Muchas empresas que venden productos consumibles tienen dificultades para identificar los patrones de consumo y compra de sus clientes y, más concretamente, cuándo se prevé que realicen su próxima compra. Los clientes que tienen un patrón de compra constante y han superado la fecha de compra prevista pueden haber abandonado la empresa por completo. Por lo tanto, el momento oportuno lo es todo y es fundamental atraer a estos clientes en el momento adecuado.
Productos como cosméticos, cartuchos de tinta, paquetes de vitaminas, comida para perros o incluso tarjetas de gimnasio son todo tipo de productos consumibles. Cada cliente tiene un ritmo de consumo diferente: una mujer con el pelo largo probablemente acabará una botella de champú antes que un hombre con el pelo corto; un gran danés probablemente consumirá un saco de 11 kg de comida antes que un pequeño chihuahua; un culturista probablemente consumirá sus 2,3 kg de proteína en polvo antes que alguien que rara vez va al gimnasio. Algunas empresas ofrecen un método de suscripción, envío automático o recarga automática para garantizar que su producto fluya y que los clientes nunca se queden sin él. Sin embargo, un número significativo de clientes prefiere no comprometerse con una suscripción y optar por comprar los productos puntualmente.
Para las empresas de comercio electrónico que venden este tipo de productos, puede resultar muy difícil calcular a qué ritmo consumirán sus productos los diferentes clientes. Las preguntas «¿cuándo se van a quedar sin existencias?» y «¿cuándo se espera que realicen su próxima compra?» seguirán surgiendo.
Metodología para detectar los patrones de consumo de los clientes
La metodología para detectar cuándo se espera que los clientes con un patrón de compra constante realicen su próxima compra se basa en unos sencillos pasos. En primer lugar, debemos identificar el tiempo transcurrido entre las compras de un producto específico para cada cliente y la cantidad comprada en cada compra. A continuación, calculamos la tasa de consumo dividiendo los días transcurridos entre compras por la cantidad comprada. Ahora disponemos de toda la información necesaria para predecir cuándo se espera que el cliente realice su próxima compra y podemos aplicarla en una fórmula.
Para simplificar, ilustraré la metodología con un ejemplo. Sin embargo, se puede aplicar a cualquier negocio que venda artículos de consumo:
Un cliente realizó 5 compras del mismo producto en días diferentes. Cada vez compró una cantidad diferente del producto. Enumeraremos las fechas en las que se realizaron las compras y las siguientes fechas de compra para calcular los días entre compras. También añadiremos la cantidad comprada en la compra inicial (de cada fila). La cantidad en este caso se puede traducir en el número de unidades de un paquete, el peso, el valor (si afecta a la tasa de consumo, por ejemplo, un crédito de 10 dólares que duraría el doble que un crédito de 5 dólares), etc.
El siguiente paso es dividir la cantidad comprada por los días transcurridos entre compras para obtener la tasa de consumo, es decir, el número de unidades consumidas por día. En este sencillo ejemplo, podemos ver que la tasa de consumo de este cliente es muy estable. Inicialmente consumía 10 unidades al día y luego redujo su consumo a 8 unidades al día.
La tasa de consumo media es de 9,17 unidades al día.
Obviamente, en el mundo real, una proporción significativa de clientes no tendrá este comportamiento estable.
Detección de clientes constantes
Para detectar a estos clientes constantes, utilizaremos una medida denominada coeficiente de variación (CV), una medida estadística para comparar series de datos. Esta métrica nos ayudará a crear un umbral para definir quién se considerará un cliente con un patrón de consumo constante (=CV bajo), para el que podremos predecir la próxima compra. Así es como se hace:
Para cada cliente, calculamos la desviación estándar de las unidades consumidas por día (1,05 en el ejemplo anterior) y la dividimos por la tasa de consumo promedio de toda la base de clientes. Al crear un gráfico de dispersión para el CV de todos los clientes, obtenemos una distribución del CV en la base de clientes. La distribución podría ser similar a esta:
En este ejemplo, la mayor parte de los clientes tienen un CV de 0-1,5, y pocos clientes tienen un CV muy alto (inestabilidad ultraalta), lo que se puede ver en la cola derecha de la distribución.
Al transformar la distribución anterior en una función de distribución acumulativa, podemos ver los percentiles de los clientes y su CV correspondiente.
En el ejemplo siguiente, el 25 % inferior de los clientes, que son los que tienen un comportamiento de consumo más estable, tiene un CV de 0,56 o inferior.
Una regla general que podemos aplicar para diferenciar a los clientes estables de los inestables podría ser clasificar a los clientes con un CV inferior a la mediana como clientes estables (0,75 en el gráfico anterior).
Ahora que hemos encontrado la forma de detectar a los clientes con un patrón de consumo estable, volvemos a nuestro ejemplo original y traducimos la información en una predicción: ¿cuándo va a realizar el cliente su próxima compra?
Obtenemos la predicción utilizando la siguiente fórmula:
Por ejemplo, si hoy es 21 de abril de 2016, la ecuación quedaría así:
Esto significa que se esperaba que el cliente realizara una compra hace cuatro días. Dado que este cliente tenía un patrón de compra tan constante, esto debería alertarnos sobre el hecho de que el cliente está en riesgo de abandono.
El momento lo es todo
Esta metodología tiene como objetivo ayudar tanto a los profesionales del marketing como a los analistas a comprender los patrones de compra de sus clientes. Más concretamente, pretende ayudarles a identificar a los clientes con un comportamiento de compra estable y cuándo se espera que realicen su próxima compra. De este modo, pueden actuar con precisión en el momento crítico y no esperar a la próxima campaña general de CRM.
