El objetivo del presente trabajo es construir y validar una metodología para estimar el customer lifetime value (CLV) a nivel de clientes usando variables socio-demográficas y transaccionales para una cartera de clientes de la tarjeta de crédito de la empresa de retail en estudio.

Las empresas actuales están enfocadas en la atención al cliente más que en el producto y, es por ello, que han destinado esfuerzos para lograr entender y satisfacerlos con el fin de obtener una relación empresa-cliente rentable y duradera en el tiempo. Se desea poder identificar los clientes más y menos valiosos para tomar la decisión de incrementar o terminar la relación con éstos. El concepto de CLV corresponde a un indicador que permite rankear los clientes de acuerdo al valor de dicha relación. Experiencias anteriores han obtenido que el cálculo del CLV basado sólo en los atributos RFM (Recency, Frequency y Monetary Value) de los clientes no es suficiente para estimarlo a nivel individual, lo que indica la existencia de otros factores que influyen en el comportamiento de compra de los clientes.

Se construyen dos metodologías, la primera consiste en determinar las variables socio-demográficas que agregan valor en el cálculo del CLV y la segunda corresponde a la metodología de cálculo de dicho indicador. La metodología del cálculo del CLV se concentra en la estimación del número de transacciones futuras de cada uno de los clientes. Se utilizan cuatro modelos predictivos: el Modelo Pareto/NBD modificado por Fader, Hardie y Lee), Simple, Media Condicional y Media Incondicional, los tres últimos se basan directamente en el comportamiento pasado de los clientes, mientras que el modelo Pareto/NBD intenta descubrir patrones subyacentes de ellos representando las compras y tiempo de inactividad de los clientes a través
de distribuciones conocidas. La validación de resultados se realiza mediante un análisis de errores de pronósticos entre la estimación del número de transacciones y el valor real de éste.

Los resultados obtenidos consisten en que las variables género, edad y región agregan valor en la estimación del número de transacciones y, por ende, en el cálculo del CLV, siendo el valor de un cliente promedio de $281.075 para un horizonte de 40 años. Por otro lado, se incorporan clientes inactivos y se aplica una constante para eliminar el error sistemático observado en los pronósticos de los modelos Pareto/NBD y Simple. Estos modelos son válidos en caso de clientes que realicen compras de bajo envolvimiento y cuya primera compra sea hace más de 1 mes. Se concluye que el modelo Pareto/NBD predice con mayor exactitud el comportamiento futuro de los clientes a nivel individual, con un valor del MAPE de 63,0%.

Para trabajos futuros se propone modelar el monto promedio por transacción junto al de la frecuencia de compra y realizar una segmentación de clientes previa a la aplicación de la metodología.