logo
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aenean feugiat dictum lacus, ut hendrerit mi pulvinar vel. Fusce id nibh

Mobile Marketing

Pay Per Click (PPC) Management

Conversion Rate Optimization

Email Marketing

Online Presence Analysis

Fell Free To contact Us
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aenean feugiat dictum lacus

1-677-124-44227

info@your business.com

184 Main Collins Street West Victoria 8007

Beauchef 851, Torre Oriente, Oficina 523

[google-translator]
Top

Estimación de lifetime value basada en comportamiento transaccional.

Estimación de lifetime value basada en comportamiento transaccional.
15 julio, 2009

El cálculo del valor o lifetime value de un cliente es valioso para determinar cuánto tiempo, esfuerzo y dinero invertir en un cliente, bajo una perspectiva de largo plazo.  En el caso del retail, el comportamiento de compra histórico puede utilizarse para pronosticar lo que un cliente hará en el futuro y así estimar su lifetime value.  Indicadores de Recency ®, Frequency (F) y Monetary Value (M) aportan información suficiente para la construcción de modelos predictivos.

Actualmente, las segmentaciones basadas en comportamiento transaccional se generan típicamente en base a información de un período de tiempo pasado.  Se propone la incorporación de nuevos indicadores que den cuenta del comportamiento que se espera a futuro, que complementen o incluso sirvan como base para generar nuevas segmentaciones.

La metodología utilizada es la de KDD (Knowledge Discovery in Databases).  Se aplica la metodología sobre el caso particular de clientes que compran con tarjeta de socio en un supermercado mayorista. Se estudia su comportamiento en el tiempo y se construyen modelos de lifetime value que se ajustan a sus datos RFM.  Los modelos se construyen bajo el supuesto de independencia entre la frecuencia y el monto de compra de un cliente.  En particular, se construyen tres modelos: dos que se basan directamente en los datos observados y un tercero, el Pareto/NBD, que intenta descubrir los patrones subyacentes en el comportamiento.  Este último fue creado por Schmittlein, Morrison y Colombo (1987) y luego adaptado por Fader, Hardie y Lee (2005). Para la validación, se definen ventanas de tiempo en las cuales el comportamiento de los clientes es conocido. Se utiliza una primera ventana de tiempo para la calibración de los modelos, los cuales, una vez calibrados, se utilizan para pronosticar lo que sucederá en una segunda ventana de tiempo.  El juicio sobre la validez de los modelos se realiza en base a un análisis de los errores de pronóstico.

El resultado final consiste en una metodología de estimación de lifetime value que obtiene el valor de todos los clientes de una base particular. Además, entrega para cada uno de ellos la probabilidad de actividad, el número de transacciones y montos futuros pronosticados para el período de validación, y el valor presente del número de transacciones futuras. Se concluye que los modelos utilizados son útiles para predecir el comportamiento a nivel de segmentos de clientes. En particular, el Pareto/NBD es capaz de pronosticar cambios en el comportamiento de 125 segmentos RFM con un error MAPE ponderado del 10% en el número de transacciones y de 15% en el monto total.

Como propuesta de trabajo futuro, la incorporación de información complementaria a la transaccional (por ejemplo sociodemográfica) puede aportar a la mejora de los modelos de lifetime value a nivel de clientes individuales.