Matriz RFM: ¿por qué utilizarla para su estrategia de comercio electrónico?
De las campañas más tradicionales a las actividades de inbound marketing: con demasiada frecuencia, los responsables de marketing y los estrategas de las empresas se centran más en captar nuevos clientes que en retener a los ya captados, que de hecho son un verdadero activo para la propia empresa.
Para un mismo producto, una compra realizada por un cliente ya adquirido cuesta a la empresa una media de 5 veces menos que una compra realizada por un cliente nuevo, un hecho que debería estimularnos a reflexionar y comprender la importancia de conocer y aprovechar al máximo a los llamados clientes que vuelven.
En el artículo de hoy, descubrimos cómo podemos identificar y conocer mejor a nuestros mejores clientes, gracias al modelo de análisis matricial RFM modelo de análisis matricial, especialmente utilizado en automatización del marketing para la implementación de estrategias de marketing de retención y fidelización de clientes.
Matriz RFM: qué es y por qué puede ser importante para la estrategia
Como ya se ha mencionado, la matriz de marketing RFM es un modelo de análisis que permite identificar a los clientes potencialmente mejores de la empresa mediante la combinación de tres variables diferentes.
- Recencia: indica el tiempo transcurrido desde la última compra
- Frecuencia: indica el número de veces que el usuario ha realizado una compra en un periodo de tiempo determinado (normalmente 1 año)
- Monetario: el gasto total del cliente en el periodo de referencia
Este modelo se basa en la teoría de Pareto, según la cual el 80% del volumen de negocio lo genera el 20% de los clientes, y parte de la consideración de tres supuestos fundamentales:
- los clientes que han comprado más recientemente tienden a comprar más que los que llevan tiempo sin hacerlo;
- los clientes que compran más a menudo tienen más probabilidades de volver a comprar que los que solo han comprado una vez;
- los clientes que gastan más, tienen más probabilidades de volver a comprar.
Ya desde esta primera introducción al modelo RFM, es posible comprender el potencial de dicho análisis como herramienta para crear segmentos de comercio electrónico: los usuarios con puntuaciones R F M más altas serán nuestros mejores clientes, aquellos en los que merece la pena invertir tiempo y energía. Pero profundicemos aún más en el tema.
Matriz RFM: cómo construirla y aplicarla
Implantar manualmente un modelo de análisis RFM es bastante complejo, sobre todo a la hora de mantener y actualizar los datos.
Por eso, cada vez más plataformas de automatización del marketing, como Blendee, ofrecen esta funcionalidad integrada en Analytics y como herramienta de segmentación de audiencias.
Pero empecemos por las tres variables básicas: al analizar los datos de nuestros clientes, no sólo debemos determinar sus valores para las tres variables básicas, sino también crear un sistema de puntuación para puntuarlas.
Esta última puede tener una base empírica y subjetiva, es decir, definiendo a voluntad los valores de los distintos umbrales (quizá más recomendable para las pequeñas empresas) o una base estadística mediante la estimación de ponderaciones o el cálculo de percentiles.
Empecemos con un ejemplo: los valores indicados deben considerarse únicamente como ejemplos, ya que las puntuaciones y los valores umbral deben evaluarse en función de sus propios datos de comercio electrónico.
Ahora combinamos los valores de puntuación con datos de frecuencia, monetarios y de recencia, procesados en tres clientes de ejemplo.
Aunque a primera vista el cliente 1675 parecería el mejor, dado el importe gastado, la matriz revela que el mejor cliente es el 1289 con una compra realizada en un periodo de tiempo más reciente.
Una vez identificados los distintos segmentos de usuarios (usuarios héroes, usuarios de riesgo, usuarios que compran con frecuencia pero gastan poco, usuarios que compran con frecuencia, gastan mucho pero llevan mucho tiempo sin comprar…) será posible crear estrategias ad hoc para captarlos, aumentando su valor con el tiempo.
Análisis y estrategia: qué palancas comerciales poner en marcha Como es fácil adivinar, la matriz RFM no sólo permite identificar a los mejores clientes, sino también cartografiar la audiencia para identificar a los clientes potencialmente más interesantes sobre los que trabajar para llevarlos de un nivel al siguiente. Todo ello conlleva la puesta en marcha de estrategias comerciales ad hoc. Veamos algunos ejemplos:
- a un cliente que ya ha realizado una compra > podríamos ofrecerle un descuento en la segunda compra;
- a un cliente VIP > podríamos proponerle un programa de fidelidad o el acceso a promociones exclusivas;
- a un usuario que compra con frecuencia > podríamos proponer beneficios.
Como es evidente, la combinación de las distintas variables da lugar a varios segmentos:
- clientes que compran con frecuencia pero gastan poco (alta frecuencia, poco dinero);
- clientes que compran con frecuencia y gastan mucho, pero que llevan mucho tiempo sin comprar (alta frecuencia, alta monetaria, baja recencia);
- clientes que gastan mucho, han comprado recientemente y compran con frecuencia (alta recencia, alta monetaria, alta frecuencia).
Así, para cada segmento identificable, es posible elaborar unaoferta comercial y una propuesta de comunicación específica.
La matriz RFM tiene un enorme potencial y puede ser la base de estrategias de marketing de retención realmente eficaces: no se centre únicamente en captar nuevos clientes, sino que obtenga ingresos de sus inversiones publicitarias y aumente con el tiempo el valor de los clientes ya captados.
