En el artículo anterior terminé con una pregunta: ¿qué clientes merecen la próxima inversión?
Antes de responderla, hay otra pregunta que parece más simple de lo que realmente es: ¿cuánto vale cada cliente?
La respuesta más común está en los ingresos acumulados. Quien más compró encabeza la lista. Es un criterio objetivo, fácil de explicar y disponible en casi cualquier empresa.
También es un criterio incompleto.
Un cliente que concentró todos sus ingresos hace dos años puede aparecer junto a otro que empezó a comprar hace pocos meses y sigue activo. Ambos pueden haber generado el mismo valor total, pero hoy no representan la misma relación.
Algunas empresas avanzan hacia modelos como RFM, que combinan recencia, frecuencia y valor monetario. Otras usan modelos probabilísticos o machine learning para proyectar el comportamiento futuro.
Todos esos enfoques son válidos. Cada uno observa una parte distinta de la relación.
El problema aparece cuando uno de ellos se trata como la respuesta definitiva.
La primera lente: el valor que el cliente ya generó
El historial de ingresos es el punto de partida. Muestra lo que el cliente efectivamente aportó a la empresa y evita que el análisis dependa solo de opiniones.
Cuando existe información de margen y costo, la lectura puede ser más económica. Cuando no existe, los ingresos siguen siendo una aproximación útil.
Pero el historial necesita reflejar el tiempo.
Una compra reciente suele decir más sobre el estado actual de la relación que una compra muy antigua. Por eso tiene sentido dar más peso a lo que ocurrió hace poco y reducir, de forma gradual, la influencia de los ingresos más antiguos.
Así se evita que clientes que alguna vez fueron importantes, pero llevan mucho tiempo inactivos, permanezcan indefinidamente en la cima de la cartera. También ayuda a reconocer a clientes nuevos que todavía no acumularon grandes ingresos, pero ya empezaron a construir una relación relevante.
Los ingresos dejan de ser apenas un total. Pasan a contar una historia en el tiempo.
La segunda lente: la forma en que el cliente compra
RFM trajo un avance importante porque agregó comportamiento a los ingresos. No importa solamente cuánto compró el cliente, sino cuándo compró y con qué frecuencia volvió.
Aun así, un RFM genérico puede crear nuevas distorsiones.
Noventa días sin comprar significan cosas distintas para un cliente que compra café, equipos industriales, ropa o muebles. Cada producto y cada categoría tienen un ciclo de compra propio. La recencia debe leerse dentro de ese contexto.
Lo mismo ocurre con la frecuencia. Seis compras en seis meses describen un comportamiento. Seis compras en cuatro años describen otro. El número es igual, pero el ritmo de la relación cambió por completo.
Además de recencia y frecuencia, vale la pena observar:
- el intervalo entre las compras;
- la regularidad de esos intervalos;
- el ticket promedio;
- la evolución del ticket;
- las categorías compradas;
- señales de aceleración o pérdida de ritmo.
Estos elementos muestran cómo compra el cliente y hacia dónde parece moverse la relación.
La literatura que conecta RFM con el Customer Lifetime Value muestra que combinaciones distintas de recencia, frecuencia y valor pueden llevar a expectativas futuras semejantes.[1] Eso refuerza una idea simple: el puntaje ayuda, pero la interpretación del comportamiento sigue siendo necesaria.
La tercera lente: las señales que ayudan a anticipar el futuro
Los modelos de predicción usan el historial para estimar la probabilidad de que el cliente siga activo, vuelva a comprar o genere ingresos en el futuro.
El historial transaccional es valioso porque muestra comportamiento real. Pero no contiene todo el contexto de la relación.
Dos clientes con patrones de compra parecidos pueden estar viviendo situaciones muy distintas.
Uno abrió campañas, consumió contenidos, visitó páginas de producto y pidió una propuesta. El otro redujo sus interacciones, acumuló problemas de atención o mostró insatisfacción en contactos recientes.
Las transacciones todavía pueden verse iguales. Las señales sobre el futuro, no.
Ahí es donde otras fuentes de datos pueden ayudar:
- respuestas a campañas;
- consumo de contenido;
- visitas y solicitudes de cotización;
- señales de intención de compra;
- perfil y características del cliente;
- interacciones comerciales y de servicio;
- encuestas, feedback y percepción.
Ninguna de estas señales debe interpretarse de forma aislada. Un clic no prueba intención. Un reclamo no significa necesariamente pérdida. Pero, combinadas con el historial y el comportamiento de compra, estas fuentes pueden mejorar la lectura de lo que está ocurriendo en cada relación.
Después, la empresa necesita comparar sus previsiones con el comportamiento observado. Las fuentes nuevas solo merecen permanecer en el modelo cuando ayudan a explicar mejor el futuro o a tomar mejores decisiones.
Las tres lentes funcionan mejor juntas
La propuesta no es reemplazar los ingresos por RFM, ni RFM por un modelo más sofisticado.
Es usar cada perspectiva para responder una parte de la pregunta:
Lo que el cliente ya generó
+ cómo está comprando
+ qué señales apuntan al futuro
= una estimación más completa de valor
Esa estimación nunca será una verdad permanente. Cambia a medida que el cliente compra, interactúa, se aleja o muestra nuevos intereses.
También debe reconocer cuándo sabemos poco. Un cliente con años de historial permite una lectura más firme. Un cliente con una sola compra exige más cautela. Producir un número para ambos es fácil; atribuirles la misma confianza sería engañoso.
Tres clientes, los mismos ingresos
Considere un ejemplo simple, sin datos de ninguna empresa real.
Tres clientes generaron prácticamente los mismos ingresos en los últimos doce meses.
El primero compra todos los meses, mantiene intervalos regulares y tiene un ticket estable.
El segundo concentró sus ingresos en dos compras grandes. La última ocurrió hace diez meses, aunque los productos que suele comprar tienen un ciclo mucho más corto.
El tercero empezó pequeño, aumentó la frecuencia y hace poco pidió una propuesta para una nueva categoría.
En la columna de ingresos, los tres están empatados.
Cuando consideramos comportamiento y contexto, aparecen tres trayectorias distintas. El primero muestra continuidad. El segundo generó valor, pero da señales de alejamiento. El tercero todavía tiene menos historial, aunque su relación parece estar ganando espacio.
Eso no significa que ya sepamos exactamente cuánto valdrá cada uno. Significa que ahora tenemos una base mejor para estimarlo.
El cliente más valioso no siempre merece la próxima inversión
Incluso una buena estimación de valor no cierra la decisión.
El primer cliente puede tener el mayor valor futuro y seguir comprando sin estímulo. En ese caso, una campaña agregaría costo sin necesariamente cambiar el resultado.
El segundo puede concentrar valor en riesgo, pero quizá una acción comercial no alcance para recuperarlo.
El tercero puede tener espacio para crecer, aunque la empresa todavía debe decidir si la oportunidad justifica la inversión y qué intervención tendría sentido.
Por eso existen dos preguntas diferentes:
- ¿Cuánto esperamos que esta relación produzca en el futuro?
- ¿Cuánto puede cambiar ese futuro una acción de la empresa?
El Customer Lifetime Value ayuda a orientar la selección de clientes y la asignación de recursos,[3] pero la prioridad final también depende del efecto esperado de la acción y de su costo.
Estimar el valor de cada cliente mejora la decisión. No reemplaza la decisión.
Dónde entra RADAR
Esa es la dirección que orienta el desarrollo de RADAR: reunir evidencias de la relación con el cliente, convertir esas evidencias en una lectura de valor y usarlas para decidir dónde la inversión puede producir un cambio relevante en la cartera.
RADAR convierte evidencias de las relaciones con clientes en decisiones sobre dónde y cuánto asignar para adquirir, preservar y desarrollar el valor de la cartera.
El punto de partida puede ser solamente el historial transaccional. A medida que otras fuentes confiables se vuelven disponibles, la lectura puede incorporar comportamiento, interacción digital, intención, perfil y percepción.
No para producir un puntaje cada vez más complejo. Para distinguir clientes que parecen iguales en una columna, pero representan relaciones y futuros diferentes.
Si su empresa mirara estas tres lentes en conjunto, ¿la lista de los clientes más valiosos seguiría en el mismo orden?
Sources
[1] https://www.brucehardie.com/papers/rfm_clv_2005-02-16.pdf — RFM and CLV: Using Iso-Value Curves for Customer Base Analysis
[3] https://journals.sagepub.com/doi/abs/10.1509/jmkg.68.4.106.42728 — A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy
