En el análisis anterior de Segmentos de Clientes, encontramos que las grandes diferencias surgieron en el Segmento de Compras Recientes – con tasas de respuesta que van desde aproximadamente el 2% al 18%. Tanto la Frecuencia de compra como el Monto de compra mostraron pequeñas diferencias con...  Los resultados del análisis muestran que los Segmentos de Clientes de compras Recientes, Frecuencia de compra y Monto de compra, son un pronóstico de la tasa de respuesta. El siguiente paso es crear un Indicador de RFM Combinado, el cual dividirá el grupo de clientes en subgrupos más pequeños en comparación con el análisis de segmentos. Además, estos subgrupos revelarán grandes variaciones en la tasa de respuesta.

En el análisis anterior de Segmentos de Clientes, encontramos que las grandes diferencias surgieron en el Segmento de Compras Recientes – con tasas de respuesta que van desde aproximadamente el 2% al 18%. Tanto la Frecuencia de compra como el Monto de compra mostraron pequeñas diferencias con respecto a las tasas de respuesta.

Mediante el análisis del modelo RFM, Stan debe observar diferencias aún más grandes en la tasa de respuesta, que le permitirán determinar con mayor precisión los posibles compradores. En la práctica, hay algunas variaciones en los métodos utilizados para asignar los Clientes a los grupos RFM. Stan decide utilizar el enfoque de un reconocido experto en el campo del marketing aplicado a bases de datos, Arthur Hughes. Este enfoque consiste en clasificar a los Clientes en 5 grupos dentro del Segmento de compras Recientes. Cada uno de los grupos de este Segmento, se ordena por Frecuencia de compras y se divide en 5 – lo que da como resultado 25 grupos; Cada uno de estos grupos se ordena por Monto de compra.

Por lo tanto, la clasificación de los Grupos de Segmentos RFM se crea con los siguientes pasos:

Se toman los 50.000 Clientes de acuerdo a las compras Recientes y se dividen en cinco grupos (en este caso vamos a designar al grupo 1, con el mayor índice de compras Recientes y al grupo 5 con el menor índice de compras Recientes)
El grupo 1 se clasifica por Frecuencia de compra y se divide en cinco grupos.
Repita el paso 2 para los grupos del 2 al 5 clasificándolos por Compras Recientes – el resultado es 25 grupos (= 5 x 5).
Para cada uno de los 25 grupos de Frecuencia de compra y de compras Recientes: Ordénelos por Monto de compra y divídalos en 5 grupos.
Ahora, cada Cliente tiene un valor por Compras Recientes, Frecuencia de compra y Monto de compra que determina el total del Grupo de Segmentos RFM.
La gráfica 5 muestra las tasas de respuesta para los 125 Grupos de RFM. Como era de esperarse las tasas de respuesta varían significativamente entre los grupos, que van desde un mínimo de menos del 1% a un máximo de aproximadamente el 24%.

Gráfica 5 Tasa de respuesta por Indicador RFM Combinado



La grafica 6 muestra el número de clientes para cada campo RFM, el número de compradores para cada campo RFM y la tasa de respuesta para cada campo RFM.

Gráfica 6 Número de Clientes, Número de Compradores y Tasa de respuesta por Indicador RFM Combinado



Implementación del Modelo RFM

Los resultados de las gráficas 5 y 6 muestran claramente que la Tasa de respuesta a la Oferta de “The Art History of Florence” varía entre los Grupos de Segmentos del Modelo RFM. En general, los Clientes que son más Recientes, más Frecuentes y que han Invertido más dinero, tienen más probabilidades de responder a la oferta que los clientes que son menos Recientes, menos Frecuentes y que han Invertido menos.

Stan ahora puede utilizar los resultados de esta prueba para seleccionar a cuáles Clientes de BookBinders (que no hicieron parte de la prueba) les enviará la Oferta por correo. Debido a que la prueba se realizó mediante una muestra aleatoria, Stan puede esperar que las Tasas de respuesta sean muy similares para la lista completa de Clientes.

Con el informe de la gráfica 6, Stan puede clasificar los Grupos de Segmentos de RFM según la Tasa de respuesta. Ahora, para el envío de la Oferta por correo, podrá dirigirse a los Clientes de los Grupos de Segmentos de RFM con una Tasa de respuesta que sea mayor o igual a la tasa de respuesta del punto de equilibrio. Stan calcula el punto de equilibrio en base a los siguientes costos:

Gastos de envío de la Oferta por Correo US $0.50
Precio de venta (incluyendo el envío) pagado por el Cliente US $18.00
Precio al por mayor pagado por BookBinders US $9.00
Gastos de envío US $3.00
En el punto exacto de equilibrio, el costo del envío de la Oferta es igual a la utilidad neta del correo. Si “X” es el número de Clientes a los que se les enviará la Oferta por correo (a un costo de $ 0.50 cada uno) y “Y” es el número de Clientes que responden a la Oferta (compensación US $18 – US $9 – US $3 = US $6 cada uno), entonces BookBinders encontrará el punto de equilibrio si, X (0,50) = Y (6), o Y / X =0,50 / 6. En términos generales, la siguiente fórmula se utiliza para calcular la Tasa de respuesta del punto de equilibrio:

Punto de equilibrio = (costo de envío de la oferta por correo) / (beneficio neto de la venta individual)

= US $0.50/(US $18 – US $9 – US $3)

= US $0.50/US $6

=.083, o 8.3%

Análisis de los resultados

La gráfica 7 muestra una comparación de la rentabilidad entre los dos escenarios:

Correo masivo a los 50.000 clientes
Envío sólo a los Clientes de los Grupos de Segmentos RFM con Tasas de respuesta mayor al 8,3%.
Antes de realizar el envío de prueba, Stan no pudo saber a cuáles de los 50.000 Clientes se les enviaría la oferta, sin haber implementado previamente el Modelo RFM. Sin embargo, es útil evaluar la rentabilidad que arrojaría si Stan hubiera conocido con antelación los Grupos de Segmentos RFM. Esto le permite poder comparar la Utilidad que arroja el correo masivo, con un envío de correo basado en los resultados del modelo RFM.

Gráfica 7 Análisis de los resultados



La gráfica 7 muestra que al enviar la oferta por correo a los 50.000 Clientes, se obtiene una pequeña Utilidad del 2,62% de las Ventas Brutas. Por el contrario, al centrarse exclusivamente en los Segmentos de Clientes se obtiene una Utilidad del 13,69% de las Ventas Brutas. El enfoque del Modelo RFM mejora la rentabilidad obteniendo el 71% de los compradores (=3214 / 4522), mientras que el correo masivo obtiene solo el 46% (=22,731 / 50,000).

Con estos resultados Stan puede anticipar la respuesta para el envío de la Oferta por correo. Si BookBinders tuviera otros 450.000 Clientes, y se les aplicara el Modelo RFM, aproximadamente el 45,46% (204.570 de 450.000) de los Clientes recibirán la Oferta por correo. La tasa de respuesta estimada será del 14,14%.

Al igual que en muchos otros contextos de Marketing Directo, el modelo RFM parece ser una herramienta útil para que usted pueda identificar qué Clientes son más (o menos) probables de responder a una Oferta específica. Mediante la realización de una prueba efectuada con una muestra aleatoria de Clientes, BookBinders pudo identificar los Clientes que hicieron parte de los Grupos de Segmentos del Modelo RFM. La rentabilidad mejora al reducir significativamente los costos de envío – sin dejar de capturar la mayoría de los compradores.

En resumen: Modelo RFM (Compras Recientes, Frecuencia de compra y Monto de la compra)


En el ejemplo mostrado de BookBinders, el modelo RFM ha demostrado ser un método eficaz para predecir los índices de respuesta y mejorar la rentabilidad de su negocio. El Análisis RFM ofrece muchas ventajas para su Organización: es simple, puede realizar un seguimiento a la base de datos de sus clientes, es intuitivo y no requiere de un software sofisticado o de expertos en estadísticas. Por otro lado, el análisis RFM no está exento de limitaciones; Se basa sólo en tres variables (Compras Recientes, Frecuencia de compra y Monto de la compra) y se pueden pasar por alto otras variables potencialmente importantes para su empresa.

El presente artículo ha sido desarrollado con base en el documento llamado “Recency, Frequency and Monetary (RFM) Analysis” de Charlotte Mason de la Universidad de Carolina del Norte, Estados Unidos.

 Mind de Colombia es una empresa visionaria, que implementa proyectos basados en software de clase mundial, de acuerdo con las necesidades de cada uno de sus clientes. Contamos con metodologías probadas y especializadas para la implementación de proyectos en temas como CRM, SFA, ERP y Planeación de la Demanda.
Adicionalmente ofrecemos Servicios de Consultoría y Seminarios en temas de CRM (Customer Relationship Management), SFA (Sales Force Automation), KAM (Key Account Management) y Estrategias de Fidelización de Clientes.
Mind de Colombia
Manejo Informatico Industrial de Colombia
www.mind.com.co
Twitter: MindDeColombia
Facebook: Mind de Colombia
Linkedin:Mind de Colombia