SPSS, una ayuda estadística para sus análisis de Marketing

Dividir los clientes en grupos es una tendencia natural. Las empresas desean conocer quiénes son sus mejores clientes, cuáles son los peores, quiénes son potenciales clientes, cuál es nuevo, etc. Los departamentos de marketing y ventas lo hacen regularmente y con frecuencia. Su objetivo es lograr el ingreso máximo (de ventas, en este caso) con un esfuerzo limitado.

Clasificar y agrupar clientes sería una función natural de la naturaleza humana y las operaciones de negocios, pero hacerlo bien es un asunto de estudio, discusión y práctica. Un tipo de modelado de segmentación desarrollado con asistentes en IBM SPSS Statistics es la segmentación de actividades recientes, frecuencia y valor monetario (RFM). RFM es un método probado y ampliamente utilizado para dividir a clientes en grupos de acuerdo a su comportamiento. Una rápida exploración de la lista de clientes agrupados según la puntuación de RFM le muestra quiénes son sus mejores clientes y quiénes son clientes buenos y malos.

El modelado de RFM no es la única forma de segmentar clientes y no es necesariamente la mejor manera. Sin embargo, es un buen método de segmentación de clientes que cualquier persona puede entender con facilidad y usar con rapidez.

Es útil saber cómo sus clientes se dividen en grupos. Es posible usar esa información para predecir el comportamiento del cliente en el futuro inmediato. Es aún más útil monitorear cómo las puntuaciones de RFM de clientes individuales cambian a lo largo del tiempo. Utilizando ese conocimiento es posible cambiar los procesos de negocio para maximizar el ciclo de vida de un cliente. También es posible obtener toda esta información de un asistente fácil de usar en SPSS Statistics.

Modelos RFM

Si usted no está en marketing, puede no haber escuchado sobre la segmentación de RFM. No se preocupe; es fácil de comprender.

• Recency
  Recency se refiere al tiempo transcurrido desde que el cliente realizó su último pedido de compra. Esta medida se utiliza porque, en muchas situaciones, se ha demostrado que es mucho menos probable que los clientes que realizaron su último pedido hace mucho tiempo vuelvan a hacerlo en comparación con aquellos que hicieron un pedido hace poco tiempo.
• Frequency
  Frequency se refiere a cuántas veces un cliente le ha realizado un pedido durante su vida. Esta medida se utiliza porque es mucho menos probable que alguien que le haya realizado un pedido vuelva a hacerlo nuevamente en comparación con alguien que le ha hecho pedidos muchas veces. Frequency es a veces ajustada un poco. Después de revisar y examinar sus operaciones, podría inventar una definición un poco diferente de frequency. Por ejemplo, podría usar la cantidad de pedidos por año en vez de los pedidos de toda una vida. Otra variante es usar pedidos solo de un valor específico en el cálculo de frecuencia (eliminar los pedidos pequeños y el efecto que algunos clientes tendrían al realizar muchos pedidos pequeños, lo que aumenta el proceso, la entrega y los costos por cobrar).
• Monetary value
  Monetary value se refiere al valor del cliente. La mayoría de los análisis RFM usan o bien las ganancias brutas o las utilidades netas obtenidas durante la vida del cliente. Cuál usar depende de la opinión de personas influyentes en la compañía. También es posible definir el valor monetario de otras formas. Usar las utilidades netas por pedido podría cambiar el resultado. Podría ser revelador ver la diferencia de cómo un cliente está jerarquizado en las diferentes medidas de valor monetario.

Otras técnicas de modelado de segmentación

Antes de conocer cómo usar los asistentes de SPSS Statistics para crear un modelo RFM, primero se describirán otras maneras de segmentar clientes en esta herramienta. Como podría esperarse, existen muchas formas de agrupar clientes y SPSS Statistics soporta muchos de los procesos estadísticos usados para cumplir con esta tarea. Haciendo clic en el menú Analyze , es posible observar varias categorías generales de análisis estadístico, incluyendo una llamada Classify (vea la Figura 1).

Figura 1. El submenú desplegado Classify