CUSTOMER ANALYTICS

2. SEGMENTACIÓN DE CLIENTES

Como ya hemos visto, la segmentación de clientes se refiere al hecho de dividir el

grupo general de clientes en diferentes grupos, atendiendo a toda una serie de
características y atributos.

En este segundo tema, seguiremos hablando de la segmentación, aunque antes resulta

de vital importancia dedicar un espacio a la exploración de datos, y es que antes de
segmentar a nuestros clientes por grupos, debemos saber a la perfección qué tipo de
datos tenemos, ya que ello contribuirá a hacer una buena segmentación. Por ejemplo,
si queremos segmentar a nuestros clientes por su nivel de estudios, es importante
comprobar que disponemos de esta información en relación a la mayoría de nuestros
clientes.

2.1 EXPLORACIÓN DE DATOS

Antes de proceder a analizar nuestros datos, tanto si es para segmentar como para
llevar a cabo estrategias concretas de marketing, es muy importante que llevemos a
cabo labores de exploración de datos, de modo que ello nos permita conocer a la
perfección los datos de que disponemos, así como determinar aquellos datos erróneos
o incorrectos.

Para ello, disponemos de diferentes herramientas, aunque aquí nos centraremos en el

estudio de la herramienta R y la plataforma de trabajo RStudio, que nos facilitará la
utilización de R.

2.1.1 R y RStudio

RStudio es una interfaz que nos permite acceder de manera sencilla a toda la potencia
de R. Para su utilización, debemos haber instalado previamente R. Por su parte, R es un
lenguaje orientado a objetos, es un lenguaje para el cálculo estadístico y la generación
de gráficos que ofrece toda una serie de técnicas estadísticas y gráficas que nos
ayudarán en nuestro análisis y exploración.

Y
Página 59
 CUSTOMER ANALYTICS

R, conocido también como GNU S, es concebido como un entorno y un lenguaje para el

cálculo estadístico y la generación de gráficos. Este implementa un dialecto del
premiado lenguaje S, desarrollado en los laboratorios Bell por John Chambers.

Básicamente, R provee un acceso relativamente sencillo a una amplia variedad de

técnicas estadísticas y gráficas, ofreciendo también un lenguaje de programación
completo con el que añadir nuevas técnicas mediante la definición de funciones.

En la actualidad, S y R son los dos lenguajes más utilizados en investigación en

estadística. Sus principales atractivos son:

- La capacidad de combinar, sin ninguna fisura, análisis “preempaquetados”

(ejemplo: una regresión logística) con análisis ad-hoc, específicos para una
situación: capacidad de manipular y modificar datos y funciones.
- Los gráficos de alta calidad: visualización de datos y producción de gráficos para
artículos.
- Se trata de una comunidad muy dinámica, con gran crecimiento del número de
paquetes e integrada por estadísticos de gran renombre.
- Hay extensiones específicas a nuevas áreas como la bioinformática, la
geoestadística y los modelos gráficos.
- Se trata de un lenguaje orientado a objetos.

En relación a RStudio, se trata de una interfaz que permite acceder de manera sencilla
a toda la potencia de R. Para poderla utilizar, se requiere previamente haber instalado
R.

En relación a como funciona esta plataforma, aquí no lo vamos a explicar, pero sí que
ofrecemos en los anexos algunos documentos y enlaces a vídeos tutoriales con el fin
de conocer de qué manera podemos utilizar R y RStudio con el fin de lograr una buena
exploración de datos.

Y
Página 60
 CUSTOMER ANALYTICS

2.1.2 Exploración de los datos

Independientemente de cuál sea nuestro objetivo, es muy importante que, antes de

pasar a la acción, exploremos nuestros datos.

Como ya hemos comentado, las empresas disponen de un número realmente elevado

de datos, por lo que es importantísimo, antes de crear el modelo, conocer los datos de
que disponeos. Debemos considerar que, por mucho empeño que pongamos, ninguna
base de datos es perfecta, por lo que debemos comprobar antes si nos falta
información o tenemos datos erróneos o que han sido mal introducidos. Para ello, es
mejor explorar los datos antes de empezar, ya que de lo contrario, o bien deberemos
modificar los datos que están mal en mitad del proceso o bien crearemos un modelo
cuyos resultados sean erróneos.

Explorando los datos también nos vamos a dar cuenta de qué tipología de clientes
tenemos, haciendo ello que la construcción del modelo resulte más fácil.

Así, en este apartado vamos a conocer las distintas maneras que tenemos para
obtener información sobre nuestros datos. La exploración de datos se sirve de una
combinación de estadísticas generales (medias, medianas, varianza y contadores) y
visualizaciones o gráficos de datos.

 Detección de problemas

Como ya hemos comentado, es posible que nuestras bases de datos no sean perfectas.
Es por ello que la exploración de datos es tan importante, ya que nos ayudará a
detectar aquellos problemas que pueda haber en relación con nuestros datos. De este
modo, vamos a presentar aquellos problemas más frecuentes con los que nos
podemos topar y de qué manera los podemos identificar gráficamente.

En lo que se refiere a los problemas, debemos considerar los siguientes:

Y
Página 61
 CUSTOMER ANALYTICS

- Valores nulos

En lo que se refiere a los valores nulos o datos inexistentes, comentar que, si nos
encontramos con pocos de ellos en una variable, no supone un problema, aunque sí lo
será si en una misma variable nos encontramos con muchos de ellos, ya que ello nos
impedirá hacer un análisis real de aquello que nos interesa.

Por ejemplo, si lo que queremos hacer es segmentar a nuestros clientes en función de

su nivel de estudios, pero en esa variable contamos con muchos valores nulos o datos
inexistentes, los datos que obtengamos no serán reales, por lo que no podremos
establecer un modelo que concuerde con la realidad.

En relación a estos valores nulos, es importante que nos preguntemos el motivo de

porque no disponemos de estos datos, debiendo de considerar si se trata de un dato
difícil de obtener, o si se trata de una información que la empresa ha decidido guardar
recientemente.

Independientemente de cual sea el motivo de tener valores nulos, deberemos decidir

qué hacemos con ellos. Las opciones serían o tratar de obtener los datos relativos a
esa variable, o incluir una variable con valores nulos en nuestro modelo. En este
segundo caso, deberemos decidir si eliminar todos los registros donde el valor es nulo,
o convertir estos valores nulos en una categoría adicional o valor 0.

- Valores incorrectos o outliers

No solamente deberemos comprobar si tenemos valores nulos o datos inexistentes,

sino que además, deberemos determinar que los valores no nulos son correctos.

Aquí deberemos considerar lo siguiente:

- Si tenemos datos negativos cuando todos los datos deberían ser positivos.
- Si tenemos datos en valor de texto cuando deberían estar expresados en valor
numérico.
- Si tenemos datos fuera de rango, como podría ser, en la casilla sobre la edad,
disponer de datos con valor 0 o valor 120.

Y
Página 62
 CUSTOMER ANALYTICS

En la mayoría de ocasiones, los valores incorrectos se deben simplemente a que se han

introducido mal. Al igual que sucedía con los datos nulos, se deberá decidir qué hacer
con estos datos incorrectos.

- Rango de datos

Es muy importante que prestemos atención a la varianza de nuestros datos, es decir,

de aquellos datos que requerimos para segmentar a nuestros clientes en relación al
objetivo u objetivos marcados, deberemos asegurarnos que existe suficiente variación.
Por ejemplo, si somos una empresa que vende seguros médicos y queremos establecer
una relación entre la edad de nuestros clientes y los tipos de seguros que vendemos,
deberemos asegurarnos que los datos en relación a la edad de nuestros clientes tienen
suficiente variación con el fin de poder encontrar una fuerte variación. De este modo,
si solo tenemos clientes en edades comprendidas entre los 40-60, no podremos
establecer ninguna relación, ya que no disponemos de suficiente variación de datos.

También debemos considerar el caso contrario, es decir, que un rango de datos sea
demasiado amplio.

Lo importante aquí es determinar si el rango de datos de que disponemos es muy

amplio o muy estrecho en función de los objetivos y de aquello que nos hayamos
establecido estudiar.

En relación a estos problemas, una buena manera de detectarlos es mediante la

visualización, y es que las imágenes nos pueden ofrecer otro tipo de información
diferente a la información que obtenemos con los números.

Volviendo al tema de las edades, una buena manera de ver los rangos de edad de
nuestros clientes es a partir de un gráfico.

Y
Página 63
 CUSTOMER ANALYTICS

*Ejemplo de la representación de las edades mediante un gráfico Enlace:

https://www.medwave.cl/link.cgi/Medwave/Series/MBEyEpi/5826

Mediante la utilización de gráficos, podremos obtener la siguiente información en

relación a nuestros datos:

- Cuál es el valor máximo de la distribución.

- Los picos que hay en la distribución.
- Si tenemos datos normales.
- La variación de los datos y si esta está concentrada en un cierto intervalo o en
una cierta categoría.

Pasemos entonces a ver los diferentes tipos de gráficos que podemos utilizar para
detectar los problemas en nuestros datos.

En cuanto a los gráficos, vamos a estudiar los histogramas, gráficos de densidad y

gráficos de barras. Pasemos a conocerlos.

Y
Página 64
 CUSTOMER ANALYTICS

Histogramas

Se trata de una representación gráfica de datos agrupados mediante intervalos. Dichos

datos provienen de unas variables cuantitativas. Este tipo de gráfico, que se ilustra
mediante barras, nos permite conocer de manera rápida y visual la distribución de los
datos.

Así, si lo que queremos es determinar el número de clientes de cada rango de edad,

con el histograma veremos como cada columna referente a un rango de edad se
corresponde con una cantidad.

*Ejemplo de histograma. Enlace: http://www.dma.ulpgc.es/profesores/personal/stat/cursoR4ULPGC/8-

estaDescriptiva.html

Y
Página 65
 CUSTOMER ANALYTICS

Gráficos de densidad

Los gráficos de densidad visualizan la distribución de datos en un intervalo o período

de tiempo continuo. Se trata de una variación del histograma que utiliza el suavizado
de cerner para trazar valores, permitiendo distribuciones más suaves al suavizar el
ruido. Los picos de los gráficos de densidad nos ayudan a mostrar dónde se concentran
los valores en el intervalo.

En relación a los histogramas, los gráficos de densidad son mejores para determinar la
forma de distribución debido a que no se ven afectados por el número de
contenedores o barras utilizadas.

Finalmente, comentar que en este tipo de gráficos importa más la forma de la curva
que los valores.

*Ejemplo de gráfico de densidad. Enlace:

http://www.dma.ulpgc.es/profesores/personal/stat/cursoR4ULPGC/10-distribProbabilidad.html

Y
Página 66
 CUSTOMER ANALYTICS

Gráficos de barras

El gráfico de barras es un histograma para variables discretas, es decir, nos cuenta la

frecuencia de las variables categóricas.

*Ejemplo de gráfico de barras. Enlace: http://onedigital.mx/ww3/2015/07/06/office-2016-preview-

introduce-6-nuevos-tipos-de-graficos-para-excel/

En este ejemplo, vemos como las barras están situadas en vertical. Ello se debe a que
se presentan pocas variables. No obstante, cuando el número de variables es elevado,
se recomienda colocar las barras en horizontal.

Y
Página 67
 CUSTOMER ANALYTICS

*Ejemplo de gráfico de barras. Enlace: http://matemolivares.blogia.com/2015/091501-los-ordenadores-

en-la-escuela-no-mejoran-las-notas-de-los-estudiantes-segun-la-o.php

En relación a los gráficos con barras horizontales, se recomienda que las variables se
coloquen de más a menos, ya que ello ayudará a la lectura e interpretación del gráfico.

Hasta ahora, los gráficos presentados nos enseñaban una sola variable. No obstante,
hay casos en los que necesitamos determinar si existe o no relación entre dos
variables, y de qué tipo de relación se trata. Para ello, nos serviremos de los gráficos de
líneas, gráficos de dispersión, hexbin plots y gráficos de barras para dos variables
categóricas.

Pasemos a ver en qué consisten cada uno de ellos.

Y
Página 68
 CUSTOMER ANALYTICS

Gráficos de líneas

Los gráficos de líneas nos muestran la evolución de las tendencias o variables a lo largo
de un período de tiempo.

En el caso que nos ocupa, que es el de determinar si existe relación o no entre dos
valores o variables, resultan especialmente útiles, ya que podemos ver cómo van
evolucionando a lo largo del tiempo.

*Ejemplo de gráfico de líneas. Enlace: https://docs.tibco.com/pub/spotfire_web_player/6.0.0-november-

2013/es-ES/WebHelp/GUID-60AD831A-D7C3-4407-AA54-44EBD23A29D0.html

Gráficos de dispersión

Estos tipos de gráficos se utilizan para trazar puntos de datos en un eje vertical y uno
horizontal, tratando de mostrar cuánto afecta una variable a otra.

Cada fila de la tabla de datos representa un indicador, cuya posición depende de sus
valores en las columnas que se establecen en los ejes X e Y. Se pueden utilizar varias
escalas en el eje Y cuando se quieren comparar varios indicadores con rangos de valor
significativamente distintos.

Y
Página 69
 CUSTOMER ANALYTICS

La relación existente entre las dos variables se conoce como correlación. Si los
indicadores forman una línea casi recta en el gráfico de dispersión, las dos variables
tendrán una correlación alta, y si los indicadores se distribuyen de manera uniforme a
lo largo del gráfico, la correlación será baja o nula.

*Ejemplo de gráfico de dispersión. Enlace: https://aprendiendocalidadyadr.com/diagrama-de-

dispersion/

Y
Página 70
 CUSTOMER ANALYTICS

Hexbin plots

Este tipo de gráficos son como un histograma en dos dimensiones. En ellos, los datos
se dividen en hexágonos y el número de datos en cada hexágono se representa con un
color.

*Ejemplo de gráfico hexbin plots. Enlace: http://blog.52north.org/2015/04/22/advanced-time-series-

analysis-on-the-web-with-r/

Gráficos de barras para dos variables categóricas

Este tipo de gráfico es exactamente igual que el gráfico de barras del que ya hemos
hablado. La única diferencia es que se presentan dos variables diferentes, por lo que
para cada valor deberemos tener dos barras.

En cuanto a la colocación de la información relativa a cada variable, puede hacerse de

varias maneras, o bien una barra encina de la otra o bien una al lado de otra, ya sea en
horizontal o en vertical. Lo importante es que quien deba visualizar la información
sepa a qué variable se refiere cada barra, con el fin de poder determinar la relación
existente entre las dos variables.

Y
Página 71
 CUSTOMER ANALYTICS

*Ejemplos de gráfico de barras. Enlace: https://docs.tibco.com/pub/spotfire_web_player/6.0.0-

november-2013/es-ES/WebHelp/GUID-6023CECC-E502-4AE1-B5C5-FFE5DAF6FAE2.html

En relación a este tipo de gráficos, comentar que a pesar de que hayamos hablado de
establecer la relación de dos variables, podemos hacerlo con más.

Y
Página 72
 CUSTOMER ANALYTICS

*Ejemplo de gráfico de barras. Enlace: https://www.tutorialspoint.com/javafx/bar_chart.htm

Como vemos, la exploración de datos puede hacerse mediante toda una serie de
gráficos. Básicamente, de lo que se trata es de obtener información sobre los datos de
que disponemos, con el fin de conocer los tipos de datos y sus variaciones, ya que, si
no lo hacemos, en el momento de segmentar los clientes y llevar a cabo el análisis
puede que lo hagamos con información que no es real o representativa, por lo que las
acciones a desarrollar una vez finalizado el análisis no se realizarían con éxito.

Hechas estas consideraciones, pasemos entonces a hablar más detalladamente sobre

la segmentación, con el fin de conocer qué técnicas debemos emplear para lograr una
segmentación exitosa que nos ayude al logro de nuestros objetivos.

Y
Página 73
 CUSTOMER ANALYTICS

2.2 SEGMENTACIÓN DE CLIENTES

Una vez hayamos explorado los datos de que disponemos y hayamos constatado que
son correctos y necesarios para nuestros objetivos, procederemos a la segmentación
de clientes que, como ya hemos visto, implica dividir a nuestros clientes en función de
toda una serie de características o atributos.

En términos generales, la segmentación nos sirve para:

- Conocer cuántos clientes componen nuestro negocio.

- Qué volumen de ventas representan por tipo de cliente.
- Cómo son nuestros clientes y los clientes potenciales clave de nuestro negocio:
tipología, consumo, medios, rentabilidad, hábitos, etc.
- Qué clientes o clientes potenciales nos ofrecen oportunidades reales de
generación de ingresos.
- Identificar nuevos nichos o segmentos en los que introducir nuestro negocio.
- Identificar las características críticas de los consumidores de la marca.

A la hora de proceder a la segmentación, es muy importante tener claro qué queremos

segmentar, con el fin de poder definir y acotar la segmentación que queremos realizar.
Así, podemos segmentar:

- Mercados: se refiere al conjunto de consumidores potenciales que comparten

una necesidad.
- Tipologías: es el conjunto de consumidores que comparten características
comunes en cuanto a actividad.
- Segmentos: engloba el conjunto de consumidores que comparten
características comunes, como pueden ser geográficas, demográficas, de
comportamiento, etc.
- Nichos: se trata de una parte más pequeña del mercado, un segmento muy
específico y acotado por alguna variable concreta.

Y
Página 74
 CUSTOMER ANALYTICS

- One to one: cada cliente es considerado como algo único en sí mismo y se le

ofrece el producto/servicio y las acciones de marketing totalmente
individualizadas.

De este modo, antes de proceder a cualquier segmentación, es importante definir qué

vamos a segmentar. Ello dependerá de los objetivos que nos hayamos marcado, ya que
no será la misma segmentación si queremos centrarnos en realizar acciones
promocionales específicas para cada cliente o si queremos hacer promociones globales
en función de las diferentes tipologías de clientes que tenemos.

Una vez hayamos definido el ámbito general de actuación, deberemos identificar a

quien va dirigida la segmentación. En el caso que aquí nos ocupa, que es el customer
analytics, nos centraremos en nuestros clientes, aunque, dependiendo del objetivo,
como puede ser ampliar cuota de mercado, podemos dirigir dicha segmentación a
otros públicos. Estos son:

- Población: se refiere a la totalidad de personas que forman el conjunto

marcado.
- Potenciales clientes: son aquellos consumidores que no son clientes nuestros
pero que coinciden con el perfil de nuestros clientes.
- Cliente: son aquellas personas que compran nuestro producto o servicio de
manera frecuente.
- Consumidores: son aquellas personas que consumen nuestro producto o
servicio. Por ejemplo, si somos una tienda de ropa y juguetes infantiles,
nuestros clientes son los padres de los niños y niñas, pero los consumidores
serán los niños y niñas, ya que serán ellos quien lleven la ropa y jueguen con los
juguetes.

En cuanto a las características o atributos sobre los que podemos segmentar, tenemos
infinitas posibilidades, siempre teniendo en cuenta los datos de que disponemos y de
si estos presentan suficiente variación y los objetivos que nos hayamos fijado. En
cuanto a las variables o criterios que utilizaremos para llevar a cabo la segmentación,
algunas de las más comunes y más utilizadas son:

Y
Página 75
 CUSTOMER ANALYTICS

- Geográficas.
- En función del servicio.
- Antigüedad.
- Psicográficas.
- Volumen de ventas.
- Demográficas.
- Rentabilidad del negocio.
- En función de los beneficios.
- En función del uso.
- Estratégicas.
- En base al comportamiento.

Estas son solo algunas de las variables o atributos y es que, como ya hemos dicho, la
utilización de estas dependerá de los objetivos marcados y de los datos de que
dispongamos.

Cuando ya hayamos decidido qué vamos a segmentar, a quién y en función a qué

variables, deberemos tener clara la estrategia que queremos llevar a cabo, es decir,
debemos tener claro el objetivo de la segmentación, y es que esta podrá estar
destinada a:

- Fidelizar: mantener y proteger a nuestros clientes exclusivos.

- Vincular: aumentar la relación de negocio.
- Mantener: aumentar el índice de crecimiento.
- Atraer: captar potenciales clientes o clientes sin actividad.

Hechas estas consideraciones previas y en relación a los tipos de segmentación, aquí

nos centraremos en las clasificaciones más comunes, como son el estatus, el volumen
de ventas y la frecuencia de compra. Además, hablaremos también sobre la
segmentación estratégica, la segmentación operativa y repasaremos el análisis RFM,
estudiado anteriormente.

Y
Página 76
 CUSTOMER ANALYTICS

Segmentación de clientes según el estatus

En lo que se refiere al estatus de los clientes, podemos diferenciar cinco tipologías:

- Clientes actuales: son aquellos clientes que compran de manera periódica,

pudiendo ser tanto empresas como particulares. Básicamente, son aquellos
clientes que sostienen el negocio.
- Clientes activos: son aquellos clientes que compran con una cierta frecuencia, y
que lo hicieron recientemente o durante un período de tiempo concreto
establecido por la empresa, como podría ser en un período de tres meses.
Comentar que dicho período de tiempo dependerá del tipo de empresa o del
producto o servicio que esta ofrezca.
- Clientes inactivos: son los clientes que han realizado compras fuera del período
de tiempo establecido por la empresa. Son clientes a los que se puede recurrir
en algún momento, de cara a que vuelvan a comprarnos. Eso sí, antes será
importante haberlos analizado y conocer los motivos por los que ya no
compran con nosotros, de modo que podamos ofrecer una solución a dicho
motivo.
- Clientes potenciales: son aquellas personas que no han realizado ninguna
compra en la empresa, pero que han mostrado interés en la empresa y en sus
productos mediante la solicitud de información o la petición de presupuestos, y
que cuentan con capacidad de compra, pudiéndose convertir en cualquier
momento en clientes y generadores de ingresos para la empresa.
- Clientes probables: son aquellos que no han comprado nunca y tampoco han
manifestado interés por nosotros. No obstante, por sus características, la
empresa considera que podrían convertirse en generadores de ingresos
futuros.

Segmentación de clientes según el volumen de ventas

Para segmentar nuestros clientes según el volumen de ventas, lo haremos partiendo

de la premisa 80/20, es decir, deberemos considerar que el 80% de nuestras ventas
son realizadas por el 20% de nuestros clientes.

Y
Página 77
 CUSTOMER ANALYTICS

Así, partiendo de esta premisa segmentaremos nuestros clientes en los siguientes

grupos:

- Clientes top: conforman este primer grupo aquellos clientes que generan un
volumen muy por encima de la media. Es importante conocer a los clientes top,
ya que de esta manera podremos definir nuestros esfuerzos y recursos en
función de dicho criterio.
- Clientes grandes: son aquellos clientes que generan un volumen de ventas
medio-alto. Son clientes importantes, pero no representan el volumen de los
clientes top.
- Clientes medios: son los clientes que generan un volumen de ventas medios.
- Clientes bajos: son aquellos clientes cuyas ventas están muy por debajo de la
media.

Segmentación de clientes según la frecuencia de compra

En relación a la frecuencia de compra, aquí es importante que determinemos una

frecuencia de compra promedio y, a partir de dicha frecuencia, clasificar y segmentar a
nuestros clientes.

Comentar que, en función del tipo de comercio que seamos, la frecuencia de compra
promedio será una u otra. Así, si somos un supermercado, la frecuencia promedio
puede ser de una o dos semanas, mientras que si somos una tienda de ropa esta
frecuencia puede ser más elevada, y ser mensual. Ello dependerá, además del tipo de
empresa y del volumen de ventas

En este caso, podemos distinguir los siguientes grupos o segmentos:

- Clientes frecuentes: son aquellos clientes que compran de acuerdo al

promedio que hemos establecido. Es muy importante que cuidemos a este
grupo de clientes y darles un trato preferencial con el fin de que se sientan
valorados y podamos mantener su nivel de compra.
- Clientes habituales: son aquellos clientes que compran de manera habitual,
pero no se corresponde con el promedio establecido. Es muy importante

Y
Página 78
 CUSTOMER ANALYTICS

mantener un alto nivel de satisfacción generando acciones y estrategias

adaptadas a ellos con el fin de lograr un aumento en la frecuencia.
- Clientes ocasionales: son aquellos que compran de vez en cuando en nuestra
empresa. Estos también merecen recibir un buen servicio por parte de la
empresa, aunque la mayoría de esfuerzos y recursos serán destinados a los
clientes frecuentes y a los habituales.

Una vez hayamos segmentado los clientes en estas categorías, es importante no

quedarse aquí y, dentro de los segmentos obtenidos, segmentar en función de otras
variables, como puede ser la edad, los ingresos, el nivel de estudios, el lugar de
residencia, los estudios universitarios, el número de personas que residen en el hogar
familiar, los gustos y preferencias, etc. Aquí, es muy importante que nos fijemos unos
objetivos claros y concretos, de modo que segmentemos a nuestros clientes en
función de las necesidades del momento.

Básicamente, de lo que se trata es de tener a los clientes organizados en grupos, con el

fin de conocer las particularidades, expectativas y necesidades de cada grupo y poder
adaptarnos a ellos, con el fin de seguir una estrategia concreta. Esto es lo que
llamamos segmentación estratégica.

Segmentación estratégica

La segmentación estratégica habilita decisiones de negocio estratégicas basadas en los

segmentos de clientes.

Algunos tipos de segmentación estratégica son:

- Segmentación en función de los objetivos de rentabilidad por cliente: implica

optimizar el rendimiento de los clientes que ya tenemos reduciendo variables
de alto impacto como puede ser la tasa de abandono o el churn rate, que se
refiere a la tasa de cancelación o pérdida de usuarios durante un período de
tiempo determinado. Así, determinaremos aquellos clientes que tienen
mayores posibilidades de abandonar, de modo que podamos realizar acciones
concretas sobre este segmento y así evitar que se vayan.

Y
Página 79
 CUSTOMER ANALYTICS

- Segmentación para establecer una estrategia de formatos: dependiendo del

tipo de empresa que seamos así como del tipo de nuestros clientes,
trabajaremos con un formato u otro. De lo que se trata es de segmentar a los
clientes según el formato que prefieran, de modo que podamos adaptarnos a
las necesidades y preferencias de cada uno de ellos cuando nos planteemos
crecer.
Un ejemplo de estrategia de formato sería por ejemplo si somos una tienda de
moda de lujo y queremos crecer, podemos o abrir otra tienda igual que la que
ya tenemos pero en una zona en la que no tenemos presencia pero donde hay
un gran volumen de clientes potenciales o incluso actuales que se desplazan
hasta donde estamos, o podemos optar por abrir un outlet ofreciendo a un
precio más bajo el género de temporadas pasadas, con el fin de ganar a
aquellos clientes que, debido a los precios, no pueden adquirir nuestros
productos en nuestra tienda actual, permitiéndonos además deshacernos del
género de las temporadas pasadas que nuestros clientes actuales no quieren.
- Segmentación para optimizar el surtido: esta estrategia es muy útil sobre todo
para aquellas empresas del sector del retail que necesitan seleccionar bien el
surtido de productos que presentan a sus clientes con el fin de aumentar el
volumen del carrito de compra medio. Para ello, se deben conocer qué
variables son más sensibles a la hora de la compra, con el fin de determinar
hacia qué tipo de clientes deben dirigir su estrategia con el fin de conseguir una
mayor rentabilidad.
Básicamente, de lo que se trata es de conocer muy bien el tipo de producto que
quieren los clientes, y ofrecerles ese producto. Un ejemplo de esta estrategia
es la que sigue Zara, que lo que hace es reponer en cada tienda las piezas de
ropa que más se venden, por lo que no se encuentra la misma ropa en todas las
tiendas, sino que ello va en función de lo que más vende una tienda
determinada.
- Segmentación de cara a lanzar nuevos productos o servicios: si la empresa
decide presentar un nuevo producto o servicio, es muy importante que, antes
de proceder a su lanzamiento, se tengan claros aquellos segmentos a los que

Y
Página 80
 CUSTOMER ANALYTICS

les podrá interesar, de modo que dicho lanzamiento aporte rentabilidad.

Básicamente, se trata de estar casi seguro de que un segmento importante de
nuestros clientes estará interesado en este nuevo producto o servicio. Así, por
ejemplo, si nuestros clientes son reacios a utilizar la web para comprar,
resultará absurdo crear una aplicación para comprar, ya que seguramente será
poco utilizada.
- Segmentación en una estrategia de redimensionamiento: esta segmentación
estratégica la llevaremos a cabo en entornos de crisis, cuando las empresas se
ven obligadas a reducir o bien sus tiendas o bien sus productos y servicios. Aquí
se deberán segmentar los clientes en función del margen que nos aporten, con
el fin de decidir aquello que mejor nos pueda servir.

Segmentación operativa

En lo que se refiere a la segmentación de carácter operativo, debemos considerar los

siguientes cinco grupos:

- Segmentación en función del CLV (customer lifetime value) o valor de la vida

del cliente: a menudo las empresas calculan el ROI (retorno de la inversión) del
marketing sin tener en cuenta el valor del ciclo de vida de este, tomando como
valor la conversión de manera aislada, como si fueran clientes diferentes. El
hecho de poder realizar segmentaciones basadas en este valor nos puede
ofrecer una información mucho mayor al ROI y es que, como hemos visto
antes, el CLV es un indicador que mide el valor actual de los beneficios futuros
de un cliente.
- Segmentación en función de dimensiones de producto, rentabilidad por
clientes, dimensiones sociodemográficas, etc.: este tipo de segmentación nos
puede ayudar para la realización de campañas de relación con los clientes,
personalizadas para cada segmento, redundando en mejores tasas en las KPIs o
indicadores correspondientes, como CTR (click through rate), mejorando como
consecuencia el ROI.

Y
Página 81
 CUSTOMER ANALYTICS

- Segmentación de comunicaciones con los clientes: mediante un sencillo

análisis de frecuencia, la recencia (días transcurridos desde la última compra),
el valor monetario y otras variables, podremos segmentar las comunicaciones y
medir retornos con mayor precisión.
- Segmentación a través de datos sociales y de la geocodificación: hoy en día,
gracias a las redes y medios sociales, podemos obtener toda una serie de datos
e informaciones sobre nuestros clientes que antes era difícil obtener. Así, con
esta información podemos también segmentar a nuestros clientes utilizando
datos referentes a sus intereses, opiniones, preferencias, gustos, etc.
- Segmentación combinada con algoritmos de asociación: esta segmentación es
especialmente útil para los comercios online. De lo que se trata es de
determinar los intereses de los clientes de modo que en las compras futuras le
podamos recomendar productos que sean de su interés. La información para
proceder a la segmentación está basada en el histórico de productos asociados
en las transacciones de los clientes, de modo que ello nos permitirá
personalizar la oferta más atractiva para cada cliente, mejorando de este modo
los ratios de conversión.

Análisis RFM

Como ya hemos visto, el análisis RFM es un método de segmentación sencillo y eficaz

basado en el principio de Pareto, que establece que el 20% de los clientes de una
compañía genera el 80% de los ingresos.

Con la puesta en marcha de este análisis, lo que pretendemos es constatar hasta qué
punto dicho principio es real en nuestro caso, de modo que podamos ubicar a cada
cliente en su escalón en la pirámide de valor. En otras palabras, nos permite ordenar
de mayor a menor valor a nuestros clientes, de modo que podamos saber aquellos que
nos generan una mayor rentabilidad y aquellos que no.

En relación al análisis RFM, este consiste en clasificar a los clientes por su valor en
función de tres variables:

Y
Página 82
 CUSTOMER ANALYTICS

- Recencia: se refiere a los días que han pasado desde la última compra.
- Frecuencia: es el número de compras realizadas en un período de tiempo
determinado, como un mes, un trimestre, un semestre o un año.
- Monetario: se refiere al valor de las compras totales realizadas por el cliente en
el tiempo de análisis.

Para clasificar a los clientes, debemos construir escalas basadas en estas tres variables,
dando a cada cliente un valor según el grupo en que se encuentra (se construye un
número de grupos de igual tamaño, o con el mismo número de clientes). Lo más
habitual es trabajar con 5 valores, aunque también es habitual el uso de 9-10 valores,
sobre todo en lo que se refiere a la venta directa y online.

*Ejemplo de un análisis RFM. Enlace: https://www.unica360.com/analisis-rfm-en-retail-empezando-a-

segmentar-clientes-i

Como vemos en la imagen, de lo que se trata es de dividir cada variable en partes

puntuables, en este caso se ha dividido en cinco. Así, debemos puntuar las tres
variables en relación a cada cliente, siendo 1 el valor más bajo y 5 el valor más alto.
Ello nos permitirá conocer aquellos clientes con más valor y aquellos de menos, de
modo que nos permitirá poder llevar a cabo acciones para mantener a aquellos de
mayor valor, tratando que los clientes de menos valor se conviertan en clientes de
mayor valor y evitando el abandono de aquellos clientes de poco valor.

Y
Página 83