De acuerdo con Bain & Company y Harvard Business School, en donde ambos reportan que al incrementar la retención de clientes en un 5%, se incrementan las utilidades en un rango de 25% a 95%. El mismo estudio informa que los clientes existentes son 50% más propensos a probar nuevos productos de la marca y gastar un 31% más, comparados con los clientes nuevos. ¿Lo anterior será del todo exacto? En mi opinión, no necesariamente aplica en todos los casos y para todas las circunstancias. Para mirar el caso a mayor profundidad, se tiene que observar la longevidad de los clientes y la rentabilidad de la organización. Esto de acuerdo también con un reporte escrito por Harvard Business Review. La correlación entre estas dos variables debe ser fuerte y cercana a 1, de lo contrario entre más lejana del 1 significará una relación débil ente rentabilidad y la longevidad de los clientes.

También tiene que ver con las métricas que se seleccionan para determinar el desempeño de la estrategia de lealtad y la forma en cómo se usan. Existen varios mitos que a lo largo del tiempo se han hecho sólidos y hoy son pocos los estudiosos que los debaten y cuestionan. Debería hacerse con mayor recelo y disciplina para sustentar y validar ciertas hipótesis y pensamientos que han existido desde tiempo atrás. En especial, el método RFM, el cual es el más utilizado pero que tiene varios defectos o detalles que normalmente no se toman en cuenta para llevar a cabo los análisis.

El método RFM para determinar el valor del cliente

Es el método más común que se utiliza para determinar la rentabilidad de los clientes; se basa en la frecuencia además del monto del gasto de los consumidores con la marca. La metodología RFM puede ser útil en algunos casos, pero no es del todo exacta. De acuerdo con HBR en el estudio realizado por Reinartz y Kumar se establece que basarse en la frecuencia y recencia puede llevar a las marcas a tomar decisiones incorrectas sobre a que segmentos de clientes deben invertir. La lógica utilizada es muy simple. Tomando a la recencia se asigna un marcador segmentando a los clientes usando su actividad de compra, por ejemplo, en los últimos seis meses, entre seis meses y un año y más de un año. Siguiendo el mismo caso hipotético, después se usa a la frecuencia para determinar cuantas veces los clientes compraron en esos mismos 3 periodos: dos veces, una sola vez o nunca, asignando también un marcador. Se suman los dos marcadores. En resumen, entre más veces y más reciente el cliente haya comprado es más alto el marcador. Hasta aquí, todo luce normal. Pero falta un detalle para agregar: el ritmo o cadencia. Usemos el caso de Juan y Pedro, los cuales empezaron a comprar productos en el mes uno. En el curso del primer año, ambos compran en diferentes periodos: Juan compra en intervalos cortos de tiempo, haciendo transacciones en el segundo, sexto y octavo mes, mientras que Pedro espera un periodo más largo de tiempo, transaccionando después de siete meses, es decir en el mes ocho.

El análisis tradicional de RFM, sugeriría que Juan es más leal que Pedro, ya que, sus compras son más frecuentes y recientes, por lo tanto, la marca debería invertir más en él. Pero el método RFM fallará en tomar en cuenta que Juan compra normalmente cada 2.3 meses, pero para el mes doce no ha comprado nada en los últimos cuatro meses. Pedro tampoco ha comprado nada en los últimos cuatro meses pero su patrón de compras es así, es decir, compra en periodos más largos de tiempo, está en su rango de tiempo normal. En estas bases, es estadísticamente más probable que Pedro vuelva a comprar en el futuro, por lo tanto, la marca debería invertir más en él que en Juan. Este modelo de comportamiento de compra se llama de eventos históricos. Usando este modelo, existe un 20% de probabilidad que Juan vuelva a comprar, mientras que hay 45% de probabilidad para que Pedro lo haga (El detalle del cálculo y del resto del texto se puede consultar en el libro “Increasing Customer Loyalty” publicado por Harvard Business Review.).

Este modelo es muy útil para predecir que tan rápido la actividad de un cliente va a disminuir debido a que la probabilidad de que permanezca activo decrece, por lo tanto, previene a la marcas a sobre invertir en aquellos clientes rentables pero desleales.