Segmentación avanzada de clientes para crear las campañas de Marketing más efectivas: el modelo RFM

 Una segmentación detallada puede marcar la diferencia en cuanto a personalización, conociendo al cliente y ofreciéndole el tipo de contenido u oferta que necesita en cada momento. Para ello se han desarrollado modelos de segmentación avanzada, aplicables a las herramientas de Marketing Cloud, que nos permiten clasificar a los clientes ya no solo por sus características, sino por su relación más reciente con la empresa. A este tipo de modelos se les llama RFM, y a continuación veremos a qué se refieren y cómo se aplican.

Variables del modelo RFM para segmentar a los clientes

Los modelos RFM son muy comunes en Marketing, sobre todo enfocados en el sector retail, aunque pueden ser aplicables en realidad a cualquier otro mercado. Este tipo de segmentación nos permite comunicar a grupos específicos y obtener con ello beneficios empresariales. Las tres variables que tiene en cuenta este modelo de segmentación son (basándonos, por ejemplo, en un caso hotelero):

• Recencia. Nos indicará cuánto ha pasado desde la última estancia del cliente.
• Frecuencia. Nos dará una puntuación en base al número de reservas realizadas. Por ejemplo, una cada dos meses.
• Valor monetario. ¿Qué cantidad de dinero ha gastado en sus reservas en el tramo de tiempo establecido?

Según los diferentes casos, podrían aplicarse más variables y de manera distinta a este modelo. Por ejemplo, no será el mismo tipo de negocio uno dedicado a la venta de ropa que otro que de hostelería o que venda coches eléctricos. Y, dentro de los coches, tampoco será igual una empresa que comercializa coches de alta gama que otra de gama media. Las variables no estarán al mismo nivel, y la segmentación tendrá que adaptarse al tipo de cliente y las necesidades del negocio.

¿Cómo funciona la segmentación en base al modelo RFM?

Este modelo nos permitirá realizar una segmentación muy avanzada de nuestros usuarios y, por tanto, poder impactarles de la mejor manera posible ya que estaremos conociendo al detalle a qué tipo de cliente nos estamos dirigiendo, cuáles son sus preferencias, tiempos de impacto, etc.

Pero, ¿cómo establecemos esta puntuación para cada una de las variables RFM dentro de la nube de Salesforce Marketing Cloud?

Recencia

La recencia nos va a indicar el número de días que han transcurrido desde la última reserva de nuestros usuarios. Si tuviéramos en cuenta los 2 últimos meses y queremos dar una puntuación del 1 al 4, tendríamos que hacer una división de 4 segmentos, es decir, establecer una puntuación del 1 al 4 para 60 días.

A nivel técnico, tendremos en nuestra Data Extension de Marketing Cloud el historial de reservas de nuestros clientes. Dentro del módulo de Automation Studio, crearemos una actividad tipo SQL Query, donde establezcamos un ‘Case When Statement’ y almacenaremos en una Data Extension Target el valor de la recencia en base a los criterios establecidos. De este modo, tendremos en la Data Extension final aquellos atributos que nos interese almacenar del propio cliente (de cara a personalizar la comunicación vía mail, Push, inApp o Whatsapp) junto con el valor de la recencia.

Frecuencia

Podemos establecer la frecuencia en base al número de estancias que ha realizado un usuario en nuestro grupo hotelero en los últimos 2 meses (por seguir una línea de tiempo similar a la establecida para la variable de la recencia). En Marketing Cloud tendremos nuestra Data Extension con toda la información de las reservas de nuestros clientes.

Con una actividad en Automation Studio tipo SQL Query, podremos asignar esta puntuación. Estableceremos un COUNT de las reservas de nuestros usuarios de los dos últimos meses. En base al número de reservas de nuestros clientes en esta franja de tiempo, establecemos unos criterios de puntuación. Por ejemplo:

• 1 reserva – Puntuación: 1
• 2,3 reservas – Puntuación: 2
• 4,5, 6 reservas – Puntuación: 3
• 7 o más reservas – Puntuación: 4

Valor monetario

Para segmentar la monetización, se establecen unos parámetros al igual que se establecieron para categorizar a los usuarios por su número de reservas. Tendremos que hacer un análisis previo de nuestra Data Extension que recoge las cantidades gastadas por nuestros usuarios en las reservas. De este modo, podremos establecer esta puntuación de una manera objetiva para poder realizar una mejor segmentación de nuestros clientes.

Por tanto, imaginemos que después de un análisis del historial de reservas de nuestros usuarios que hayan realizado una estancia en los dos últimos meses establecemos que existe un gasto medio por reserva de unos 200€. Podríamos establecer las siguientes puntuaciones:

• 200€ – Puntuación: 1
• 400-600€ – Puntuación: 2
• 800-1.200€ – Puntuación: 3
• 1.400€ o más – Puntuación: 4

Y, una vez tenemos todas las puntuaciones, ¿cómo llevamos a cabo la segmentación?

Si tenemos usuarios con puntuación de 4,4,4, parece claro que se trata de un usuario que ha comprado hace poco, muchas veces y por mucho valor monetario. Por tanto, será un cliente leal y puede que necesite un valor personalizado.

Pero las variables no tienen por qué coincidir, y habrá casos en los que pueda valorarse más unas que otras, o hacer una media entre ellas, según lo que más interese a la compañía. Por tanto, en cada caso habrá que establecer cómo se hacen esas divisiones y cuántos Customer Journey diferentes se quieren crear para los diferentes perfiles. Además, al unir este sistema de segmentación con Marketing Cloud podemos contar con todos los datos almacenados en base a las compras del cliente, obteniendo la información en tiempo real a través de un conector. Esto nos permitirá diseñar y ejecutar diferentes Customer Journey al final de cada mes o cada periodo que queramos medir.

¿Qué perfiles podemos establecer en base al modelo RFM?

Algunos perfiles básicos que podemos establecer en base al modelo RFM son:

• Los mejores clientes: puntuación RFM 444. Clientes altamente comprometidos, que han comprado lo más reciente, con mayor frecuencia y han generado la mayor cantidad de ingresos. Lo lógico en estos casos será enfocarse en programas de lealtad (Loyalty Management – Creación Loyalty Member) y en la presentación de nuevos productos.
• Los clientes más leales: puntuación X4X. Clientes que compran más a menudo. La estrategia de Marketing más lógica será utilizar programas de fidelización, marketing de recomendación y reseñas.
• Los clientes que más pagan: puntuación XX4. Clientes que han generado más ingresos. Estos clientes han demostrado una alta disposición a pagar, por lo que tiene sentido considerar ofertas premium, niveles de suscripción, productos de lujo o ventas cruzadas y de valor añadido.
• Los clientes prometedores: puntuación X42 o X41. Clientes que suelen volver, pero no gastan mucho. Una vez hemos conseguido crear fidelidad, es el momento de concentrarse en aumentar la monetización a través de recomendaciones de productos en compras pasadas e incentivos relacionados con los umbrales de gasto.
• Los clientes más nuevos: puntuación 41X. Compradores de primera vez. La mayoría de los clientes nunca se convierten en leales, por lo que hay que tener estrategias claras para los primeros compradores, como emails de bienvenida con recompensas.
• Los clientes durmientes: puntuación 11X. En este caso se trata de grandes clientes del pasado que no han comprado en un tiempo. Pueden irse por una gran variedad de motivos, y volverán o no según su situación, ofertas de precios, lanzamientos de nuevos productos u otras estrategias de retención.

¿Cómo funciona esta segmentación a nivel técnico?

A la hora de llevar a cabo una segmentación en Marketing Cloud contamos con Data Extensions en las que se encuentra toda la información del cliente.

Tendremos dos opciones distintas para realizar la sgmentación en Marketing Cloud:

• DE Select será la manera más sencilla de realizar la segmentación, ya que funciona como un Drag & Drop.
• La segunda opción será utilizar SQL Query Activity dentro de Automation Studio, para llevar a cabo la segmentación desarrollando con SQL.

En base al Journey que decidamos para cada usuario podremos configurar actividades tipo Decision Split, obteniendo información sobre si el usuario ha crecido en alguna variable, si funciona la estrategia para generar ventas y estamos generando lealtad, o si por el contrario hay que hacer modificaciones. Otra de las opciones es poner una duración al Journey (en lugar de hacer un seguimiento casi en tiempo real) y, una vez finalice, ver cliente a cliente los datos de su entrada y los datos de salida. Con esto comprobaremos si el Journey ha funcionado con los usuarios o tenemos que hacer alguna modificación.

Como vemos, la segmentación siguiendo el sistema RFM puede ser realmente útil y aportar un gran valor al negocio, guiando los Customer Journey y facilitando el éxito de las campañas de Marketing. Para que así sea, será muy importante contar con los sistemas e integraciones adecuadas, un buen diseño de la segmentación y la definición de Customer Journeys específicos que se adapten a las necesidades de cada consumidor.