Hoy agregaremos otro aspecto al análisis: segmentación y agrupamiento de la base de clientes. Como escribí más de una vez, el análisis de la base de clientes permanece incompleto si consideramos a nuestros clientes como un gran grupo de personas idénticas. Los clientes se dividen en tipos y utilizarán el producto de manera diferente. Alguien compra a menudo, pero no mucho, alguien se va rápidamente, alguien compra mucho y con frecuencia. Para aumentar la eficiencia, vale la pena averiguar qué grupos de clientes son y luego descubrir cómo sus acciones le permitirán atraer a los clientes que necesita. Hay dos formas principales de comprender sus grupos de clientes: heurística y agrupación
Método 1: heurística y experiencia
Como parte de este enfoque, basado en su experiencia, la lógica de usar su producto y las historias de sus clientes, se le ocurren diferentes retratos de los consumidores y luego evalúa cuántos clientes tiene bajo estas definiciones. O puede utilizar enfoques más numéricos basados en un análisis de métricas de clientes. Algunos enfoques heurísticos numéricos populares son:
ABC-XYZ
La idea principal es dividir a los clientes por la contribución total a sus ingresos y la dinámica de los indicadores de crecimiento. ABC es responsable de la contribución a los ingresos, XYZ es responsable de la estabilidad de los ingresos. Forma 9 segmentos.
AX: el más grande y con ingresos estables
AZ: grandes, pero rara vez hacen compras, los ingresos no son estables
CX: el más pequeño, pero con ingresos estables
CZ: pequeño y los ingresos no son estables, rara vez hacen compras
En el segmento A, se identifican los clientes que generan el 80% de los ingresos, en el segmento B, que da otro 15%, y en el segmento C, que da el 5%. En el segmento X: la variación más pequeña en los ingresos (puede tomar el percentil 33), Z: la variación más alta (respectivamente, el percentil 33 superior). Por variabilidad me refiero a la cantidad de variación en los ingresos.
Lo que proporciona este análisis: le permite dividir a sus clientes en grupos según su importancia para su negocio. Los clientes del grupo AX, AY, AZ son los más grandes y debe prestarles la mayor atención. Los clientes de BX, grupos BY requieren atención adicional, pueden desarrollarse. Se puede reducir la atención a grupos en otras categorías. Es especialmente bueno si logra resaltar la similitud entre los clientes en diferentes segmentos, lo que le permitirá enfocar los esfuerzos para atraer a los clientes correctos.
RFM (Frecuencia-Frecuencia-Dinero)
La idea principal es dividir a los clientes de acuerdo con 3 propiedades: cuánto tiempo hace que hubo una venta a un cliente (antigüedad), con qué frecuencia compra bienes (frecuencia), cuántos ingresos generó (dinero). En general, el enfoque se asemeja a ABC-XYZ, pero desde un ángulo ligeramente diferente.
Como parte de este enfoque, divide a los clientes en grupos de Recency, por ejemplo:
- 0-30 días
- 31-60 días
- 61-90 días
- 90+
Por número de compras, por ejemplo:
En términos de ingresos:
- 1000+
- 600-1000
- 200-599
- 0-199
Está claro que para cada producto, aplicación o producto específico necesita establecer sus límites.
Como resultado, podrá dividir a los clientes en muchos segmentos, cada uno de los cuales caracteriza al cliente de acuerdo con el grado de importancia para usted.
BCG Matrix
La idea principal es dividir a los clientes en categorías de volumen de ingresos y tasa de crecimiento de ingresos. Este enfoque le permite determinar quién es grande y qué tan rápido está creciendo. Todos los clientes se descomponen en 4 cuadrantes:
- Las estrellas son los clientes más grandes con altas tasas de crecimiento de ingresos. Estos son los clientes que necesitan prestar más atención. Este es un punto fuerte de crecimiento.
- Las vacas lecheras son grandes clientes con ingresos bajos o negativos. Estos clientes formarán el núcleo de sus ingresos actuales. Ver las vacas y perder el negocio.
- Los caballos oscuros siguen siendo pequeños clientes, pero con una alta tasa de crecimiento. Estos son grupos de clientes a los que se debe prestar atención, como pueden convertirse en estrellas o vacas lecheras.
- Los perros son pequeños clientes con tasas de crecimiento bajas o negativas. Estos son clientes a los que puede prestar menos atención y aplicarles métodos de servicio masivo para reducir costos.
Las ventajas de todos los métodos heurísticos son la relativa facilidad de implementación y la capacidad de dividir a sus clientes en grupos que son comprensibles desde el punto de vista comercial.
Las desventajas son que usamos solo unas pocas propiedades de los clientes para describirlas y excluir otros factores de consideración. Además, la mayoría de los clientes se encuentran temporalmente en segmentos, cambian su posición y es difícil establecer una comunidad real dentro del segmento.
Método 2: agrupamiento
La idea principal es encontrar grupos de clientes sin utilizar hipótesis preliminares sobre la estructura de la base de clientes, para encontrar grupos naturales entre las propiedades de los clientes en función de los datos disponibles.
Hay un conjunto de métodos (K-mean, C-mean, agrupación jerárquica, etc.) que le permiten determinar la proximidad de los objetos entre sí en función de sus propiedades. En el caso general, usted describe a su cliente como un vector, cada elemento de este vector describe algunas características del cliente (ya sea ingresos, el número de meses de cooperación, la dirección de registro, los productos comprados, etc.). Después de eso, convierte este vector al formato deseado para su algoritmo, establece el algoritmo en los datos (y lo configura para la agrupación) y obtiene la separación de los clientes en grupos en la salida.
Aunque el proceso no parece complicado, los detalles de los métodos y su interpretación son de gran importancia. Las métricas de "distancia" seleccionadas, el método de transformación de datos y la cantidad de factores seleccionados pueden cambiar enormemente la imagen. Dado que, en última instancia, en los datos multidimensionales no existe una solución inequívocamente "correcta" para el problema de la agrupación, en última instancia, tendrá que evaluar de forma independiente la calidad de las agrupaciones, es decir, al final, buscar una interpretación "empresarial" si va a utilizar estas agrupaciones en la toma de decisiones por parte de las personas.
Por experiencia, puedo decir que no debe usar las propiedades complejas y lógicamente no relacionadas de los clientes, así como las astutas transformaciones. A pesar de las posibles soluciones elegantes a lo largo de la línea de algoritmos, puede resultar difícil interpretar clústeres que no inflan nada en el contexto empresarial. Quizás su método sea bueno si los grupos se utilizan para parámetros de entrada de otro sistema de aprendizaje automático. Pero cuando desea dividir la base de clientes y formular una estrategia de marketing, estos grupos astutos no lo llevarán a ninguna parte.
El proceso de agrupación en sí es un proceso iterativo:
- Vector de maquillaje
- Transformar datos
- Configurar parámetros del algoritmo
- Hacer agrupaciones
- Evalúe los clústeres de manera experta, ¿puede usarlos?
- Repita el paso 1. si los grupos no lo satisfacen
La ventaja de este enfoque es que, a través de muchas iteraciones, comprenderá a sus clientes y sus datos mucho mejor. Cada intento de agrupación le mostrará una sección del comportamiento del cliente y las propiedades que probablemente nunca haya visto. También comprenderá mejor las relaciones y las relaciones entre diferentes clientes. Por lo tanto, le aconsejo que haga este ejercicio y saque sus propios grupos.
Artículos anteriores en el bucle:
Este es el sexto artículo de una serie de artículos de análisis de productos:
- Enfoque de arriba hacia abajo. Economía del producto. Beneficio bruto
- Economía del producto. Análisis de ingresos
- Inmerso en la dinámica de la base de clientes: análisis de cohortes y análisis de flujo.
- Recopilamos análisis de cohortes / análisis de flujos en el ejemplo de Excel
- Análisis de embudo de ventas
- MPRU, ingresos y cómo se relaciona con los ingresos y la dinámica de la base de clientes