El profesor Peter Fader de la Wharton Business School en su libro “Customer Centricity”: Focus on the right customers for Strategic Advantage, describe la estrategia centrada en el cliente de la siguiente manera: “Identificar a los clientes más valiosos, extraer el máximo dinero de ellos y encontrar a otros clientes iguales”.

Sin duda es una forma diferente de definir el concepto de enfoque al cliente, anteponiendo la rentabilidad del negocio en el largo plazo. La estrategia de Fader nos invita cambiar el paradigma de dar un buen servicio para todos los clientes por un nuevo paradigma de un servicio excelente para los clientes excelentes.

Pero, ¿Cuáles son los clientes excelentes?: Aquellos más valiosos para el negocio en el largo plazo, es decir aquellos con mayor Customer Lifetime Value.

El Customer Lifetime Value se define como el valor que obtendrá la compañía de cada uno de los clientes a lo largo de toda su relación con la marca.

¿Cómo llevar el CLV a su máximo potencial?

El Customer Lifetime Value se puede descomponer en tres factores básicos: El ticket promedio o compra media, el número de compras en un periodo de tiempo y el lapso de tiempo de relación con el cliente.

Lo realmente potente de estos factores es que cada uno de ellos puede actuar como palanca independiente para hacer crecer el CLV de cada cliente, y que aplicadas de forma conjunta consiguen un efecto multiplicador.

El cliente por definición es omnicanal, utiliza los diferentes canales disponibles en función de sus circunstancias y necesidades a resolver. EL CLV mide el valor actual global del cliente para la organización y mide cuánto podemos esperar que aporte a futuro.

Cómo utilizar el CLV para focalizarse en los clientes con más potencial y cómo encontrarlos entre nuestras audiencias

Esta visión a futuro del cliente es una de las claves que nos muestra Fader en su libro, donde habla de “satisfacer las necesidades actuales y futuras de los clientes más valiosos.

¿Cómo podemos entender, anticipar, predecir comportamientos para prescribir servicios y productos en base a necesidades futuras del cliente? Gracias al uso de la analítica avanzada.

Las técnicas de machine learning, inteligencia artificial, o analítica avanzada, como queramos llamarle, “aprenden” de los datos de nuestros clientes para crear algoritmos con esas capacidades aparentemente mágicas. En realidad de magia tiene poco, se trata tan solo de las reglas de comportamiento aprendidas de los datos.

El CLV es un reflejo de la evolución de los hábitos del cliente, por eso es necesario para detectar cambios en su comportamiento y poner en marcha acciones de upgrading, upselling y retención entre otras.

Gracias al CLV podemos, por ejemplo, medir de forma más precisa el ROI de nuestras campañas de adquisición con una visión del beneficio en el largo plazo.

Si perfilamos nuestras audiencias como fiel reflejo de nuestros clientes de mayor valor potencial, obtendremos clientes más afines a nuestra oferta, más fieles y en definitiva más beneficiosos, llevándonos a una especie de círculo virtuoso donde cada vez conseguimos hacer más rentables a nuestros clientes actuales y captar a clientes más rentables.