CustomeR Life Value - CLV
El valor de vida del cliente (CLV) está ganando cada vez más importancia como una métrica de marketing. El CLV una herramienta para gestionar y medir el éxito de su negocio.
Manuel Perez
zerep.manuel@gmail.com
Carlos Ortega
cof@qualityexcellence.es
2. 2
Introducción
Marco conceptual:
cómo el CLV encaja en la cadena de valor y
cuáles son sus principales impulsores.
Métodos para modelización el CLV.
Modelos econométricos
Modelización informática.
3. 3
Introducción- Herramientas Básicas
• El valor de vida del cliente (CLV) está ganando cada
vez más importancia como una métrica de marketing.
• El CLV una herramienta para gestionar y medir el
éxito de su negocio.
• Hacer el marketing contabilizable, en lugar de
conocimiento de marca, o volumen de ventas o la
cuota de mercado no son suficientes para encontrar
el retorno sobre la inversión en marketing.
4. 4
Que es el CLV
1. El CLV de los clientes actuales y futuros es un buen indicador
del valor total para la empresa. No todos los clientes son
igualmente rentables. Estos diagnósticos no se pueden obtener
a partir de medidas financieras agregadas.
2. El CLV es una métrica desagregada, se puede utilizar para
identificar a clientes rentables y asignar los recursos
correspondientes.
3. Hoy la tecnología ha hecho que sea fácil recopilar gran cantidad
de datos de las transacciones.
1. Esto permite utilizar los datos de las preferencias reveladas
en lugar de intenciones.
2. Ya no es necesario el muestreo cuando se dispone de toda
la base de clientes.
3. Aprovechar estos conocimientos y personalizar los
programas de marketing.
6. 6
Como se calcula el CLV
donde
pt = precio pagado por el consumidor en el momento t,
ct = costo directo del servicio al cliente en el momento t,
i = tasa de descuento o costo de capital para la empresa,
rt = probabilidad de repetición cliente compra o estar "vivo" en
el período t,
AC = coste de adquisición, y
t = horizonte de tiempo para la estimación de CLV.
El CLV se define generalmente como el valor presente de todos los ingresos
futuros obtenidos de un cliente en la vida de relación con la empresa
7. 7
Modelos CLV
1. Modelos RFM
2. Modelos probabilísticos
3. Modelos econométricos
1. Modelos de RFM (Para bajas tasas de respuesta)
Se utiliza para segmentar campañas de correo u otra comunicación para diferentes
grupos de RFM.
Otros modelos RFM tratan de predecir el comportamiento futuro de los clientes,
están implícitamente ligados al CLV, tienen varias limitaciones:
Predicen el comportamiento para el próximo período solamente. Para estimar el CLV,
necesitamos estimar el comportamiento para 3, 4, 5, períodos.
Las variables RFM son indicadores imperfectos del comportamiento, se extraen de una
distribución real. Aspecto ignorado en los modelos de RFM.
Ignoran que el comportamiento pasado puede ser el resultado de las actividades de marketing
anteriores.
Las variables RFM son buenos predictores de la conducta de compra futura
Los estadísticos RFM son suficientes para el modelo de CLV.
Curvas iso-CLV, muestran para un mismo CLV a partir diferentes valores de RFo M
8. 8
Modelos CLV - Probabilísticos
Es una representación del comportamiento visto como la realización de un proceso estocástico. Que trata de
contar una historia paramórfica simple que describa (y predice) el comportamiento observado en lugar de tratar
de explicar las diferencias en el comportamiento observado en función de las covariables (como es el caso con
cualquier modelo de regresión).
El modelo está normalmente es bueno cuando asume que el comportamiento de los consumidores varía a
través de la población de acuerdo con alguna distribución de probabilidad.
Modelo de Pareto/NBD, describe el flujo de transacciones basado en conjunto de supuestos o hipótesis:
La relación de un cliente con la empresa tiene dos fases: está "vivo" durante un período no
observado de tiempo, y luego se vuelve permanentemente inactivo.
Mientras que esté "vivo", el número de transacciones realizadas se puede caracterizar por un
proceso de Poisson.
La heterogeneidad en la tasa de transacciones de los clientes sigue una distribución gamma.
El CLV de cada cliente no observado se distribuye exponencialmente.
La heterogeneidad de las tasas de fuga de los clientes sigue una distribución gamma.
Las tasas de transacción y las tasas de fuga varían de forma independiente a través de los
clientes.
Las segunda y tercera hipótesis resultan del NBD, mientras que los dos siguientes supuestos producen la
distribución de Pareto (de la segunda clase).
Este modelo requiere sólo dos piezas de información del historial de compras pasadas de cada cliente: su
"reciencia" y "frecuencia".
Otros modelos de comportamiento de los clientes utilizan cadenas de Markov.
14. 14
Fuentes
Artículos
Calculating Customer Lifetime Value with Recency, Frequency, and Monetary (RFM)
http://www.dataapple.net/?p=133
Modeling Customer Lifetime Value
http://www.anderson.ucla.edu/faculty/dominique.hanssens/content/JSR2006.pdf
RFM and CLV: Using Iso-Value Curves for Customer Base Analysis
https://marketing.wharton.upenn.edu/files/?whdmsaction=public:main.file&fileID=3807
RFM Migration Analysis
http://www.dbmarketing.com/articles/Art123.htm