Customer Lifetime Value en las Telcos

Por info@smartup.es

Smartup: Agencia de Marketing Digital y Big Data

Big Data & Analytics     Casos de Éxito     Comercio Electrónico     Inbound Marketing     Influencers     Listening
Marketing Digital      Publicidad Online      SEO      Smartup

 

 

Big Data & Analytics     Casos de Éxito     Comercio Electrónico     Inbound Marketing     Influencers     Listening     Marketing Digital      Publicidad Online      SEO      Smartup

 

 

customer lifetime value

Vivimos tiempos revueltos para las operadoras de telecomunicaciones.  En un mercado cada vez más competitivo, los clientes sienten menor fidelidad a la marca, probablemente debido a las agresivas políticas de captación que practican. En este sentido, observamos que el crecimiento de las telco (y en general de cualquier empresa) se basa en 2 factores clave:

  1. Adquisición de nuevos clientes.
  2. Retención de los clientes actuales poniendo el foco en el incremento de del CLV (Customer lifetime value).

Según la fuente Marketing Metrics, la probabilidad de vender un producto o servicio a un nuevo cliente está en el entorno del 5-20%, mientras que para un cliente ya existente, la probabilidad se sitúa entre el 60-70%.  Ésto nos indica que es sustancialmente más rentable la retención frente a la adquisición de nuevos clientes.

modelos predictivos

Cuando un cliente se va, la telco acaba pagando 2 veces, una por el beneficio futuro perdido y otra por la inversión necesaria para captar al nuevo.  Podríamos pensar que la fuga de un cliente se puede compensar con un cliente nuevo que entra, pero no es así hasta pasado un tiempo.  Como vemos en el gráfico previo, es necesaria una inversión inicial para adquirirlo que tiene retorno no inmediato.  Si nuestro nuevo cliente abandona la empresa durante ese período no hacemos negocio.

¿Cómo podemos aplicar el CLV a la retención de clientes en riesgo de fuga?

Actualmente es posible segmentar a los clientes e impactarlos con recomendaciones personalizadas, ofertas, mensajes para incrementar los ratios de conversión. La era Big Data nos permite llevar la personalización de las recomendaciones, ofertas, etc. más allá de lo genérico para llegar a nivel prácticamente del usuario (basado en el estudio de su comportamiento, interacciones). Esto permite el uso de técnicas de hiper personalización (no solo en ofertas de productos, sino en el trato personal como felicitaciones en cumpleaños, por ejemplo), u optimización de los servicios de atención al cliente, recompensa a la lealtad de marca para clientes con alto CLV, ...

Los modelos LTV (lifetime value) persiguen conocer el perfil de los clientes con mayor potencial de crecimiento. Pero, ¿cuál es el punto de corte a partir del que consideramos a un cliente no rentable o con menor potencial de crecimiento?  Para ello necesitamos poner en la balanza, y en el tiempo, dos métricas:

  • Customer Lifetime Value (CLV): Ingreso por cliente durante un periodo de tiempo, generalmente anual.
  • Customer Acquisition Cost (CAC): Coste de adquisición de un cliente.

Podemos encontrar tres escenarios:

  1. CAC > CLV
  2. CAC = CLV
  3. CAC < CLV

La regla clásica nos dice que un cliente me cueste la mitad de lo que obtengo de él, por lo que:

CAC < 2 * CLV

sería el punto de inflexión para definir un cliente a retener.  Donde:

  • CLV = Ingresos medios (por factura mensual) * Frecuencia de gasto (1 para una facturación mensual) * Pertenencia (duración de la relación contractual en años) * Margen aplicado * 12 meses . 
  • CAC = Conjunto de inversiones hechas en marketing y ventas (dividida por el número de clientes ganados en ese período) para convencer a un lead en convertirse en cliente.

Podemos representar la ecuación previa como una balanza, en donde los elementos que aumentan el LTV están representados en verde y los que aumentan nuestro CAC están representados en rojo.

cac

Ya tendríamos las 2 variables sobre las que trabajar y la fórmula previa nos permite definir un umbral a partir del cual no es rentable invertir en un cliente para su fidelización. 

El análisis del CLV, aporta información más fiable cuanto mayor sea el histórico de datos disponible.  Su punto débil está en empresas  como startups o empresas sin datos históricos de clientes donde pierde fiabilidad, pero esto no es un problema que se dé en las telcos, donde el histórico de datos de clientes es lo suficientemente amplio como para sacar valor del modelo.  Debemos tener también en cuenta, que este no es un análisis estático y que debe ejecutarse periódicamente.

Como hemos visto, este modelo nos permite segmentar a los clientes de una manera objetiva en función del rendimiento que obtenemos vs el coste que supone su retención. En un sector como las telcos, en donde los clientes migran de operadora constantemente buscando la mejor oferta, nos permite definir nuestras estrategias de retención de forma efectiva minimizando los costes y maximizando los beneficios.

Javier Pérez

Big Data Project Manager en Smartup

Ver más artículos de Smartup

  Otros artículos que te interesarán

facebooktwitteryoutubelinkedin

Contáctanos  |  Política de Cookies  |  Política de Privacidad y Aviso Legal

Smartup 2019 © Todos los derechos reservados.