Desarrollo de un nuevo modelo RFM lingüístico difuso personalizable según las preferencias y consumo de los clientes, catálogo de productos y estrategia de marketingaplicación en retail

Resumo

El análisis de datos es ya una necesidad para cualquier empresa que quiera incrementar su cuota de mercado y asegurar su supervivencia. La recopilación, análisis e interpretación de los datos es fundamental para poder definir correctamente la estrategia de la empresa y conocer qué acciones están funcionando y cuáles necesitarán ser revisadas. Conocer quiénes son los clientes de la empresa, qué compran, cómo lo hacen, o si están activos o abandonando el negocio ayudará a ajustar la comunicación para llegar a cada cliente con el mensaje correcto, en el momento en que más receptivo esté y con una oferta personalizada. La digitalización ha hecho que la oferta de producto sea mucho más amplia y el cliente cada vez tenga más poder y sea mucho menos fiel a las marcas. Sus expectativas son muy altas y demanda servicios y productos de mucha calidad cada vez más personalizados. Los comercios minoristas, se mueven en un entorno turbulento y necesitan acercarse a su cliente para asegurar su supervivencia y progreso, teniendo siempre en cuenta su producto o servicio como nexo clave en dicho proceso de acercamiento. Conocer los perfiles de los clientes y gestionar la métrica conocida como valor del cliente, permitirá detectar en qué momento de su ciclo de vida con la empresa se encuentran y desarrollar propuestas de valor centradas en su captación, activación, desarrollo y retención según convenga en cada momento. Pero, a pesar del avance en la digitalización y de la gran cantidad de datos que se generan, no todas las empresas son capaces de gestionarlos. Debido a su fácil interpretación y sencilla implementación, modelos como el RFM (Recency, Frequency, Monetay), se han implementado con éxito durante más de veinte años. Es remarcable, además, el hecho de que este modelo necesita solamente el histórico de compras para ser desarrollado y, permite calcular el valor de cada cliente, así como generar segmentos según su nivel de actividad y consumo. A pesar de la extensa colección de ampliaciones y aplicaciones encontradas sobre este modelo, durante la investigación, se detectaron deficiencias en él que debían ser trabajadas, especialmente cuando se trataba de aplicarlo al sector del comercio minorista. Esta tesis, que adquiere el formato de tesis con mención industrial, es el resultado de la recopilación de todo el trabajo de investigación que ha sido necesario para resolver un problema real en IKEA, compañía sueca líder internacional en la venta al por menor de muebles y artículos para el hogar. IKEA, ya tenía implementado el modelo RFM tradicional en el cual no se incluye la información del producto y sus diferentes jerarquías, siendo, sin embargo, como se demuestra en esta memoria, una información clave para conseguir transformar dicho modelo en una herramienta personalizable según el calendario comercial de la empresa y de las necesidades específicas de cada cliente. Toma principal relevancia para esta investigación la mejora que supone la aplicación del modelo lingüístico difuso 2-tuplas, sobre el modelo RFM tradicional. Este enfoque, como modelo continuo de representación de información que lleva a cabo procesos de transformación de información numérica a palabras sin pérdida de contenido, resulta muy útil cuando ponemos en práctica modelos matemáticos que deben ser interpretarlos de forma accesible para todas las personas implicadas en el proceso. El modelo desarrollado, por tanto, es una mejora del modelo RFM lingüístico difuso 2-tuplas que, al incluir la información relacionada con el catálogo y las jerarquías de productos, ayuda a combinar la estrategia centrada en el cliente con la estrategia centrada en el producto, optimizando así, el cálculo del valor del cliente y, obteniendo una mayor efectividad en las estrategias relacionales que se pueden extrapolar tras su uso. El modelo aumenta la precisión e interpretabilidad de las diferentes tipologías de clientes consiguiendo una aplicación más efectiva al negocio.