Um modelo não é mais que uma fórmula matemática, às vezes complexa, que busca estimar ou predizer como um determinado evento – seja o índice de respostas a uma campanha, os índices de atrito e evasão de clientes, a lucratividade etc. – se relaciona com informações conhecidas de cada cliente, tais como idade, sexo, ou consumo de produtos. Ao utilizar um modelo, a empresa pode estimar os resultados futuros de uma ação, usando informações históricas. Isso permite, por exemplo, selecionar as melhores ofertas de produtos ou serviços para cada grupo de clientes específicos.

Imagine que uma empresa esteja buscando, dentro de sua carteira de um milhão de clientes, aqueles mais propensos a aceitar a oferta de um novo produto. Um modelo pode ordenar estes clientes em ordem decrescente de probabilidade (“scores”). Concentrando-se apenas naqueles com melhores scores, já será possível alcançar a esmagadora maioria dos resultados que seriam atingíveis caso a mesma oferta fosse enviada para todos os clientes de forma indiferenciada – o que naturalmente resultaria em um custo de marketing muito mais elevado. Isso acontece porque, em qualquer grande base de clientes, há muitos que não se qualificam ou não têm perfil adequado para determinada campanha e, portanto, não comprariam de qualquer maneira. Dedicar esforços de marketing para esses, evidentemente, é infrutífero.

Na Marketdata, modelos de propensão são desenvolvidos em etapas complementares:

• Formalização dos objetivos do modelo e definição das medidas de desempenho que melhor permitirão avaliar os resultados esperados.

• Entendimento de cada uma das variáveis disponíveis nas bases de dados históricos.

• Discussão de como o modelo será utilizado e implantado para definir a técnica estatística mais adequada (regressões, redes neurais etc.).

• Preparação e análises exploratórias da base (modelos utilizam como inputs dados que apresentam uma série de atributos conhecidos; essa base é estudada para a identificação de quais atributos serão utilizados como inputs de cada modelo).

• Desenvolvimento e construção do modelo sobre a base de clientes.

• Testes, ajustes, calibração no modelo e validação sobre uma amostra.

• Aplicação sobre a base e acompanhamento de performance em aplicação real.

A Marketdata tem ampla experiência no desenvolvimento de modelos estatísticos para marketing e vendas. Nossa experiência mostra que nem todas as empresas estão alcançando toda a produtividade que poderiam através do marketing de relacionamento. Há ainda muito a explorar nas oportunidades de diferenciação dos serviços segundo interesses e necessidades de cada cliente e das distintas fases dos seus ciclos de vida. Fale conosco.

Modelos Simples de Propensão Usando RFV

Diferenciar clientes usando análises estatísticas é reconhecidamente uma tarefa com elevado grau de complexidade e sofisticação. Mas existe uma técnica tradicional, simples e muito barata de se implantar, que pode ser aplicada à gestão de bases de clientes. Trata-se da análise de Recência, Frequência e Valor Monetário. Esta abordagem, chamada abreviadamente de RFV (ou RFM), busca identificar, através do histórico de compras passadas, aqueles consumidores mais propensos a transacionar novamente no futuro.

O Valor (V) representa o total de compras de um consumidor, durante um período. Alguns clientes simplesmente são mais valiosos para a empresa que outros; esses provavelmente continuarão a ser relevantes (grandes) no futuro. Usando a métrica (V), as empresas podem ordenar todos os seus consumidores, do maior para o menor, e dividi-los em grupos de mesma quantidade de pessoas. Com esse procedimento simples é possível construir um “score” de valor, em que cada cliente terá uma “nota”.

A Frequência (F) também é intuitiva: consumidores com várias transações naquele período em consideração (os compradores frequentes) provavelmente devem continuar a comprar frequentemente no futuro. Novamente, se ordenarmos todos os clientes segundo sua frequência histórica de transações, teremos outro “score” de segmentação.

O fator “Recência” (R) funciona da mesma forma. Clientes que compraram/transacionaram mais recentemente têm alta probabilidade de comprar novamente no futuro próximo. Basta ordenar mais uma vez cada cliente em função de quanto tempo decorreu desde sua última transação para termos mais um “score”.

Evidentemente mais simples do que desenvolver modelos estatísticos, este procedimento permite identificar dezenas de “células” de clientes de comportamentos nitidamente diferentes. Da maneira como está descrita acima, RFV é uma técnica preditiva, em que determinados scores indicam os clientes mais propensos a realizar uma próxima transação/compra. Mas essa técnica serve também como uma metodologia de segmentação bastante eficiente, que pode contribuir para apoiar decisões estratégicas relativas ao relacionamento com os clientes.

Conheça como a Marketdata pode ajudar sua empresa a desenvolver modelos preditivos – simples ou sofisticados e complexos – para seus desafios de marketing

Database marketing apoia-se em uma ideia essencial: consumidores não são todos iguais. Empresas podem otimizar a forma como criam e comercializam seus produtos, e como se relacionam com seus melhores clientes, oferecendo soluções diferentes para clientes diferentes. Dificilmente uma empresa conseguiria satisfazer igualmente bem a todos em um mercado – você e eu não gostamos do mesmo filme ou do mesmo restaurante.

Intuitivamente, sabemos que uma base de clientes – seja de dez mil ou de dez milhões – não é homogênea. A qualquer tempo e em qualquer realidade, encontraremos ali alguns clientes que são lucrativos enquanto outros não o são; alguns serão novos em nossa base, outros antigos; alguns mais jovens, outros velhos; alguns ricos, outros só remediados; alguns mais sensíveis a diferenças de preço, outros menos; alguns extremamente fiéis, outros infiéis e inconstantes. A lista de possibilidades é interminável. Devido a esta evidente diversidade, faz pouco sentido prático considerar todos os clientes como idênticos, utilizar um mesmo nível de esforços de marketing, utilizar uma oferta indiferenciada que desconsidera particularidades de valor e de ciclo de vida, um único texto publicitário, a mesma criação.

A Marketdata ajuda você a segmentar seus clientes em grupos homogêneos. Uma vez que existem infinitas formas de dividir e reagrupar clientes, o objetivo deste processo é identificar grupos (chamados de segmentos ou clusters) que sejam significativamente diferentes uns dos outros sob uma perspectiva de marketing. A segmentação deve conduzir a empresa a estratégias de marketing mais eficientes que uma abordagem única, onde todos os clientes/prospects sejam tratados da mesma forma.

Modelos de segmentação utilizam, como matéria-prima, dados demográficos dos consumidores, suas características pessoais, atributos adicionais do banco de dados ou capturados com o uso de pesquisas, dados acumulados sobre as compras passadas dos clientes, ou outros elementos.

A Marketdata tem ampla experiência no desenvolvimento de modelos de segmentação utilizando a técnica mais adequada ao projeto específico de sua empresa (cluster analysis, answer trees etc.). Há muito a explorar nas oportunidades de diferenciação dos serviços segundo interesses e necessidades de cada cliente e das distintas fases dos seus ciclos de vida. Fale conosco.

Quanto vale o seu cliente?

Estratégias de relacionamento vencedoras concentram seus investimentos naqueles clientes que geram o maior retorno financeiro. O conceito de Lifetime Value (LTV) é uma métrica importante para determinar o “valor do cliente”. LTV é o valor estimado da lucratividade futura do cliente, ou seja, é o valor presente das margens esperadas de um indivíduo ao longo de sua vida de transações com a empresa. Este conceito simples incorpora uma série de aspectos, como a estimativa dos lucros futuros e a probabilidade do cliente interromper suas transações com a empresa ao longo do tempo.

Na Marketdata o cálculo do LTV tem várias etapas complementares:

• Entendimento dos dados disponíveis sobre clientes – cadastrais, transacionais, comportamentais, externos – e compreensão do “negócio” da empresa-cliente, incluindo revisão de dados de lucratividade de produtos e serviços, e de margem de contribuição de cada cliente.

• Estimativa de longevidade de cada grupo de clientes (quanto tempo o cliente permanecerá fazendo negócios com a empresa).

• Definição do período de análise e das taxas de desconto e taxas de risco recomendadas para a análise.

• Construção do modelo estatístico de LTV, que apura as expectativas de receita futura. Esse processo “rankeia” cada cliente pelo seu valor estimado.

• Testes e validação sobre amostras de controle, para aprovação e aplicação do modelo construído sobre toda a base, criando uma medida de valor para cada cliente.

Alguns dos benefícios do uso de um modelo de LTV incluem:

• Permitir que as decisões de alocação de recursos de marketing sejam tomadas com maior precisão, privilegiando clientes que gerarão o maior retorno para a empresa.

• Proporcionar maior integração entre as áreas internas, ao estabelecer métricas aceitas por marketing, finanças etc.

• Criar uma base conceitual para defender o budget de marketing de relacionamento anual.

• Avaliar o patrimônio da empresa sob o ponto de vista do LTV total da carteira de clientes ativos.

• Reforçar o reconhecimento de que clientes não são todos iguais – eles não apenas geram diferentes retornos, mas têm também necessidades e características distintas.

Com a Marketdata, você pode contar com o uso das métricas e das técnicas quantitativas mais adequadas para cada caso específico de sua empresa.

O panorama atual – de orçamentos cada dia mais apertados e necessidade de racionalização de investimentos – aponta para uma crescente importância da medição dos resultados dos esforços de marketing frente à crescente fragmentação da mídia. É natural que se pergunte: “Valeu a pena?”. Quais mídias funcionam com mais eficiência em cada aplicação? A demanda dos decisores e acionistas ROI de marketing tornou imperiosa a defesa de orçamentos com o suporte de análises quantitativas, com métricas claras e confiáveis.

Modelagem do Mix de Marketing é uma abordagem analítica que utiliza informações históricas, tais como os resultados de vendas por PDV, e dados internos das empresas, como investimentos em várias mídias, para quantificar o impacto nas vendas de atividades de marketing diferentes. MMM refere-se ao uso de análise estatística multivariada (tipicamente técnicas de regressão), aplicada a séries temporais de dados de vendas e marketing para estimar o impacto de várias táticas de marketing sobre as vendas e, com isso, prever o impacto de opções de investimento futuras.

O conceito determina a eficácia de cada um dos elementos do marketing em termos de sua contribuição para o volume de vendas, sua eficiência (volume de vendas gerado em relação ao custo) e ROI. Esses aprendizados são então adotados para ajustar as táticas e estratégias de marketing, otimizar o plano de marketing e também para prever vendas, em resposta a vários cenários simulados nas análises do tipo “what-if?”.

A Marketdata tem comprovada experiência no desenvolvimento de modelos de Marketing Mix. Fale conosco.

Uma das aplicações mais ricas de database marketing é a visualização de dados de clientes aplicados sobre mapas digitais (geomarketing). Sistemas geográficos de informação (chamados de GIS, do original Geographical Information Systems) são utilizados há vários anos, com aplicações inicialmente relacionadas com o registro e a análise visual de solos, climas e vegetações. Mais recentemente, os GIS tornaram-se aliados de empresas e negócios em outros setores, inclusive marketing, apoiando a geração de receitas e a redução de despesas.

A capacidade de cruzar informações geográficas precisas com históricos de consumo de produtos pode multiplicar as oportunidades de venda de produtos complementares ou redirecionar ofertas, proporcionando ganhos visíveis na eficiência comercial. Os GIS permitem “localizar” (ou posicionar) em mapas geográficos aquelas informações que as empresas tradicionalmente conhecem a respeito de seus clientes, apontando, por exemplo, em que regiões residem os melhores e os piores clientes. A convergência entre database marketing e geoprocessamento representa facilidades para o marketing de relacionamento que pareceriam ficção há não mais que uma década atrás.

É evidente que podemos refinar as campanhas de marketing, selecionando apenas prospects que residam em zonas de interesse. Podemos analisar o caminho (rota) entre o endereço dos clientes e a empresa, ou questionar o percentual de cobertura dos concorrentes nas regiões onde atuamos. Quando representamos cada cliente como uma coordenada em um mapa, podemos identificar visualmente as tendências em termos de concentração de clientes e de demanda de serviços, por região. Podemos ainda responder a perguntas como: “Qual é a distância média da residência dos prospects até nossa loja mais próxima? Quais são nossas regiões geográficas mais lucrativas? Qual a região onde a densidade de faturamento é a maior?”

O uso de recursos de GIS instiga novas ideias e aponta hipóteses a serem testadas.

Na Marketdata, juntamos databases de marketing com mapas digitais. Utilize nossos serviços. A variedade de tratamentos e visualizações geoespaciais voltadas para marketing, que podemos desenvolver, só está limitada pela nossa criatividade.