LA IMPORTANCIA DE EXPLOTAR LA INFORMACIÓN DE LOS CLIENTES Y EL MODELO DEL LIFETIME VALUE

Transcripción

1 LA IMPORTANCIA DE EXPLOTAR LA INFORMACIÓN DE LOS CLIENTES Y EL MODELO DEL LIFETIME VALUE Álvar Gómez Vieites agmezvieites@gmail.cm Prfesr de la Escuela de Negcis Caixanva RESUMEN DE LA PONENCIA En la Sciedad de la Infrmación y el Cncimient, la clave del éxit en muchs mercads pasa pr hacer llegar la ferta persnalizada y adaptada a cada cliente en el mment adecuad. Para ell, la expltación practiva e inteligente de ls dats e infrmación acumulada sbre ls clientes se ha cnvertid en un de ls instruments más imprtantes para pder sbrevivir en uns mercads cada vez más cmpetitivs y exigentes para las empresas participantes. Pr este mtiv, en esta pnencia se analizarán las siguientes cuestines relacinadas cn la expltación de la infrmación de ls clientes de una empresa: cóm extraer infrmación sbre ls clientes de ls dats acumulads pr la prpia empresa en sus actividades cmerciales básicas; cóm puede una empresa identificar a sus mejres clientes y ptenciales clientes, acceder a ests clientes utilizand ls canales y las vías de cntact más adecuads, cmunicarse cn ells de una frma que resulte efectiva y rentable para la empresa, midiend y analizand ls resultads alcanzads cm frut de esta relación Se presenta, asimism, el mdel del lifetime value, cm clave para determinar el valr a larg plaz de la relación que mantiene la empresa cn cada un de sus clientes. 1. EL VALOR DE LA INFORMACIÓN SOBRE LOS CLIENTES En la Sciedad de la Infrmación y el Cncimient la valración de las empresas en ls mercads bursátiles n depende en gran medida de sus activs físics ni de sus ventas actuales, sin del ptencial de crecimient y de generación de ventas en el futur, siend un de ls principales indicadres de este ptencial la base de clientes (y ptenciales clientes), así cm el cncimient que la empresa psee de ésts y del mercad. En este nuev escenari de la Sciedad de la Infrmación y de la Ecnmía Digital, la infrmación sbre el mercad y sbre ls clientes se cnvierte en el recurs más imprtante de una rganización, hasta el punt de que pdríams llegar a afirmar que el futur de una empresa n depende del númer actual de sus transaccines, sin de la infrmación que la empresa pueda extraer de las transaccines para cncer mejr a sus clientes y frecerles un mejr servici, anticipándse a sus necesidades futuras. En definitiva, la clave del éxit en muchs mercads pasa pr hacer llegar la ferta persnalizada y adaptada a cada cliente en el mment adecuad. Parte de la infrmación sbre ls clientes se puede extraer de ls dats acumulads pr la prpia empresa en sus actividades cmerciales básicas: venta de ls prducts, reclamacines, servicis psventa Otrs dats llegan a la empresa y n entran en el Sistema de Infrmación: dats de las visitas realizadas pr ls cmerciales, cnsultas de ls prpis clientes, etc. Se trataría, pr l tant, de btener una visión de 360 grads de cada un de ls clientes de la empresa. En definitiva, para pder mejrar el servici y la atención a ls clientes, anticipándse en

2 la medida de l psible a sus necesidades futuras, las empresas necesitan cncer much mejr a sus clientes, respndiend a preguntas del tip: Quién ns cmpra? Pr qué ns cmpra a nstrs? Cn cuánta frecuencia l hace? Qué es l que busca cuand ns cmpra? Y qué necesita realmente? Pdems llegar a cncer e, inclus, a predecir su cmprtamient?... Asimism, las empresas deben btener infrmación sbre las tendencias de ls mercads y sbre ls mvimients de sus cmpetidres. Tal y cm sugieren Dn Peppers y Martha Rgers (1993), la empresa debería tratar de identificar y cncer quiénes sn sus clientes actuales, clasificarls en grups categrías en función del valr que representan para la rganización, interactuar cn dichs grups de clientes para prfundizar en el cncimient de sus necesidades, intereses y expectativas, tratand de sacar td el partid de este cncimient para pder persnalizar ls prducts y servicis frecids, así cm para mejrar trs aspects de la relación. Pr su parte, Stan Rapp y Check Martin, autres del libr Max-e-Marketing, insisten en su bra en la imprtancia de que una empresa pueda identificar a sus mejres clientes y ptenciales clientes, acceder a ests clientes utilizand ls canales y las vías de cntact más adecuads, cmunicarse cn ells de una frma que resulte efectiva y rentable para la empresa, midiend y analizand ls resultads alcanzads cm frut de esta relación. 2. LA EMPRESA COMO UN PROCE- SADOR DE INFORMACIÓN La interacción cn ls clientes puede tener lugar a través de múltiples medis (en persna, a través de teléfn, crre rdinari, Web, crre electrónic, fax, etc.) y en distints mments de la relación cmercial (cnsultas preventa, cnfiguración del pedid, servicis psventa, gestión de quejas y reclamacines, etc.). En td mment, la rganización debería tratar de minimizar cualquier tip de incnveniente que se pudiera casinar al cliente en cada una de estas interaccines, llegand siempre a una situación que pueda beneficiar al cliente y en la que, al mism tiemp, la rganización pueda btener mayr infrmación sbre su cmprtamient y sbre sus necesidades e intereses particulares. De acuerd cn este planteamient, deberíams cnsiderar a la empresa cm un prcesadr de infrmación, que tiene la psibilidad de capturar y prcesar tds ls dats asciads a cada una de sus interaccines cn sus clientes, n sól de ls pedids y de las ventas, sin también de las llamadas, visitas cmerciales, reclamacines y td tip de incidencias que cnstituyen ls mments de la verdad. Ests mments de la verdad sn aquellas situacines en las que el cliente entra en cntact cn la rganización a través de múltiples canales (en persna, teléfn, fax, crre rdinari, , página Web, etc.), para facilitar dats sbre sus necesidades, sbre l que espera de la relación cn la empresa y sbre cuáles sn ls prblemas que han surgid en esa relación. De hech, autres cm Ian Grdn (1998) afirman que la psición cmpetitiva de una empresa y su rentabilidad se encuentran directamente relacinadas cn el vlumen de dats acumulads que mantiene de tds sus clientes, en relación cn el mantenid pr sus cmpetidres. El desarrll de una cmpleta Base de Dats de Clientes se cnvierte en una herramienta fundamental para pder cncer mejr a cada un de ls clientes de una empresa, registrand para ell ls siguientes tips de dats: Dats scidemgráfics: Quiénes sn mis clientes? Respuestas a las actividades de marketing de la empresa: Qué?, cuánd?, dónde?, cóm?, pr qué cmpran? Histrial de cmpras: Qué han cmprad? Tradicinalmente las empresas trataban de cnseguir ests dats mediante estudis de mercad. Sin embarg, hy en día ls medis digitales interactivs cm Internet pueden facilitar ests dats directamente y en tiemp real. 3. EL CONCEPTO DE LIFETIME VALUE La empresa n puede dispner de infinits recurss, pr l que será fundamental cncer cuáles sn ls clientes más imprtantes para el negci, es decir, aquells que pueden generar más rentabilidad a larg plaz, durante su cicl

3 de vida cm cliente, cn el bjetiv de cncentrar en ells sus esfuerzs cmerciales y de expltación de la relación. De este md, cnciend el valr ptencial de cada cliente grup de clientes es psible seleccinar el tip de interacción más indicada en cada cas, teniend en cuenta que el cste de cada tip de interacción dependerá del canal elegid. En este sentid, pdems definir el lifetime value cm el valr de la vida de un cliente en el cntext de su relación a larg plaz cn una empresa. A partir de ls dats registrads en su Base de Dats de Clientes, la empresa debe llevar a cab un análisis de la rentabilidad de cada cliente y de su ptencial de cmpras. Se trataría de determinar el lifetime value de cada cliente, de medir el valr de la relación cn cada un de ls clientes a larg plaz, es decir, el valr extraíd durante tda la relación cn el cliente. Para autres cm Patricia Seybld (2001), cncer hy en día el lifetime value de la base actual de clientes n es un ejercici de Marketing estéric, sin que se trata de una herramienta fundamental para la gestión. Este planteamient ns bliga a cambiar la frma de entender la relación de la empresa cn cada cliente: n se trata de maximizar el benefici de cada peración cnsiderada de frma aislada, sin del cnjunt de la relación cn ese cliente, prcurand además prlngar esta relación a partir de un servici persnalizad que cmprenda y trate de anticiparse a las necesidades específicas de cada cliente. La empresa, pr l tant, debería centrar sus esfuerzs en ls clientes más rentables y cn un mayr ptencial de cmpras, desde la perspectiva del lifetime value e, inclus, descartar aquells que n resulten rentables a larg plaz para la rganización. Autres cm Jay Curry y Adam Curry (2000) han insistid en la imprtancia de diferenciar ls clientes de una empresa, tratand de identificar aquells que sn más rentables que aprten un mayr valr a la relación (debid a su influencia en trs clientes, pr ejempl), para dedicar más recurss al frtalecimient de la relación cn ests clientes. Una clasificación adecuada de ls clientes permitiría llevar a cab una asignación más racinal y eficiente del presupuest de Marketing de la empresa. Asimism, la empresa debería cncer cuál es el impact en su cuenta de resultads (actual y futura) de la pérdida de determinads tips de clientes y detectar esta situación para tratar de crregirla a tiemp. Patricia Seybld va más allá al afirmar que las empresas deberían infrmar a sus accinistas e inversres n sól de sus resultads ecnómics y de su situación financiera, a través de indicadres cm la rentabilidad ecnómica, la rentabilidad financiera el nivel de endeudamient, sin que también deberían dar a cncer sus resultads a nivel de retención de clientes, rentabilidad btenida pr cliente evlución de su cartera de clientes añ a añ. En varis librs recientes en la disciplina del Marketing se han prpuest distints métds para el cálcul del lifetime value del cliente medi. Una de las explicacines más cmpletas la pdems encntrar en el libr The Cmplete Database Marketer (1996) de Arthur Hughes. Hughes define el lifetime value del cliente medi cm el valr actual net de ls beneficis ( pérdidas) btenids en prmedi cada añ durante la relación mantenida pr la empresa cn dich cliente. Ls pass que prpne Hughes para llevar a cab este cálcul serían ls seis que se presentan a cntinuación: 1. Determinar la tasa de retención de clientes de la empresa. 2. Estimar ls gasts ttales de la empresa relacinads cn un cliente medi, así cm ls ingress que éste puede prprcinar. 3. Calcular ls márgenes bruts del cliente medi para cada añ. 4. Calcular el valr actual net de ls márgenes bruts btenids en el pas anterir. 5. Determinar el lifetime value del cliente medi de la empresa para el añ en curs. 6. Realizar una estimación del lifetime value del cliente medi en ls añs sucesivs. Otrs autres cm Rbert Blattberg (en su libr Custmer Equity) Rland Rust (en su libr Driving Custmer Equity) utilizan el cncept de Custmer Equity, que pdríams traducir pr Valr de la Cartera de Clientes, para referirse al valr a larg plaz de tda la cartera de clientes de una empresa, teniend en cuenta ls ingress que generan y el cnjunt de ls gasts cmerciales en que tiene que incurrir la

4 rganización para frecer sus prducts y servicis y mantener la relación cn sus clientes. En este sentid, el Custmer Equity se pdría calcular cm el agregad del lifetime value de cada un de ls clientes de la empresa. Pdems encntrar alguns ejempls de cóm se pdría btener el Custmer Equity de una empresa tip en la página Web ulatins.html, siguiend la metdlgía prpuesta pr Blattberg. Otr autr, Rust (2000), también ha prpuest una metdlgía de cálcul similar para la btención del Custmer Equity. Para ests autres, ls beneficis prvienen de ls clientes y n de las marcas de ls prducts, pr l que resulta de vital imprtancia analizar quiénes sn ls clientes más rentables que aprtan un mayr valr en su relación cn la empresa a larg plaz. Rbert Blattberg, Gary Getz y Jacquelyn Thmas destacan en su libr Custmer Equity la imprtancia de retener sól a ls clientes más rentables y valiss, ya que una estrategia de retención del 100 % de ls clientes pdrían resultar cntraprducente para muchas empresas. 4. EL SOPORTE DE LAS TICS PARA ANALIZAR LOS DATOS DE LOS CLIEN- TES La evlución histórica de las Tecnlgías de la Infrmación en estas últimas décadas finalmente ha prpiciad la aparición de las herramientas de Datawarehusing y Datamining, que cnstituyen el pilar fundamental de las slucines de Business Intelligence (Inteligencia de Negci), centradas en la expltación de la infrmación sbre ls clientes DATAWAREHOUSING El desarrll de la tecnlgía de Datawarehusing a partir de ls añs nventa hace psible la recpilación y gestión de grandes vlúmenes de dats, mientras que tras tecnlgías cm SAN (Strage Area Netwrks) permiten el almacenamient distribuid en red de gran capacidad (cients de Terabytes). Pr su parte, el análisis de dats es facilitad pr tecnlgías OLAP y herramientas de Datamining. Las interfaces visuales basadas en un entrn de ventanas permiten desarrllar un sftware de cnsulta amigable e intuitiv, asequible a usuaris cn muy pc cncimients de infrmática (cm suele currir cn frecuencia entre ls miembrs de la Alta Dirección). Ls Sistemas de Datawarehusing cnstan de tres elements principales: Recpilación y gestión de grandes vlúmenes de dats: Tecnlgía de Datawarehusing. Análisis de ls dats: Tecnlgía OLAP y herramientas de Datamining. Sftware de cnsulta amigable e intuitiv, asequible al usuari final. Pdems cnsiderar que un Datawarehuse es un gran almacén de dats, en el que se integran dats prcedentes de varias fuentes: dats de ls sistemas transaccinales de la empresa, que se encuentran diseminads pr distints departaments (Administración, Marketing, Prducción, etc.), dats de sistemas heredads interns ( mainframes ) y dats prcedentes de fuentes externas. Tds ests dats sn n vlátiles, es decir, n se van a mdificar, sn de sól lectura. Además, sól se refieren a un determinad mment de tiemp, ya que n se van a actualizar una vez hayan sid cargads en el Datawarehuse. Pr este mtiv, ls dats de un Datawarehuse siempre incrpran la referencia tempral: día, mes, trimestre, añ, etc. Además, un Datawarehuse debe dispner de una gran capacidad de almacenamient, de varias decenas de Gigabytes, llegand inclus a alcanzar ls Terabytes en las grandes empresas, ya que ls dats pertenecen a largs períds de tiemp, crrespndientes a varis ejercicis ecnómics de la empresa. En el Datawarehuse se pueden almacenar dats cn distints niveles de detalle, aunque cn ell se intrduzcan redundancias en el sistema. Así, un alt nivel de detalle (baja granularidad) permitiría respnder a cualquier tip de cnsulta planteada al sistema (pedids de un cliente en una determinada fecha, pr ejempl), mientras que un baj nivel de detalle (es decir, dats agregads, cn una alta granularidad) exige trabajar cn un menr vlumen de dats, cn l que se frece una respuesta much más rápida a determinadas cnsultas que manejen dats agregads. De este md, se pueden estructurar ls dats en múltiples niveles de detalle dentr del Datawarehuse. Pr tra parte, se emplea el cncept de metadats para hacer referencia a la infrmación que se guarda en el sistema sbre ls prpis dats, entre la que pdems incluir el catálg y descripción de ls dats (estructuras de dats manejadas pr el sistema y que cnstitu-

5 yen el mdel de dats); prcedencia (tablas y camps fuentes y cuáles sn sus valres clave); fecha de carga en el Datawarehuse; transfrmacines que han experimentad; peridicidad de su actualización; etc. Las técnicas de Análisis Multidimensinal OLAP (On Line Analytical Prcessing) emplean un Mdel Multidimensinal, cnstituid pr tres cmpnentes: Dimensines: grups cnceptuales que permiten analizar cnslidar ls dats, pr ejempl, prducts, clientes, znas gegráficas, escala tempral, etc. Medidas indicadres: valres numérics que se guardan en la base de dats, pr ejempl, facturación, unidades vendidas, númer de pedids, etc. Jerarquías de dimensines: distints niveles de agregación dentr de una dimensión DATAMINING Las herramientas de Datamining, términ que pdríams traducir pr Minería de Dats, cnstituyen métds avanzads para explrar y mdelizar relacines en grandes vlúmenes de dats y btener infrmación que se encuentra implícita: patrnes de cmprtamient de ls clientes, asciacines de prducts, relación entre variables cm el preci de un prduct y su nivel de cnsum, etc. Alguns autres se refieren a este cnjunt de técnicas cn el nmbre de Knwledge Discvery in Databases (KDD), que pdríams traducir pr Descubrimient de Cncimient en Bases de Dats. Shaw (2001) define Datamining cm el prces de búsqueda y análisis de dats para revelar infrmación culta y ptencialmente valisa para la rganización. Este autr señala tres ámbits principales de aplicación de las herramientas de Datamining para el descubrimient de infrmación cntenida en bases de dats de Marketing: generación de perfiles de clientes, análisis de desviacines y análisis de tendencias. Entre ls distints tips de herramientas utilizads en ls paquetes de Datamining, pdems distinguir tres grandes grups: 1. Herramientas Estadísticas - Cálcul de distints parámetrs estadístics: medias, varianzas, crrelacines, etc. - Técnicas bayesianas. - Tests de hipótesis. - Técnicas de regresión lineal. - Análisis multivariante. - Análisis cluster: agrupación de dats para pder llevar a cab la segmentación de clientes, basada en la medición del nivel de similitud de ls dats para pder agrupar aquélls que cuentan cn las mismas características. 2. Técnicas de Inteligencia Artificial - Algritms genétics. - Redes neurnales. Tant las redes neurnales cm ls algritms genétics se han utilizad para desarrllar algritms de clasificación, que permiten asignar ls elements de un grup de estudi a distintas clases predeterminadas, que pueden representar perfiles de clientes basads en sus características scidemgráficas de cmprtamient. 3. Herramientas Simbólicas - Árbles de decisión, empleads en ls algritms de clasificación de clientes. - Reglas de asciación, que permiten establecer cnexines entre un más events, evaluand la crrelación entre distints tips de infrmación. Un ejempl de regla de asciación pdría ser similar a la siguiente: el 30 % de ls cmpradres de un DVD también pseen un reprductr de música MP3. - Identificación de patrnes secuenciales, extensión de la técnica de reglas de asciación que permite evaluar la currencia de determinads events en una secuencia tempral. Un ejempl de un patrón secuencial se pdría frmular de la siguiente frma: el 50 % de ls nuevs clientes de telefnía móvil de tercera generación van a gastar más de 60 eurs en servicis multimedia en ls siguientes ds meses a la cmpra de su teléfn APLICACIONES DE CRM Pr últim, también pdems destacar el imprtante papel desempeñad hy en día pr las aplicacines de CRM (Custmer Relatinship Management), herramientas que facilitan una gestión integral de las relacines cn ls clientes. Para ell, permiten realizar un seguimient persnalizad de cada cliente, analizan-

6 d su cmprtamient y su rentabilidad para la empresa. Según la Asciación españla de Marketing Relacinal (AeMR), se puede definir CRM cm el cnjunt de estrategias de negci, marketing, cmunicación e infraestructuras tecnlógicas, diseñadas cn el bjetiv de cnstruir una relación duradera cn ls clientes, identificand, cmprendiend y satisfaciend sus necesidades. Las aplicacines de CRM permiten registrar ls dats recabads en tds ls psibles cntacts de cada cliente cn la rganización: Cntacts preventa. Gestines asciadas a una venta. Servicis psventa. Asimism las aplicacines de CRM también pueden facilitar las siguientes tareas dentr de la empresa: Planificación, ejecución y seguimient de las accines que resultan de ls cntacts: acuses de recib, envís de dcuments, seguimients de fertas, etc. Gestión de campañas cmerciales y publicitarias: definición de bjetivs, selección del públic al que se dirige, lanzamient de la campaña, análisis de ls resultads, etc. Gestión de dcuments (cntrats, reclamacines, etc.). Gestión de tareas y del fluj de trabaj (wrkflw). De esta frma, se puede dispner de infrmación unificada y cmpleta de cada un de ls clientes: ls prducts y servicis que ha cntratad, las campañas y prmcines a las que ha respndid, las agendas del servici psventa, etc., cn un tratamient hmgéne multicanal (cntacts en persna, pr teléfn, pr fax, pr crre, a través del Web, pr ). Estas herramientas permiten generar estadísticas cmpletas sbre ls niveles de calidad del servici psventa, ls resultads de las campañas prmcinales, el cmprtamient de ls clientes, etc. Actualmente en el mercad se encuentran dispnibles aplicacines CRM de empresas especializadas cm Siebel, salesfrce.cm, e.piphany, SAP CRM, Abaln Cheris. 5. PROPUESTA DE UN MODELO PA- RA EL CÁLCULO DEL LIFETIME VALUE Debems recrdar que el lifetime value es el valr de la vida de un cliente en el cntext de su relación a larg plaz cn una empresa. Para la btención del lifetime value se han de tener en cuenta ls ingress ttales btenids de un determinad cliente, así cm ls gasts en ls que incurre la empresa para captar al cliente y mantener la relación. De este md, se pdría calcular el lifetime value a partir de ls siguientes indicadres: Ingress btenids en el transcurs de tda la relación cn el cliente, que se pdrían estimar a partir de las siguientes variables: Imprte medi de las ventas (pedid medi). Frecuencia de las peracines de venta. Recencia : tiemp transcurrid desde la última transacción. Categría de prducts que cnsume (uns prducts pueden ser más imprtantes que trs para la estrategia de la empresa) y psibles ventas cruzadas (el cnsum de uns prducts induce la cmpra de trs). Papel que puede desempeñar cm prescriptr y referente para trs clientes. Cstes cmerciales ligads a la cuenta del cliente: Cstes necesaris para captar al cliente (cstes de adquisición). Cstes necesaris para servir al cliente. Cstes necesaris para mantener la relación (fidelización). En el prcedimient para el cálcul del lifetime value se debe realizar una pryección de ls ingress y cstes futurs, para a cntinuación descntar sus imprtes mediante una tasa de actualización que pdría ser la de la inflación estimada la del cste del capital (tips de interés del mercad, pr ejempl), para btener de este md el valr actual de ls flujs de caja futurs ( valr actual net ). Asimism, en el prces de cálcul cnviene tener en cuenta la pérdida de clientes, a través de una determinada tasa de defunción.

7 También será necesari incluir trs aspects en este análisis: el increment de las peracines de venta y del margen generad pr ls clientes más satisfechs (ya que sn clientes más fieles y mens sensibles al preci) el Marketing Viral, entendiend cm tal aquella situación en la que ls mejres clientes ns recmiendan a sus amigs y cncids, cn l que se genera un increment del negci prpiciad pr ls prpis clientes. En el siguiente cuadr se presenta la aplicación del métd prpuest para la determinación del lifetime value de un determinad cliente en una empresa tip: Parámetrs de referencia para el cálcul Imprte medi peración 80,00 Númer peracines añ 20 peracines Margen cmercial pr peración 40% Cste medi del servici en cada peración 5,00 Cste adquisición del cliente 60,00 Cste anual de fidelización 30,00 Númer añs en que se mantiene la relación 5 añs Tasa de inflación anual 3% Tasa de actualización para el VAN 5% Añ 1 Añ 2 Añ 3 Añ 4 Añ 5 Ingress esperads 1.600, , , , ,81 Margen cmercial 640,00 659,20 678,98 699,35 720,33 Cstes captación cliente 60, Cstes servici cliente 100,00 103,00 106,09 109,27 112,55 Cste fidelización 30,00 30,90 31,83 32,78 33,77 Ttal cstes 190,00 133,90 137,92 142,05 146,32 Benefici btenid 450,00 525,30 541,06 557,29 574,01 Valr de Vida del Cliente (Valr Actual Net) 2.280,66 Tabla 1. Obtención del lifetime value de un cliente Ls ingress esperads para ese cliente se btienen a partir del imprte medi de cada peración y del númer estimad de peracines al añ, teniend en cuenta además el margen cmercial pr peración para pder calcular el margen cmercial. En cuant a ls cstes cmerciales y de marketing, se van a agrupar en tres categrías: cstes de captación (en este cas sól se prducen al cmienz de la relación cn el cliente), cstes de servici al cliente en cada peración y cstes de fidelización. El benefici btenid cada añ se puede calcular a partir de la diferencia entre el margen cmercial y el ttal de ls cstes cmerciales y de marketing. En este mdel se tiene en cuenta el efect de la inflación anual tant en ls cstes cm en ls ingress y se determina el valr de vida del cliente mediante el cálcul del VAN (Valr Actual Net), utilizand para ell ls beneficis btenids en cada añ de relación cn el cliente. Mediante la aplicación de este métd es psible realizar distintas simulacines para determinar el impact de las distintas estrategias de Marketing en ls resultads de una empresa, tmand cm referencia su base de clientes y la psible reacción de ésts ante las accines llevadas a cab pr la empresa. Obviamente, ls parámetrs del mdel dependerán de la naturaleza del mercad, de las características del prduct servici y de la situación de la empresa en cuestión. RESEÑA CURRICULAR DEL AUTOR Álvar Gómez Vieites Ingenier de Telecmunicación pr la Universidad de Vig. Especialidades de Telemática y de Cmunicacines. Númer un de su prmción (1996) y Premi Extrardinari Fin de Carrera. Ingenier Técnic en Infrmática de Gestión pr la UNED ( ). Premi al mejr expediente académic del curs en la Escuela Técnica Superir de Ingeniería Infrmática de la UNED Executive MBA y Diplma in Business Administratin pr la Escuela de Negcis Caixanva. Ha sid Directr de Sistemas de Infrmación y Cntrl de Gestión en la Escuela de Negcis Caixanva. Prfesr clabradr de esta entidad desde 1996, respnsable de ls curss y seminaris sbre Internet, Marketing Digital y Cmerci Electrónic. Sci-Directr de la empresa SIMCe Cnsultres, integrada en el Grup EOSA. Autr de varis librs y numerss artículs sbre el impact de Internet y las TICs en la gestión empresarial.