Ba Direct Marketing Spss PDF

Copyright IBM Corporation 2013 Marcas
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/
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
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).
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.
Pagina 5 de 16
Figura 2. Ejemplo de un archivo de datos en una hoja de clculo
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
2. Haga clic en Direct Marketing > Choose Technique.
El submen Direct Marketing (vea la Figura 4).
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.
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).
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
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
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
Pagina 11 de 16
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)
Pagina 12 de 16
Pagina 13 de 16
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
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.
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.
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/)

Ba Direct Marketing Spss PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Ba Direct Marketing Spss PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Copyright IBM Corporation 2013 Marcas

Use el anlisis de marketing directo de SPSS Statistics para

Das könnte Ihnen auch gefallen