CRM Analítico para la configuración de oferta del cliente
1. CRM Analítico para la configuración de oferta del
cliente
Lic. Julio César Flores Castro
PASS , antes SPSS México
2. 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.
PASS , antes SPSS México
3. 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.
PASS , antes SPSS México
4. 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.
PASS , antes SPSS México
5. 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
PASS , antes SPSS México
7. 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
PASS , antes SPSS México
8. Definiendo el CRM Analítico. Administrar todas las
interacciones con el cliente
Etapas del ciclo de Vida del Cliente
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
PASS , antes SPSS México
9. 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
PASS , antes SPSS México
10. Modelos de clasificación
• 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.
PASS , antes SPSS México
11. Modelos de clasificación
• 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.
PASS , antes SPSS México
12. Métodos de clasificación
• Los resultados obtenidos se pueden presentar de
diferentes formas, dependiendo la o las técnicas
seleccionadas.
PASS , antes SPSS México
13. Modelos de clasificación
• 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
PASS , antes SPSS México
14. 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
• 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
PASS , antes SPSS México
15. Modelos de asociación
• Los modelos de asociación relacionan una
determinada consecuencia con un conjunto de
condiciones, por ejemplo:
PASS , antes SPSS México
16. 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.
PASS , antes SPSS México
20. Definiendo el CRM Analítico. Administrar todas las
interacciones con el cliente
Etapas del ciclo de Vida del Cliente
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
PASS , antes SPSS México
21. 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
PASS , antes SPSS México
22. 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
PASS , antes SPSS México
23. 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
PASS , antes SPSS México
24. 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
PASS , antes SPSS México
26. 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.
PASS , antes SPSS México
27. Análisis de conglomerados
• 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.
PASS , antes SPSS México
28. Análisis de conglomerados
• En el análisis de conglomerados se deben explorar
diferentes soluciones para identificar cuál es la que
mejor responde a la pregunta de negocio
PASS , antes SPSS México
29. Análisis de conglomerados
• 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
445 conglomerado-‐2
3
3
1
331 conglomerado-‐2
5
5
1
551 conglomerado-‐4
4
1
1
411 conglomerado-‐1
3
5
5
355 conglomerado-‐4
5
4
5
545 conglomerado-‐4
5
5
5
555 conglomerado-‐4
3
4
5
345 conglomerado-‐2
3
2
2
322 conglomerado-‐3
5
2
2
522 conglomerado-‐3
1
3
2
132 conglomerado-‐2
2
1
1
211 conglomerado-‐1
1
1
1
111 conglomerado-‐1
5
5
5
555 conglomerado-‐4
3
3
5
335 conglomerado-‐2
4
2
5
425 conglomerado-‐3
2
1
2
212 conglomerado-‐1
3
1
1
311 conglomerado-‐1
1
1
1
111 conglomerado-‐1
PASS , antes SPSS México