Diapositivas presentadas por Federico Malek Pascha, CO-Founder / CEO AVENIDA.COM, en el eCommerce Day Santiago 2016 en la plenaria "CUSTOMER CENTRIC VS PRODUCT CENTRIC, EL PODER DEL CUSTOMER LIFETIME VALUE".

1. El Poder del Customer Lifetime Value – Fede Malek

2. ¿Por qué es importante el LVT?
• Retention is King
• 40% de las ventas de una tienda promedio de e-commerce la genera el 8% de sus
usuarios1, y el 82% de las compañías de la industria consideran que la retención de
usuarios es sustancialmente más barata que la adquisición2
• Sin embargo, la mayoría de los e-commerce (y start-ups en general) enfocan sus
recursos en la adquisición y no en la retención
1 “The ROI from Marketing to Existing Online Customers”, Adobe Digital Index, 2014
2 “15 fascinating insights from Econsultancy’s 2014 reports”, Econsultancy, 2014

3. ¿Cómo podemos medir la recurrencia?
• Análisis de Cohortes por adquisición de usuarios: tasa de retención en el día/mes t+n
• Mide cuantos usuarios que se adquirieron en el mes t volvieron a recurrir un evento en el
mes n
• Ejemplo de eventos que nos puede interesar analizar:
• Compra
• Ingreso al sitio/app
• Add to cart

4. First purchase 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
2014 6 100,0% 13,7% 9,2% 7,6% 6,4% 7,5% 5,1% 5,5% 4,4% 4,0% 4,9% 4,2% 3,1% 3,7% 3,5% 3,6% 2,9% 4,2% 2,9%
2014 7 100,0% 12,2% 7,8% 6,6% 7,8% 5,0% 5,9% 4,6% 4,2% 4,5% 3,7% 3,1% 3,4% 3,7% 3,5% 3,0% 3,5% 2,7%
2014 8 100,0% 12,0% 7,7% 8,8% 6,4% 5,6% 4,9% 4,6% 5,1% 4,5% 4,3% 3,5% 4,0% 4,1% 3,1% 3,7% 3,1%
2014 9 100,0% 12,4% 10,4% 7,3% 6,6% 5,0% 4,4% 4,5% 4,1% 4,2% 3,5% 4,8% 4,3% 3,5% 4,0% 3,5%
2014 10 100,0% 12,3% 8,6% 7,7% 5,2% 5,5% 5,8% 4,1% 3,9% 4,0% 4,5% 4,4% 3,3% 4,4% 3,5%
2014 11 100,0% 11,1% 11,7% 5,5% 4,6% 5,1% 4,8% 3,5% 3,8% 3,6% 3,9% 3,0% 4,9% 3,5%
2014 12 100,0% 12,5% 7,7% 6,9% 6,6% 5,2% 4,9% 4,5% 5,1% 4,2% 4,3% 5,2% 4,7%
2015 1 100,0% 12,8% 8,5% 7,9% 5,9% 5,6% 5,8% 6,1% 5,8% 4,8% 5,0% 4,6%
2015 2 100,0% 12,4% 10,0% 6,7% 6,0% 5,8% 6,9% 5,6% 4,6% 6,2% 4,8%
2015 3 100,0% 13,0% 7,1% 6,3% 6,0% 6,3% 5,8% 4,8% 5,7% 5,1%
2015 4 100,0% 14,0% 8,2% 6,6% 7,4% 6,6% 5,6% 6,0% 5,1%
2015 5 100,0% 7,8% 5,9% 6,3% 5,7% 4,8% 6,2% 4,7%
2015 6 100,0% 9,5% 7,8% 7,8% 6,8% 7,4% 6,2%
2015 7 100,0% 12,2% 8,6% 6,9% 7,5% 6,2%
2015 8 100,0% 12,7% 7,4% 8,5% 6,9%
2015 9 100,0% 10,5% 9,0% 7,4%
2015 10 100,0% 12,3% 9,1%
2015 11 100,0% 9,0%
2015 12 100,0%
Ejemplo de Cohorte de Adquisición t+n

5. First purchase 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
2014 6 100,0% 13,7% 9,2% 7,6% 6,4% 7,5% 5,1% 5,5% 4,4% 4,0% 4,9% 4,2% 3,1% 3,7% 3,5% 3,6% 2,9% 4,2% 2,9%
2014 7 100,0% 12,2% 7,8% 6,6% 7,8% 5,0% 5,9% 4,6% 4,2% 4,5% 3,7% 3,1% 3,4% 3,7% 3,5% 3,0% 3,5% 2,7%
2014 8 100,0% 12,0% 7,7% 8,8% 6,4% 5,6% 4,9% 4,6% 5,1% 4,5% 4,3% 3,5% 4,0% 4,1% 3,1% 3,7% 3,1%
2014 9 100,0% 12,4% 10,4% 7,3% 6,6% 5,0% 4,4% 4,5% 4,1% 4,2% 3,5% 4,8% 4,3% 3,5% 4,0% 3,5%
2014 10 100,0% 12,3% 8,6% 7,7% 5,2% 5,5% 5,8% 4,1% 3,9% 4,0% 4,5% 4,4% 3,3% 4,4% 3,5%
2014 11 100,0% 11,1% 11,7% 5,5% 4,6% 5,1% 4,8% 3,5% 3,8% 3,6% 3,9% 3,0% 4,9% 3,5%
2014 12 100,0% 12,5% 7,7% 6,9% 6,6% 5,2% 4,9% 4,5% 5,1% 4,2% 4,3% 5,2% 4,7%
2015 1 100,0% 12,8% 8,5% 7,9% 5,9% 5,6% 5,8% 6,1% 5,8% 4,8% 5,0% 4,6%
2015 2 100,0% 12,4% 10,0% 6,7% 6,0% 5,8% 6,9% 5,6% 4,6% 6,2% 4,8%
2015 3 100,0% 13,0% 7,1% 6,3% 6,0% 6,3% 5,8% 4,8% 5,7% 5,1%
2015 4 100,0% 14,0% 8,2% 6,6% 7,4% 6,6% 5,6% 6,0% 5,1%
2015 5 100,0% 7,8% 5,9% 6,3% 5,7% 4,8% 6,2% 4,7%
2015 6 100,0% 9,5% 7,8% 7,8% 6,8% 7,4% 6,2%
2015 7 100,0% 12,2% 8,6% 6,9% 7,5% 6,2%
2015 8 100,0% 12,7% 7,4% 8,5% 6,9%
2015 9 100,0% 10,5% 9,0% 7,4%
2015 10 100,0% 12,3% 9,1%
2015 11 100,0% 9,0%
2015 12 100,0%
First
Purchase
0 1 2 3
2015-12 100,0% 10.5% 9,0% 7,4%
2016-01 100,0% 12,3% 9,1%
2016-02 100,0% 9,0%
2016-03 100,0%
Ejemplo de Cohorte de Adquisición t+n

6. Display 1: Curva de retención promedio
0.00%
4.00%
8.00%
12.00%
16.00%
1 2 3 4 5 6 7 8 9 10 11 12
Promedio de Recurrencia Mensual
mes

7. Display 2: Curva de retención por mes
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
16.00%
t+1 t+2 t+3 t+4 t+5
Evolución retención por mes
nov-14 dic-14 ene-15 feb-15 mar-15 abr-15

8. Display 3: Cohort Cycle Plot
0.00%
4.00%
8.00%
12.00%
16.00%
t+1 t+2 t+3 t+4 t+5
Cohort Plot Cycle
nov-14 dic-14 ene-15 feb-15 mar-15 abr-15

9. Behavioral acquisition cohort analysis
• Para entender las causas de la pérdida de retención, es esencial aislar el análisis de
cohortes en comportamientos específicos
• Facebook encontró que los usuarios que invitan más de 7 amigos en los
primeros 10 días, son usuarios que permanecen en la red a largo plazo
• Netflix analiza cuantos capítulos de una serie se necesitan para que el
usuario la vea hasta el final. Algunos resultados: Breaking Bad 2 capítulos,
How I met your mother 8 capítulos

10. • Algunos ejemplos de análisis de comportamientos específicos que se pueden utilizar en
e-commerce incluyen:
• NPS, CSAT, o Delivery Cycle
• Refunds Rate: usuarios que interactuaron con nuestro call-center tienen mayor recurrencia
• Delivery Option: usuarios que optan por pick-up son más recurrentes
• Fulfillment option: modelo retail trae usuarios más recurrentes
• Medio de pago: análisis por tarjeta de crédito y banco
• Ticket promedio
• Verticalizacion del assortment (profundidad), en comparación con la competencia
Ejemplos de análisis en Avenida.com

11. • Los usuarios de la App son
consistentemente mas recurrentes
que los demás (-->más inversión
en app downloads)
• Web Mobile tiene peor conversión
que Desktop pero compensa con
mayor recurrencia
Algunos resultados: Cross-Device
0.00%
4.00%
8.00%
12.00%
16.00%
t+1 t+2 t+3 t+4
Cross-Device Plot Cycle - Avenida.com
App Mobile Desktop

12. Algunos resultados: Multi-Categorías
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
t+1 t+2 t+3
Cat. Plot Cycle - Avenida.com
Home & Garden Electronics Multiple
• El análisis de recurrencia fue clave
para el armado de las categorías
• Electronics tenía la mejor
conversión, pero no la mejor
recurrencia
• Los usuarios más recurrentes son los
que compran multi-categoría.
(incentivar cross-selling)

13. • Correlación ≠ Causalidad
• ¿Retención = Engagement?
• Recomendación: encontrar una métrica única y simple de retención y comprometer a
toda la organización a maximizarla
• En avenida.com, esa métrica es maximizar la re-compra del mes siguiente a la
primer compra. Efecto confirmación de quiebre
• Usuarios que recompran en t+1 tienen un LTV x 1.8 al resto
Consideraciones finales