Cómo utilizar los modelos de RFM en la comercialización de datos impulsada

Cuando la comercialización de datos impulsada llegaba primero a la prominencia, los analistas desarrollaron una técnica de orientación relativamente sencillo que sigue siendo ampliamente utilizado hoy. La técnica fue desarrollada por primera vez para el negocio de la venta por catálogo. La motivación era que los catálogos son caros para imprimir y enviar, por lo que es importante para enviarlos por correo a las personas que podrían utilizar realmente.

El marco RFM en la comercialización de datos impulsada

La actualidad, frecuencia, técnica monetaria, conocida como Modelado RFM, se basa en la observación de tres hechos sobre transacciones de los clientes.

• R es por lo reciente. ¿Hace cuánto tiempo que el cliente pasado comprar a usted?

• F es para la frecuencia. ¿Con qué frecuencia o la cantidad de productos que ha comprado el cliente?

• M es por dinero. Bueno, en realidad es para valor monetario pero significa dinero. ¿Cuánto gastan los clientes?

La idea básica es que cada uno de estos factores es individualmente un tanto predictivo de las tasas de respuesta. Combinando los hace esas predicciones aún mejor.

Modelos de RFM se desarrollan utilizando datos de transacciones resumidos. Recuentos de transacción, los totales de compra, y fechas de las transacciones recientes se agrupan en rangos. Un modelo RFM sencilla solamente podría distinguir alto, medio y bajo volumen de transacciones, por ejemplo.

Cada cliente se clasifica en cada uno de los tres atributos. Los clientes son entonces segmentada en función de su clasificación combinada. Por ejemplo, un segmento se compone de clientes que entran en la categoría de bajo en los tres atributos. Hay otro segmento de muy reciente, de bajo volumen y alto valor monetario. Etcétera.

El número de segmentos obtiene gran rapidez. Si cada atributo se divide en tres rangos, usted termina con 27 grupos de RFM distintas. Si les divide diez maneras, usted termina con 1.000 segmentos.

¿Cómo construir el modelo RFM en los datos de marketing orientado

La visión real viene cuando se aplican estos segmentos a los clientes que han recibido las campañas de marketing de usted en el pasado. Te ves en las tasas de respuesta para cada uno de los segmentos de RFM. Típicamente, algunos segmentos superan dramáticamente otros.

Como todos los modelos, debe probar los modelos de RFM antes de usarlos en la definición de públicos objetivo. La forma estándar de prueba de un modelo implica dividir los clientes que usted está analizando en dos grupos definidos al azar.

Usted puede ser el análisis de las tasas de respuesta de 100.000 clientes que recibieron su campaña de primavera. Usted quiere dividir al azar de ese grupo por la mitad. Utiliza la primera mitad para hacer su análisis y definir sus segmentos de alto rendimiento. Luego se utiliza la segunda mitad para confirmar (o no) de que esos segmentos realmente se desempeñan mejor que los otros.

Usted puede lograr esta división al azar con un generador de números aleatorios. Software de base de datos, software analítico, e incluso hojas de cálculo tienen funciones que producirán números aleatorios entre 0 y 1. La idea es que se genera un número aleatorio para cada registro de cliente. Si el número es inferior a 0,5, se pone el registro en el archivo de análisis. El resto de los registros entra en tu confirmación o archivo de prueba.

Al centrarse futuras campañas en los segmentos de alto rendimiento, se puede lograr mayores tasas de respuesta y reducir los costos de campaña. Debe tener en cuenta algunas cuestiones técnicas en la aplicación de cualquier tipo de modelo analítico. Por un lado, usted no quiere asumir que sus segmentos se presentarán también en el futuro como lo hicieron en el pasado.