El pasado 21 de octubre realizamos el webinar Customer Segmentation durante el cual explicamos cómo usar este concepto a partir de nuestra herramienta.
El pasado miércoles, 21 de octubre, nuestro Head of Data Strategy & Insights Borja Martín realizó el webinar Customer Segmentation durante el cual explicó en qué consiste el concepto y mostró un ejemplo práctico de su uso a través de la herramienta Bismart Customer Segmentation.
Si no pudiste asistir o quieres volver a ver la retransmisión, a continuación puedes ver el vídeo completo.
También puedes leer un resumen de la sessión:
La segmentación es un eje bastante troncal dentro de la estrategia de clientes. La segmentación de clientes permite conocer cuáles son los colectivos de valor que gobiernan el interés y centran nuestra acción y a los que nos debemos dirigir. Es un paso posterior a la definición de buyer personas y al análisis y definición de mercado y anterior al posicionamiento de la solución y de las estrategias go-to-market.
Según Borja, la segmentación de clientes debe abordarse lo más estratégicamente posible, incluyéndolo dentro de una mirada que nos lleve a conectar mejor con nuestra audiencia. El propósito de segmentar debe ser ayudarnos a conectar con la audiencia, entenderla mejor y conseguir conversión.
¿Qué significa segmentar?
Esencialmente, segmentar es clasificar nuestro mercado una vez definido y estructurarlo en partes o colectivos. El hecho de segmentar conlleva conocer mejor a cada uno de nuestros clientes. En lo referente a la toma de decisiones, y sobre todo en el ámbito digital, la segmentación nos permite diferenciarnos cuando la realizamos nosotros mismos sobre nuestra cartera de clientes y no nos limitamos a utilizar las segmentaciones de Google o Amazon, por ejemplo.
¿Para qué sirve?
Para establecer prioridades y decidir dónde centro mis esfuerzos y definir mejor las acciones hacia el mercado para saber cuáles me harán palanca hacia el segmento que me interesa. También nos acerca al cliente y podremos escucharlo más, tener mejor feedback y colocarlo en el centro de nuestra estrategia. Además, podemos optimizar experiencia clientes, lo cual nos permite diferenciarnos de la competencia e identificar nuevas oportunidades de negocio. Podremos ver qué puntos quizás no estamos cubriendo bien, qué es relevante ahora que antes no lo ahora y detectar puntos de dolor.
¿Cómo ha evolucionado?
Hace tiempo al segmentar, teníamos 2 variables principales: datos sociodemográficos y datos de uso de dispositivos o geográficos. Ahora se suman datos comportamentales, transaccionales, de marketing automation, uso de canales, datos situacionales, datos del patrón de navegación, datos del customer journey, geográficos, de la relación con el servicio de atención al cliente... Ya no podemos limitarnos a considerar un solo perfil de cliente pensando que le comprendemos sabiendo su sexo, edad y dónde vive. Ahora debemos entender que el cliente cambia y evoluciona, que tiene necesidades distintas según el momento o que a través de su propia experiencia en relación con nuestro producto o servicio podemos ver matices de su comportamiento que son interesantes. Las caras del clientes son múltiples y es importante entenderlas e integrarlas dentro de los modelos de segmentación para que se conviertan en mejores ofertas, mejor escucha, mejor adaptación al lenguaje que utiliza… en definitiva, diferenciación.
¿Cómo usamos los datos para segmentar?
Las principales premisas a tener en cuenta desde el punto de vista de los datos son:
- Analizar la información disponible
- Integrar la información
- Hacerla operativa
- Completarla o enriquecerla
¿Cuál es el modelo que trabajamos en Bismart?
Existen muchas formas de segmentar. Nosotros usamos una segmentación avanzada que pivota sobre un modelo transaccional y un modelo enriquecido de clústers a partir de RFM (Recencia, Frecuencia, Monetary).
¿Cómo funciona?
El modelo funciona en Microsoft Power BI. Cuenta con varias áreas en las que se realizan diferentes análisis.
Durante esta parte de la sesión, Borja mostró las varias pantallas del modelo. En primer lugar, hizo la demostración del análisis a partir del ABC de clientes. Esta es una de las formas más sencillas, descriptivas, clasificatorias y basadas en variables más de negocio de realizar este análisis.
En el modelo se puede segmentar por RFM. RFM son las siglas de Recency, Frequency y Monetary. Recency, o recencia, es la última vez que el cliente se relacionó con mi marca. En el ejemplo de hoteles que usó Borja, se refiere a la última vez que el cliente estuvo en uno de mis hoteles. Frequency se refiere, como su nombre indica, a la frecuencia con la que el cliente consume mi marca. En el caso de la demostración es el número de noches que ha pasado en el hotel. Monetary es el gasto que realiza el cliente.
Si no hay mucha recencia significa que no hay clientes que vienen asiduamente, sino que se trata de un hotel de tipo vacacional. Un hotel de ciudad más orientado a clientes de negocios, tendría una recencia más elevada, ya que los clientes se hospedan habitualmente en ese hotel por trabajo, por ejemplo. Si se analiza desde el punto de vista Monetary, podemos ver un gráfico que muestra cómo se reparten los clientes por temporada o por franja de gasto y visualizar un análisis pormenorizado según tipo de cliente y franja de gasto, además de cuántas estancias ha habido según periodo temporal.
Como mostró Borja, en el análisis se puede definir temporada alta o baja, nacionalidad del cliente, frecuencia del segmento, etc.
A partir del RFM, podemos hacer un análisis comparativo. Por ejemplo, se puede comparar la recencia de la temporada alta y baja según periodo de tiempo o añadir criterios de temporada, de fecha, de canales, un hotel concreto, etc.
La siguiente pantalla es Customer Types Matrix y consiste en una matriz con dos variables principales que ya hemos visto anteriormente: recencia y frecuencia. A partir de aquí seleccionamos a los clientes en función de su comportamiento basado en estas dos variables y podemos ver las características de cada segmento. Entonces, podemos ver un gráfico de las características de cada segmento. Los hemos clasificado en clústers: ocio, deporte, negocio, eventos, gastronomía, etc. Con esta información deberemos tomar decisiones informadas, como pueden ser, en este ejemplo, reactivar clientes dormidos o incentivar a los regulares.
En la pantalla Market Segment Matrix vemos cómo se comportan los clústers. Es un análisis inverso al anterior. Dentro de cada clúster, podemos ver qué tipos de cliente hay.
El análisis Reservation Clusters muestra, desde el punto de vista de reservas, cuántas se hacen por adelantado y de cuántos días es ese adelanto. Además, podemos compararlos según la fecha de la realización de la reserva o la nacionalidad de los clientes.
A continuación, Borja mostró la pantalla Clústers de estancias, en la que vemos cuál es la media de clientes por estancia, cuánto consume cada tipo de cliente en el hotel, cómo distribuyen su estancia (habitaciones dobles, tipo de pensión, etc.) y la evolución del gasto a través del tiempo.
Finalmente, llegamos a los KPIs, que son métricas añadidas al análisis, como por ejemplo, cuántos clientes son nuevos, cuántos perdidos, qué gastos de marketing tengo, el coste de adquisición de cada cliente, coste medio de adquisición, churn, etc., todo comparado con el periodo anterior que determinemos. También podemos conocer cómo evoluciona esta información. Todos los gráficos de este modelo son navegables y se pueden definir varios criterios para visualizarlos.
