PRIMER CONGRESO INTERNACIONAL DE NEGOCIOS 22, 23, 24 DE OCTUBRE DE Ciudad Obregón, Sonora; México. Instituto de Administración

Transcripción

1 PRIMER CONGRESO INTERNACIONAL DE NEGOCIOS 22, 23, 24 DE OCTUBRE DE 2008 Ciudad Obregón, Sonora; México. Instituto de Administración Facultad de Ciencias Económicas Universidad Nacional de Córdoba Argentina Área de la temática: Mercadotecnia Un estudio crítico de los modelos de Cálculo de Valor del Cliente existentes y de aplicación para las Pymes de Córdoba, Argentina. Autores: Ricci, María Beatriz Stassi, Héctor Martín Dirección: Avenida Valparaíso s/n Ciudad Universitaria Córdoba. Argentina TE y Fax: +54 (351) Correo electrónico: mbricci@eco.uncor.edu 12 de Septiembre de 2008, Ciudad Obregón, Sonora.

2 Un estudio crítico de los modelos de Cálculo de Valor del Cliente existentes y de aplicación para las Pymes de Córdoba Argentina. Resumen: En la actualidad, el ambiente altamente competitivo y las exigencias en los negocios, hacen que una empresa necesite conocer el valor del cliente, para ello se deben emplear modelos que permitan un cálculo certero y que consideren el tema de una forma completa, tanto desde el punto de vista cuantitativo como cualitativo. El presente proyecto esta dirigido a identificar los modelos de Cálculo del Valor del Cliente existentes y de aplicación en las Pymes de la Ciudad de Córdoba, Argentina. La metodología aplicada en la presente investigación es exploratoria en un inicio, vista la escasa sistematización en relación a los modelos de Cálculo de Valor del Cliente (CVC) existentes, para culminar en una metodología descriptiva que permitió analizarlos y compararlos, a los fines de lograr las conclusiones en relación a lo que debiera ser lo óptimo. Si bien la tendencia actual en las organizaciones es a calcular su valor incluyendo el que generarán sus clientes en el tiempo, la mayoría de las empresas de la categoría mencionada no lo aplican, ni siquiera como herramienta de marketing. También se determino que la mayoría de los modelos existentes en la teoría consideran mayoritariamente variables cuantitativas. El presente informe es parte de una investigación bianual avalada por la Secretaría de Ciencia y Técnica de la Universidad Nacional de Córdoba Argentina, en esta etapa solo se revisa el material secundario que existe sobre la temática y a partir de ella se realiza una aportación en donde se analizan los modelos de CVC que existen y se aplican en las Pymes de Córdoba, Argentina, y cuán integradores son en la consideración del tema. Palabras clave: valor de las organizaciones, valor del cliente, modelos de Calculo del Valor del Cliente, lealtad, fidelidad, variables cualitativas.

3 Desarrollo: Antecedentes y marco de referencia El cliente es lo que hace una empresa diferente a otra, tiene un valor incalculable cuyo intento por ser dimensionado vale la pena; tarea difícil, compleja, pero absolutamente necesaria. Una organización ya no puede pensar simplemente en captar clientes sino en retener los que tiene pues en estos tiempos de alta competitividad, dedicarse a lo primero pasa a una segunda etapa, lo principal es retener aquellos en los que se invirtió una suma considerable de dinero para atraerlos en su momento. Un cliente fiel es, principalmente y ante todo, un cliente que sigue comprando tras la primera venta. Para tener éxito en los mercados actuales, es necesario realizar una planificación de ventas adecuada para todo el ciclo de vida del cliente. Una empresa que tiene clientes fieles, cautivos, es una empresa valiosa. En ella se han concientizado que el cliente es un activo para la empresa y que ese valor incide en el precio al que puede ser vendida a otras empresas o personas. Las grandes cifras que se manejan en las transacciones en las que está de por medio una venta de empresa responden a un cálculo racional y minucioso: entre otras cosas, se procede a estimar el valor del cliente y su capacidad de generar rentabilidad para la organización a través del tiempo. Si se considera un cliente, éste individualmente en cada compra puede dejar un monto de ganancias que depende del margen porcentual que se tenga en la empresa, pero cuál es la ganancia total si realiza la misma compra en esta empresa todos los meses durante 20 años... Las grandes organizaciones conocen cuánto vale un cliente ya que realizan el cálculo del valor presente de las compras futuras que efectuará y saben estimar el costo de un cliente perdido, pero en ese cálculo de las compras futuras entra en juego la fidelidad, y ella depende

4 de variables cualitativas que imprimirán modificaciones en el esquema constantemente, de acuerdo a las actitudes que adopte el consumidor. Las organizaciones medianas y pequeñas en cambio, a juzgar por su comportamiento inclinado en la mayoría de los casos a capturar nuevos clientes, en vez de retener los actuales, no toman conciencia de la importancia de estos últimos y del valor que representan. Éstas necesitan un enfoque similar para determinar el valor de cada uno de sus clientes y poder mejorar la gestión de los mismos, y con ello incrementar su facturación, mejorar la rentabilidad y generar lealtad en los usuarios / clientes, a estas organizaciones se dirige el estudio. El foco del presente trabajo es realizar un análisis crítico de los modelos existentes para el Cálculo del Valor del Cliente y los usados por las Pymes de Córdoba. Son numerosos los modelos que desarrolla la teoría basados en distintos enfoques, y cada uno será expuesto y analizado de forma tal de verificar bondades y falencias de los mismos, pero a priori y en función a lo que ya se ha expresado en esta introducción, se puede decir que es absolutamente necesario realizar el calculo, basados no solo en variables cuantitativas sino cualitativas. El cálculo del valor del cliente (CVC) pasa a adquirir una gran importancia en la valuación de las organizaciones y dentro de aquel, la consideración de los conceptos de percepción, atención al cliente, diferenciación, ventaja competitiva, estrategia, posicionamiento, lealtad, entre otros, son fundamentales. La percepción que el cliente tenga de la empresa, hará que éste posea una imagen de la misma que la diferencie de las demás y resulte en un posicionamiento. Por otro lado la atención al cliente es un elemento clave para posicionarse y obtener la preferencia del público. Así, en el caso en que esta diferencia sea defendible a largo plazo se constituye en una ventaja competitiva y base, consecuentemente, de la estrategia.

5 La libre competencia, la disponibilidad de información y los nuevos hábitos de consumo que existen en la actualidad, hacen que los clientes sean más selectivos respecto de las condiciones del producto o servicio que buscan y que sean más exigentes respecto de la forma en que esperan ser atendidos. Estamos en el ámbito de algunos conceptos cualitativos y subjetivos, que dependen del consumidor para ser medidos, como el servicio al cliente, el posicionamiento, por ejemplo. Por otro lado, la utilización de sistemas de fidelización y relacionamiento con los clientes, se ha convertido en el eje de los programas de marketing y las actividades contempladas en los mismos apuntan a lograr la fidelidad y la retención del cliente. Estos mecanismos, que dejan como beneficio secundario de las bases de datos de los clientes para desarrollos ulteriores, se suelen denominar CRM Customer Relationship Management- o administración del relacionamiento vínculo- con los consumidores clientes-. Valor del tiempo de vida del cliente, es un principio de marketing de visión a largo plazo que toma en consideración el valor de un cliente en la relación que mantiene con la compañía a lo largo del tiempo. Esta perspectiva implica conocer que, aunque el cliente puede utilizar temporalmente los servicios o productos de otra compañía, puede volver a utilizar los nuestros. Una consecuencia importante para una compañía de tener una visión a largo plazo es que se suele dispensar un mejor servicio al cliente y por tanto, se fomenta su fidelidad. 1 En general los modelos existentes se basan en la consideración de variables cuantitativas, en la gran mayoría, y lo que pretende este proyecto es crear conciencia de la importancia de contemplar algunas variables cualitativas fundamentales, a partir del análisis crítico de los modelos existentes. 1 Wikipedia. Enciclopedia libre. Bajado el 10 de Septiembre de 2008.

6 Problema Llegamos a este punto en donde es factible enunciar el problema general de la investigación como sigue: Los modelos de Cálculo de Valor del Cliente existentes, son efectivos para la función que cumplen y completos en la consideración de los aspectos involucrados? Hipótesis Las organizaciones no tienen conciencia clara del valor futuro de su cliente y derrochan recursos intentando capturar nuevos clientes, en vez de retener los actuales. Los modelos existentes no cumplen con la función de calcular de forma efectiva el valor del cliente y no contemplan adecuadamente las variables cualitativas. Las organizaciones no cuentan con una herramienta acercada a la realidad que les permita calcular el valor futuro de los clientes. Objetivos Los objetivos que han guiado esta parte de la investigación que dio origen al presente trabajo son: Objetivo general Analizar críticamente los modelos existentes para el Cálculo del Valor del Cliente (CVC) con miras a determinar el más adecuado. Objetivos particulares: Sensibilizar a las organizaciones acerca del valor del cliente. Concienciar acerca de lo valiosa que resulta la información que el cliente trae consigo para explotar nuevas oportunidades de negocios.

7 Mostrar los beneficios efectivos de implementar actividades sistemáticas y realizables orientadas al CVC para las organizaciones. Determinar la importancia de la consideración de variables cualitativas en el CVC. Mostrar las bondades y falencias de cada modelo de CVC. Metodología Es necesario recordar que este trabajo es un informe de avance en relación al final de la primera etapa de un proyecto bianual avalado por la Secretaría de Ciencia y Técnica de la Universidad Nacional de Córdoba Argentina -, y por tanto se ha informado acerca de un eje y no del total de la temática planeada para abordar en relación al Cálculo del Valor del Cliente. El proyecto, al finalizar el año 2009 concluirá en la conformación de un modelo específico para las Pymes de servicios de Córdoba, Argentina, del cálculo del valor del cliente considerando una metodología lo más efectiva posible y bajo una óptica omnicomprensiva del tema. Como resultado de la investigación preliminar secundaria realizada como parte de la investigación que da origen a este trabajo, se ejecutó un relevamiento secundario basado en indagaciones sobre en bases de datos, web, publicaciones en papel (libros, periódicos, revistas especializadas), cuyas referencias aparecen al final en la sección correspondiente. Se identificaron los modelos existentes, se relevó información de los mismos, se estudió la problemática de la fidelidad del cliente y las variables relacionadas con ello, y se estudió la incorporación de las mismas en los modelos. Al mismo tiempo se relevó el estado del arte en lo que hace a las Pymes de la Ciudad de Córdoba en Argentina, pues eso permite acercarse al relevamiento del tema en su dimensión

8 final en el proyecto total, lo que se aprovechó para poder analizar mejor los modelos en función de este estrato de empresas. Así se conformó una idea relativamente clara del alcance del tema. Las fuentes de datos que se usaron fueron tanto de naturaleza secundaria (libros, revistas especializadas, artículos en bases de datos científicas, videos, y otras) como primaria (directivos de empresas, gerentes de cámaras, y otras). Para reconocer las ideas principales en el material secundario se hizo uso del análisis de contenido como técnica adecuada para identificarlas y poder cerrar la información cualitativa. En la versión original del proyecto se considerará también el relevamiento primario y la comprobación del modelo en la muestra, pero se trata, como se ha referenciado precedentemente, de un proyecto bianual que transita en su primer año, y por ello no se ha llegado aún al trabajo primario, en el que se considerará como universo de análisis las empresas pequeñas y medianas dedicadas a actividades terciarias (servicio y comercio) asentadas en la Ciudad de Córdoba que figuren en los listados de la Municipalidad de Córdoba. De ellas se obtendrá una muestra extraída con el método de muestreo probabilístico estratificado para lograr mayor y mejor representatividad de las empresas seleccionadas en la población total, y obtener información sobre variables cuantitativas y cualitativas. Resultados Del relevamiento realizado surge que, originariamente en el desarrollo teórico del CVC se utilizaron modelos simples de predicción en el que se trabajaban los datos para calcular la retención y ratios para calcular el valor de nuevos clientes (e.g., Berger and Nasr 1998; Dwyer 1989; Keane and Wang 1995). Recientemente, Gupta, Lehman and Stuart (2001) observaron que este tipo de modelos constituye un buen punto base para el calculo del CVC, también representado por las siglas CLV de las palabras en ingles Customer Lifetime Value - y que

9 en adelante usaremos para el trabajo visto que son de mayor aplicación internacional. Schmittlein and Peterson (1995) desarrollaron un modelo que utiliza los datos individuales de los clientes cuantificados en diferentes momentos del tiempo, estos datos luego serán el activo usado para el calculo de la utilidad futura de los clientes. Malthouse and Blattberg (2003) utilizan a su vez el modelo de regresión para el calculo del CLV. Sin embargo ningún estudio responde la pregunta de si el clima de la organización puede predecir el CLV de cada cliente individual utilizando los datos desarrollados de la base de datos de los clientes. En especial los distintos modelos de CLV, hay un gran abanico de complejidad que pueden ser utilizados, para lo cual resulta importante la comparación de los modelos para comprobar el poder predictivo de cada uno versus la complejidad de los ítems que cada uno de ellos lleva implícito. En particular en las industrias de servicios los modelos de CLV pueden ser muy complejos, no solamente el valor de la compra sino también el uso del servicio constituyen drivers importante en el cálculo del CLV. CLV Formula Básica: CLV i t = Profit i,t T=0 t (1+D) Donde el CLV representa el valor de los ingresos futuros del cliente i-esimo, descontado con una tasa de descuento D, para un periodo de tiempo de vida de la relación. De manera que el ingreso depende del valor marginal de los servicios como así también del número de veces que el servicio es adquirido y el tipo de servicio que se ofrece, determinando la contribución

10 marginal asociada a ese servicio. De esta manera podemos expresar la relación anterior de la siguiente manera (BAS, VERHOEF, MARTIJN; 2003) Partiendo de este modelo básico, se pueden ir agregando variables que muestren el comportamiento de los clientes, si bien dificulta la utilización el tener modelos mas complejos, se gana en la capacidad descriptiva del modelo, aunque debemos se capaces de equilibrar esta relación para evitar la complejidad del modelo atente con la aplicabilidad del mismo en las organizaciones. Este modelo básico asume un profit que se mantiene igual en el tiempo, ya que no considera el ingreso ni salida de cliente como así tampoco las ventas cruzadas que puede haber. Regresión del Modelo Básico: Como una primera extensión del modelo básico es el modelo de regresión, usado por Malthouse and Blattberg (2003). En este modelo el profit del año en curso es utilizado para predecir el profit de años futuros, utilizando algún modelo de regresión. Profit i,t 1= a 0 +a 1 Profit i,t La debilidad del modelo es que no hay indicios de que el comportamiento de los clientes en el pasado se valla a repetir en el futuro. Su poder predictivo va en detrimento en la medida que trabajamos con una mayor cantidad de años, tampoco puede ser útil en el caso de que se produzcan cambios importantes en el ciclo de vida de la relación con los clientes como así también en sus preferencias. Este modelo supone un estado de la naturaleza de la relación con los clientes estática, difícilmente observable en la realidad.

11 Modelo de Retención de Clientes: En este modelo se incorpora la retención de clientes, parte del supuesto de considerar que el profit de un cliente en un periodo es igual al del periodo anterior, pero cuando se produce la deserción del cliente el profit es igual a cero. Se introduce en el modelo básico la probabilidad de que un cliente mantenga su relación con la empresa en el periodo i-esimo+1. (Se convierte el cálculo de la profit en un modelo estocástico). E t {Profit i, t+1 }= P t (ret i, t+1 ) Profit i t Donde E t representa la expectativa de ingreso en el momento t, mientras que P t (ret i, t+1 ) representa la probabilidad del que el cliente i-esimo de la compañía sea retenido entre el periodo t y el t+1, tomando la información del periodo t. Este modelo supone que la tasa de retención es la misma para todos los clientes y constante en el tiempo, a su vez es común utilizar tasas promedios de retención. También se puede utilizar bases de datos para inferir el comportamiento de los clientes y predecir la tasa de retención. Otros elementos que pueden ser incorporados son el ciclo de vida del cliente y los factores demográficos (por ejemplo que tan probable es que una familia valla a tener un bebe o comprar una casa, etc.) este último vinculado con el análisis multivariable. En todos estos modelos el CLV depende tanto de los clientes actúales y los potenciales, a su vez, dentro de los clientes actuales existen aquellos que generan nuevos clientes, externalidad resultado de un feedback positivo convirtiéndose en muchos casos en el recurso más valiosos para la adquisición de nuevos clientes. Por otro lado también puede haber clientes desatendidos por la empresa que tienen una influencia negativa en los clientes de la empresa (NECKERMAN; 2003).

12 En base a estos conceptos, considerar al cliente como un activo será la base para evaluar a la empresa en función del potencial, que la relación con el cliente, genera en el Flujo de Caja (tanto los clientes actuales como futuros). Esta relación que se construye con los clientes se convierte así en un activo intangible, al cual se puede asociar los gastos de retención a determinado segmento de clientes, como inversión necesaria para conservar este activo. De las externalidades positivas y negativas que un cliente satisfecho o insatisfecho puede producir en los clientes potenciales, se introduce una nueva variable en el desarrollo de los modelos de CLV. Implica una variable estocástica adicional por el efecto neto de las externalidades (positivas como negativas), donde una buena relación con los clientes genera un incremento de los nuevos clientes y una mala relación produce el efecto contrario. Para aplicar las variables antes mencionadas podemos ajustar el modelo anterior para el llegar al modelo binomial desarrollado por Manfred Krafft/Markus Rudolf/Elisabeth Rudolf- Sipötz (2005) el cual supone que el flujo de caja neto fluctúa a través del tiempo según el estado de la naturaleza, y es correlativo con el número de clientes. Partimos definiendo un nivel promedio crítico de clientes, que surge de la información histórica de las empresas, el impacto esperado de las externalidades (positivas o negativas) en un periodo de tiempo se define como (KRAFFT, MARKUS, SIPöTZ; 2005): Donde el incremento (decrecimiento) de los clientes en un periodo t, depende de la diferencia entre el nivel de clientes promedio y el nivel de cliente en el periodo t multiplicado por la a velocidad de la expectativa de cambio (a), que representa la velocidad de divergencia sobre el numero de clientes promedios o crítico y (dt) es una variable o factor aleatoria. Este modelo supone que el nivel promedio crítico se mantiene constante y la expectativa de cambio en el número de los clientes, no así la volatilidad de los cambios, puede presentar

13 dos comportamientos. Un comportamiento positivo, con un cambio positivo en el número de los clientes; y un comportamiento negativo cuando el cambio es negativo. En este esquema binomial se caracteriza que en un momento j tenemos: Donde Kj es el número de clientes en el momento j, es el número inicial, k es la variación de clientes y j la volatilidad en el cambio. Incorporando la probabilidad πj de cada estado en cada uno de los periodos j, restringimos el set de los posibles estados. Donde L es el máximo estado L es el mínimo estado, de manera que podemos reexpresar la ecuación de la siguiente manera: For j L= a ( Kj) = πj (Kj + 1 Kj) + (1 πj) (Kj 1 Kj ) = πj k (1 πj) k For j L : πj = 0.5 Los límites L solo pueden ser modificados por un crecimiento de la capacidad productiva por incorporación de tecnología o procesos productivos mas eficientes, indica el umbral de la capacidad instalada. Esta metodología de cálculo del CLV, con respecto a la tradicional, incorpora en el cálculo del flujo de caja actualizado las variaciones o quiebres propios de los procesos o ciclos económicos de las actividades. Produciendo una distribución asimétrica del Cash Flor la cual se ajusta más a la realidad. La sensibilidad del modelo esta determinada por la magnitud de las variaciones de los clientes (k), que a su vez esta influenciada por la volatilidad del numero de clientes (j), el incremento de las transacciones de los clientes actuales (g) y la velocidad de crecimiento (a). La implementación del modelo requiere que seleccionemos adecuadamente los parámetros del

14 proceso, pudiendo calibrarlo en base a datos de la realidad. Las principales limitación del modelo es que debemos tener especificado la expectativa de cambio en el número de clientes, la volatilidad es mayor cuanto más nos alejamos del número de clientes promedios. Este modelo constituye un avance con respecto al modelo tradicional ya que permite incorporar la variable de crecimiento en el número de cliente, es una opción más realista para la valuación de CLV. Es importante destacar que la determinación de K, así como la calibración de k en la volatilidad σ empírica (es decir, el cambio en el número de clientes), son cuestiones críticas. Las investigaciones futuras deben centrarse en los enfoques para cómo podemos estimar adecuadamente estos parámetros. Gráfico 1: Modelo Binomial para un numero de clientes. k=80, valor inicial de Ko = 0, velocidad del factor a = -0.4, numero critico de clientes =100 El valor de la relación con los clientes va a depender, de la variación en el número de clientes a lo largo del tiempo (impacta indirectamente en el retorno económico) y del flujo de caja que ellos genera (impacta directamente en el retorno económico).

15 Si suponemos que un cliente genera anualmente 1 Euro por de retorno de Flujo de Caja, la variación del flujo de caja varia de acuerdo al crecimiento/decrecimiento del factor (g) (incremento/decrecimiento de las transacciones de los clientes actuales). Podemos representar a Cj como la caja generada por los clientes en el periodo j, para el periodo inicial podemos representar como quedando la siguiente expresión. Cj = C0 (1 + g ) Gráfico 2: Flujo de Caja generado in 4 periodos por un cliente individual. Tasa de crecimiento anual g=5%, caja inicial Co=1 Para el cálculo del CLV dejamos incluir una condición adicional, del grafico 1 y 2 proveen la información sobre la caja producida por los clientes en estos periodos, esta condición asume que los cliente no pueden ser menores a X=10, por lo que debemos modificar el modelo del Gráfico 1.

16 En el gráfico 3 y 4 podemos ver el número de clientes y el flujo de caja generado por estos, si aplicamos esta condición. Como consecuencia de esto en los estados del (gráfico 1) j=-4, j=-3 y j=-2 los consideramos como Kj=0 dada la restricción. Gráfico 3: Modelo Binomial ajustado por implementación de la restricción de ruptura, con k=80, valor inicial de Ko = 100, velocidad del factor a = -0.4, mínimo número de clientes X=10 Gráfico 4: Flujo de Caja generado para todos los clientes.

17 Para el último período considerado (período 4), presenta dos implicancias, primero el numero de cliente con respecto a la situación inicial se incrementa a 420 y segundo el flujo de caja generado por estos clientes se incrementa 21,55% con respecto al periodo inicial, a su vez a través del gráfico 4 podemos ver las distintas cajas generadas para los periodos que estamos trabajando (este modelo desde ya se puede aplicar a un mayor numero de períodos que de los 4 que estamos utilizando en este trabajo) otra implicancia es que consideramos constante al factor g cuando en realidad este factor es de muy difícil predicción para las compañías. En base a lo anterior estamos en condiciones de calcular el valor presente del CLV, un factor adicional es el calculo de la tasa de descuento (r) que se tome, ajustada a el riesgo de la actividad, donde esta tasa de ajuste en función al riesgo siempre será mayor a la tasa de interés libre de riesgo. Por cuestiones de simplicidad asumimos que el valor es de r=10. De manera que la ecuación de valor presente del CLV, podemos expresarla de la siguiente manera: Este procedimiento lo podemos aplicar recursivamente hasta el periodo V0 A manera de ejemplo el valor para el periodo 3 es V1 (3) = (1 0.7) = Así para este modelo el valor presente del CLV es de 541,8 (gráfico 5), lo que implica que para una base de clientes de K0 = 100, el promedio de cada cliente es de 5,42. Un avance de este modelo con respecto al modelo básico, es que este ultimo supone que los flujos de efectivos son simétricos, mientras que el este modelo con las variables incorporadas supone quiebres en el flujo de caja, permitiendo un modelo mucho mas flexible y ajustado a la realidad.

18 Este modelo permite mostrar las asimetrías de las expectativas de incrementos de los clientes como así también el impacto en el flujo de caja y por otro el decrecimiento en el número de cliente y el impacto en el flujo de caja. Este enfoque clarifica la importancia de la base de datos de clientes, para poder investigar las implicancias empíricas del modelo, donde se debe hacer un esfuerzo en demostrar la representatividad de las variables incluidas con respecto a la volatilidad empírica que se observe donde esto es crucial para la efectividad del mismo dado la necesidad de encontrar modelos que nos permitan valuar adecuadamente el valor actual de CLV y por lo tanto del profit, en la medida que una compañía pueda determinar el máximo de su base de clientes podrá ver las estrategias a implementar para alcanzar su objetivo de largo plazo de maximizar utilidades. Inversores ángeles, Accionistas, Capitalistas, emprendedores pueden aprender a identificar compañías con rápido crecimiento en el mercado enfocados con un gran crecimiento en la base de clientes. Gráfico 5- Valor presente del CLV, ajustado con r= 10%

19 Modelo de Migración: Este modelo ha sido propuesto por Dwyer (1997). Divide a los compradores en dos grandes grupos. 1. Los clientes que comparten vendedores o proveedores y pueden ajustar su artera de gasto entre ellos. Los autores anteriores hacen referencia a ellos con el nombre always-ashare. 2. Los clientes que se han comprometido con el vendedor o empresa por un largo periodo, donde el cambio a otra empresa le implica un alto coste, pero si el cliente decide dejar al proveedor, la cuenta es cancelada para siempre. Los autores se refieren a estos clientes como lost-for-good. En este caso, menciona Dwyer (1997), el problema para resolver el valor del cliente puede ser tratado como un problema de retención y propone una ligera variación al modelo básico del CLV (GIL LAFUENTE, ORTIGOZA, MERIGO; 2007). Gráfico 6:

20 Por tanto, si consideramos la contribución bruta (CB) al final de cada periodo y los costes de promoción o retención (M) a la mitad de cada periodo, el autor propone la siguiente expresión, que no es más que el valor presente de los beneficios de cada periodo y los costes de retención también en valor presente. En esencia es aplicar nuevamente el significado del modelo básico con ciertas variantes de importancia. Donde d es el tipo de descuento y C la base de clientes. Observamos que Dwyer (1997) no contemplan los costes de adquisición, solo considera los costes de retención o promoción, y los que entran implícitos en la contribución bruta (CB) utilizada. Modelo de Asignación de los mejores recursos: Este modelo busca la optimización de los recursos monetarios. Blattberg y Deighton (1996) a diferencia con el modelo anterior, incorporan los costes de adquisición: proponen lograr un balance entre los costes de adquisición y de retención con la finalidad de maximizar el CLV. La expresión final del valor del cliente queda de la siguiente forma: Gráfico: 7 Donde a es el número de clientes, m los ingresos, R los gastos, A los gastos iniciales, r el rendimiento en cada momento de tiempo y r el rendimiento actualizado. Maximizando el CLV en la igualdad anterior, es el mejor balance en dichos gastos. Para ello, recomiendan los autores, se busca un valor $R tal que al sustituir en la expresión permita

21 obtener el CLV más grande, determinando así el gasto de adquisición $A. Este resultado, es el valor del cliente esperado de un consumidor promedio adquirido con gastos $A y retenido con gastos de $R para cada año. Obsérvese que VPN hace referencia al valor previsto neto y retenido con gastos $R, significa que un cliente permanece en una empresa si ésta realiza desembolsos para mantener una determinada fidelidad. Este modelo resulta útil para ser utilizado como base para tomar decisiones sobre la asignación de recurso. Este modelo presenta algunas de las debilidades: periodicidad y frecuencia constante en relación a los flujos de caja, no considera de forma conjunta o simultánea la adquisición y retención para maximizar el CLV, y en este caso por simplicidad, también se asume que todos los flujos de caja ocurren al inicio de cada año. Modelo de Relaciones de Clientes Pfeifer y Carraway (2000) proponen un modelo matemáticos llamados Modelos de cadenas de Markov (MCM), que son apropiados para modelar las relaciones con los clientes y calcular el CLV. La principal ventaja de este modelo es su flexibilidad, y pueden ajustarse a los modelos propuestos por, Dywer (1997) y Blattberg y Deighton (1996), lo que significa que pueden ser utilizados para clientes en esquemas de migración como en situaciones de retención, así como, en situaciones con clientes actuales o bien futuros. Pfeifer y Carraway (2000) mencionan que su flexibilidad permite adaptar los MCM para algunos escenarios no cubiertos en los modelos previamente mostrados. Otra ventaja de los MCM, es que se fundamentan en una sólida teoría estocástica o probabilística, además de la teoría de los procesos de decisiones de Markov.

22 Los Modelos de cadenas de Markov (MCM), trabajan con una métrica denominada Recency, Frequency, Monetary value (RFM). Autores tales como Reinartz y Kumar (2000), mencionan que en la actualidad muchas empresas utilizan dicha métrica para determinar la asignación del gasto a los consumidores en sus bases de datos. Otros autores mencionan que la métrica RFM es de las más fiables para el pronóstico de las ventas. No obstante, los MCM reciben una particular crítica: Jain y Singh (2002) mencionan que los periodos de tiempo de compra para todos los clientes nuevamente se asumen como iguales y fijos. Además, el cálculo de las probabilidades de transición de un periodo a otro es un elemento crítico para el éxito de tales modelos y dichas probabilidades no son fáciles de calcular, de manera que esas medidas están limitadas a informaciones objetivas. En el modelo más simple, en lugar de tomar los tres componentes de la métrica RFM (Recency, Frequency, Monetary value), se considera solamente el primer elemento R: el número de periodos desde que el cliente realizó la última compra. Al obtener las probabilidades de transición de un estado a otro, cuyo resumen se muestra en la matriz P llamada matriz de transición de un paso ( one-step ), y al calcular la matriz Pt que resume la probabilidad de compra pronosticada y la matriz R que resume los flujos de efectivo, ambas elaboradas dependiendo del número de periodos desde la última compra (R). Pfeifer y Carraway (2000) llegan a una propuesta del valor presente esperado: El vector VT es el equivalente al CLV y representa el valor presente esperado de un cliente en particular con una relación de duración T y una tasa de descuento d. Los autores muestran que si se considera un horizonte infinito, la expresión resulta ser la siguiente: Gráfico: 8

23 Recordemos que el anterior modelo puede ser caracterizado como una situación de migración con el cliente, cuando la probabilidad de compra depende del número de periodos transcurridos desde la última compra (R). Si asumimos que además de las probabilidades de compra, también los gastos de marketing (M) y la contribución neta (CN) depende del número de periodos transcurridos desde la última compra (R), el modelo se va sofisticando cada vez más. De esta forma, podemos construir MCM donde la probabilidad de compra, los gastos de marketing y la contribución neta (CN) dependen también de la frecuencia y del valor monetario, en definitiva, se hace uso de la métrica Recency, Frequency, Monetary value (RFM) para llegar a una categorización de clientes. Luego del desarrollo de todos estos modelos se puede observar situaciones en donde los datos históricos no existen por tratarse de clientes nuevos o bien, el hecho de asignar unas probabilidades a esos clientes en base a la historia de otros, es como suponer que todos los anteriores clientes se comportan de la misma manera, según las leyes de las probabilidades como manera de hacer frente a la incertidumbre en la relación cliente empresa, lo cual no siempre es cierto dada la gran volatilidad en el comportamientos de los clientes producto de diversos factores como la fuerte competencia o cambio en las necesidades en el tiempo de los clientes. En la actualidad el movimiento de clientes es cada vez más volátil o se comparte entre más empresas. Las organizaciones conviven en un entorno de mayor incertidumbre comparado

24 con épocas pasadas. La dificultad de predecir o estimar magnitudes involucradas con el valor del cliente se incrementa en un clima de incertidumbre: tasas de descuento, niveles de ventas, compras, tiempo de duración del cliente, entre otras magnitudes. Al contemplar al cliente como un activo fundamental para la vida financiera de la empresa en un clima de incertidumbre, nos obliga a buscar una vía alterna o adaptar los desarrollos ya existentes, a instrumentos y técnicas que permitan la convivencia en ese nuevo entorno. En la búsqueda de dar respuesta al concepto de incertidumbre, a través de los intervalos de confianza o tripletas de confianza, se ha desarrollado el siguiente modelo: Modelo del valor del cliente con tasas inciertas, costos y ventas inciertas: Cada una de las variables del modelo sea representadas a través de estimaciones con magnitudes inciertas (ya sea en forma de tripletas de confianza, considerando que la cifra central es la que se espera como la más posible (máximo de presunción) dentro del abanico de informaciones entre los valores mínimo y máximo) o utilizando intervalos de confianza. Gráfico: 9 Este modelo nos permite establecer límites al valor económico del cliente basado en apreciaciones subjetivas pero muy valiosas en la medida que se apoye en la experiencia de los responsables en su cálculo. La utilización de números inciertos permite, por su propia

25 naturaleza, proporcionar al modelo estructural básico ciertas cotas que ayudan al tratamiento de la incertidumbre. El principal avance con este modelo es poder calcular el valor del cliente en situaciones donde no hay información suficiente para expresar las magnitudes de manera precisa y por tanto más ajustado a la realidad. Conclusiones Del desarrollo de los modelos observamos un abanico de complejidad desde el modelo básico, hasta modelos que pretenden ir incorporando ciertas variables, siendo los últimos presentados los mas complejos e incluyendo variables cualitativas además de variables como los gastos de retención, gastos de captura de nuevos clientes y el impacto de la recomendación que pueden hacer clientes en función a su experiencia de la relación con la empresa. También se busca avanzar en el intento por considerar el comportamiento estacional que la actividad tiene en el desarrollo de los negocios y el consiguiente impacto en la incorporación o perdida de clientes. Se trabaja, en los modelos más complejos incorporando la probabilidad de transacción con los clientes o utilizando intervalos de valores para cifras inciertas. El éxito en la implementación de cualquier modelo radica en el conocimiento del comportamiento de las variables que se pueda tener en base a datos empíricos, aunque presenta la limitación de que no existe la seguridad que el comportamiento observado en el pasado se repita en el futuro. Es por ello esencial contar además con la base de datos históricos de los clientes, la opinión y criterio de gerentes, personal de contacto de las organizaciones y de los clientes mismos, para poder aproximarnos a inferir con mayor precisión el comportamiento de las variables involucradas en cada modelo. La principal limitación observada es que todos los modelos trabajan sin tener en cuenta los distintos grupos de clientes que pueden existir, en función al nivel de lealtad que tengan con

26 la organización. En el caso de poder aplicar los modelos de CLV a cada cluster de los distintos tipos de clientes, podría la organización definir un ranking de CLV para cada segmento de clientes y obtener así información útil a la identificación de los clientes con mayor potencial. Hay que propender a lograr el equilibrio entre la complejidad de los modelos con la aplicabilidad del mismo en la organización, considerando que debe poder ser entendible a nivel de management y por tanto aplicable a nivel organizacional. Se observa que no se aprovecha al máximo las bases de datos de clientes, a veces se adquiere esta información siendo que está contenida en las bases de datos de los clientes. Los modelos existentes no cumplen entonces, con la función de valuación adecuada, precisa y completa del cliente. Indagando en la bibliografía que trata la temática de los modelos de CLV, se ha podido determinar que las Pymes prácticamente no hacen uso de aquellos, y que en general no cuentan con bases de datos sobre sus clientes, o si las tienen, las desaprovechan, no realizando un uso inteligente de las mismas para la retención de clientes y la actuación en pos del incremento de valor hacia el cliente. Si bien la tendencia actual en las organizaciones es a calcular su propio valor incluyendo el que generarán sus clientes en el tiempo, la mayoría de las empresas Pymes no lo aplican, ni siquiera como herramienta de marketing. También se determino que la mayoría de los modelos existentes en la teoría consideran mayoritariamente variables cuantitativas. Bibliografía (se citan solo algunos de los autores más destacados del total utilizado): BAS DONKERS, VERHOEF PETER C, MARTIJN DE JONG. (2003) Predicting Customer Lifetime Value in Multi-Service Industries. Report Series Reserch in Management, Erasmus Research Institute of Management (ERIM). Universities Rotterdam. Abril 2003.

27 BOBICHON (1990) Cómo conquistar y mantener la fidelidad de su clientela. Editorial Díaz De Santos. España. BONOLI CIPOLLETTI, HÉCTOR; BONOLI GRAZIANI, FEDERICO G.; MENDEZ RUEDA, JUAN CARLOS (2005) Test de Apercepción de Valores (TAV). Fenomenológica de la conciencia valores y disvalores. Editorial Biblos. BOWLES, SHELDON; BLANCHARD, KEN (2005) Clientes incondicionales. Un enfoque revolucionario para la atención al cliente. Editorial Norma S.A. Colombia. CRAM, TONY. (2003) Los clientes que cuentan. Nuevos retos en la atención al cliente. Editorial Pearson Educación. México. DEL CIELLO N., DULLI S., SACCARDI A. (2000) Metodi di Data Mining per il Customer Realationship Management. Editorial Franco Agneli, Milano. DHAR V., STEIN R. (1996) Seven Methods for Transforming Corporate Data Into Business Intelligence. Editorial Prentice Hall. México. GIL LAFUENTE ANNA M., ORTIGOZA MUARICIO, MERIGO JOSE M.(2007) Teoría de la Incertidumbre aplicada al Valor del Cliente en Situaciones Contractuales con Intervalos de Confianza. España. Universidad Pablo Olavide Sevilla. Revista de Métodos Cuantitativos para la Economía y la Empresa nº 4. Diciembre ISSN: X GILMORE, JAMES H:, PINE II, JOSEPH B. (2000) Markets of one. Creating Customer-Unique Valuethrough Mass Customization. Boston, Mass: Harvard Business School Press, GIUDICI, PAOLO (2004). Data Mining metodi statistici per le appilcazioni aziendali. Editorial Mc Graw Hill Milán Italia. HARDVARD BUSINESS. (2002) CRM Customer Relationship Management. Editorial Deusto. España.

28 KRAFFT MANFRED, MARKUS RUDOLF, SIPöTZ ELISABETH RUDOLF. (2005) Valuation of Customers in Growth Companies a Scenario Based Model. Schmalenbach Business Review w Vol. 57. Abril Pag OLIVIA PARR, RUD (2001) Data Mining Cookbook, Modeling Data for Marketing, Risk, and Customer Relationship Management. John Wiley & Son, Inc. EEUU. REINARES LARA, PEDRO J.; PONZOA CASADO, JOSE MANUEL (2004) Marketing Relacional. Un enfoque para la seducción y fidelización del cliente. Editorial Pearson Educación. México. NECKERMAN CHRISTIAN. (2003) Administración de los Clientes como Activos. El Nuevo Camino de la Mercadotecnia a la Rentabilidad. The Conference Board. Acción Ejecutiva nº 52. Abril TAYLOR, CURTIS R. (2004) Consumer Privacy and the Market for Customer Information. The RAND Journal of Economics > Vol. 35, No. 4 (Winter, 2004), Stable URL: The Marketing intelligence review n* 5 setiembre Return on Customer (ROC): gestionar el valor del cliente. VALENZUELA FERNANDEZ, LESLIER MAUREN. (2005) Filosofía Empresarial y del Marketing Orientada en el Valor del Cliente. Chile, Revista Horizontes Empresariales, Departamento de Administración y Auditoria, Facultad de Ciencias Empresariales, Universidad del Bio-Bio, ZIKMUND, WILLIAM G. y OTROS (2004) CRM Customer Relationship Management. Administración de las relaciones con los clientes. Editorial C.E.C.S.A. México.