Identificación y cualificación de clientes. listas y bases de datos

Josep Alet

Identificación y
cualificación de
clientes. Listas y
bases de datos
1. Las listas.
2. Base de datos.
3. La selección de nuestros mejores clientes actuales y futuros.
4. Data Mining. Cómo obtener oro a través de la explotación de
los datos.
5. La privacidad: un derecho del cliente que debe ser respetado
y valorado.

Copia de uso privado
Este texto forma parte de la obra
Marketing directo e interactivo
del autor Josep Alet.

© Josep Alet

© De esta edición: Esic Editorial, Avda. de Valdenigrales, s/n.
28223 Pozuelo de Alarcón (Madrid)
Tel. 91 452 41 00 - Fax 91 352 85 34
www.esic.es

ISBN: 978-84-7356-522-6
Depósito Legal: M-51.762-2007

Queda prohibida toda la reproducción de la obra o partes
de la misma por cualquier medio sin la preceptiva
autorización previa.

Josep Alet

Identificación y
cualificación de clientes.
Listas y bases de datos

Índice

1. Las listas … … … … … … … … … … … … … … … … … … … … … … … … … 8

2. Base de datos …………………………………………………………… 15

3. La selección de nuestros mejores clientes actuales y futuros … … … … … … … 22

4. Data Mining. Cómo obtener oro a través de la explotación de los datos … … … 31

5. La privacidad: un derecho del cliente que debe ser respetado y valorado …… 36

La estrategia de la empresa se concreta en un plan de marketing desarrollado
con la utilización de las distintas variables que, dirigidas sobre un público obje-
tivo preciso, podrá conseguir unos resultados deseados.
En marketing directo e interactivo es prioritaria la selección de personas o
empresas sobre las que se realizarán las campañas de marketing. Además, el

©ESIC EDITORIAL. ISBN 978-84-7356-522-6. COPIA DE USO PRIVADO
resultado de las campañas y el mismo contacto o relación que se establezca pro-
porcionarán una gran cantidad de información, que se plasmará en una base de
datos de los clientes o prospectos, la cual podrá ser explotada en el desarrollo de
una relación futura. Por eso, comenzamos por las listas y bases de datos antes de
avanzar más en el desarrollo de las webs eficaces y la captación de clientes.
Sin duda alguna, la base de datos aporta la gran diferencia entre la publicidad
y el marketing directo. Es en el mercado privado donde podemos promover nue-
vas ventas, ofrecer nuevos canales de distribución con el comercio electrónico o
la venta por catálogo, probar nuevos productos, iniciar nuevas empresas, consti-
tuir un vínculo, crear una lealtad vitalicia o colocar productos complementarios.
Se ha dado tal importancia a la base de datos como medio indispensable para
el marketing directo, que en muchos casos se habla de marketing de base de
datos. Como se comenta a menudo, la base de datos es el corazón del marketing
directo, aunque no por ello debamos caer en el planteamiento erróneo de con-
fundir un medio con el sistema.
Sin embargo, vamos a realizar una introducción primeramente a las listas
como personas identificadas potenciales que luego pueden pasar a formar parte
de una base de datos y sirven en la primera fase de la identificación de clientes
potenciales de mayor interés.

Este texto forma parte de la obra Marketing directo e interactivo del autor Josep Alet 7

Identificación y cualificación de clientes. Listas y bases de datos

1. Las listas
A) Concepto de lista

Se trata de una serie de nombres con información adicional significativa,
registrada conjuntamente. La lista es un componente clave en cualquier plan de
publicidad directa, hasta el punto de valorarse como el factor más importante.
Como se dice normalmente, cualquier mailing o emailing, por mal realizado que
esté, si se envía a la lista adecuada, puede producir buenos resultados, mientras
que el mejor mailing enviado a una lista equivocada será un fracaso. Las listas
pueden ser vistas como segmentos de mercado, base de las transacciones que se
producen en éste.
Los datos individuales son recogidos y tratados de forma conjunta para el
análisis y evaluación de la información. El objetivo es tanto identificar a los

mejores clientes dentro de nuestra propia lista como conseguir los mejores nue-
vos clientes por listas externas que se consideren más apropiadas.
Las listas son un activo fundamental (y en muchos casos el más importante)
para la empresa. Se deprecia como otros activos por razones tan claras como la
muerte de las personas y empresas, su traslado, cambios progresivos con la
maduración de las personas, cambios de intereses, ambiciones, preferencias y
cambios de situación económica. Es necesario, por tanto, un mantenimiento
constante de las listas para tener una comunicación relevante y sin desperdicio.

B) Tipos de listas

Existen tres tipos de listas: listas de respuesta, listas compiladas (dentro de
las listas externas) y listas propias. Las consideraremos por separado.

1. Listas de respuesta
También llamadas listas de compradores o listas de participantes o de sus-
criptores de newsletters. Recogen los nombres de las personas que han contesta-
do previamente a una oferta de marketing directo. Tal vez sean suscriptores,
solicitantes de regalo o información, compradores, donantes, miembros. Pueden
ser cualificados por todo tipo suscripciones a artículos, intereses y áreas.
Tienen en común el haber demostrado una predisposición a responder a una
oferta específica de marketing directo.

8

2. Listas compiladas
Son relaciones de personas o empresas que tienen alguna característica o
interés común. Se pueden obtener de una variedad de fuentes, como los directo-
rios (páginas amarillas, Who’s who), titulados de facultades y escuelas, cámaras
de comercio, listas de asociados.
Describen igualmente segmentos de mercado, pero no han sido generadas a
través de respuestas a ofertas de marketing directo. Estas listas pueden ser intere-
santes para una amplia gama de productos y negocios, aportando información
geodemográfica o psicográfica y, en general, aquella que no está disponible en lis-
tas de respuesta, aunque sin información específica sobre idoneidad de respuesta.
En España existen pocas listas disponibles; entre ellas están disponibles algu-
nas listas de colegios y asociaciones profesionales y clubes. Dentro del ámbito
empresarial, existe amplia información del sector de actividad (aunque no siem-

pre actualizada), volumen de ventas, número de empleados y algún otro indica-
dor relevante de perfil de empresa.
Mención especial por su interés merecen las listas de personas que acaban de
tomar importantes decisiones en su vida, pues son más propensas a realizar
otros cambios, lo cual las hace especialmente valiosas. Un ejemplo pueden ser
las listas de parejas recién casadas y la de nuevos residentes, muy útiles para
empresas de equipamiento del hogar o bricolaje. Por otro lado, la lista de recién
nacidos o nuevas mamás es valiosa para empresas de alimentación infantil o
artículos para bebés en general y de productos asociados a cambios en la etapa
de vida de los hogares.
Así, por ejemplo, en el caso de un análisis de los lectores-anunciantes de la
revista Segundamano, constatamos que en momentos clave de compra-venta
con los clientes de automóvil, vivienda o productos informáticos se obtenían
probabilidades de compra hasta 19 veces superior a la de una población general
sin cualificar.

3. Lista propia
La lista interna está compuesta de clientes (activos e inactivos) y clientes
potenciales obtenidos a través de los esfuerzos de la propia empresa: solicitantes
de información, de regalo o de visita o catálogo, o nombres aportados por clien-
tes como idóneos para la empresa.
Es la lista más importante y valiosa, resultado de todas las transacciones de
la empresa, que acaban siendo recogidas en las listas. Además de obtener con



ella las acciones de marketing más rentables, tenemos un potencial de explota-
ción, bien por alquiler o bien por el intercambio con listas que sean afines a la
de la empresa.
La lista de clientes es la variable disponible más importante para conseguir
un buen resultado. Lo que en realidad cuenta es saber a quién te diriges, cómo
es, dónde vive, qué ha comprado, cuándo y dónde, qué le gusta e interesa.
Entonces se puede adaptar la oferta a cada tipo de cliente, saber a quién se ha de
enviar e incluso la rentabilidad más probable que se puede obtener.
Los resultados en la lista propia de clientes son de 3 a 30 veces superiores a
los obtenidos respecto al público en general, pudiendo obtener perfectamente
una respuesta de un 1% sobre prospectos hasta un 10% en la lista de clientes,
consiguiendo un 20% en el segmento de los mejores clientes.
Tal como hemos comentado hace un momento, es muy importante tener en

cuenta el principio de afinidad, que vincula la oferta con la lista a la que la
enviamos. Así, está comprobado que las listas que funcionan bien para una
empresa suelen tener un alto nivel de correspondencia con su fichero de clien-
tes. Esto es lógico si pensamos que unas listas externas que ofrecen un mercado
adecuado para nosotros, han de tener un cierto solape con nuestra base de clien-
tes. Con varias pruebas podrá deducirse la probabilidad de éxito o porcentaje de
respuesta esperado con una lista a partir del porcentaje de personas comunes
entre la lista externa y el fichero de clientes. El porcentaje mínimo de referencia
vendrá determinado por el grado de penetración que tenga la empresa en el seg-
mento específico de mercado que ofrece la lista externa.

C) Fuentes de listas

1. El alquiler o intercambio de listas es habitual en el caso de productos
muy especializados y con dificultad de poder utilizar listas de prospectos de for-
ma rentable. El intercambio de listas está muy extendido en países como Esta-
dos Unidos. Un ejemplo es el que realizaban las conocidas revistas Time y
Newsweek que, aun siendo directos competidores, han constatado que es renta-
ble la operación de intercambio de sus listas, aunque, evidentemente, lo circuns-
criben a suscriptores perdidos.
Este resultado se constató en campañas cruzadas entre clientes de empresas
competidoras de un mismo grupo. Aun compitiendo directamente en la misma
categoría de productos, la respuesta de uno no iba en detrimento de la otra com-
pañía y se creaba un grupo importante de clientes comunes que tenían un gasto
con el grupo superior al individual de cada empresa en sus mejores clientes.

10

El precio del alquiler gira normalmente en torno a los 0,15 euros, llegando a
más de 0,30 euros cuando se trata de clubes de personas muy cualificadas por
perfil específico de personas u ocupaciones o clientes de alguna empresa.
El gran desarrollo del intercambio o alquiler de listas lo he comprobado a
menudo, por ejemplo, cuando me suscribí hace años a la revista empresarial
norteamericana Fortune. Inmediatamente, en el plazo de un mes, recibí ofertas
de suscripción a dos periódicos económicos norteamericanos y uno inglés, tres
revistas empresariales y dos de información general norteamericanas, dos libros
especializados en dirección de empresas, una oferta de inscripción a una confe-
rencia estratégica europea, una oferta de compra de libros empresariales por
correo, otra oferta de participación a una lotería mundial y una tercera de inclu-
sión como miembro en el club de una conocida compañía de aviación norteame-
ricana. Es fácil comprobar la afinidad que existe entre las distintas ofertas, así
como la alta probabilidad de respuesta por mi parte. Cómo no, dos nuevas

empresas contaron conmigo en su base de clientes.

FIGURA 3.1
CAMPAÑA DE VINOSELECCIÓN SOBRE LOS REGISTRADOS
EN LA COMUNIDAD DE ICTnet

Observar cómo se especifica la procedencia y cómo la comunicación de ICTnet argumenta por
qué lo hace y facilita darse de baja o limitar las comunicaciones recibidas.



En el caso de direcciones de email, la captación de direcciones se consigue a
través de acuerdos con empresas que publican un formulario de registro y expli-
can las ventajas de darse de alta en el servicio, normalmente ofreciendo ventajas
en función del perfil que presenta la persona para asegurar la fiabilidad y cali-
dad de los datos entregados. Las ofertas y beneficios ofrecidos a los suscriptores
abarcan desde incentivos directos en compras hasta muestras o regalos, siempre
con la garantía de que sólo se dirigirán a las personas registradas para hacerles
llegar aquellas ofertas en las que se hayan mostrado interesados en un primer
momento.
Entre las empresas existentes en España destacan www.consupermiso.com con
unos 2 millones de direcciones disponibles y controlada por OJD, o www.canal-
mail.com con más de 6 millones de registros en España y 25 millones en el
mundo, o www.correodirect.com que, según indica, cuenta con más tres millo-
nes en España.

En el uso de los datos recogidos específicamente por Internet es de aplica-
ción la LSSI 34/20021, que indica cómo el receptor de cualquier comunicación
vía email debe haber dado su expreso consentimiento para poder enviarle men-
sajes a su buzón de correo electrónico, del tipo “Sí quiero recibir” o indicado en
una comunicación de respuesta inicial donde indica que acepta las comunicacio-
nes de una empresa para unos objetivos específicos. Esto quiere decir que el
grado de interés con el que los clientes van a leer las comunicaciones es clara-
mente superior a otras situaciones porque lo ha indicado así.

2. La compra de listas está muy restringida en España por la aplicación pri-
meramente de la LORTAD 1 y posteriormente, de forma más dura, con la
LOPD2. Sólo pueden adquirirse registros que implican la cesión efectiva de la
base de datos de una empresa en el caso de indicación expresa y explícita a
determinadas empresas que se indican. En este campo sólo existen empresas
especializadas en el negocio de las bases de datos a las que se puede acudir para
buscar personas con perfiles determinados pero con un número potencial gene-
ralmente muy reducido. Aquí pueden salir ganando empresas que se asocian con
proyectos sobre clientes potenciales de interés común, como los ya menciona-
dos de recién nacidos o compradores de automóvil.

1La Ley 34/2002, de 11 de julio, de servicios de la Sociedad de la Información y de Comercio Electrónico
2En España se aprobó en 1999 la Ley Orgánica de Protección de Datos de carácter personal (LOPD) y de
obligatorio cumplimiento por los ficheros creados a partir de junio de 1999, que exige adoptar medidas de
seguridad muy elevadas y completas y sustituye a la LORTAD existente hasta el momento. Se aplica en
cualquier operación y gestión de ficheros de personas y empresas, por lo que afecta a todos los capítulos
de listas y bases de datos mencionados en este capítulo.

12

D) Evaluación de listas
A la hora de elegir una lista para alquilar o comprar, tenemos que realizar
una recopilación de información sobre múltiples aspectos que nos permitirán
valorar su rendimiento potencial, facilidad de uso o exactitud. Entre otros, los
aspectos que se han de tener en cuenta son:

a) Cobertura de la lista, respecto a un territorio geográfico o país y número
de direcciones. Grado de duplicación dentro de ella.
b) Origen del fichero, según fecha de entrada y razón (compra, solicitud de
información, visita, etc.).
c) Sistema de explotación de las direcciones con referencia a soporte, sis-
tema de actualización y ordenación (alfabético, geográfico, D.N.I. u
otros), además de información necesaria para enviar la comunicación al

destino.
d) Valor de la información contenida en el fichero. Depende de la exactitud
de la información, el tiempo que hace que fue recogida y la forma de con-
seguir los datos para su explotación. Es conveniente que se recoja la
siguiente información: fechas de operaciones de promoción y tipo recibi-
das, devoluciones de correo, situación de pago, devoluciones de producto,
tipo de pagos realizados, si son compradores de venta a distancia, cuán
recientes, la frecuencia y el importe de las compras.
e) Afinidad con nuestra lista propia, comparando perfiles con nuestros clien-
tes.
f) Posibilidad de segmentación y realización de tests muestrales con análisis
posterior, para poder valorar el interés en parte o en toda la lista, y para ase-
gurarnos de no sufrir engaños por darnos una muestra especialmente rica.

El acuerdo a que se puede llegar para el uso de la lista es corriente que espe-
cifique el coste de utilización en una fase posterior, para más de un envío, la for-
ma de pago y el volumen que se ha de utilizar.
Se ha extendido el compromiso de entrega de direcciones efectivamente váli-
das para cubrir los errores y devoluciones producidos, pero dado el coste de
comunicación que se produce (excepto en el caso de emails) es conveniente
introducir una cláusula de anulación de las obligaciones de pago si la calidad de
la lista no es la mínima exigible, lo cual se puede determinar por el porcentaje
de devoluciones, número de teléfonos o emails erróneos, que no tendría que
superar normalmente el 5%.



Por lo tanto, además de los criterios mencionados en este punto, es recomen-
dable realizar un test o prueba piloto de los ficheros3 que sirva para comprobar
su calidad y potencial efectivo para una posterior selección definitiva y explota-
ción ampliada.

MBNA como ejemplo de empresa que crece sobre bases de clientes
de otras empresas

Una vía poco utilizada es crecer en base a las relaciones de clientes ya existen-
tes con otras marcas, algo en lo que MBNA, ahora Bank of America, junto a su
filosofía de máxima orientación al cliente, es ejemplar. Posee un modelo basado en
el marketing de afinidad, que significa el 55% de su captación en España, donde la
marca principal próxima a los clientes es la que facilita su suscripción. Por tanto,
MBNA no hace prácticamente campañas de su marca, sino que se apoya en marcas
con fuerte relación con sus clientes, desde la comprensión máxima de su filosofía,
relación con el cliente e identidad principal, adaptando sus acciones de marketing y

los canales de comunicación en función de las preferencias del colectivo al que se
dirige.
Durante más de dos décadas ha establecido relaciones de comarketing y marke-
ting de afinidad con más de 5.000 organizaciones, incluyendo asociaciones profe-
sionales, de más de 3,5 millones de estudiantes, con unos 4,5 millones de aficiona-
dos a equipos deportivos y muchos otros grupos. Además MBNA se apalanca en
instituciones financieras que proveen oficinas de acceso a los clientes, con más de
15.000 a nivel mundial, como ocurre con el Banco Cooperativo y el Banco Pastor
en España.

Tarjeta Fundación
Vicente Ferrer de
MBNA.

3 Los tests se tratan en profundidad dentro del capítulo 8 de este mismo libro.

14

2. Base de datos
Hasta ahora hemos tratado las listas, las cuales recogen una serie de datos
básicos sobre personas físicas o jurídicas. Ahora bien, los datos alcanzan un
valor muy superior si se establecen relaciones entre ellos, al observar interrela-
ciones que nos permitan sacar conclusiones aplicables a la valoración de los
componentes, así como a realizar acciones de marketing directo.

Pasamos, entonces, a hablar de la base de datos, entendida como un conjunto
de datos interrelacionados. Una base de datos es una agrupación de ficheros vin-
culados, y es mucho más que una lista (conjunto de nombres y direcciones de
una única fuente). Sirve para aplicaciones múltiples, permitiendo una manipula-
ción de los datos de forma adecuada y oportuna.

La base de datos recoge una vasta información que puede ser vinculada de

forma conjunta. Ésta se obtiene de muchas fuentes y apoya un buen número de
aplicaciones.

1. Creación de la base de datos.

a) Capturar, organizar y mantener los datos de marketing existentes. Se deben
recoger todos los datos que aporten información útil y conocimiento de nuestros
clientes actuales y futuros. Esto implica la formación de las personas de los distintos
departamentos de la empresa que nos pueden aportar información válida, como son
telefonistas, recepcionistas y personal del departamento de reclamaciones, servicio
al cliente y marketing, la red de ventas, la web, el email o los mismos distribuidores.

En cualquier caso, para la solicitud de datos a las personas deben cumplirse
los puntos contemplados por la LOPD, concretados en:

• Existencia, finalidad y destinatario de la información; carácter obligato-
rio/facultativo de respuestas.
• Consecuencias de obtención o negativa a suministrarlos; posibilidad de
ejercitar los derechos de acceso, rectificación cancelación y oposición.
Identidad y dirección del responsable del tratamiento4.
• Cuando los datos no hayan sido suministrados por el interesado, deberá ser
informado de su procedencia.

4 Excepción: fuentes accesibles al público, funciones de la Administración, personas vinculadas por rela-
ción negocial, laboral, administrativa o contrato y sean necesarios para mantener las relaciones o el con-
trato de acuerdo con la finalidad del fichero.



Por lo general, la base de datos contiene:

– Información de clientes.
– Información de transacciones (pedidos, cambios, devoluciones).
– Información de productos.
– Información sobre medios de pago.
– Medios de compra (correo, teléfono, internet, tienda, distribuidor).
– Información sobre comunicaciones y promociones: origen y tipos.
– Información geodemográfica: dirección, edad, sexo, estado civil, profesión.

En ningún caso tenemos que desaprovechar la oportunidad de obtener informa-
ción adicional, tanto de intención “no estoy interesado en este momento”, lo cual
implica que existe una posibilidad de conversión en un momento futuro) como de

situación, consiguiendo información demográfica o psicográfica, y ayudando a la
empresa a satisfacer las necesidades de forma más eficaz. De ahí la importancia de
los cuestionarios o encuestas que permiten conocer a fondo a nuestros clientes: lo
que desean, lo que les gusta y lo que no les gusta de nosotros, nuestros puntos fuer-
tes y débiles. Esta información servirá de marco a nuestra estrategia futura.
Los elementos que se recogen en una base de datos son presentados de forma
resumida en la Figura 3.2, agrupados en bloques de nombre, dirección, informa-
ciones generales de clientes e interacciones con clientes, tanto de la empresa
como de éstos.

FIGURA 3.2
ELEMENTOS RECOGIDOS EN UNA BASE DE DATOS

16

La aplicación en los distintos sectores varía en contenidos, estructura y apli-
caciones, pero en cada uno de ellos la información sobre los clientes puede jugar
un papel fundamental para obtener un mayor volumen de negocio y una ventaja
competitiva diferencial.
En una perspectiva general, el potencial de volumen de datos relevantes reco-
gidos y su uso posterior es muy amplio y profundo. Una gran parte de los datos
básicos de los clientes son obtenibles a través de las operaciones normales de
transacción con los clientes potenciales o actuales de la empresa, mientras que
otros a través de los cuestionarios ad hoc o las encuestas de satisfacción pueden
permitir obtener información muy útil para la mejora de la gestión del negocio.

FIGURA 3.3
PANTALLA DE REGISTRO AL CORREO DE YAHOO ESPAÑA WWW.YAHOO.ES


Observar la selección de los datos mínimos para una cualificación posterior: sexo, fecha de naci-
miento y código postal.



Asimismo, es útil conseguir información externa disponible para enriquecer
nuestro conocimiento de las personas que se encuentran en nuestra base de
datos, a través del perfil del grupo residencial, pueblo, zona geográfica donde
resida, posesión de tarjetas de crédito, teléfono, etc.
Existen en España varias empresas que ofrecen programas de enriquecimien-
to de la base de datos de los clientes, lo que permite un análisis por microzonas
que incorpora habitualmente datos demográficos, socioeconómicos, infraestruc-
turas y hábitos de compra. El cruce de la información propia de la empresa con
la base de datos general por microzonas de referencia, facilita el conocimiento
mejor del perfil de los clientes y mejora la eficiencia del plan de prospección al
señalar las áreas potenciales más rentables de expansión.

a) Analizar e investigar variables básicas. Para ello existen programas espe-
cíficos de explotación de los datos, entre los cuales destacan SAS y SPSS.

b) Desarrollo de un programa dirigido a un público objetivo que centre
nuestros esfuerzos.
c) Ejecutar el programa.
d) Tratar las solicitudes, pedidos y seguimiento de los leads.
e) Captura de nuevos datos, integrándolos en la base de datos existente.

La base de datos de nuestros clientes es el activo más importante que pode-
mos tener en la empresa. Es el mercado privado al que podemos promover nue-
vas ventas, ofrecer nuevos canales de distribución, probar nuevos productos, ini-
ciar nuevas empresas, crear un vínculo, una lealtad vitalicia o la colocación de
productos complementarios.
La base de datos es, como hemos visto, el origen y el resultado de nuestras
acciones. Con un planteamiento bien enfocado se puede entrar en una espiral de
conocimiento, eficacia y crecimiento. La Figura 3.45 ilustra el avance progresivo
que se puede obtener con la explotación adecuada de una base de datos.

5 “Database Marketing for Competitive Adventage”, Merlin Stone and Robert Show. Long Range Plan-

ning, Vol. 20, n. 2, págs. 12-20, 1987.

18

FIGURA 3.4
CÍRCULO DE ÉXITO CON BASE DE DATOS

2. Calidad de la base de datos
La calidad de la información de la base de datos ha de cuidarse de forma
especial por la implicación directa que tiene sobre los resultados obtenidos. La
calidad se asegura durante una serie de fases o procesos que vamos a ver inme-
diatamente: introducción, deduplicación y actualización.
a) Introducción. La introducción de datos ha de hacerse de forma correcta,
con total exactitud, para que la información no contenga errores que puedan
destruir la fuerza de la personalización de los mensajes, que impidan que éstos
lleguen al destinatario o que afecten negativamente a los resultados y conclusio-
nes posteriores.
b) Normalización de la información, construyendo un fichero de nombres y
apellidos que contengan la práctica totalidad, asignados a números que los iden-
tifiquen. Por ejemplo, José puede aparecer igualmente como Pepe, Pepito,
Josep, Joseba, Pep, Pito, o cualquiera de sus variantes con errores de introduc-
ción. El ordenador los tratará con un solo código como un nombre, evitando los
duplicados por este motivo. De la misma forma se realiza sobre los campos de
información de dirección, teléfono y email para asegurar que los datos son
correctos y comparables para su posterior integración.
c) Deduplicación. En una siguiente fase se ha de realizar un proceso periódi-
co y sistemático de deduplicación, con la fusión y eliminación de duplicados



(merge-purge), lo que evitará el desperdicio de mailings innecesarios y errores
en la valoración de los clientes.
d) Actualización de la información. La información tiene que estar al día, y
para ello se introducen las devoluciones de correos (lo que se denomina nixies)
o emails, además de los teléfonos erróneos detectados . Es conveniente animar a
los clientes a que nos indiquen cualquier cambio en la dirección o número de
teléfono, o a que corrijan cualquier error que encuentren en sus datos.
Los datos actualizados son básicos para valorar correctamente a un cliente.
Un cliente que cambia de dirección pierde una parte significativa de su valor al
dividirse su historial de compra en dos fichas. Por ello no aplicaríamos un plan
correcto y, además, estaríamos realizando un envío doble de ofertas comerciales.
Por último, y no menos importante, la calidad es fundamental para que la
relevancia del mensaje conseguida por la personalización no caiga en saco roto

y produzca, por el contrario, reacciones negativas por errores básicos en la
información manejada del cliente. Una anécdota divertida ocurrió en este senti-
do: un sacerdote llamó a su amigo, director de una empresa de venta por correo,
comentándole indignado que cómo podía dirigir una comunicación personaliza-
da a él como ¡comprador de ropa interior femenina...!
Todos los esfuerzos dirigidos a la mejora de la calidad del fichero son pocos,
y más cuando, con el paso del tiempo, la información tiene más probabilidad de
contener errores, por cambios de criterio, por el propio proceso, etc. Por todo lo
cual, antes de utilizar cualquier lista de personas, se impone realizar una audito-
ría a fondo de su calidad.
Con Renault se realizó en su momento un importante proyecto de normaliza-
ción, deduplicación, selección de los mejores registros y de su enriquecimiento
posterior teniendo en cuenta los datos personales, familiares, posesión histórica
de vehículos y cruce con tipologías Mosaic6 para asignar las tipologías Panora-
mic propias de Renault, que servían de referencia de la potencialidad relativa
del mercado y los vehículos más probables de venta junto a los valores e incen-
tivos fundamentales para su compra.

6 Tipologías de clientes que permite adscribir datos de perfiles característicos. Se pueden ver en detalle
en http://www.experian.es/tipologias.pdf

20

CONCEPTOS BÁSICOS
Data Warehouse
El gran almacén de datos denominado en su versión inglesa Data Warehouse es
una recopilación sistematizada de los datos generados dentro de una empresa, de for-
ma integrada. Para ser útil debe recoger de forma fácilmente accesible cualquier con-
tacto o transacción que se realice con clientes potenciales o actuales, visitas, solicitu-
des de información, envíos de comunicación.
Debe recopilar, por tanto, los datos de las más diversas fuentes, con un sistema de
recopilación, procesamiento y explotación al que se permita acceder para múltiples
aplicaciones y por todo tipo de usuarios.
Las inversiones en un Data Warehouse pueden suponer grandes cifras, pudiendo
llegar a superar los seis millones de inversión y hasta tres años de desarrollo; en con-
creto, Iberdrola invirtió cerca de tres millones de euros y trece meses de desarrollo.
Iberdrola trató así de obtener ventajas competitivas para la gestión del negocio, no

sólo a través de la gestión sistematizada de tareas administrativas básicas, sino tam-
bién de la información necesaria para desarrollar las líneas básicas de avance en la
gestión de clientes que requieren de una atención personalizada superior.
En conferencias sobre Data Warehouse y explotación del conocimiento varias
veces me han preguntado: ¿Pero estamos hablando de las bases de datos de siempre o
es otra cosa muy distinta? Y mi explicación acaba en que es lo mismo pero distinto
en perspectiva. Cuando hablamos de base de datos estamos refiriéndonos a recopilar
información de interés para desarrollar aplicaciones específicas, mientras data ware-
house tiene una visión más global de la empresa y trata de integrar la totalidad de las
operaciones que se producen en su vida, con aplicaciones que permiten actuar de for-
ma continuada y personal, sin necesitar de realizar procesos ad hoc para explotar la
información deseada para un caso concreto.
El desarrollo de un data warehouse actualmente se realiza dentro del contexto
denominado CRM (Customer Relationship Management), que pone el énfasis en la
importancia estratégica de la gestión de las relaciones con los clientes como obten-
ción de una ventaja competitiva o como mínimo para la gestión eficaz del negocio
clave de una empresa.

Data Mart

Data Mart es una parte del Data Warehouse adaptada en una función de la empre-
sa, más especializada y accesible. Aun entendiéndose que puede ser desarrollada
independientemente del Data Warehouse, debe considerar la necesidad de disponer
de los datos de forma totalmente integrada para poder explotarlos de forma rápida,
eficiente y segura, con la máxima capacidad de información potencial. Un Data Mart
suele suponer una inversión que varía entre 15.000 y un millón de euros, con una
duración de desarrollo de unos seis meses.



Considerando la necesidad de la integración, igualmente se produce normalmente
la separación física en un servidor independiente utilizado a nivel local por el grupo
de usuarios. Teniendo en cuenta la problemática de la escalabilidad de las aplicacio-
nes y la razonabilidad en la gestión para las otras áreas de la empresa, es suficiente
para garantizar su implicación general y la integración en un único data warehouse.
Es recomendable, en mi opinión, el inicio del data warehouse con una implanta-
ción del Data Mart de marketing, definiendo los datos fundamentales a recoger,
cómo asociarlos e integrarlos, cómo acceder de forma fácil y flexible, cómo se inte-
rrelacionará con las otras áreas operativas y comerciales de la empresa para ofrecer la
respuesta más ágil y eficaz a clientes desde almacén, producción, servicio al cliente,
red de ventas o sistemas de pago.
Esta es una solución, por ejemplo, que adoptó Direct Seguros, para permitir avan-
zar en el área de marketing que ampliara y perfeccionara su estrategia de marketing
directo. El Data Mart es imprescindible para conseguir la integración de distintas
bases de datos externas e internas, y ejecutar de forma ágil planes de contacto a

medida de la relación del cliente según su pasado, su comportamiento promocional,
su perfil actuarial y su potencial de ventas adicionales con rentabilidad.

3. La selección de nuestros mejores clientes
actuales y futuros
¿Quién es el cliente? Es la primera pregunta que debe realizarse. Su respues-
ta no se concreta en un solo tipo de cliente. Normalmente cualquier empresa tie-
ne varios clientes: el consumidor final, el prescriptor y el canal de distribución
son clientes típicos en cualquier empresa. Además la empresa puede definir su
negocio a partir del cuidado y atención a cualquiera de ellos como elemento
principal. En el extremo de la balanza se situarían por un lado las empresas que
venden a la distribución con las marcas de esta última (las denominadas marcas
de la distribución o blancas), y en el otro las que realizan una estrategia pura de
pull’ y orientan todos sus esfuerzos a la atracción del consumidor final, forzando
al apoyo del canal.
Para que podamos tener éxito en nuestra oferta comercial, tenemos que seg-
mentar nuestros mercados objetivos con tanta precisión como podamos. Con la
tecnología informática podemos alcanzar a millones de clientes, tratándolos a
cada uno de ellos como si fuera el único. Al conocerlo con detalle, nos converti-
remos en un amigo que puede llegar a saber tanto de su persona como ella mis-
ma. Para esto debemos convencer a los clientes de que cuanto más les conozca-
mos, mejor les podremos servir.

22

Con la segmentación podemos conseguir:

a) Diseñar una oferta que responda de forma adecuada a las características y
deseos de un segmento concreto del mercado.
b) Dirigir la oferta existente a aquella parte del mercado que pueda ofrecer
mejor respuesta. Así obtendremos una reducción de costes o una mayor
eficiencia en nuestra acción comercial.

Un ejemplo ilustrativo es la identificación de la fecha de vencimiento de la
póliza de un seguro que lleva a establecer un plan de contactos en torno a la
fecha de renovación prevista y evitar la comunicación en periodos en que el
cliente no tiene el mínimo interés por sentirse ya plenamente cubierto.

La segmentación bien realizada nos tiene que concentrar en aquellos clientes
que (tal como estableció Paretto en la regla del 20/80) constituyen el 20% del

total y suponen alrededor de un 80% de la cifra de ventas y prácticamente la
totalidad de los beneficios conseguidos.

En la Figura 3.5 podemos ver una sistemática de explotación del conocimien-
to a partir de distintas técnicas y herramientas que utilizamos en Marketingcom.

1. Segmentación por comportamiento de compra
La segmentación de la base de datos se realiza básicamente por el comporta-
miento histórico de compra; esto es, se valora la capacidad de compra futura
dependiendo de cuánto y cuándo se nos ha comprado, dónde, cómo y por qué.

El comportamiento de los clientes se puede valorar de forma afinada con la
extendida fórmula de RFIP, que recoge las iniciales de los tres factores:
Recencia, Frecuencia, Importe (M en su versión inglesa de Monetary value) y
Producto. Esta fórmula se aplica desde que la utilizó Sears Roebuck en los
años treinta.

Recencia de compra indica el tiempo transcurrido desde que el cliente reali-
zó la última compra, indicada en períodos mensuales, trimestrales, semestrales o
anuales, en función del ciclo de la actividad.

Sears separaba de su fichero de clientes a aquellos que llevan tres años sin
comprar, mientras que una cadena de supermercados es habitual que maneje
sólo los clientes del último año en cuanto a sus transacciones, aunque evidente-
mente mantiene los elementos identificadores para una posible activación futura
de su tarjeta de cliente.



FIGURA 3.5
EXPLOTACIÓN DEL CONOCIMIENTO

Frecuencia puede adoptar varias fórmulas de cálculo. La más útil es normal-
mente el número de periodos en los que el cliente compra, pero a veces se usa
en la forma del número de compras que el cliente realiza en un período determi-
nado. Una forma muy raramente utilizada es como relación entre las compras y
el número de envíos recibidos, que no recomiendo.
Importe o valor monetario de la compra, es el total de las compras realizadas
por periodo considerado. A veces se utiliza el valor promedio de las compras
para realizar la corrección de que es mejor comprador una persona con dos com-
pras de veinte mil pesetas, que otro con cinco compras de ocho mil pesetas.
Producto. Aquí producto indica una categoría específica del producto com-
prado, no por la pura descripción física, como podría ser camisa o falda, sino
por su asociación a su tipología de consumo, estilo de vida o preferencias que
hacen válido a un cliente para recibir una oferta determinada.
El peso relativo de las variables se ha establecido habitualmente de forma
errónea por decirlas con orden por cada uno de estos factores. Ello está signifi-
cando una pérdida muy importante del potencial de aplicación de este modelo,
por cuanto lleva implícito que el valor de las variables tiene el mismo peso

24

cuando en la realidad es muy distinto y evoluciona de forma diferenciada en el
tiempo.
Si consideramos la regresión de la compra del ejercicio comparada con los
datos históricos de compra a través de la siguiente ecuación:

y = a + bx1 + cx2 + dx3 + eX4

obtendremos el peso de cada una de las variables y, al mismo tiempo, el valor de
compra esperado para el próximo ejercicio de los compradores con cada perfil
histórico de compra.
Además de las ya mencionadas, otras variables que determinan el comporta-
miento de compra son:

– Fuente de procedencia: a veces va ligada con la respuesta al porqué. El

comportamiento es distinto según entre por anuncio en prensa, promoción
agresiva, descuento, cadena de amistad o una lista externa utilizada.

GRÁFICO 3.1
EL MODELO RFIP

Ajuste de la predicción RFIP al comportamiento real de los clientes en un caso de distribución
con una de las variables exponencial que permite el ajuste en los casos extremos de los mejores
clientes. En este ejemplo real se puede comprobar que el modelo sólo se “equivoca” en aquellos
clientes que se activaron en una temporada donde la compañía realizó una promoción demasiado
agresiva, generando clientes de menor calidad.



– Canal de compra: por correo, por teléfono, a través de tienda o por visita
de representante. Posteriormente se utiliza para adecuar el plan de activa-
ción del cliente a la forma en que hace uso de nuestros servicios.
– Modalidad de pago: contado, pago con tarjeta, a plazos. Se ha comproba-
do que los que utilizan la tarjeta tienen un mayor volumen de compra.

Otro modelo de análisis del comportamiento de respuesta y compra utilizado
habitualmente para mejorar las segmentación y realizar una combinación de fac-
tores es el método CHAID, CHi-squared Automatic Interaction Detector. Es
especialmente útil por poder trabajar con reglas categóricas (frente a la preferen-
cia en regresión de variables continuas) y recoger la interacción de factores típi-
ca de clusters que recogen a clientes con características afines que los hacen
realmente diferentes en su comportamiento.
Una vez seleccionadas las variables discriminantes por el modelo, se identifi-

ca de forma habitualmente jerárquica las variables que mejor explican las dife-
rencias en respuesta y se obtienen las diferencias en respuesta significativas
entre los diferentes grupos obtenidos. Las diferencias entre los diferentes nodos
se traducen en lo que se denomina cuadro de ganancias entre los resultados
obtenidos en cada celda respecto a la media global de la población. Podemos ver
un ejemplo inmediato referido a un modelo aplicado sobre un test de ventas de
un servicio al hogar de una empresa de servicio público española7:

FIGURA 3.6
TÉCNICA CHAID DE SELECCIÓN DE SEGMENTOS CON MÁXIMA
TASA DE RESPUESTA

7 Material “Técnicas de explotación de la información y casos” de Marketingcom.

26

2. Criterios geodemográficos
a) Geográfico. División en unidades geográficas, tales como países, naciones,
regiones, provincias, ciudades, unidades censales, bricks o barrios. Son áreas que
presentan diferencias culturales, climáticas, de densidad, históricas o económi-
cas. Para llegar a segmentaciones geográficas –y no simplemente marketing
regional–, se han de ligar con otras medidas de estado demográficas.
Las divisiones geográficas que son de gran utilidad en nuestro país son los
municipios, códigos postales y especialmente unidades censales que están dis-
ponibles en las direcciones y que, en bastantes casos, constituyen agrupaciones
suficientemente homogéneas para obtener diferencias significativas. Las unida-
des censales ofrecen el máximo interés por ser las unidades mínimas poblacio-
nales con alta homogeneidad, que llevan incorporadas todas las estadísticas ofi-
ciales existentes sobre edad, nivel económico, cultural, consumo, unidades
económicas y otros indicadores que nos pueden permitir conocer los factores

que influyen en el resultado de las ventas y los clientes captados y fidelizados.
Podemos saber qué lugares tienen características similares y cuáles son nues-
tras mejores zonas de penetración, para adecuar las inversiones a las zonas de
rentabilidad probablemente más alta.

FIGURA 3.7
MAPA DE PREPONDERANCIA DE TIPOLOGÍAS
POR ZONA GEOGRÁFICA



b) Demográfico. Incluye edad, sexo, número de miembros de la familia,
estado civil, religión y grupo étnico. Es un factor básico que aparece práctica-
mente en cualquier segmentación, por su claridad y facilidad de comprensión.
c) Socioeconómico. Renta per cápita o doméstica, ocupación, educación y clase
social, propiedad. Lo utilizan ampliamente los bancos y las empresas de seguros.

Algunas veces las empresas constituyen agrupaciones propias como combina-
ción del conjunto de características anteriores y algunas de las que veremos
inmediatamente después en criterios psicológicos, con el fin de tener unos grupos
muy precisos sintéticos en mente para desarrollar planes comerciales eficaces.

3. Criterios psicológicos

Tenemos información de qué compran nuestros clientes, dónde viven, qué

nivel económico tienen, etc. Sin embargo, nos queda por saber por qué compran
y actúan de una forma determinada, qué tienen en sus mentes a la hora de decidir.
Las variables psicográficas son las que intentan explicar las razones del com-
portamiento de los consumidores. Éstas han demostrado tener más valor tanto
para la creación de textos publicitarios como distintos enfoques para desarrollar
temas para promociones y anuncios.
Dos aspectos han ganado importancia como criterios de segmentación en el
marketing directo: beneficios observados por los consumidores y su estilo de vida.
a) Beneficios observados por el consumidor. La segmentación en función de
los beneficios destacados en el producto parte del supuesto de que se dirige
directamente a las necesidades o preferencias del consumidor. El producto no es
presentado por sí mismo, con sus características intrínsecas, sino por los benefi-
cios que se obtienen con su consumo.
El mejor ejemplo es el automóvil: presentado unas veces como mecánica
segura y de bajo consumo, pero –las más– como símbolo de estatus, poder,
aventura, placer o, ¿por qué no?, vehículo de seducción.
Plantear el posicionamiento por beneficios implica el desarrollo de una investi-
gación sobre las preferencias de los consumidores, satisfacciones actualmente obte-
nidas y necesidades no satisfechas, a la busca de una proposición de venta única.

b) Estilo de vida. El perfil psicográfico de estilos de vida en marketing nor-
malmente está basado en las actividades, intereses y actitudes del consumidor.
Permite la comprensión del funcionamiento del mercado, la explicación de la

28

conducta del consumidor (el porqué actúa de una manera determinada), así
como el desarrollo del marketing estratégico.
En el caso de marketing directo, las actividades están bien recogidas, y los
intereses y actitudes pueden ser inferidos de los datos recogidos. Así, por ejem-
plo, los suscriptores a una revista de salud tendrán mayor interés por artículos
deportivos, de belleza, regímenes, productos de masaje o de maquillaje.
La segmentación por estilo de vida es menos clara y más complicada que la
segmentación por beneficios, aunque bien planteada consigue resultados muy
exitosos. Una buena muestra –continuando el ejemplo en el sector del automó-
vil– ha sido la publicidad del Golf en España, como podemos ver en la Figura 3.8.
A pesar de que a veces se confunde con pertenencia a una determinada clase
social, en realidad supone la confluencia de cierto nivel económico y educativo
con una determinada ocupación profesional. Dentro de este criterio de segmen-

tación, se han desarrollado multitud de estudios que han llevado a distintas cla-
sificaciones más o menos precisas.
Estas clasificaciones de estilos de vida tienen el inconveniente de que requie-
ren del desarrollo de un modelo propio normalmente obtenido a partir de cues-
tionarios sobre percepciones, declaraciones y preferencias más que en explora-
ciones motivacionales profundas, además de que debemos ser conscientes del
cambio que sufre progresivamente con el paso del tiempo por la misma tempo-
ralidad asociada.

FIGURA 3.8
ANUNCIO DE GOLF



El análisis realizado para segmentar, seguro que aflorará diferencias muy
importantes dentro del fichero. Permitirá ahorros importantes en inversión
comunicativa, con aumento de la rentabilidad de las acciones y del potencial de
crecimiento de la empresa.
Para ello tenemos que aplicar un procedimiento de segmentación, con un
análisis exhaustivo de las variables descriptivas del consumidor, para conseguir:

a) Definir las variables clave para conocer el comportamiento frente al pro-
ducto.
b) Identificar y separar los segmentos de consumidores con mayor potencial
o similitud con nuestro público objetivo.
c) Seleccionar el o los grupos más valiosos bajo nuestros criterios.
d) Diseño de la estrategia comercial adecuada para cada segmento objetivo.

FIGURA 3.9
IDENTIFICACIÓN DE LAS VARIABLES CLAVE DE SELECCIÓN

PERFIL CLIENTE

Conjunción de segmentaciones

INTERESADA
PERFIL EN:
DEMOGRÁFICO: Moda OPINIONES:
Mujer Amistades Liberal
25/30 Éxito social Segura de sí
Estudios super.
Clase media ACTIVIDADES:
Trabajo
Socia club
Deportes de
moda, grupo

CONDUCTA: BUSCA:
Gran consum. Status
Marquista Comodidad
Pago a crédito Calida
Sensibilidad Apariencia
al servicio Variedad

30

En la figura siguiente se ofrece un ejemplo de definición de un perfil de cliente
potencial, teniendo en cuenta los distintos criterios de segmentación que, una vez
unidos, ofrecen una imagen clara de la persona a la que nos estamos dirigiendo.
La importancia de cada uno de los factores dependerá en gran medida de la
clase de negocio, zona geográfica y tipo de clientes. No se pueden aplicar fór-
mulas generales.

4. Data Mining. Cómo obtener oro a través de la
explotación de los datos
La creación del Data Warehouse junto a la tecnología de base de datos multi-
dimensional OLAP (Procesamiento Analítico En Línea) permite saber qué ha

ocurrido con una cierta facilidad y pudiendo visualizar perfectamente los datos
más relevantes. Sin embargo, el saber por qué ha ocurrido y qué puede ocurrir y
cómo podemos aprovecharnos para sacar un máximo resultado requiere de
herramientas de data mining basado en uno de los algoritmos disponibles: árbo-
les de decisión (CART, CHAID, AID), redes neuronales, gemelos, el vecino más
próximo o reglas inductivas.
Data Mining es el proceso de extraer información de grandes bases de datos
que previamente era desconocida (sin hipótesis previas), válida y aplicable, con
el fin de tomar decisiones empresariales eficaces. Esta información se consolida
en la obtención de pautas escondidas, relaciones dentro de los datos o en tenden-
cias claras de evolución de las variables analizadas.
Como tal, es complementario a los sistemas tradicionales de análisis estadís-
ticos, aunque los análisis de regresión tienen la componente principal de detec-
tar interrelaciones ocultas inicialmente. La minería de datos como su denomina-
ción indica trata de descubrir tesoros ocultos en la montaña de datos existentes.
Se apoya tanto en técnicas estadísticas como matemáticas, aunque se ven
apoyadas con herramientas de inteligencia artificial, denominadas neural net-
works, muy útiles en aquellas situaciones en que los factores analizados son
muy cambiantes (como puede ocurrir en la entrada de nuevos competidores,
guerra de precios, lanzamiento constante de nuevas ofertas), árboles de decisión
que son especialmente valiosos cuando existe una multitud de variables y con
relaciones no lineares. Y los algoritmos genéticos, aunque difíciles de compren-
der, son especialmente efectivos en aquellas situaciones donde la problemática
está muy poca estructurada y se trata de encontrar varias soluciones razonables



al mismo tiempo más que la mejor solución, como ocurre tradicionalmente en
un modelo de regresión.

Aunque parezca que existe software milagroso que descubre grandes oportu-
nidades, es el trabajo de las personas de marketing y los analistas de datos que
con la selección de la mejor metodología y la mejor interpretación de los datos
los que permitirán la máxima eficacia. Son claves la preparación de los datos, su
interpretación y su explotación posterior, y todas estas fases requieren de perso-
nas expertas con visión de negocio.

Los objetivos de la minería de datos son básicamente el descubrimiento de
conocimiento útil tal como comentamos, pero también visualizar los datos que
permiten hacer más próximo y comprensible su base compleja. Así se facilita
detectar y corregir datos erróneos de forma consistente, e incluso rellenar cam-
pos con falta de datos en una parte de los campos que con una garantía mínima

fijada se les puede asociar.

Por último, y no menos importante, está el carácter predictivo de la aplica-
ción, que permite estimar cómo va a evolucionar la montaña del negocio de la
empresa y cómo podemos actuar de forma más idónea para que crezca de forma
rentable. Data Mining representa un apoyo sustancial a la labor del profesional
de marketing por cuanto acerca el poder de las herramientas estadísticas y la
aplicación de éstas a su labor, de la misma forma que lo supuso la hoja de cálcu-
lo en la labor de cualquier profesional en la empresa.

El seguimiento específico del uso de la web es crítico para determinar su
evolución y las mejoras de usabilidad a introducir, de acuerdo con los clics
necesarios para las operaciones más importantes y según el perfil del usuario.
Para la gestión de la web se hace imprescindible un sistema de información que
recoja de dónde son los visitantes, si son nuevos, repetidores, cuántas veces han
venido, cuántas veces han visto qué y con qué evolución, el tiempo que pasan
los visitantes en los diferentes apartados, cómo reaccionan a la publicidad y a
las llamadas propias, el número de impresiones por página, los circuitos o cami-
nos más utilizados.

Para ello, las tecnologías disponibles en el Data Mart de Internet consisten en
la estructura de un sensor que captura la información de los eventos acaecidos
en el sitio como las visitas, la secuencia, los problemas sufridos, los pedidos,
etc., que pasan a incorporarse en el recolector, para luego ser analizados por
herramientas OLAP y de data mining que permiten tanto explotar la informa-
ción como gestionarla de forma eficiente.

32

Ratios habituales utilizados: tiempo de respuesta con pérdida de usuarios, fil-
tros activados por el usuario, páginas vistas, camino recorrido dentro de la web,
tiempo medio de visita, ratio de clics por sesión, tipo de cliente, quejas, solicitu-
des de información, muestras de interés, oportunidades aprovechadas de ofertas,
número de servicios personalizados o uso del correo electrónico.
Por ejemplo, Reel.com descubrió que el 33% de los que habían hecho una
compra inicial habían comprado como mínimo una segunda vez, y que un 71%
de estos clientes hizo una segunda compra dentro del período de treinta días
inmediatamente posterior. Con esta información, Reel inició su actuación sobre
los nuevos en este periodo crítico de máxima reactivación.
La actuación de la herramienta de data mining no es sólo en procesos de
explotación conjunta de los datos. Puede sacar partido inmediatamente de la
información en tiempo real y hacer propuestas totalmente relevantes, a medida
del cliente en cada momento, como NetPerceptions y Amazon.

Esta información debe referirse a los diferentes niveles de gestión diaria, sema-
nal, quincenal y mensual de acuerdo con el uso y los decisores involucrados, des-
de los ámbitos más reducidos de actuación por cliente y por área de la web, a los
más amplios y globales de la empresa. Podemos ver en el gráfico adjunto una
demostración de las opciones de análisis de la herramienta eLuminate.

FIGURA 3.10
AMAZON, UN EXCELENTE EJEMPLO DE EXPLOTACIÓN DEL CONOCIMIENTO
DEL CLIENTE EN RECOMENDACIONES



Amazon ha aplicado un conocimiento adicional de interés que son los círcu-
los de compra referido en dos ámbitos especiales: geográfico (que compran los
clientes de tu país o zona geográfica), y profesional (empresa, sector) aunque
para evitar aspectos de sensibilidad en el ámbito de la privacidad sólo refiere los
casos de círculos con un mínimo de 200 clientes.
Igualmente ha construido un sistema basado en datos implícitos, como son
las compras del cliente, que tiene en cuenta en el apartado “New for you”, en
“Recommendations” y en “Your Quick Picks”. Las recomendaciones se obtie-
nen a partir de algoritmos que tienen en cuenta la valoración que han realizado
los clientes de algunas de sus compras, su perfil de compra y la integración de lo
que han comprado personas con un perfil similar.
Para reducir al mínimo los errores, Amazon elimina los pedidos que van con
embalaje de regalo, además de aquellos que el cliente quiera excluir como no
representativos de sus compras habituales, como una elección de una obra para

un hijo.
La selección de los mejores clientes tiene su equivalente en la separación o
eliminación de los clientes marginales que pueden suponer directamente pérdi-
das o unos costes de oportunidad por no centrarse en los realmente importantes.
Se aplica una combinación de técnicas estadísticas típicas de análisis de
regresión o con reglas asociativas para estimar la probabilidad y el valor de si va
a comprar o no un determinado cliente. Lo destacable en Data Mining es que no
se aplica un modelo de regresión para llegar a seleccionar unos clientes determi-
nados, sino que el sistema identifica una oportunidad de venta inmediata y,
sobre la marcha, puede ofrecer el producto más idóneo para el cliente que está al
otro lado de la línea o enfrente. Así, se produce en los pedidos en Amazon que,
según los productos adquiridos, ofrece automáticamente los productos más idó-
neos para los clientes, consiguiéndose ventas adicionales con altísimo rendi-
miento, además de demostrar profesionalidad, asesoramiento y gran atención
personal, imposibles de superar por la capacidad humana.
Los acontecimientos que, aun siendo importantes, no eran contemplados en
los planes de marketing, ahora, gracias a la interacción que ofrece Internet, en
función de la información ofrecida o los servicios solicitados, directamente se
puede saber cuáles de ellos ocurren y actuar a fondo para satisfacer totalmente
las necesidades de los clientes y obtener el máximo provecho de la empresa.
Recientemente se ha empezado a hablar de weblining para expresar el impac-
to negativo de limitar las ventajas en acceso o condiciones de producto o servi-
cios en Internet, de la misma manera que existe el redlining, que marca las

34

zonas de limitación a vecindarios en préstamos y operaciones de crédito. Real-
mente el considerar la discriminación está fuera de lugar como aspecto específi-
co. Es evidente que las técnicas de Data Mining establecen unas valoraciones
que llevan a agrupar a los clientes en unos determinados valores que sirven para
fijar seguimientos a medida según su valor o sus necesidades.
Pero ello no tiene por qué tener nada de negativo y sí de positivo por la asig-
nación de máxima eficiencia de las campañas y de los recursos de la empresa
que redundarán en los mejores frutos globales de la sociedad. Con ello, además,
en el mundo de Internet no hay condiciones preestablecidas y el continuo análi-
sis permite ajustar las ofertas y servicios a la medida de los clientes y del merca-
do en su globalidad.
Para realizar la mejor selección de la tecnología de Data Mining a aplicar se
deben considerar los siguientes factores:

FIGURA 3.11
ERROR EN EXPLOTACIÓN DE INFORMACIÓN

Aquí se recomienda a partir de marketing relacional la lectura de otras obras por una o dos com-
pras que se habían acabado de realizar en bol.com justo después de su lanzamiento. La prisa por
aportar valor al usuario lleva a lo contrario: si no se hacen los filtros básicos como establecer un
número mínimo de casos, terminamos sacando carbón en lugar del oro deseado (si se sonríe pen-
sando que lo que debe ocurrir es que mi obra es un “rollo”, no podré negarle ese placer, aunque
creo que el patinazo estadístico es obvio).


Identificación y cualificación de clientes. listas y bases de datos

Identificación y cualificación de clientes. listas y bases de datos

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Identificación y cualificación de clientes. listas y bases de datos

Similaire à Identificación y cualificación de clientes. listas y bases de datos (20)

Plus de ESIC Business & Marketing School - eTrends

Plus de ESIC Business & Marketing School - eTrends (20)

Dernier

Dernier (20)

Identificación y cualificación de clientes. listas y bases de datos