Bienvenidos a la segunda parte (de tres) de esta miniserie sobre la belleza de la segmentación de clientes. Y si suena friki, es porque lo es.
En la primera parte, mostramos cómo la combinación de datos offline y online te permite maximizar la eficiencia del marketing de tu marca. Hoy hablaremos de la influencia de la segmentación basada en reglas y en clústeres en tus esfuerzos de marketing.
Un factor clave para la personalización es la segmentación de clientes. Sin embargo, segmentar a sus clientes en diferentes grupos que impulsen el crecimiento y mejoren el valor del ciclo de vida del cliente requiere habilidad.
Para comprender qué atributos de los clientes merecen la pena para segmentarlos, un científico de datos tendrá que analizar sus datos, comprender el comportamiento de sus clientes y calcular cómo cada atributo predice el valor futuro del cliente.
Una vez descubiertos los atributos valiosos, existen varios enfoques diferentes que puede adoptar para segmentar a sus clientes, entre ellos un enfoque de segmentación estático, descriptivo y basado en reglas, y un enfoque de segmentación basado en clústeres (k-means).
Hoy profundizaremos en la diferencia entre los dos enfoques y las ventajas y desventajas de cada uno.
Segmentación basada en reglas
La segmentación basada en reglas es una metodología sencilla mediante la cual se identifica un atributo por el que se desea segmentar a los clientes y se establecen diferentes umbrales para determinar a qué clúster debe pertenecer cada cliente.
Por ejemplo, si desea clasificar a sus clientes en función del número de días transcurridos desde su primer pedido, quedaría así:
Segmentar a sus clientes de esta manera no requiere mucha habilidad. Es intuitivo y le permite aplicar una lógica empresarial específica a cada segmento para facilitar el seguimiento de los KPI específicos. También le permite supervisar las tendencias a lo largo del tiempo identificando cuántos clientes tiene en cada grupo.
Sin embargo, la desventaja es que es estático y resulta difícil añadir atributos adicionales. Por lo tanto, el enfoque suele ser bidimensional y requiere mucho mantenimiento para mantenerse actualizado cuando cambia el comportamiento de los clientes, lo que hace que los umbrales de segmentación dejen de ser relevantes.
Segmentación basada en clústeres
A diferencia de la segmentación basada en reglas, la segmentación basada en clústeres no asigna umbrales predeterminados para dividir a los clientes. Más bien, identifica la forma óptima de dividir a los clientes para crear segmentos lo más homogéneos posible dentro de sí mismos. Sin embargo, lo más diferentes posible entre sí, aplicando un algoritmo K-means.
En Optimove, este algoritmo se ejecuta a diario para permitir que los umbrales que dividen a los clientes entre sí se adapten en función del comportamiento y las tendencias actuales de los clientes.
Por ejemplo, en sus inicios, los clientes de nivel superior pueden haber sido aquellos que gastaban más de 100 dólares. Pero, a medida que los clientes se familiarizan con su marca, aquellos que gastan 100 dólares hoy en día pueden ser en realidad sus clientes de nivel medio, mientras que sus clientes de nivel superior gastan mucho más.
Como resultado, estos segmentos se parecerían más a esto:
Llevar a cabo un análisis basado en clústeres puede revelar mucha información oculta en sus datos. El algoritmo puede crear grupos de clientes que ni siquiera sabías que existían sin tener que realizar interminables consultas en tus datos para evaluar la distribución ideal de clientes.
Además, mientras que la segmentación basada en reglas divide a los clientes en función de un solo atributo, la segmentación basada en clústeres puede dividir fácilmente a los clientes en diferentes segmentos utilizando dos o más atributos, lo que permite una mayor personalización y revela información valiosa. La desventaja, en este caso, es que es más difícil de crear y mantener sin un científico de datos con conocimientos.
Combinación de los dos enfoques
Aunque la segmentación basada en reglas no requiere un alto nivel de sofisticación, proporciona mucha información sobre las diferentes tendencias de los clientes. Por otro lado, la segmentación basada en clústeres le permite descubrir muchos datos que no estarían disponibles sin un algoritmo, además de adaptarse al comportamiento de sus clientes y al rendimiento de su marca.
Para lograr un alto nivel de personalización, poder supervisar sus objetivos empresariales clave y obtener información valiosa que le permita ser más competitivo en su enfoque de marketing, la combinación de ambos enfoques de segmentación dará los mejores resultados.
En la siguiente y última parte de esta miniserie, le mostraremos por qué debe dejar que su modelo de segmentación de clientes hable por sí mismo.
Si aún no ha tenido suficiente con la segmentación, aquí tiene la tercera parte de esta serie.
