LTV: cómo usar los datos disponibles para predecir el valor del cliente

El crecimiento a largo plazo es la esencia del marketing moderno, que se enfoca en convertir a los clientes únicos en clientes regulares y leales. El uso de la métrica LTV ayuda a las empresas a personalizar significativamente el marketing: crear soluciones para recomendaciones de productos y campañas publicitarias personalizadas.

Sin embargo, cuando obtiene LTV formalmente utilizando fórmulas simples, por ejemplo, a través de una tasa de abandono, los resultados suelen ser insatisfactorios para el negocio. Utilizando el ejemplo de una gran empresa de comercio electrónico, mostramos cómo integrar los datos de los usuarios en un solo repositorio y seleccionar una metodología de cálculo utilizando diferentes cohortes de clientes.

Como la empresa quería utilizar todos los datos disponibles para predecir el valor del cliente, aumentar la vida útil del cliente y el LTV de toda la base de clientes, se establecieron objetivos como:

• Segmente a los clientes en función de su actividad de compra.
• Personalizar la comunicación con los segmentos de clientes obtenidos, utilizando comunicación digital y canales de marketing directo (email, SMS, call centers).

Entre las herramientas utilizadas estaban Google Analytics para recopilar y almacenar datos de comportamiento de los usuarios y un sistema CRM (Microsoft Dynamics) para recopilar datos sobre pedidos completados. Estos datos también deben fusionarse (según la frecuencia de compra de los clientes) en un solo sistema de datos para segmentar a los clientes. Luego, los segmentos de clientes obtenidos pueden enviarse a servicios publicitarios y usarse para mostrar anuncios relevantes y personalizar la comunicación de marketing directo.

Se eligió Google BigQuery (GBQ) como almacenamiento de datos en la nube para fusionar los datos, debido a los altos estándares de seguridad y las integraciones simples con otros servicios. Mientras que OWOX BI Pipeline se aplicó para enviar datos sin procesar sin muestrear sobre el comportamiento del usuario a GBQ, casi en tiempo real.

Con la ayuda de la API y las bibliotecas de clientes, los siguientes datos de CRM se transfirieron a Google BigQuery:

• Datos sobre todos los pedidos, incluidos los pedidos completados (en línea, fuera de línea y a través de centros de llamadas).
• ID de usuario del cliente, junto con sus datos personales (nombre, sexo, cumpleaños, dirección de correo electrónico, número de teléfono, fecha de registro, estado del programa de fidelización, correo electrónico, suscripción a SMS, etc.), así como los datos sobre la actividad de compra de los clientes (una número de pedidos realizados por un cliente).

Aquí está el esquema de flujo de datos:

Como nuestro cliente era un negocio minorista de moda omnicanal, era necesario crear sus propios segmentos de clientes con parámetros personalizados adicionales.

El tiempo de ciclo de consumo de la base de clientes se fijó en 1,5 meses ± 2 días para calcular el tiempo de segmentación. Este valor es la mediana del número de días entre los dos pedidos vecinos. Para verificar este número medio, se calculó el número de días entre los pedidos en línea, luego el número de días entre los pedidos fuera de línea, para obtener el valor medio ponderado para ambos tipos de pedidos.

A continuación, se identificaron los principales tipos de segmentos en función del período de tiempo calculado para segmentos tales como:

• Nuevos miembros . Usuarios recién registrados que no realizaron compras.
• Antiguos miembros . Antiguos usuarios registrados que no realizaron compras.
• Nuevos compradores . Clientes que realizaron su primera compra.
• Buenos compradores . Clientes que realizaron 3 o más compras en los últimos 6 periodos de tiempo.
• Muy buenos compradores . Clientes que realizaron la mayor cantidad de compras en los últimos 6 períodos de tiempo. Como umbral superior para este segmento, los analistas de BI de OWOX utilizaron la tasa de transformación (el porcentaje de clientes que realizaron una compra dentro del período del informe). Por ejemplo, un cliente que compró algo en cada periodo de tiempo o en 4-5 de los 6 últimos periodos de tiempo.
• Compradores ocasionales . Clientes que realizaron una compra en 1-2 de los últimos 6 períodos de tiempo.
• Compradores de sueño . Usuarios que no hayan realizado una compra en los últimos 6 periodos de tiempo.
• inactivo Usuarios que no han realizado una compra en los últimos 12 periodos de tiempo.

Habiendo especificado las condiciones para la segmentación, el equipo creó un esquema de las posibles transiciones de usuarios entre los grupos de clientes. Es fundamental ver la migración de usuarios de un segmento a otro dentro del período de tiempo analizado y después de comunicarse con los clientes a través de los canales digitales y de marketing directo.

El esquema anterior demuestra el porcentaje de usuarios que cambian a segmentos más activos dentro de un período de informe. La transición a segmentos más activos es de tendencia positiva y se muestra en verde, mientras que la transición a segmentos pasivos es de tendencia negativa y se muestra en rojo. Por ejemplo, puedes ver que el 15% de los usuarios registrados ( Nuevos miembros ) realizan la primera compra y se convierten en Nuevos compradores , lo cual es una buena tendencia. El 86% de las personas que realizaron una compra en el período de tiempo anterior, no compraron nada en el período de tiempo analizado y eventualmente se convirtieron en Compradores casuales , lo cual es una tendencia negativa.

Los analistas de BI de OWOX crearon segmentos de usuarios aplicando consultas SQL. Como resultado, recibieron una tabla que contenía ID de usuario, datos personales de usuario y el nombre del segmento.

A continuación, se conformó la tabla con los principales índices de eficiencia para cada uno de los segmentos:

• El número de usuarios en el segmento y el porcentaje del segmento en la base de clientes.
• El número de pedidos: pedidos totales y completados en un segmento.
• El ingreso promedio por usuario.
• El número de pedidos por usuario.
• El número total de pedidos y la participación del segmento en la facturación general.
• Los cambios en el número de usuarios en un segmento (tasa de crecimiento).

Como el cliente prefiere crear los informes a través de Hojas de cálculo de Google, se utilizó el complemento OWOX BI BigQuery Reports como una forma simple y confiable de transferir datos desde Google BigQuery. Veamos qué informes se construyeron en base a los datos obtenidos.

El primer reporte revela la cantidad de usuarios que transitaron a otro segmento o permanecieron en el mismo.

La métrica Clientes muestra la cantidad de usuarios, la columna StartSegment muestra el segmento de usuarios en el período anterior y la columna EndSegment muestra el segmento de usuarios para el período de tiempo actual. Por ejemplo, en la línea 7 podemos ver cuántos clientes cambiaron a Buenos compradores de Compradores ocasionales y, de nuevo, es una buena tendencia. Pero podemos ver una situación totalmente opuesta en la línea 10, que es una mala tendencia. La línea 5 representa a los clientes que permanecieron Inactivos . Significa que la empresa necesita comunicarse con estos clientes con más frecuencia o de manera más efectiva y persuadirlos para que comiencen a comprar nuevamente después de 6 períodos de inactividad.

El segundo informe muestra los datos actuales de cada usuario dentro de un período de tiempo establecido.

Muestra la lista actual de clientes que eran miembros de cada uno de los nueve segmentos. Este informe también muestra todos los datos personales del usuario para la comunicación directa: dirección de correo electrónico, número de teléfono, cumpleaños, nombre, sexo, estado del programa de fidelización, ingresos promedio por usuario y el número total de bonificaciones de usuario. Con estos datos a mano, los especialistas en marketing pueden configurar anuncios personalizados para cada segmento de usuarios. Por ejemplo, puede agrupar compradores ocasionales con la actividad 0101000 (2 compras en 7 meses) y enviarles una invitación a una venta secreta.

Además, la información del informe ayuda a ahorrar presupuesto publicitario, lo que permite excluir grandes segmentos de usuarios del público objetivo con el que la empresa ya se comunica, utilizando canales de marketing directo. Además, estos datos se pueden enriquecer con información más detallada sobre cada cliente, lo que permite considerar la marca, la categoría y el precio de las opciones del cliente al formar una estrategia publicitaria.

El tercer informe indica métricas de actividad de compra en los segmentos de clientes dentro del período de tiempo analizado, en comparación con el período anterior.

Este informe ayuda a realizar un seguimiento de los cambios de KPI para cada segmento de clientes:

• Ingresos generados por un segmento de clientes y su participación en la facturación total de la empresa.
• Cifras comparativas de actividad de compra: frecuencia de compra e ingresos medios por usuario.
• Tasa de finalización de pedidos: el porcentaje de pedidos que se pagaron.
• Cambios en el número de usuarios de los segmentos activos. Una tendencia positiva muestra el crecimiento de usuarios en segmentos activos ( buenos compradores, muy buenos compradores, nuevos compradores ) y la reducción de usuarios en los segmentos pasivos ( compradores durmientes, inactivos, compradores ocasionales con actividad de compra de ***000, **0000 y *00000). Para obtener información más detallada sobre los cambios de segmento, se puede utilizar el esquema de posibles transiciones de usuario de un segmento a otro. Este esquema también permite ver qué tan bien se organizó la comunicación con los clientes dentro del período del informe.

• Utilizando las herramientas de BI de Google y OWOX, el proyecto de comercio electrónico logró recopilar datos completos y detallados para crear segmentos de clientes.
• Los analistas de BI de OWOX ayudaron a automatizar la creación de informes. Ahora los KPI importantes se pueden analizar en todos los segmentos de clientes y conjuntos de datos, teniendo en cuenta los datos de cada cliente de cualquier segmento.
• La empresa enriqueció la comunicación con sus clientes mediante la aplicación de campañas publicitarias detalladas.