Metodología
Docente Lic. Martín Marcelo Sgattoni.
Modalidad online: 2 encuentros virtuales en tiempo real.
Disponible también en modalidad incompany.
Al final del curso podrá calcular el CLV de sus clientes y estimar los indicadores asociados a la probabilidad de abandono (churning rate).
Análisis predictivo para Marketing. ¿Cómo medir el valor de mi target group a futuro?
Los KPIs tradicionales de Marketing que analizan y segmentan nuestro target group se basan en el pasado: ¿cuándo empezó el cliente a consumirnos? ¿cuánto nos compró la última vez? ¿cuánto nos costó en promoción? Entonces, las decisiones que tomamos se fundamentan en el pasado, lo que ya pasó.
Pero las nuevas herramient de análisis predictivo nos proponen un nuevo paradigma: estudiar a nuestro target group hacia adelante. En este curso estudiamos las técnicas actuales para medir el valor del cliente -Customer Lifetime Value- y proyectarlo en el futuro. Ya se lo que el cliente valió, pero ¿puedo estimar lo que va a valer?
El análisis de los patrones de consumo sirve también para estimar un indicador futuro: ¿cuál es la probabilidad de que un cliente me abandone? Las estimaciones de Churning Rates ayudan a disparar acciones promocionales preventivas ante las primeras señales de peligro. Es un nuevo modelo de segmentación: dividir los clientes entre los que están fidelizados y aquellos que corren peligro de irse con la competencia.
1. Conceptos clave: Análisis predictivo, probabilidad. La importancia de los datos conductuales como fuente de modelado predictivo. ¿En qué escenarios puedo valerme de un modelo predictivo?
2. Cómo armar un modelo de CLV para ponderar a mi cliente.
3. ¿Qué es el Churning Rate y para qué sirve? Los 4 tipos de clientes según el enfoque de Churn rate. Matriz de abandono mediante segmentación CLV.
4. Cómo calcular los KPIs básicos de un modelo de Churning: Churn, Retention, Acquisition, MRR Churn, MRR Retention, Tenure, Gap.
5. Esquema de trabajo con Promoción Dinámica en base al modelo predictivo.
Al final del curso podrá calcular el CLV de sus clientes y estimar los indicadores asociados a la probabilidad de Churning