LifeTime Value, Recency-Frequency-Monetary, Ciclo di vita del cliente: il quadro generale

Di Jim Novo

Drilling Down logo

articolo orginale:

LTV, RFM, LifeCycles – the Framework

Il seguente articolo è tratto dalla dalla Newsletter Drilling Down del maggio 2010. Avete domande sul Customer Measurement, Management, Valuation, Retention, Loyalty, Defection? Non avete che da scrivermele. Inoltre, sentitevi liberi di lasciare un commento e vi risponderò.

Se vi interessano le risposte a domande precedenti, ecco l’archivio del blog; gli archivi della newsletter precedenti al blog sono qui.

Domanda: ho visitato il suo sito perché sto cercando di capire come sviluppare un modello del LifeTime Value del cliente, per l’azienda dove lavoro. Il motivo è che stiamo pensando di usare il LTV come modo per standardizzare la misurazione del ROI di programmi per il cliente differenti fra loro.

Non tutti questi programmi sono commerciali, alcuni sono di assistenza ed altri potrebbero essere considerati “Operations”, ma tutti impattano il cliente, così abbiamo pensato che le variazioni del valore del cliente, potrebbero essere un criterio uniforme per misurare e confrontare il successo di questi programmi.

Risposta: assolutamente sì! Ho appena risposto ad una domanda molto simile a questa l’altro giorno, è bello che le persone siano sempre interessate al valore del cliente come denominatore comune trasversale a tutta l’azienda, per comprendere il successo in qualsiasi programma!

Se fossi l’amministratore delegato ed avessi il controllo dei dollari che posso investire, come farei a decidere dove è meglio investire il budget se ogni ‘silo’ utilizzasse parametri diversi per dimostrare il proprio successo? E peggio ancora, se usasse parametri diversi per misurare il successo all’interno del silo stesso?

Stabilendo misura delle variazioni di valore del cliente, come piattaforma comune per tutti i programmi che impattano i clienti, tutti sarebbero sullo stesso piano e potrebbero ‘combattere’ lealmente per contendersi la loro fetta di budget (o di sperimentazione). Utilizzando test controllati, i clienti possono essere esposti a diversi trattamenti e la crescita del valore può essere confrontata in modo uniforme, anche se si confronta l’effetto di una campagna di marketing con i cambiamenti al centro assistenza.

Ma siete sicuri di voler utilizzare il LifeTime Value per questa applicazione?

Domanda: da quello che lei afferma sul suo sito web, sarò in grado di sviluppare un modello di LifeTime Value solo dopo aver capito il ciclo di vita del cliente, ed il ciclo di vita del cliente è qualcosa che si riesce a definire abbastanza bene se si ha l’abitudine di fare una analisi RFM.

La mia domanda è: una volta che ho completato l’analisi RFM, quali dovrebbero essere sarebbero i miei prossimi passi nello sviluppo di un modello del Customer Lifetime Value? A questo punto, la cosa più difficile con cui mi sto fasciando la testa, sono le variabili da includere nel modello; ho visitato il sito web di Arthur Middleton Hughes:

www.dbmarketing.com

e suggerisce le seguenti variabili:

www.dbmarketing.com/special_ltv.htm

(è disponibile il download del foglio elettronico di calcolo, se vi interessa).

Jim, potrei semplicemente utilizzare quelle variabili per procedere al calcolo del lifetime value di un cliente della mia azienda? Apprezzerei qualsiasi tipo di aiuto che tu potessi fornirmi su questo punto. Grazie.

Risposta: Beh, questo è un bel groviglio di questioni fra loro correlate! Fammi prima sbrogliare la matassa e poi risponderò alla domanda. In primo luogo, le relazioni tra questi concetti:

Lifetime Value e Lifecycle: il LTV è un numero, il ciclo di vita è una tendenza nel tempo, che contiene gli eventi scatenanti (eventi trigger). Non hai bisogno del ciclo di vita per sviluppare (calcolare) il LTV; ti serve il ciclo di vita per agire e gestire un modo più efficiente il LTV.

RFM e Lifecycle: il RFM è un modello tattico che rappresenta un’ istantanea dello stato del cliente ad un certo istante, la probabilità che un cliente risponda. Le definizioni usate più frequentemente per questi stati del cliente includono: attivo, in rallentamento, lento, perduto. Il ciclo di vita è il “film” che si potrebbe comporre mettendo insieme tutte queste istantanee degli stati RFM. La migrazione dei clienti da uno stato all’altro sono gli eventi trigger del ciclo di vita.

Ora, assicuriamoci di aver chiari ognuno di questi concetti:

LifeTime Value

A rigor di termini, il LTV è un concetto poco flessibile ed è meglio utilizzarlo per determinare quanto si può spendere per acquisire un cliente e realizzare comunque un profitto. Questa è l’equazione che ci ha fornito il signor Hughes, un uomo per cui ho molto rispetto. Il suo modello è molto dettagliato ed utile ai fini della ricerca del punto di pareggio dei costi e profitti (break-even point) per l’acquisizione di un cliente.

Per utilizzare il modello LTV di Arthur, dovete recuperare i dati storici ed inserirli nel modello. Si potrebbe fare l’assunzione che tutto resterà invariato a che il LTV passato di alcuni segmenti di clienti rimarrà lo stesso; questo approccio è efficacissimo per “benchmarking”, per esempio. Tuttavia, non è la misura del LTV, ma la previsione del LTV basata su dati storici. Comunque va bene, è un metodo valido per alcuni tipi di analisi.

Ma, il presupposto della tua domanda è che volete fare delle prove, e la sperimentazione implica che accadrà qualcosa di nuovo. Così, anche se potreste usare il LTV per stimare i risultati, dovreste aspettare un bel po’ di tempo per dimostrare i risultati nel bene o nel male. Il LTV, utilizzato così è molto “forense”: non si conosce la risposta definitiva fino a quando non si è perduto il cliente.

Certo, si potrebbe tornare indietro di 2 o 5 anni dopo i test e dimostrare che un gruppo aveva un LTV superiore rispetto ad un altro, ma non è in genere un approccio molto utile quando si fanno sperimentazioni.

RFM (Recency, Frequency, Monetary)

Il RFM è un modello predittivo che prende un’istantanea della base clienti e vi dà un punteggio per ogni cliente; una previsione della probabilità rispetto a tutta la base dei clienti, che risponda.

Di per sé, il punteggio RFM non vi dice se si stanno facendo i soldi o no. Viene utilizzato per classificare lo “stato” dei clienti in un punto nel tempo, di solito per scopi di targeting: sono attivi, in rallentamento, rallentati, o persi? In altre parole, è uno strumento di segmentazione della clientela.

Per esempio, il RFM potrebbe essere utilizzato per pianificare il vostro test e controllare i di una campagna, usando la misurazione Lift (dovreste fare in modo di avere la stessa gamma e bilanciamento dei punteggi). In effetti, uno degli errori tragici che spesso fa la gente nella misurazione delle campagne, è che non viene tenuto conto della probabilità di risposta al momento della selezione dei gruppi di test e di controllo, con la conseguenza di avere dati viziati.

Cicli di vita del cliente

Una delle grandi caratteristiche del RFM è l’idea di fare una classifica dei clienti; questo fornisce all’allocazione del budget ed alla misurazione del successo, un criterio standard da seguire. Un singolo cliente può avere molti punteggi diversi nel corso della sua vita, con un punteggio della probabilità di rispondere in un momento specifico. Infatti, se avete osservato i punteggi del RFM nel tempo, per un unico cliente, avrete una comprensione chiara del ciclo di vita di un cliente: è la segmentazione più potente disponibile in termini di targeting per messaggi ed offerte.

Il problema nell’osservare i punteggi RFM nel corso del tempo è la complessità, la bellezza dei punteggi dei singoli clienti in un unico istante diventa insostenibile, quando si parla 125 diversi punteggi su 50.000 clienti su un lasso di tempo di oltre 6 mesi. Questo è il problema interno, o analitico. Dal punto di vista esterno, questo tipo di informazioni è estremamente ingarbugliato da presentare e spiegare ai dirigenti; come presentazione è un vero inferno.

Il modo in cui risolvo questo problema è con uno strumento che chiamo LifeCycle Grid. Le Griglie prendono gli stessi driver fondamentali utilizzati nel modello RFM e invece di fare una graduatoria, utilizzano soglie o “barriere”, per classificare gli stati del cliente. Questo crea un “cruscotto” standardizzato del ciclo di vita del cliente, così il confronto del valore del cliente fra i diversi segmenti può essere fatto più facilmente. Funziona sia per le osservazioni di breve che di lungo termine, ed è facile da rappresentare numericamente o graficamente. Inoltre, poiché utilizza soglie finite per l’attività, piuttosto che classifiche, gli stessi calcoli che creano il cruscotto possono essere usati anche per pilotare o innescare azioni.

Così il cruscotto in realtà funge anche da controllore. Ciò è estremamente vantaggioso per collegarlo alle presentazioni di piani, e risultati. Le persone possono letteralmente puntare ad un segmento sul quadro del ciclo di vita e dire: “consegnamo il messaggio X ad ogni persona di segmento Y che sta in questa cella” e vedere i risultati proprio nella cella dove hanno puntato, quando viene aggiornato il cruscotto.

Una volta che avete verificato alcune idee ed avete scoperto quale approccio genera profitti incrementali per una cella della griglia, è possibile automatizzare l’inserimento di un cliente in un programma, non appena i clienti entrano in quella cella della griglia. Questo è il classico approccio “ascolto e risposta” alla comunicazione del marketing: il messaggio giusto, alla persona giusta, al momento giusto.

Le griglie del ciclo di vita sono mostrate in un sacco di dettagli, per le diverse applicazioni della serie, qui10, ma probabilmente per voi è di maggior interesse, siccome si riferisce alla analisi dei clienti, quello che c’è qui11.

Ed ora, per rispondere alla tua domanda:

Quale approccio di quelli sopra, se ce ne fosse uno, sarebbe meglio per standardizzare la misurazione del ROI dei programmi dei clienti, molto diversi fra loro?

Il LTV potrebbe essere appropriato se ciò che si vuole sapere è il punto di pareggio dei costi per l’acquisizione del cliente. Poiché stiamo parlando di programmi del cliente, dubito che sia ciò che si desidera. In più, se volete un numero fisso, piuttosto che una previsione, potrebbe essere necessario attendere a lungo per la risposta.

Il RFM è un modello “istantaneo” e quindi non proprio adatto a studi a lungo termine del valore per il cliente.

I modelli del Ciclo di vita del cliente hanno più probabilità di essere coinvolti nell’esecuzione di un programma, non nella misura del successo. Il LifeCycle tracking potrebbe essere (e spesso lo è) utilizzato per prevedere il successo finanziario delle campagne, prima che abbiano il loro corso, ma stiamo solo pronosticando il successo, non fornendo numeri in un modello di ROI che il responsabile della pianificazione e budget avrebbe accettato come “fatti”.

Risposta: Nessuno dei precedenti.

Quello che vi serve è un approccio progettato per il compito, che in questo caso, è il seguente:

Misurazione Lift o valore a breve termine

La Lift è una misura della performance di un gruppo di clienti di prova, rispetto a un gruppo di controllo di clienti simili, che non sono stati esposti alla prova. Troverete di più su gruppi di controllo in questa serie di articoli12. Nell’analisi del contributo di valore di ciascun gruppo, vengono utilizzati molti degli stessi valori da modello LTV di Arthur: margine di profitto del prodotto, i costi del programma, i costi di realizzazione, i parametri di pagamento, ecc… Tuttavia, se si tratta di un programma per i clienti esistenti, il costo di acquisizione probabilmente è irrilevante, anche se si potrebbe utilizzare la fonte (campagna) per segmentare il metodo di test.

La Lift è in genere misurata ad intervalli, per esempio ogni 30 o 60 giorni, per vedere come si comporta il test per le varie popolazioni di controllo, e può continuare dopo che il test è finito, per raccogliere il valore residuo creato nel cliente. Tuttavia, questo non è una misurazione del lifetime value, i modelli Lift misurano il contributo incrementale per il LTV creato dal marketing, i servizi, o il lancio di un programma operativo.

Questo significa che se si avete il Lift da un programma di sperimentazione relativamente ad un controllo, quando tornate indietro, 2 o 5 anni dopo e misurate il vero LTV, piuttosto che il LTV stimato (dopo che il cliente ha abbandonato) si dovrebbe infatti vedere che la LTV nel gruppo di sperimentazione è superiore a quello del gruppo di controllo, salvo qualche differenza radicale a valle dell’esperienza del cliente tra test e controllo. In questo modo, i modelli predittivi di Lift sono in realtà delle variazioni di LTV. Ecco perché il risultato dei modelli Lift è a volte indicato come la misurazione del valore a breve termine ed utilizzato molto più spesso che dell’approccio “forense” in cui si aspetta che il cliente se ne sia andato.

Riepilogo

Tutti i concetti di base di cui sopra sono il cuore della misura e della gestione del valore del cliente.

Il LTV è la misura del contributo del valore finanziario netto di un cliente e le misure Lift sono come una “finestra temporale” della curva completa LTV.

I Cicli di vita sono un contesto per la gestione dei programmi destinati ad incidere sul LTV, ed i modelli che utilizzano la Recency, la Frequenza, ed il monetario, sono usati per guardare una “finestra temporale”, del ciclo di vita.

Il LTV può essere generalmente accresciuto in due modi: creando un maggior valore durante l’attuale ciclo di vita, o estendendo il ciclo di vita. Il marketing (per i prodotti) viene in genere utilizzato per il primo, l’assistenza ed i programmi operativi (l’esperienza e la soddisfazione del cliente ) impattano in gran parte il secondo.

Quindi è del tutto opportuno stabilire un approccio unificato per la misurazione di programmi del cliente, destinati ad aumentare il valore di un cliente in tutte queste discipline, al fine di garantire l’allocazione migliore delle scarse risorse.

Una grande domanda, e per una grande causa!

Aggiornamento:

Listrak mi ha chiesto di fare un podcast per loro, su questi argomenti, dategli un’occhiata (MP3) qui13 , oppure guardate l’elenco di tutti i loro podcast Email Marketing Today qui14 (Il mio è la puntata 42).

Jim NovoJim Novo

Traduzione di

Stampa articolo Scarica il file in formato PDF

Elenco Articoli di Jim Novo

Post A Comment

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *