Como ya sabéis, el mundo del marketing vive un gran reto: la nueva era cookieless, con la eliminación de las cookies de terceros por parte de Google.
¿Cómo deberíamos afrontar este reto?
Ante este paradigma, el First Party Data se convierte en una verdadera oportunidad para sacar el mayor provecho a esta nueva realidad, donde entran en juego conceptos como la Inteligencia Artificial y el Big Data. En este sentido, contar con herramientas de Marketing Automation como Connectif cobra más importancia que nunca.
La integración del Marketing Automation en el eCommerce abarca numerosas estrategias y ventajas que mejoran la experiencia del usuario y la relación con la marca. Mediante una técnica de segmentación avanzada basada en el Data First, es decir en el uso inteligente de datos propios que podemos obtener a través de nuestro sitio web, CRM, o redes sociales, lograremos ofrecer experiencias mucho más personalizadas que aporten un valor añadido a nuestras acciones de marketing.
En este caso, hablaremos sobre un sistema de segmentación versátil con el que los eCommerce pueden orientar sus estrategias a segmentos específicos, ganar impacto y aumentar la rentabilidad. Este es el análisis RFM de Connectif.
¿Qué es el análisis RFM?
El modelo RFM (por sus siglas en inglés Recency, Frequency, Monetary) nos permite identificar clientes de alto valor estratégico para agruparlos de forma útil, a partir del estudio de tres parámetros:
- Recencia de compra: días transcurridos desde la última compra.
- Frecuencia de compra: número de compras en un determinado período de tiempo.
- Valor de la compra: valor de las compras totales realizadas en el tiempo de análisis.
Por tanto, la idea es segmentar a los clientes en función de cuándo fue su última compra, con qué frecuencia compraron y cuánto gastaron en general. De esta forma, podemos entender mejor cómo se comporta nuestra base de clientes y cuanto más la conozcamos, más podremos adaptar nuestro mensaje y obtener mayores resultados.
Esta técnica de análisis de datos se basa en un ranking en el cual a cada cliente se le asigna una puntuación del 1 al 5 por cada uno de los tres parámetros del modelo RFM. De manera que los clientes más rentables y de mayor valor para el negocio serán los que tengan una puntuación de 555, y los menos rentables, de 111.
Cómo crear una estrategia basada en el Data First y el modelo RFM: caso práctico
Vamos a aplicar esta estrategia en un caso práctico, como puede ser el de un eCommerce de comida de animales.
1. Definición del objetivo
Como en cualquier estrategia de marketing, fijamos un objetivo, que en este caso será conseguir fidelizar a nuestros clientes para transformarlos en suscriptores de un Membership Club y con ello, aumentar la recurrencia de compra.
En base al modelo RFM que nos ofrece Connectif, podemos distinguir entre 11 segmentos de clientes en función de su valor, ordenados del 1 (los Champions) al 11 (los perdidos) según su rentabilidad.
Nuestra intención es que avancen posiciones en el ranking hasta llegar al cliente objetivo marcado.
Vamos a imaginar que tenemos a un grupo de usuarios que actualmente se encuentran en el segmento 9 (Cannot Lose Them), que son clientes susceptibles de perderse porque hicieron compras grandes y a menudo, pero no han vuelto a comprar en el eCommerce desde hace mucho tiempo. Nuestro objetivo es retenerlos para que vuelvan a comprar en el eCommerce y no se vayan a la competencia. Para ello, realizaremos las siguientes acciones.
2. Acciones
Gracias al First Party Data, sabemos que este grupo de clientes solían comprar una marca que tenemos en exclusiva para su mascota. Vamos a mandarles un email con los productos que tenemos de esta marca y de los cuales somos distribuidores únicos en el país. Además, tenemos envío 24h a la direcciones de envío que habían usado en sus compras anteriores, de manera que les podremos recordar también esta ventaja.
Después de este impacto, algunos usuarios han vuelto al eCommerce, han visitado varios productos pero han terminado comprando un artículo de menor valor en comparación con sus compras anteriores. Han avanzado posiciones dentro del ranking, situándose en el nivel 5 (Promising).
Sin embargo, nosotros queremos recuperar a este grupo de clientes y que vuelvan a realizar compras grandes como las que solían hacer. Por lo tanto, gracias a toda la información que tenemos de su histórico de compras, la cesta media que solían hacer, y su comportamiento en la web, les podemos mandar un código de descuento personalizado con condiciones específicas, como por ejemplo que tenga una duración de 72h para crear cierta urgencia, y que sea aplicable solo a compras por el valor mínimo que nos interesa.
3. Seguimiento
Pasada una semana, vemos que la mayor parte de los usuarios han vuelto a comprar, han usado el código de descuento y su cesta media ha aumentado considerablemente. Por lo que ahora se encuentran en el nivel 3 (Potential Loyalist). Como nuestro objetivo general era conseguir un Membership del máximo de clientes posibles, ahora es el momento perfecto para ofrecerles nuestro programa de fidelización. Esta vez, cuando vuelvan a visitar nuestro eCommerce, les mostraremos un popup que les invite a formar parte del club. Si clica, les llevaremos a una landing con toda la información, ventajas, descuentos en marcas, muestras gratuitas, códigos exclusivos, y un formulario donde puedan registrarse. Si no se registran en 72h, les enviaremos un email recordatorio.
4. Resultado
Finalmente, hemos conseguido que muchos de los usuarios que teníamos susceptibles de perder se hayan registrado como miembros del club de nuestro eCommerce y se han convertido en clientes fidelizados. Gracias a esta segmentación basada en el Data First y en el análisis del modelo RFM de Connectif, hemos creado un funnel completo con una estrategia personalizada y única para este segmento de usuarios.
Con el uso del Data First y de Connectif como herramienta de marketing automation, trabajamos con los datos propios de nuestros clientes y no dependemos de la inversión en otras plataformas para llegar a nuestra audiencia.
