Una necesidad primordial para todas las organizaciones es conocer y entender a sus clientes a lo largo de su ciclo de vida. Conocer los gustos, necesidades y hábitos de compra del cliente permite generar estrategias analíticas enfocadas en incrementar el valor hacia ellos y el que éstos representan para la empresa. Actualmente uno de los objetivos de negocio más importantes de las empresas es lograr que sus clientes sean leales a su marca y no a sus productos o servicios individuales, pero para lograr esto, se debe tener el compromiso de conocerlos de forma personalizada y de servirlos de manera congruente y consistente a través de sus distintos canales de contacto, por lo que el manejo de información en toda organización es primordial.
En este sentido, existen distintos modelos que permiten anticiparse a las necesidades futuras del cliente, por ejemplo, mediante los modelos de adquisición se pueden escoger los mejores prospectos y mediante los modelos de venta cruzada y/o up-sell se puede incrementar la cantidad y el valor de los productos o servicios por cliente.
Otros modelos son aquellos enfocados a mantener la lealtad del cliente, por ejemplo mediante modelos de probabilidad de abandono y supervivencia las empresas pueden identificar a los consumidores con mayor propensión a cancelar servicios y conocer cuál es el tiempo estimado antes de la cancelación.
Para desarrollar cualquiera de estos modelos se pueden usar algoritmos predictivos en un marco de minería de datos. Sin embargo, como primer paso, toda organización debe contar con información específica y gobernar esta información de forma adecuada, dependiendo del modelo a realizar, para asegurar el valor y repetitividad de las estrategias a implementar. La empresa debe asegurarse que la información utilizada en la generación de modelos cuenta con una calidad adecuada y puede ser recopilada de forma constante.
Algunos de los datos más usados en la generación de estos modelos involucran información demográfica de los clientes como: edad, género, región en la que viven, así como información histórica de su comportamiento dentro de la empresa, históricos de uso de los productos y servicios, montos promedios de compra, frecuencia de compra, etc. A partir de esta información base, se generan variables calculadas para identificar cambios y tendencias de comportamiento que permitan predecir el evento bajo estudio. Por ejemplo, para generar modelos predictivos de cancelación típicamente se generan variables calculadas que permitan identificar cambios de comportamiento del cliente, tales como: cambios en las tendencias de uso, cambios demográficos, compras intermitentes, etc.
En este sentido, cada modelo tiene sus necesidades específicas de información y mejores prácticas en términos de la preparación de ésta, por lo que la gestión de datos debe ir siempre ligada a los objetivos de negocio para los cuales se está gobernando la información.
