Acceso usuarios
Objetivo: identificar un nuevo modelo de predicción del comportamiento del cliente basado en nuevas variables que puedan ser utilizadas por la dirección de marketing y adaptadas a su planificación empresarial.
Metodología: se ha utilizado un nuevo modelo, con la definición de nuevos sistemas de cálculo de las variables tradicionales R, recencia, F, frecuencia y M, valor monetario, (RFM), relacionadas con los periodos de negocio. Además, la activación en cada periodo P se convierte en una variable clave para construir las cohortes de compra de los clientes e identificar su potencial. Una nueva variable, lealtad de activación, se reconoce como un buen indicador de la probabilidad de futuras compras de los clientes. El modelo construye una ponderación mediante un análisis de regresión múltiple obteniendo β para cada variable, incluyendo los periodos de activación, presentando el efecto relativo de las variables y la mejor explicación global del modelo.
Resultados: este nuevo modelo, RFMAP, que incluye periodos de activación y lealtad de activación, presenta una mayor precisión de la predicción y mejoras sobre los modelos tradicionales con un claro impacto, líneas de segmentación útiles y manejables y priorización para la gestión de marketing en sistemas CRM.
Limitaciones: la principal limitación de este modelo consiste en que se basa en datos de una sola empresa, y debe mostrar el valor en otros sectores y dar una visión completa a través de su aplicación transversal.
Implicaciones prácticas: las ventajas indicadas demostraron una mejor predictibilidad y utilidad para los tomadores de decisiones, no solo para determinar los mejores clientes, sino también con los inactivos. Ofrece una explicación significativa de las diferencias en el comportamiento del cliente, que están presentes en los datos y se reflejan en el modelo.
Objective: Identify a new model of predicting customer behavior based on new variables that can be used by marketing management and adapted to their business planning.
Methodology: New model has been used, with the definition of new calculation systems of the traditional variables R, Recency, F, Frequency, and M, monetary value, (RFM), related to the business periods. Besides, activation in each period P becomes a key variable for constructing the purchase cohorts of customers and identifying their potential. A new variable, Activation Loyalty, is recognized as a good proxy of the likelihood of future customer purchases. The model builds a weighting through a multiple regression analysis obtaining β for each variable, including the periods of activation, presenting the relative effect of the variables, and the best global explanation of the model.
Results: This new model, RFMAP, which includes Activation Periods and Activation Loyalty, presents a higher prediction accuracy and improvements over traditional models with a clear impact, useful and manageable lines of segmentation, and prioritization for marketing management in CRM systems.
Limitations: The main limitation of this model consists that it is based on data of only one company, and it should show the value in other sectors and give a full insight through its transversal application.
Practical implications: The involved advantages demonstrated better predictability and usefulness to decision-makers, not only to determine the best customers but also with lapsed ones. It gives a meaningful explanation of differences in customer behavior, which are present in the data and are being reflected in the model. Also, it provides a prescriptive prioritization of variables to be managed in the marketing plan and how to be implemented.
