Recarregue, por favor!

Muitas empresas que vendem produtos consumíveis têm dificuldade em identificar os padrões de consumo e compra dos seus clientes e, mais especificamente, quando se prevê que eles façam a sua próxima compra. Os clientes que têm um padrão de compra constante e já passaram a data prevista de compra podem ter abandonado completamente a marca. Portanto, o timing é tudo e envolver esses clientes no momento certo é crucial.

Produtos como cosméticos, cartuchos de tinta, pacotes de vitaminas, ração para cães ou até mesmo cartões de frequência de ginásios são todos tipos de produtos consumíveis. Clientes diferentes terão taxas de consumo diferentes – uma mulher com cabelo comprido provavelmente acabará com um frasco de champô mais rápido do que um homem com cabelo curto; um grande danês provavelmente consumirá um saco de 11 kg de ração mais rápido do que um pequeno chihuahua; um fisiculturista provavelmente consumirá os seus 2,3 kg de proteína em pó mais rápido do que alguém que raramente vai ao ginásio. Algumas empresas oferecem um método de assinatura, envio automático ou recarga automática para garantir que o seu produto esteja sempre disponível e que os clientes nunca fiquem sem ele. No entanto, um número significativo de clientes opta por não se comprometer com uma assinatura e prefere comprar produtos pontualmente.

Para as empresas de comércio eletrónico que vendem esses produtos, pode ser muito difícil estimar a taxa de consumo dos seus diferentes clientes. As perguntas quando é que eles vão ficar sem o produto? e quando é que se espera que façam a sua próxima compra? continuarão a surgir.

A metodologia para detetar padrões de consumo dos clientes

A metodologia para detetar quando os clientes com um padrão de compra estável deverão fazer a sua próxima compra é composta por alguns passos simples. Primeiro, precisamos de identificar o tempo entre as compras de um produto específico para cada cliente e a quantidade comprada em cada compra. Em seguida, descobrimos a taxa de consumo dividindo os dias entre as compras pela quantidade comprada. Agora temos todas as informações necessárias para prever quando o cliente deverá fazer a sua próxima compra e podemos aplicá-las numa fórmula.

Para simplificar, ilustrarei a metodologia com um exemplo. No entanto, ela pode ser aplicada a qualquer negócio que venda itens consumíveis:

Um cliente fez 5 compras do mesmo produto em dias diferentes. Cada vez que ele ou ela comprou uma quantidade diferente do produto. Listaremos as datas em que as compras foram feitas e as datas das compras seguintes para calcular os dias entre as compras. Adicionaremos também a quantidade comprada na compra inicial (de cada linha). A quantidade, neste caso, pode ser traduzida em número de unidades por embalagem, peso, valor (se afetar a taxa de consumo – por exemplo, um crédito de 10 dólares que duraria o dobro de um crédito de 5 dólares), etc.

O próximo passo é dividir a quantidade comprada pelos dias entre as compras para obter a taxa de consumo - o número de unidades consumidas por dia. Neste exemplo simples, podemos ver que a taxa de consumo deste cliente é super estável. Ele ou ela consumiu inicialmente 10 unidades por dia e depois reduziu o consumo para 8 unidades por dia.

A taxa média de consumo é de 9,17 unidades por dia.

Obviamente, no mundo real, uma proporção significativa de clientes não terá esse comportamento estável.

Detetar clientes estáveis

Para detetar esses clientes estáveis, utilizaremos uma medida chamada coeficiente de variação (CV), uma medida estatística para comparar séries de dados. Essa métrica nos ajudará a criar um limite para definir quem será considerado um cliente com um padrão de consumo estável (= CV baixo), para quem poderemos prever a próxima compra. Veja como:

Para cada cliente, calculamos o desvio padrão das unidades consumidas por dia (1,05 no exemplo acima) e dividimos pela taxa média de consumo de toda a base de clientes. Ao criar um gráfico de dispersão para todos os CV dos clientes, obtemos uma distribuição do CV na base de clientes. A distribuição pode ser semelhante a esta:

Neste exemplo, a maior parte dos clientes tem um CV de 0-1,5, e poucos clientes têm um CV muito alto (instabilidade ultra-alta), o que pode ser visto na cauda direita da distribuição.

Ao transformar a distribuição acima numa função de distribuição cumulativa, podemos ver os percentis dos clientes e o seu CV correspondente.

No exemplo abaixo, os 25% dos clientes com menor consumo, que são os clientes com o comportamento de consumo mais estável, têm um CV de 0,56 ou inferior.

Uma regra prática que podemos aplicar para diferenciar clientes estáveis de instáveis poderia ser classificar os clientes com um CV inferior à mediana como clientes estáveis (0,75 no gráfico acima).

Agora que encontramos a maneira de detectar os clientes com um padrão de consumo estável, voltamos ao nosso exemplo original e traduzimos as informações em uma previsão: quando o cliente fará sua próxima compra?

Recuperamos a previsão usando a seguinte fórmula:

Por exemplo, se a data de hoje for 21 de abril de 2016, a equação ficaria assim:

Isso significa que se esperava que o cliente comprasse há quatro dias. Como esse cliente tinha um padrão de compra tão constante, isso deve nos alertar para o facto de que ele está em risco de cancelar a assinatura.

O timing é tudo

Esta metodologia tem como objetivo ajudar os profissionais de marketing e analistas a compreender os padrões de compra dos seus clientes. Mais especificamente, pretende ajudá-los a identificar os clientes com um comportamento de compra estável e quando se espera que façam a sua próxima compra. Ao fazer isso, podem agir precisamente no ponto de atrito e não esperar pela próxima campanha geral de CRM.