Retomamos la idea de la BBDD analítica que nos sirva para realizar las acciones comerciales del departmento de marketing, lo que en alguna entrada hemos llamado Customer Signature o también conocido como Customer Information File (CIF), analytical file.
En el libro "Database marketing. Analyizing and managing customers". se recoge la siguiente tabla con al información del cliente agrupada por categorías de interés:
- Datos de identificador del cliente.
- Otras características del cliente. Datos socio-demográficos, ubicación, etc...
- Histórico de compras de los clientes.
- Life Time Value (LTV) como métrica para medir el potencial de crecimiento.
Por mi experiencia, la información más valiosa es la que procede de aquellos campos que componen la llamada "Purchase History" ya que con los campos que mejor nos permiten predecir el futuro comportamiento de compra de un cliente. Métricas como la rccencia, frecuencia de compra o el valor total gastado a lo largo de la vida de un cliente suelen ser las más útiles a la hora de realizar modelados predictivos.
Centrándonos en la sección de las respuestas a nuestras acciones de marketing, muestro a continuación como crear un modelado que nos sirva para controlar, mediante powerpivot, un sencillo cuadro de mando para medir la efectividad de las campañas de Telemarketing outbound:
Para medir la efectividad de acciones de marketing o campañas es necesario cruzar por un lado la información referente a las acciones/campañas y la información correspondiente a las transacciones realizadas por dichas acciones.
La información de las campañas y la de las transacciones se unen en una query de este estilo, teniendo como nexo de unión al operador:
El informe final será similar al que se muestra a continuación, donde las métrica de interés son los pedidos vendidos asociados a cada campaña y los filtros son variables asociadas a las campañas por una parte y por otra información que caracteriza a la información de al venta, tablas del transaccional.
.jpg)
Este tipo de informe nos permite realizar una primera aproximación a lo que se denomina una "data-driven marketing culture" donde no estamos haciendo aún ningún tipo de análisis avanzado sino más bien reporting. El objetivo es que esta información vaya sirviendo de base para una posterior analítica predictiva desde la que transformemos datos en bruto en auténtica ventaja competitiva para el negocio, como iremos viendo en posteriores entradas.
Saludos.
No hay comentarios:
Publicar un comentario