All posts by : Stephanie Fernández

El Customer Lifetime Value (CLTV) es una de las métricas más considerables en la estrategia de marketing y fidelización de cualquier empresa. A través del cálculo del CLTV, las empresas pueden entender cuánto vale cada cliente a lo largo de su ciclo de vida y, por lo tanto, optimizar sus estrategias de retención y adquisición de clientes.

En esta publicación compartiremos un caso de éxito en el que se extrajo el CLTV para mejorar la estrategia de marketing de una empresa, lo que resultó en un aumento significativo de la rentabilidad y la fidelización de sus clientes. 

Descubre cómo el uso del valor de por vida del cliente puede ser la clave para el éxito sostenible de tu negocio.

¿Qué es el Customer Lifetime Value (CLTV)? 

El Customer Lifetime Value (CLTV) o Valor del Ciclo de Vida del Cliente en español, es una métrica que se utiliza en marketing para medir el valor económico total que un cliente aporta a una empresa durante todo el tiempo que es cliente de la misma.

El CLTV se calcula teniendo en cuenta el valor monetario que un cliente aporta a la empresa a lo largo de toda su vida como cliente, teniendo en cuenta el gasto que realiza en cada compra, la frecuencia con la que realiza compras y el tiempo que se mantiene como cliente de la empresa.

Esta métrica es muy útil para las empresas, ya que les permite conocer el valor económico real que cada cliente aporta y, por lo tanto, enfocar sus esfuerzos en retener a los clientes más valiosos y fidelizarlos, en lugar de gastar únicamente en la adquisición de nuevos clientes.

El cliente 

Una reconocida compañía de retail que comercializa todo tipo de productos, desde textiles hasta hogar y electrodomésticos, entre otros. Con presencia en diferentes países de Latinoamérica.

El problema

Dentro de una muestra de 10% de la cartera de consumidores seleccionada por nuestro cliente se identificaron cuatro tipos de consumidores: 

1. Aquellos que se encontraban inactivos hace más de 6 meses
2. Aquellos que presentaban un comportamiento transaccional muy esporádico y de bajo ticket, con compras entre 3 y 6 meses.
3. Un tercer grupo con un comportamiento transaccional alto desde el punto de vista del valor del ticket y con compras en los últimos tres meses.
4. El grupo de más alto valor, en donde se encontraban los clientes con al menos una compra por mes en los últimos 6 meses, con valores de ticket medios y altos.

El reto planteado por el cliente era realizar campañas por tres canales (teléfono móvil, email y correo físico) que incrementaran el RFM (Recencia, Frecuencia, Valor) en cada uno de los grupos identificados

Solución GBA Smart Marketing®

Inicialmente, reunimos toda la información transaccional de los cuatro grupos de clientes para los últimos 24 meses. Entendiendo sus categorías de consumo, puntos de venta donde hicieron las compras, método de pago y, por supuesto, el detalle de los productos adquiridos.

Efectuamos análisis que nos permitieron entender la correlación de los puntos de venta con los lugares donde vivían los consumidores. Analizamos la correlación que existía entre las campañas a las que fueron expuestos estos consumidores durante este período de tiempo y sus compras efectivas para cada una de las categorías y PLU’s /SKU’s. 

De igual forma, estudiamos la respuesta a los diferentes mensajes y definimos para cada uno el “Best Time To Contact” con el fin de diferenciar los resultados desde la dimensión de la tasa de contacto. Así mismo, la respuesta de las campañas y las compras efectivamente logradas.

Con el Attribute Set by GBA Smart Marketing®, e información de nuestro cliente, construimos un modelo de CLTV que aportó a la priorización de cada uno de los consumidores de acuerdo con su segmento. El presupuesto que valía la pena invertir en cada uno de ellos, identificar a aquellos consumidores de alto potencial y optimizar el presupuesto calculando el ROI de cada una de las campañas que gestionamos. Todas ellas analizadas desde cuatro dimensiones: Punto de venta, Categoría de Producto, RFM y Segmento del consumidor.

La solución integral incorporó, además, Social & Mobile Data del target al que apuntamos. Fue posible segmentar y sub segmentar la totalidad de consumidores por sus gustos en más de 300 categorías, perfiles, y geolocalización.

El resultado

• • Construimos una solución que permitió tener, en un solo lugar, la información completa y necesaria para planificar una campaña exitosa.
  • Posibilitamos la medición del ROI de cada campaña tan solo horas después de ejecutada.
  • Optimizamos el presupuesto de comunicaciones al generar menos contactos con una mayor efectividad.
  • Incrementamos la recencia de manera global en los cuatro grupos en 8,76%.
  • La frecuencia aumentó, en promedio para los cuatro grupos, 0,65 transacciones mensuales por consumidor.
  • El ticket promedio de los cuatro grupos se incrementó en 11,54%.

• El ROI de la solución, al final del proyecto, fue 21,98% superior al ROI histórico del cliente.

Para GBA Smart Marketing®, el valor e interpretación de los datos tiene un rol primordial en el desarrollo e innovación de nuestro portafolio de soluciones a la medida para cada uno de nuestros clientes.

Contáctenos para mayor información de nuestros servicios.

En Latinoamérica las universidades que ofrecen programas de pregrado y postgrado gestionan información de miles y en algunos casos cientos de miles de estudiantes activos y ya graduados.

Sus planes de crecimiento estudiantil, la cobertura y el bienestar universitario siguen creciendo y la información puede convertirse en su mayor aliado. Pero también el más grande dolor de cabeza y esto depende en gran medida de si es o no una entidad Data Driven Mindset.

¿Qué es el Data-Driven Mindset?

El Data-Driven Mindset es una forma de pensar y tomar decisiones basadas en datos y análisis. Aplicado a las universidades se refiere a la utilización de datos y análisis para mejorar la eficacia y la eficiencia de las operaciones y la experiencia de los estudiantes.

En lugar de tomar decisiones basadas en suposiciones o intuiciones, el Data-Driven Mindset implica la recopilación y el análisis sistemático de datos para informar la toma de decisiones empresariales en las universidades. Esto puede incluir el seguimiento de métricas clave, como el rendimiento académico, la retención de estudiantes, la tasa de graduación, la satisfacción del estudiante y el éxito laboral después de la graduación.

Las universidades pueden adoptar el Data-Driven Mindset de varias maneras, como en la personalización de la experiencia del estudiante, la optimización de la gestión de recursos, la evaluación del impacto de las iniciativas y programas implementados, y la identificación de tendencias en el mercado laboral. Al utilizar los datos para tomar decisiones informadas y efectivas, las universidades pueden mejorar la calidad de la educación que ofrecen y ayudar a los estudiantes a alcanzar sus objetivos académicos y profesionales.

Se trata de una manera de abordar la toma de decisiones con datos y análisis en lugar de suposiciones y juicios subjetivos. Pero ¿pueden hacerlo también las instituciones de educación superior? La respuesta es un sí contundente, pero al igual que en otros sectores, se deben tener en cuenta algunos elementos.

Pasos para conseguir que el Data-Driven Mindset tenga éxito

1. Tener un inventario real de los datos con los que cuenta la universidad

En una institución cohabitan profesores, alumnos, autoridades, personal administrativo y de servicios, entre otros. De la misma forma, cuenta con infraestructura física y tecnológica, como salas de clase, biblioteca, oficinas, servicios sanitarios, espacios de esparcimiento. Así como, otros relevantes como los planes de estudio de pre y postgrado, mallas curriculares, entre otros.

2. Tener objetivos claros y entender cómo los datos encajan

Así como, el uso de tecnología e innovaciones requiere de una estrategia o de un sentido para ser implementadas, para que el uso de los datos ayude a tomar decisiones acertadas o enmarcadas en un plan puntual o integral. Se requiere entender cuál es la hipótesis que lo sustenta y cuáles son las razones para utilizar un determinado tipo de data y no otro.

Un escenario habitual que enfrentan las instituciones de educación superior son los procesos de acreditación. Comúnmente son aplicados por una entidad externa supeditada al Estado, aplicando una serie de exámenes que miden y certifican la calidad de los procesos internos y servicios que se entregan. De esa forma, las universidades deben estar preparadas para esas auditorías, con información ordenada, estructurada y disponible para sortear de manera óptima la revisión.

Adicionalmente, con la información que se recopila, se puede realizar una planificación eficiente de infraestructura, organización de agendas horarias y validación de planes curriculares, entre otros.

3. Una cultura interna Data Driven Mindset es más importante que la tecnología

El temor al cambio no es una novedad. En el caso particular de las universidades sí pueden transformarse en entidades Data Driven Mindset.

Por ejemplo, Microsoft transformó su cultura organizacional hacia una más flexible, conservando áreas o departamentos determinados. Al mismo tiempo, pueden trabajar como una sola unidad y los datos que cada una posee ayuda a las otras áreas en sus operaciones. Lo que están haciendo mediante el uso de los datos y las decisiones que están tomando es optimizar su labor.

En el caso de las universidades, se trata de brindar la mejor educación posible.

4. Big Data & Small Data, ¿qué es más importante?

Hace varios años que se acuñó el concepto, los datos son el nuevo petróleo o la nueva moneda y no es una exageración. El combustible permite energizar vehículos e infraestructura, mientras que los datos permiten transformar las organizaciones y empresas, en entidades más eficientes, dinámicas y de decisiones más acertadas para su funcionamiento. Pero no funcionan por sí solos.

5. Gobierno y gestión de los datos, jerarquías.

El resguardo y la privacidad de los datos. No da lo mismo dónde se almacenan y quién tiene acceso a ellos. Si bien se debe procurar que las distintas unidades puedan utilizar la información que se desprende de su análisis, esto debe ser controlado por una entidad interna que facilite y resguarde su uso. En ambos puntos, es relevante que se elijan las herramientas adecuadas tanto para la seguridad y privacidad, como también para su gestión.

En algunas universidades, desde hace dos años crearon la unidad de gestión de datos para inicialmente resolver los problemas de calidad de datos. Para luego, desarrollar actividades de analítica de datos que les ayude a realizar evaluaciones de desempeño estudiantil y crear estrategias para el desarrollo y promoción de nuevos programas académicos.

Este es un buen inicio, sin embargo, el potencial de los datos es enorme, la creación de atributos, la captura de nuevos datos desde los canales digitales, entre otros, son mundos aún por explorar en la mayoría de entidades.

El problema de las universidades en Latinoamérica

Las universidades hacen una evaluación de los datos que corresponden a la información de identificación de sus estudiantes y encuentran que se podría producir un problema que afectaría los servicios y proyectos que demandan el uso de la información registrada.

Dentro de los problemas identificados, en la primera etapa de tener un inventario real de los datos con los que cuenta la universidad, destacamos los siguientes:

1. La entrega de información no confiable y verídica al sistema de información del Ministerio de Educación.
2. La entrega de certificados de grado y diplomas a estudiantes que se gradúan que tienen inexactitudes en el nombre del estudiante o identificación del estudiante.
3. La presencia de estudiantes reportados más de una vez con un número de identificación diferente que está afectando la consolidación de la historia académica.
4. La presencia de estudiantes con números de identificación errados o que corresponden a otras personas y que ocasionan reprocesos administrativos que toman mucho tiempo resolver.
5. La necesidad de tener una correcta descripción de las direcciones de residencia que no afecten la localización de los estudiantes y garanticen el envío de correspondencia.
6. La necesidad de poder asignar código de geo-codificación a las direcciones de residencia para efectos de evaluar la concentración de población cerca de los centros educativos de la universidad.
7. La necesidad de incorporar código postal a las direcciones para ir acorde con las necesidades de aplicar estándares para el intercambio de información con entidades de vigilancia y control.
8. La necesidad de asegurar una correcta especificación del género del estudiante porque afecta la generación de certificaciones y comunicaciones, además que es necesario para las estadísticas que se producen.

Cómo ayudamos en GBA Smart Marketing a Remediar sus Datos

El trabajo con que las universidades pueden iniciar su proceso de gestión de datos es a través de la contratación de servicios como el de remediación de datos de GBA Smart Marketing, que les permitan corregir la información de todos los estudiantes que figuran en su base de datos académica.

La información de calidad, se utilizaría para actualizar los datos de los estudiantes en el mismo sistema de gestión académica.

El servicio que ofrece GBA Smart Marketing incluye las siguientes actividades:

• Normalización de los nombres de estudiantes para asegurar que los datos tengan el mismo ordenamiento dentro la base de datos.
• Validación del sexo del estudiante utilizando el nombre del mismo para identificar y corregir la información.
• Normalización de las direcciones principales reportadas por los estudiantes para asegurar un estándar en el registro y asegurar su correcta lectura y aplicar estándares de nomenclatura tales como:

– Ordenamiento de los datos iniciando con la dirección del predio, después los datos del inmueble (piso, apto, entre otros) la localidad y el barrio. De igual manera se hace para las direcciones que corresponden a sitios rurales.

– Se confirma y verifica la asignación de código de identificación de ciudades aplicando el estándar de la entidad oficial del país.

– Algunas direcciones tienen escrito el nombre del municipio/estado/provincia en la dirección, en esos casos se aísla ese dato de la dirección y se registra de manera codificada.

• Normalización y estandarización de los números de teléfono de contacto:

– Se identifican los números de teléfonos móviles y teléfonos residenciales.

– Los números de teléfonos móviles se ubican en columnas específicas.

– Se asignan prefijos por ciudad a números de teléfonos residenciales de acuerdo con la nueva nomenclatura colombiana.

• Enriquecimiento de datos:

– El cruce de datos de identidad de estudiantes y confirmación o corrección de identidad con datos oficiales.

– Combinación de datos de direcciones y obtención de código postal y coordenadas geográficas.

– Cruce de datos de direcciones contra entidades oficiales y obtención de código postal, coordenadas geográficas y localidades.