En pocos años, la dinámica comercial ha experimentado cambios significativos.
El escenario en que predominaba un marketing más “general” (con productos que se “empujaban” al mercado mediante campañas masivas) dejó paso a un escenario de orientación a segmentos y propuestas de valor diferenciadas por colectivos de clientes.
En la actualidad, comienza a desplegarse un tercer escenario: el de una orientación mucho más marcada al cliente, que se refleja en un marketing significativamente más personalizado.
Este último modelo busca comprender más profundamente las preferencias y comportamientos de segmentos cada vez más pequeños (llegando, en algunos casos, al concepto de microsegmentos o, incluso, al de segmentos de un integrante).
Nos encontramos, así, frente a una dinámica comercial que denominamos Gestión Avanzada de Clientes, y que emplea sofisticados métodos de predicción de comportamiento con el objetivo de establecer políticas comerciales proactivas cliente por cliente.
Veamos, a continuación, algunas acciones posibles a partir del desarrollo y aplicación de estos métodos:
Captación por gemelos
¿Cuál es el perfil de cliente que una compañía debería captar?
Por supuesto, los que sean parecidos a sus mejores clientes actuales. Es decir, aquellos que son actualmente más rentables (y lo han sido por cierto tiempo) o con semejanzas con aquellos en los que se evidencia mayor potencial en el mediano plazo.
Para esto, la clave reside en el desarrollo de modelos de captación selectiva a partir de la identificación de gemelos.
Un análisis de gemelos toma un conjunto de parámetros que permiten estudiar y comparar a nuestros clientes potenciales con nuestros mejores clientes, asignando finalmente un índice de “similitud”.
Con estos resultados, estaremos en condiciones de determinar cuáles de nuestros clientes potenciales son realmente nuestros mejores candidatos y, por lo tanto, merecen la dedicación y el foco de la fuerza de ventas propia y de nuestros socios comerciales.
Retención por prevención de abandono
Estamos acostumbrados a escuchar que nuestras redes comerciales están saturadas de trabajo consiguiendo nuevos contratos e intentando aumentar las ventas. Sin embargo, a la hora de medir resultados, en muchos casos los crecimientos no son los esperados. ¿Por qué?
Con frecuencia, existen fuertes desequilibrios entre los esfuerzos de captación y los de retención. Altos índices de abandono requieren esfuerzos desmedidos y poco rentables en captación para compensar lo perdido.
Así, una de las prioridades debe ser aumentar el grado de vinculación con nuestros clientes actuales, lo que deriva en una rentabilidad más estable y una menor tasa de abandono.
Nuevamente, abordar este objetivo con el apoyo de un modelo predictivo puede hacer la diferencia. El modelo debe considerar, al menos, cuatro cuestiones:
1) Descubrir los aspectos centrales de los patrones de comportamiento que manifiestan los clientes antes de abandonar.
2) Incorporar el concepto de “cliente inactivo” o “abandono teórico”.
3) Categorizar y monitorear a los clientes en función de la probabilidad de abandonar que presentan a partir del estudio y la comparación con los patrones identificados.
4) Diseñar acciones específicas para estos grupos de clientes que apunten a reforzar el vínculo existente y extenderlo en el tiempo.
Gestión avanzada de precios
Resulta simple pensar en grupos de clientes con comportamientos similares sobre los que establecer propuestas de valor de servicios y productos diferenciadas.
Sin embargo, el tema se torna algo más complejo cuando se incorpora la variable precio: ¿todos los clientes de perfil similar tienen la misma sensibilidad al precio?
Desde luego, debería evitarse establecer políticas de precios muy agresivas o conservadoras, pensando que todos los clientes reaccionarán de igual manera, sin previamente conocer más acerca de su sensibilidad ante tales acciones.
La introducción de modelos analíticos para identificar la sensibilidad al precio de los clientes de la compañía favorece la definición de estrategias más rentables (y, por cierto, también más difíciles de imitar para los competidores).
Para conseguir esta evolución, es necesario profundizar en el entendimiento de las curvas de elasticidad.
De este modo, podremos establecer estrategias de aumento de precios en los clientes menos sensibles y de estabilización (o incluso disminución) sobre los más sensibles y rentables.
Todo ello, condicionado por el valor que el cliente tenga para la compañía y el riesgo de abandono que estemos dispuestos a asumir.
