Use el anlisis de marketing directo de SPSS Statistics para
obtener comprensin profunda Pagina 1 de 16 Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Analice el historial del cliente mediante RFM David Gillman Director de servicios Data Sooner 21-01-2013 Aprenda cmo usar el proceso de anlisis RFM del mdulo Direct Marketing de IBM SPSS Statistics. Al usar este proceso, los usuarios no tcnicos pueden analizar sus datos de usuario. Este artculo es para cualquier persona que comienza a trabajar con SPSS Statistics y desea iniciarse en anlisis predictivo y eventualmente en big data en un contexto comercial. Introduccin Dividir los clientes en grupos es una tendencia natural. Las empresas desean conocer quines son sus mejores clientes, cules son los peores, quines son potenciales clientes, cul es nuevo, etc. Los departamentos de marketing y ventas lo hacen regularmente y con frecuencia. Su objetivo es lograr el ingreso mximo (de ventas, en este caso) con un esfuerzo limitado. Clasificar y agrupar clientes sera una funcin natural de la naturaleza humana y las operaciones de negocios, pero hacerlo bien es un asunto de estudio, discusin y prctica. Un tipo de modelado de segmentacin desarrollado con asistentes en IBM SPSS Statistics es la segmentacin de actividades recientes, frecuencia y valor monetario (RFM). RFM es un mtodo probado y ampliamente utilizado para dividir a clientes en grupos de acuerdo a su comportamiento. Una rpida exploracin de la lista de clientes agrupados segn la puntuacin de RFM le muestra quines son sus mejores clientes y quines son clientes buenos y malos. El modelado de RFM no es la nica forma de segmentar clientes y no es necesariamente la mejor manera. Sin embargo, es un buen mtodo de segmentacin de clientes que cualquier persona puede entender con facilidad y usar con rapidez. Es til saber cmo sus clientes se dividen en grupos. Es posible usar esa informacin para predecir el comportamiento del cliente en el futuro inmediato. Es an ms til monitorear cmo las puntuaciones de RFM de clientes individuales cambian a lo largo del tiempo. Utilizando ese conocimiento es posible cambiar los procesos de negocio para maximizar el ciclo de vida de un developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 2 de 16 cliente. Tambin es posible obtener toda esta informacin de un asistente fcil de usar en SPSS Statistics. Modelos RFM Si usted no est en marketing, puede no haber escuchado sobre la segmentacin de RFM. No se preocupe; es fcil de comprender. Recency Recency se refiere al tiempo transcurrido desde que el cliente realiz su ltimo pedido de compra. Esta medida se utiliza porque, en muchas situaciones, se ha demostrado que es mucho menos probable que los clientes que realizaron su ltimo pedido hace mucho tiempo vuelvan a hacerlo en comparacin con aquellos que hicieron un pedido hace poco tiempo. Frequency Frequency se refiere a cuntas veces un cliente le ha realizado un pedido durante su vida. Esta medida se utiliza porque es mucho menos probable que alguien que le haya realizado un pedido vuelva a hacerlo nuevamente en comparacin con alguien que le ha hecho pedidos muchas veces. Frequency es a veces ajustada un poco. Despus de revisar y examinar sus operaciones, podra inventar una definicin un poco diferente de frequency. Por ejemplo, podra usar la cantidad de pedidos por ao en vez de los pedidos de toda una vida. Otra variante es usar pedidos solo de un valor especfico en el clculo de frecuencia (eliminar los pedidos pequeos y el efecto que algunos clientes tendran al realizar muchos pedidos pequeos, lo que aumenta el proceso, la entrega y los costos por cobrar). Monetary value Monetary value se refiere al valor del cliente. La mayora de los anlisis RFM usan o bien las ganancias brutas o las utilidades netas obtenidas durante la vida del cliente. Cul usar depende de la opinin de personas influyentes en la compaa. Tambin es posible definir el valor monetario de otras formas. Usar las utilidades netas por pedido podra cambiar el resultado. Podra ser revelador ver la diferencia de cmo un cliente est jerarquizado en las diferentes medidas de valor monetario. Habiendo definido el RFM, analicemos el modelo. Pensemos cada categora del RFM (actividades recientes, frecuencia y valor monetario) como una lista ordenada de clientes basada en el valor de la medida. Divida esa lista ordenada en partes iguales, usualmente tres o cinco, pero cualquier cifra servir. Por ejemplo, todos los clientes que hacen pedidos con ms frecuencia recibirn un 1 de 5; los clientes que hacen pedidos solo una vez obtendrn un 5 de 5. Use el mismo sistema de clasificacin para otras medidas. Cada cliente entonces tiene una puntuacin de tres nmeros, como 114, 352 o 445. En el caso de SPSS Statistics predeterminado, mientras ms bajo sea cada nmero, ser mejor. Si bien es simple en los resultados, muchas industrias usan modelos RFM para una segmentacin rpida pero eficiente. El modelado RFM originalmente proviene de la industria de marketing directo (como los catlogos por correo, por ejemplo). El equivalente moderno a los catlogos de ventas por correo es el comercio electrnico. Las compaas usan el modelado RFM para enviar ofertas especficas para que los clientes regresen al local y mantener el reconocimiento del nombre por email. ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 3 de 16 Otra industria diferente que utiliza el RFM es la distribucin de empresa a empresa. En este caso, un negocio puede usar el conocimiento acerca del cliente para establecer listas de precios ms descuentos para los clientes ms activos y valiosos. Podra tambin usarse las actividades recientes para ver rpidamente cundo los buenos clientes paran de hacer pedidos y luego preparar una oferta para hacer que regresen. Anlisis histrico utilizando RFM Un solo modelo RFM es una instantnea en el tiempo. Comparar varios modelos en el tiempo es una manera de modelar el ciclo de vida del cliente. Ver cmo los clientes pasan a varias clases de RFM diferentes durante su vida le otorga un conocimiento profundo del comportamiento del cliente al marketing y los vendedores. A menudo, varias pistas son visibles. Conocer cmo los diferentes tipos de clientes evolucionan en el tiempo a travs del modelo RFM proporciona una base para cambiar los procesos de negocios, haciendo ofertas de marketing o movilizando recursos de venta directa al punto de mayor impacto. Por ejemplo, podra observarse que los nuevos clientes en una industria ingresan con una puntuacin RFM de 153 (lo que significa que tuvieron actividad reciente, no son frecuentes y tienen un valor medio si se califican en una escala de 5). Su prximo paso podra ser tener una mejor puntuacin RFM de 122. Luego, podra observarse una divisin. Algunos clientes podran descender mientras que otros podran ascender en sus puntuaciones RFM. Determinar la diferencia entre esos clientes podra resultar en el diseo de mejores ofertas, incentivos o programas de servicio que conduzcan a ms clientes en el buen camino. Mantener una tabla de datos donde se registre la puntuacin RFM de cada cliente cada vez que ejecuten los modelos es la manera ms fcil de lograrlo. Otras tcnicas de modelado de segmentacin Antes de conocer cmo usar los asistentes de SPSS Statistics para crear un modelo RFM, primero se describirn otras maneras de segmentar clientes en esta herramienta. Como podra esperarse, existen muchas formas de agrupar clientes y SPSS Statistics soporta muchos de los procesos estadsticos usados para cumplir con esta tarea. Haciendo clic en el men Analyze , es posible observar varias categoras generales de anlisis estadstico, incluyendo una llamada Classify (vea la Figura 1). developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 4 de 16 Figura 1. El submen desplegado Classify (Vea una versin ampliada de la Figura 1). El submen Classify muestra los principales logaritmos disponibles. Estas opciones ms avanzadas sern ms tiles para usted cuando cambie a la creacin de modelos de segmentacin personalizados de sus clientes. Sin embargo, su uso efectivo requiere un moderado nivel de conocimiento estadstico y, en realidad, ser un proceso de aprendizaje a medida que se adapte a ellas para ajustarlas a las necesidades de su organizacin y los datos que posee. Anlisis RFM en SPSS Statistics Comencemos a trabajar. Antes de comenzar en SPSS Statistics, es necesario que recolecte sus datos que se extraen de los sistemas transaccionales. El tipo de datos y la baja complejidad de consulta que es necesaria podran sorprenderlo. Utilizando algunas consultas bastante bsicas que devuelven el conteo de las transacciones, la suma de cantidades y el valor mximo para la fecha, obtenga datos que representen: el nmero de cliente u otro identificador nico, la ltima fecha de pedido para cada cliente, la cantidad de transacciones que el cliente ha realizado y los ingresos totales para el cliente. Como se mencion, es posible usar otras definiciones para la cantidad de transacciones y los ingresos totales para cada cliente. No obstante, la lista dada anteriormente es un buen punto de partida. Cuando los datos se agrupan, podran verse como en la Figura 2. En este ejemplo, los datos estn en una hoja de clculo, pero es posible tenerlos en otros formatos. Solo asegrese que SPSS Statistics pueda leer ese tipo de archivo. ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 5 de 16 Figura 2. Ejemplo de un archivo de datos en una hoja de clculo (Vea una versin ampliada de la Figura 2). Con el archivo de datos agrupados, usted est listo para comenzar el anlisis: 1. Inicie SPSS Statistics y luego realice una conexin con el archivo de datos. Observar la conocida ventana Data Editor llena con su archivo de clientes, como se muestra en la Figura 3. Figura 3. El archivo de datos ahora en la ventana Data Editor de SPSS Statistics (Vea una versin ampliada de la Figura 3). 2. Haga clic en Direct Marketing > Choose Technique. El submen Direct Marketing (vea la Figura 4). developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 6 de 16 Figura 4. Figura 4. La ventana Direct Marketing 3. Haga doble clic en Help identify my best contacts (RFM Analysis). 4. En la ventana RFM Analysis: Data Format (vea la Figura 5), seleccione Customer datay luego haga clic en Continue. ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 7 de 16 Figura 5. Las opciones de organizacin de datos Aparece la ventana con mltiple pestaas RFM Analysis from Customer Data en la cual se especifican todos los parmetros para el proceso de modelado RFM. 5. Haga clic en la pestaa Variables , como se muestra en la Figura 6. Esta pestaa tiene cuatro elementos de datos que usted debe definir para que el proceso de modelado RFM funcione. Debe decirle a SPSS Statistics qu variable en los datos ingresados representa la ltima fecha de transaccin, la cantidad de transacciones y el monto (considere las columnas en la hoja de clculo). Figura 6. Definicin de elementos de datos para el modelado RFM 6. Despus de correlacionar las variables de datos a las variables de entrada del modelado, incluya un identificador para que el modelo pueda dar una puntuacin a cada cliente. Para este ejemplo, especifique el campo Customer ID de la hoja de clculo (vea la Figura 7). developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 8 de 16 Figura 7. Especificacin del campo Customer ID 7. Haga clic en la pestaa Binning y luego seleccione la cantidad de bins que desea de las listas Recency, Frequencyy Monetary . Binning se refiere a cuntos bins o divisiones desea para cada medida. El valor predeterminado para cada medida es 5, el cual es una cifra comn de uso en la vida real. Para simplificar, los ejemplos se adaptaron para trabajar con 3 (vea la Figura 8). Figura 8. Seleccin de la cantidad de divisiones en la pestaa Binning ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 9 de 16 Determinacin de la cantidad de bins que es necesaria Determinar cuntas divisiones debera usar puede ser difcil. Demasiados bins (nueve o ms) y crear tantas puntuaciones que tendr un modelo difcil de comprender. Si son demasiado pocos, el modelo no ser significativo. Una prctica comn es usar un nmero impar aunque nunca existi una explicacin satisfactoria del motivo. No obstante, utilizar un nmero impar crea una categora media frente a la cual comparar los resultados. Esa explicacin est lejos de ser indiscutible, pero usualmente se sigue la costumbre de usar un nmero impar de todos modos. 8. En la ventana Binning Method , seleccione Nested o Independent, segn corresponda. La opcin que elija cambiar el lugar donde se colocar a las personas para las puntuaciones de frecuencia y valor monetario. Un mtodo no es necesariamente mejor que otro. La mejor manera de decidir es realizar un diagrama de flujo de la diferencia y analizar el procedimiento con sus usuarios de negocios y los responsables en la toma de decisiones. Cuando haya decidido qu mtodo utilizar, mantngase fiel a su decisin para modelados posteriores y as las comparaciones en el tiempo sern vlidas. 9. Haga clic en la pestaa Save . 10. Elija dnde escribir la salida del modelo (vea la Figura 9). Para este ejemplo, utilice el output.sav predeterminado. En general, se selecciona Write a new data file en el rea Location y luego se hace clic en Browse para nombrar un nuevo archivo. El nico formato para este archivo es el formato original .sav de SPSS Statistics. Figura 9. Al guardar la salida developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 10 de 16 11. Haga clic en la pestaa Output , como se muestra en la Figura 10. Esta pestaa controla la salida que se muestra en Viewer de SPSS Statistics. Las selecciones y los cambios en esta pestaa no afectan el archivo de salida que se indica en la pestaa Save . Figura 10. La pestaa Output 12. Haga clic en OK para ejecutar el modelo RFM. Los datos de salida se vern como en la Figura 11 en el Data Editor despus de ejecutar el procedimiento de modelado. Figura 11. El archivo output.sav en la ventana Data Editor de SPSS Statistics ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 11 de 16 (Vea una versin ampliada de la Figura 11). Despus de que el proceso de modelado est completo, Viewer de SPSS Statistics Viewer muestra una ventana similar a la Figura 12, Figura 13 y Figura 14. Debe acceder al archivo de datos de salida por separado utilizando la ventana Data Editor. Figura 12. La pantalla en Viewer de SPSS Statistics que surge del proceso de modelado RFM (1 de 3) (Vea una versin ampliada de la Figura 12). developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 12 de 16 Figura 13. La pantalla en Viewer de SPSS Statistics que surge del proceso de modelado RFM (2 de 3) (Vea una versin ampliada de la Figura 13). ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 13 de 16 Figura 14. La pantalla en Viewer de SPSS Statistics que surge del proceso de modelado RFM (3 de 3) (Vea una versin ampliada de la Figura 14). Utilice los diagramas y grficos en la ventana de Viewer para informar cmo el modelo presenta los datos a sus analistas y responsables de la toma de decisiones de negocios. Estas ventanas tambin incluyen estadsticas bsicas acerca del valor medio de cada medida de variable de salida con desviaciones estndar. Tambin considere hacer sus propios grficos y tablas que estn diseados a la medida de su audiencia. Nota: Es posible guardar el archivo output.sav en otros formatos y luego integrarlo en consultas y bases de datos para poder dar puntuaciones RFM a clientes en diferentes aplicaciones. Usarlo con frecuencia Un solo modelo RFM es una fotografa instantnea del comportamiento pasado de sus clientes hasta la perspectiva actual. Ejecutar este modelo en el tiempo y utilizar los resultados para developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 14 de 16 demostrar cmo los clientes se mueven entre las categoras proporciona un conocimiento profundo que un solo resultado no puede dar. La manera ms fcil de hacerlo es crear un simple archivo de datos que almacene las puntuaciones de cada cliente por fecha. Utilizando consultas igualmente simples, es posible obtener las series cronolgicas de puntuaciones RFM para clientes individuales y grupos de clientes en el tiempo. Para realizar un anlisis ms preciso, ejecute el modelo RFM regularmente y en intervalos de tiempo uniformemente separados. De esta forma, crear una base para el anlisis del ciclo de vida del cliente. Es posible usar estos datos para observar muchas cosas acerca de cmo el comportamiento de pedido de sus clientes cambia con el tiempo. Una de las mejores maneras es combinar su anlisis con una segmentacin demogrfica para observar cmo diferentes grupos se desplazan entre las puntuaciones RFM con el tiempo. Una visin que podra adquirir es cmo identificar patrones que indiquen cundo es probable que un cliente deje de realizar pedidos (algunas personas lo denominan cambio de servicio). Dirigirse a esos clientes con incentivos o atencin extra cambiara sus prximas acciones y se los conservara por ms tiempo. Conclusin Utilizar las posibilidades del modelado RFM dentro de SPSS Statistics es una manera rpida de incorporar personas para un mayor anlisis. Es posible usar el modelado RFM para obtener un conocimiento ms profundo del comportamiento de sus clientes, ya sea en un minorista, comercio electrnico, distribucin u otras industrias comerciales. Incluso las instituciones benficas pueden aplicar este modelo para mejorar la interactividad con los donadores. El anlisis RFM es, relativamente, un proceso de modelado fcil de comprender. Los usuarios de negocios pueden ver su valor rpidamente. Utilcelo para hacer un uso profundo del anlisis en su organizacin. Es un fantstico punto de partida para encontrar ms maneras interesantes de incorporar la minera de datos y el anlisis predictivo en su compaa. ibm.com/developerWorks/ssa/ developerWorks Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 15 de 16 Recursos Aprender Aprenda ms acerca de RFM en el blog Conceptos y anlisis estadsticos explicados. Explore ms los recursos de Business analytics de developerWorks. Visite Industries de developerWorks por recursos tcnicos especficos de la industria para desarrolladores. Explore la librera tecnolgica para encontrar libros sobre este y otros temas tcnicos. Siga a developerWorks en Twitter. Mire los demos por encargo de developerWorks que van desde la instalacin del producto y demos de configuracin para principiantes hasta la funcionalidad avanzada para desarrolladores con experiencia. Aprenda ms acerca de SPSS Statistcs. Obtener los productos y tecnologas Evale los productos de IBM de la forma en que ms le convenga: Descargue la prueba del producto, pruebe el producto online, use el producto en el entorno de nube o pase algunas horas en SOA Sandbox aprendiendo cmo implementar la arquitectura orientada a servicios de manera eficiente. Comentar Participe en la comunidad developerWorks. Conctese con otros usuarios de developerWorks mientras explora los blogs, foros, grupos y wikis dirigidos al desarrollador. developerWorks ibm.com/developerWorks/ssa/ Use el anlisis de marketing directo de SPSS Statistics para obtener comprensin profunda Pagina 16 de 16 Sobre el autor David Gillman David Gillman ha trabajado en reas de inteligencia de negocio, bsqueda de minera de datos y anlisis predictivo por 20 aos. Cuenta con formacin acadmica en matemtica aplicada, optimizacin y anlisis estadstico con particular nfasis en su aplicacin a actividades comerciales. Cuenta con experiencia prctica en la mejora de las operaciones empresariales mediante anlisis aplicado en industrias de distribucin, manufactura y hospitalidad con organizaciones de varios tamaos. Es posible ponerse en contacto con David en gillman@datasooner.com. Copyright IBM Corporation 2013 (www.ibm.com/legal/copytrade.shtml) Marcas (www.ibm.com/developerworks/ssa/ibm/trademarks/)