CRM Analítico para la configuración de oferta del cliente
0 recomendaciones999 vistas
El documento detalla el uso de CRM analítico para optimizar la oferta y la interacción con los clientes mediante el análisis de datos. Se abordan metodologías para clasificar y segmentar clientes, así como la importancia de personalizar las campañas de marketing. Además, se discuten modelos de clasificación y asociación que permiten predecir comportamientos de los clientes y mejorar la toma de decisiones empresariales.
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
- 6. Preguntas de negocio Clasificación Minería de texto Asociación CRM Analítico Series de tiempo Segmentación 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
- 17. Gráfico de malla PASS , antes SPSS México
- 18. 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 PASS , antes SPSS México
- 19. 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 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
- 25. 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 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
- 30. PASS , antes SPSS México
- 31. 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 Modelos de clasificación Asociación Segmentación Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad Clasificación Probabilidad 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 4 214 conglomerado-‐1 214 conglomerado-‐1 214 conglomerado-‐1 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 5 315 conglomerado-‐1 315 conglomerado-‐1 315 conglomerado-‐1 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 4 234 conglomerado-‐2 234 conglomerado-‐2 234 conglomerado-‐2 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 2 132 conglomerado-‐2 132 conglomerado-‐2 132 conglomerado-‐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 3 113 conglomerado-‐1 113 conglomerado-‐1 113 conglomerado-‐1 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 2 112 conglomerado-‐1 112 conglomerado-‐1 112 conglomerado-‐1 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 4 544 conglomerado-‐4 544 conglomerado-‐4 544 conglomerado-‐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 1 421 conglomerado-‐3 421 conglomerado-‐3 421 conglomerado-‐3 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 5 335 conglomerado-‐4 335 conglomerado-‐4 335 conglomerado-‐4 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 4 214 conglomerado-‐1 214 conglomerado-‐1 214 conglomerado-‐1 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 3 243 conglomerado-‐4 243 conglomerado-‐4 243 conglomerado-‐4 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 5 345 conglomerado-‐4 345 conglomerado-‐4 345 conglomerado-‐4 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 5 435 conglomerado-‐4 435 conglomerado-‐4 435 conglomerado-‐4 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 2 422 conglomerado-‐3 422 conglomerado-‐3 422 conglomerado-‐3 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 4 534 conglomerado-‐2 534 conglomerado-‐2 534 conglomerado-‐2 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 2 322 conglomerado-‐3 322 conglomerado-‐3 322 conglomerado-‐3 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 5 255 conglomerado-‐4 255 conglomerado-‐4 255 conglomerado-‐4 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 2 312 conglomerado-‐1 312 conglomerado-‐1 312 conglomerado-‐1 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 4 114 conglomerado-‐1 114 conglomerado-‐1 114 conglomerado-‐1 ID ID ID PASS , antes SPSS México