clientes
Administrar costos y mejorar la efectividad
de una campaña de adquisición de clientes

Incrementar el
valor del cliente

Retener clientes
valiosos


Modelos de clasificación
•  Los problemas de clasificación puede ser vistos desde
dos ópticas:
•  En la primera, ya existen las categorías predefinidas
para la clasificación. Este tipo de métodos se conocen
como métodos supervisados.
•  Métodos estadísticos de este tipo son:
•  Análisis discriminante
•  Regresión logística
•  Árboles de clasificación
•  Etc


•  En la segunda, no se conocen de antemano las
categorías de clasificación y los que se busca es
establecerlos a partir de dichos análisis.
•  Ejemplos de estas técnicas son los análisis de
conglomerados. De estas técnicas nos enfocaremos
más adelante.


•  En este caso, se pueden usar los métodos de
clasificación para determinar la probabilidad de que
los clientes:
•  Respondan a una campaña de marketing.
•  Paguen (o no) un crédito.
•  Abandonen la escuela.
•  Compren un determinado producto.
•  Se cambien a la competencia.
•  Etc.


Métodos de clasificación
•  Los resultados obtenidos se pueden presentar de
diferentes formas, dependiendo la o las técnicas
seleccionadas.


•  Cada uno de estos modelos calcula la probabilidad de
pertenecer a cada uno de los grupos. La clasificación y
los valores de probabilidad pueden no coincidir al
tratarse de métodos diferentes
ID
10150
10236
10360
10451
10609
10614
10645
10717
10872
10902
10915
10944
10987
11119
11220
11230
11241
11357
11553

Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad
logística
logística
bayesiana
bayesiana
Árboles
Árboles
F
0.903
F
0.989
F
0.98
F
0.998
F
1
F
0.978
V
0.818
V
0.87
V
0.843
V
0.878
V
0.87
V
0.843
F
0.996
F
1
F
0.978
F
0.995
F
1
F
0.989
V
0.82
V
0.812
V
0.843
F
0.782
F
1
F
0.989
V
0.832
V
0.924
V
0.843
F
0.989
F
1
F
0.989
F
0.979
F
0.975
F
0.98
V
0.967
V
0.807
V
0.843
F
1
F
1
F
0.989
F
0.965
F
0.987
F
0.98
V
0.93
V
0.783
V
0.843
F
0.987
F
1
F
0.989
V
0.812
V
0.87
V
0.843
F
1
F
0.986
F
0.989
F
0.999
F
0.983
F
0.989



Adquirir clientes

Incrementar el
valor del cliente

• Creación de modelos para:
• Indicar al representante de servicio (Call
Center) qué recomendar a qué cliente
• Predecir qué clientes podrán ofenderse por la
sugerencia de un producto adicional

Venta Cruzada y personalización
Administrar costos y mejorar la efectividad
de una campaña de adquisición de clientes
• En ventas por catálogo / en línea:
• Agrupar productos de acuerdo a las relaciones
reales (no naturales) que guardan entre sí
• Determinar perfiles de clientes para conocer
qué productos son de su interés


Modelos de asociación
•  Los modelos de asociación relacionan una
determinada consecuencia con un conjunto de
condiciones, por ejemplo:


Modelos de asociación
•  La ventaja de los algoritmos de reglas de asociación
sobre los algoritmos más estándar de árboles de
decisión (CHAID, C5, CRT) es que las asociaciones
pueden existir entre cualquiera de los atributos.
•  Un algoritmo de árbol de decisión generará reglas con
una única conclusión, mientras que los algoritmos de
asociación tratan de buscar muchas reglas, cada una
de las cuales puede tener una conclusión diferente.


Gráfico de malla


Ejemplos de reglas de asociación
Consecuente

Antecedentes
% de soporte

% de
confianza

Periódicos

Chocolates
Cigarros

17.78

87.43

Cigarros

Chocolates
Periódicos

18.10

85.88

Chocolates

Periódicos
Cigarros

18.42

84.39

Chocolates

Periódicos

Cigarros

Chocolates

Periódicos

Cigarros

Pilas

Audífonos

31.20

32.16

32.27

31.20

32.16

32.27

29.39

30.46

58.02

57.28

57.10

57.00

56.29

55.12

52.17

50.35

Periódicos

Cigarros

Periódicos

Cigarros

Chocolates

Chocolates

Audífonos

Pilas


Ofertas personalizadas según el modelo de asociación

ID
Cliente
10150
10236
10360
10451
10609
10614
10645
10717
10872
10902
10915
10944

Oferta
1
Revistas
Cigarros
Crédito
celular
Audífonos
Chocolates
Cigarros
Revistas
Chocolates
Crédito
celular
Pilas
Cigarros
Crédito
celular

Prob.
Of
1
Oferta
2
0.485 Cigarros
0.859 Crédito
celular
0.497 Audífonos
0.522 Revistas
0.338 Periódicos
0.342 Audífonos
0.485 Audífonos
0.338 Periódicos
0.497 Audífonos
0.503 Revistas
0.573 Chocolates
0.350 Audífonos

Prob.
Of
2
Oferta
3
Prob.
Of
3
0.342 Audífonos
0.326
0.304 Revistas
0.298
0.320 Pilas
0.295
0.312 Crédito
celular
0.304
0.310 Cigarros
0.310
0.326 Crédito
celular
0.304
0.320 Pilas
0.297
0.310 Cigarros
0.310
0.320 Pilas
0.295
0.485 Cigarros
0.339
0.563 Pilas
0.316
0.320 Pilas
0.316



Incrementar el
valor del cliente

Retener clientes
valiosos

• Combinación de modelos basados en
definiciones de negocio
• Determinar el perfil y atributos de los clientes
que pueden abandonar a la compañía
• Identificar quienes son “buenos” clientes
• Clientes valiosos
• Clientes que pueden ser valiosos
• Predecir quienes – de los clientes valiosos –
podrán abandonar a la compañía

Determinar clientes valiosos/probabilidad de abandono
Combinación de modelos basados
en definiciones de negocio


Modelos de RFM
•  Los modelos de RFM permiten asignar una calificación a
cada uno de los clientes de acuerdo con su comportamiento
de interacción con la empresa.
•  Se basa en la Ley de Pareto: “80% de las compras provienen
del 20% de los clientes”
•  Usa, para generar la calificación RFM sólo tres indicadores:
•  Recencia: o unidades de tiempo desde la última vez que se
tuvo contacto con el cliente.
•  Frecuencia: número de veces que el cliente hizo una operación
en la tienda.
•  Monetario: Monto de las transacciones realizadas


Modelos de RFM
•  La forma en que trabajan los modelos RFM es de la
siguiente forma:
•  Cada uno de los indicadores se divide en cinco grupos
(quintiles). Lo anterior genera un puntuación para la
recencia (que va de 1 a 5), otra para la frecuencia y una
tercera para lo monetario.

Recencia

Recencia

Frecuencia

Frecuencia

Monetario

Monetario

>120

1

1 1
2

a

10 a 200

1

31 a 120
2

3 2
6

a

201 2
450

a

8 a 30

3

7 a 18

3

451 a 1,100

3

4 4
7

a

19 4
35

a

1,101 4
3,650

a

1 5
3

a

>35

5

3,651
5


Modelos de RFM
•  Lo anterior permite tener una calificación del cliente.

R 5
F 5
M 5

1 a 3 unidades de tiempo sin contacto
Más de 35 operaciones
Monto de sus operaciones por
más de $3,651 pesos


Modelos de RFM
•  Lo anterior permite tener una calificación del cliente.

R 1
F 1
M 1

Más de 120 unidades de tiempo sin
contacto
Hasta 2 operaciones
Monto de sus operaciones por
hasta $200 pesos


Gráfico de calor para RFM

$

4,888.10

$

8,470.90

$
12,637.00

$
14,972.00

$
23,435.00

$

4,351.50

$

8,625.60

$
11,757.00

$
15,550.00

$
23,039.00

$

6,542.20

$
10,496.00

$
11,360.00

$
13,337.00

$
13,647.00

$

5,567.60

$

8,649.20

$
12,101.00

$
13,311.00

$
11,082.00

$

5,561.10

$

8,463.30

$
10,722.00

$

6,750.80

$

8,580.30


Análisis de conglomerados
•  El análisis de conglomerados es una técnica que trata
de cubrir dos objetivos:
•  Los conglomerados al interior deben ser homogéneos,
esto es, los registros deben ser muy parecidos.
•  Al exterior, los conglomerados al exterior deben ser
heterogéneos, esto es, deben poder diferenciarse
claramente.


•  Para este caso, para tratar el problema de tener 125
diferentes calificaciones producto del análisis de RFM,
se buscaran generar conglomerados para agrupar
puntuaciones de RFM similares.


•  En el análisis de conglomerados se deben explorar
diferentes soluciones para identificar cuál es la que
mejor responde a la pregunta de negocio


•  Una vez seleccionada la solución de conglomerados
que respondan a nuestras necesidades de análisis,
cada uno de los registros será clasificado en el
segmento que corresponde.
CUENTA_EJE
10005241064
10015339841
10015467659
10025299209
10035098617
10035871542
10045956556
10055051728
10055158549
10055459699
10075101222
10075650160
10085041954
10105057741
10125045189
10125161697
10755498724
15125289042
15215251571
15275452333

Puntuación
de Puntuación
de Puntuación Puntuación
Conglomerados
actualidad
frecuencia monetaria de
RFM
1
1
1
111 conglomerado-‐1
4
4
5
3
3
1
5
5
1
4
1
1
3
5
5
5
4
5
5
5
5
3
4
5
3
2
2
5
2
2
1
3
2
2
1
1
1
1
1
5
5
5
3
3
5
4
2
5
2
1
2
3
1
1
1
1
1


Finalmente
•  Un CRM analítico debe permitir conjuntar toda la
información obtenida para ser implementada dentro de
los procesos institucionales y poder tener una vista
única del cliente

Asociación

Segmentación

Puntuación
Puntuación
Puntuación
Puntuación

Puntuación
Puntuación
Puntuación
Puntuación

Puntuación
Puntuación
Puntuación
Puntuación

Oferta
11
Oferta
1
Oferta

Oferta
22
Oferta
2
Oferta

Conglomerados
Conglomerados
Conglomerados
logística
logística
logística
logística
logística
logística
bayesiana
bayesiana bayesiana
bayesiana bayesiana
bayesiana
Árboles
Árboles
Árboles
Árboles
Árboles
Árboles
de
aactualidad de
ffrecuencia monetaria de
RFM
de
a ctualidad de
frecuencia monetaria de
RFM
de
ctualidad de
recuencia monetaria de
RFM
10150
10150
10150
FF
F
0.903
0.903
0.903
FF
F
0.989
0.989
0.989
FF
F
0.98 Producto

1 Producto

3
0.98 Producto
11 Producto
33
0.98 Producto

Producto

22
2
11
1
44
4
10236
10236
10236
FF
F
0.998
0.998
0.998
FF
F
11
1
FF
F
0.978 Producto

3 Producto

7
0.978 Producto
33 Producto
77
0.978 Producto

Producto

33
3
11
1
55
5
10360
10360
10360
V
V
V
0.818
0.818
0.818
V
V
V
0.87
0.87
0.87
V
V
V
0.843 Producto

7 Producto

8
0.843 Producto
77 Producto
88
0.843 Producto

Producto

22
2
33
3
44
4
10451
10451
10451
V
V
V
0.878
0.878
0.878
V
V
V
0.87
0.87
0.87
V
V
V
0.843 Producto

8 Producto

1
0.843 Producto
88 Producto
11
0.843 Producto

Producto

11
1
33
3
22
2
10609
10609
10609
FF
F
0.996
0.996
0.996
FF
F
11
1
FF
F
0.978 Producto

2 Producto

10
0.978 Producto
22 Producto
110
0.978 Producto

Producto
0
11
1
11
1
33
3
10614
10614
10614
FF
F
0.995
0.995
0.995
FF
F
11
1
FF
F
0.989 Producto

3 Producto

8
0.989 Producto
33 Producto
88
0.989 Producto

Producto

11
1
11
1
22
2
10645
10645
10645
V
V
V
0.82
0.82
0.82
V
V
V
0.812
0.812
0.812
V
V
V
0.843 Producto

1 Producto

8
0.843 Producto
11 Producto
88
0.843 Producto

Producto

55
5
44
4
44
4
10717
10717
10717
FF
F
0.782
0.782
0.782
FF
F
11
1
FF
F
0.989 Producto

2 Producto

10
0.989 Producto
22 Producto
110
0.989 Producto

Producto
0
44
4
22
2
11
1
10872
10872
10872
V
V
V
0.832
0.832
0.832
V
V
V
0.924
0.924
0.924
V
V
V
0.843 Producto

7 Producto

8
0.843 Producto
77 Producto
88
0.843 Producto

Producto

33
3
33
3
55
5
10902
10902
10902
FF
F
0.989
0.989
0.989
FF
F
11
1
FF
F
0.989 Producto

6 Producto

1
0.989 Producto
66 Producto
11
0.989 Producto

Producto

22
2
11
1
44
4
10915
10915
10915
FF
F
0.979
0.979
0.979
FF
F
0.975
0.975
0.975
FF
F
0.98 Producto

3 Producto

2
0.98 Producto
33 Producto
22
0.98 Producto

Producto

22
2
44
4
33
3
10944
10944
10944
V
V
V
0.967
0.967
0.967
V
V
V
0.807
0.807
0.807
V
V
V
0.843 Producto

7 Producto

8
0.843 Producto
77 Producto
88
0.843 Producto

Producto

33
3
44
4
55
5
10987
10987
10987
FF
F
11
1
FF
F
11
1
FF
F
0.989 Producto

1 Producto

3
0.989 Producto
11 Producto
33
0.989 Producto

Producto

44
4
33
3
55
5
11119
11119
11119
FF
F
0.965
0.965
0.965
FF
F
0.987
0.987
0.987
FF
F
0.98 Producto

8 Producto

7
0.98 Producto
88 Producto
77
0.98 Producto

Producto

44
4
22
2
22
2
11220
11220
11220
V
V
V
0.93
0.93
0.93
V
V
V
0.783
0.783
0.783
V
V
V
0.843 Producto

8 Producto

1
0.843 Producto
88 Producto
11
0.843 Producto

Producto

55
5
33
3
44
4
11230
11230
11230
FF
F
0.987
0.987
0.987
FF
F
11
1
FF
F
0.989 Producto

8 Producto

7
0.989 Producto
88 Producto
77
0.989 Producto

Producto

33
3
22
2
22
2
11241
11241
11241
V
V
V
0.812
0.812
0.812
V
V
V
0.87
0.87
0.87
V
V
V
0.843 Producto

8 Producto

6
0.843 Producto
88 Producto
66
0.843 Producto

Producto

22
2
55
5
55
5
11357
11357
11357
FF
F
11
1
FF
F
0.986
0.986
0.986
FF
F
0.989 Producto

10 Producto

3
0.989 Producto
110 Producto
33
0.989 Producto
0 Producto

33
3
11
1
22
2
11553
11553
11553
FF
F
0.999
0.999
0.999
FF
F
0.983
0.983
0.983
FF
F
0.989 Producto

8 Producto

1
0.989 Producto
88 Producto
11
0.989 Producto

Producto

11
1
11
1
44
4
ID
ID
ID


CRM Analítico para la configuración de oferta del cliente

Recomendados

Recomendados

Más contenido relacionado

Similar a CRM Analítico para la configuración de oferta del cliente

Similar a CRM Analítico para la configuración de oferta del cliente (20)

Más de Mundo Contact

Más de Mundo Contact (20)

CRM Analítico para la configuración de oferta del cliente