Existem muitas maneiras de ser inteligente em relação ao seu marketing de retenção. Pode usar grupos de controlo para ver o que realmente funciona. Pode medir a eficácia das suas campanhas pelo aumento monetário – e dizer adeus às métricas de vaidade. Pode fazer testes A/B/n – mas, em vez do método tradicional «o vencedor leva tudo», pode optar por diferentes vencedores em diferentes segmentos de clientes (da mesma campanha, sim).
Pode analisar os dados, olhar para eles de frente e, então, ignorar com confiança os comentários do tipo «sempre fizemos assim» e priorizar os clientes existentes em detrimento dos novos em épocas de pico, como a Black Friday/Cyber Monday ou a Copa do Mundo – porque é a coisa certa a fazer. Pode novamente desafiar os tradicionalistas e seguir os números que mostram como as suas campanhas regulares e recorrentes podem realmente superar as campanhas pontuais, sim, novamente, mesmo durante feriados ou outros grandes eventos.
Há muito mais de onde isso veio – um oceano de insights que podem ajudá-lo a aumentar significativamente o valor da vida útil do cliente. Mas tudo isso, em essência, se baseia na segmentação inteligente de clientes – a capacidade de criar E gerenciar cada vez mais grupos de clientes de forma rápida e fácil, em tempo real, com base em fluxos de dados e cálculos sofisticados, à medida que o seu negócio e a sua estratégia de marketing de CRM crescem e amadurecem em conjunto.
Incorpore tudo isso com o poder da tecnologia de marketing baseada em IA de última geração e poderá tornar tudo isso realidade (e por acaso conhecemos alguém que pode ajudar, wink wink).
Mas mesmo com uma IA líder do setor no centro da nossa plataforma, não há marketing de retenção hiper-segmentado sem o modelo de cliente, que é fundamental, personalizado para cada nova marca pela nossa equipa de ciência de dados ultraexperiente aqui na Optimove.
Conheça: o modelo de cliente
O modelo de cliente é construído com base em «estados», também chamados de «fases do ciclo de vida» (LS), e nas migrações previstas entre eles, baseadas em dados e em aprendizagem automática. Em cada momento, cada cliente pode estar num estado ou noutro, mas nunca em dois ao mesmo tempo. Imagine «novo cliente» ou «perda de clientes». Não pode ser ambos.
Então, usando um algoritmo robusto de ML, aprendemos como e o que faz com que os clientes passem de um estado para outro. É a promoção X ou a mensagem Y? É um e-mail ou um SMS? Para cada cliente, as suas próprias preferências e jornada são ditadas pelo seu comportamento pessoal.
A construção do Modelo do Cliente é onde identificamos o LS mais significativo em torno do qual cada novo cliente que incorporamos deve construir a sua estratégia de Marketing CRM. É também onde definimos o que cada LS significa precisamente. É claro que cada um dos nossos clientes recebe um modelo de cliente próprio – porque não existem duas bases de clientes iguais.
Por exemplo, os insights que a nossa equipa de Ciência de Dados extraiu dos dados dos clientes da Marca A significavam que a sua estratégia de Marketing CRM deveria incluir apenas os LS básicos de «Novo (cliente)», «Ativo», «VIP» e «Churn». Também determinou que, neste caso, um cliente permanece «Ativo» apenas por 30 dias desde a última compra.
Ao mesmo tempo, uma análise semelhante feita para a Marca B significava que a sua estratégia de Marketing CRM deveria ser um pouco mais complexa, com os LS adicionais de «Apenas Registado», «One Timers» e também «Inativo». Neste caso, um cliente permanece «Ativo» por 90 dias desde a última compra.
São os dados do cliente que ditam o LS, e são os dados do cliente que também levam à definição precisa de cada estado. Porque, como dissemos antes, nem todas as bases de clientes foram criadas da mesma forma.
Ok, então...
Pode perguntar-se por que razão estas LS são o núcleo de uma estratégia de marketing CRM hiper-segmentada e personalizada em escala? E a resposta está em duas partes:
- Aprimoramos a LS determinada com camadas de segmentação orientadas por dados do cliente que criam microsegmentos sobre os diferentes estágios. Definimos um conjunto de camadas de segmentação para cada LS, e estas descrevem aspetos-chave do comportamento do cliente. Algumas camadas de segmentação são comportamentais, enquanto outras podem ser de natureza demográfica.
Saiba mais sobre microsegmentação aqui.
- Deixamos a nossa aprendizagem automática mapear as possibilidades para as diferentes migrações entre dois microsegmentos e o que é necessário para incentivar a migração mais desejada. É aí que a nossa análise preditiva faz a sua mágica.
A partir daqui, calcular o valor futuro de cada cliente e determinar a melhor próxima ação de marketing de CRM para cada cliente em qualquer ponto de contacto é «a parte fácil».
Ter uma plataforma que faz tudo isso por si em tempo real é o que permite aos nossos clientes oferecer basicamente uma verdadeira jornada do cliente 1-para-1, sempre personalizada e maximizando o valor da vida útil do cliente. E é por isso que não há personalização em escala sem o modelo do cliente.
Um tipo diferente de ativo
Recentemente, a nossa equipa de Ciência de Dados deparou-se com um caso interessante com um serviço de investimento online. Ao analisar o comportamento da base de clientes desta marca, parecia não haver muita diferença entre os seus clientes «novos» e «ativos». Pelo menos, à primeira vista.
Porque, se pensarmos bem, se um cliente se inscreveu E fez um investimento, ele ainda é um cliente «ativo» mesmo seis meses depois, mesmo que não tenha feito nada desde então, no sentido de que ainda tem dinheiro investido através da aplicação, que pode monitorizar e aumentar ou retirar todos os dias.
Mas, para construir o modelo de cliente mais valioso possível, é necessário distinguir entre novos e... não novos, porque queremos ser capazes de ver como é o ciclo de vida de um cliente ao longo do tempo.
Assim, ao aprofundar a análise dos dados, a nossa equipa de Ciência de Dados decidiu o seguinte:
- Como 63% de todos os segundos depósitos foram feitos nos primeiros 31 dias desde que o cliente se registou e fez o seu primeiro depósito, o LS de «Novo Cliente» será definido para 31 dias.
Depois desse período, eles passarão para «Ativo».
- (a menos que o cliente tenha levantado o seu dinheiro e encerrado a sua carteira nos primeiros 31 dias – nesse caso, após o término do período «Novo», ele passará para «Churn»).
- Mas o LS «Ativo» agora está dividido em dois tipos de «Ativo»:
- «Investidores ativos» – clientes que ainda são investidores, mas não fizeram um segundo depósito.
2. «Depositantes ativos» – clientes que fizeram um segundo depósito.
Analisando os dados, também vimos que, entre os «Depositantes ativos», se um cliente fez um depósito nos últimos 30 dias, há 95% de probabilidade de ele fazer outro em 6 meses. É nesse tipo de análise que podemos começar a ser mais «preditivos».
Além disso, cerca de 89% dos «Depositantes ativos» fazem um depósito adicional a cada 60 dias – e 2 em cada 3 fazem um depósito todos os meses. O cliente não fez outro depósito dentro de 60 dias? Agora, ele se enquadra nos 11% que depositam cerca de uma ou duas vezes por ano. Ainda «ativos», mas nem todos os clientes «ativos» são iguais. Nem mesmo dentro da mesma base de clientes.
E assim, como dissemos, há muitas maneiras de ser inteligente em relação ao seu marketing de retenção. E agora, parece que "tratar diferentes tipos de clientes ativos com diferentes estratégias de marketing de CRM" pode ser adicionado à lista.
