La deserción de clientes , también conocida como pérdida de clientes , rotación de clientes o deserción de clientes , es la pérdida de clientes o clientes.
Los bancos , las compañías de servicios telefónicos, los proveedores de servicios de Internet , las compañías de televisión de pago , las compañías de seguros y los servicios de monitoreo de alarmas, a menudo usan el análisis de deserción de clientes y las tasas de deserción de clientes como una de sus métricas comerciales clave (junto con el flujo de efectivo , el EBITDA , etc.) el costo de retener a un cliente existente es mucho menor que adquirir uno nuevo . [1] Las empresas de estos sectores suelen tener servicio al cliente. sucursales que intentan recuperar a los clientes desertores, porque los clientes recuperados a largo plazo pueden valer mucho más para una empresa que los clientes recién contratados.
Las empresas suelen hacer una distinción entre abandono voluntario y abandono involuntario . El abandono voluntario se produce debido a la decisión del cliente de cambiarse a otra empresa o proveedor de servicios, el abandono involuntario se produce debido a circunstancias como la reubicación del cliente en un centro de atención a largo plazo, la muerte o el traslado a un lugar distante. En la mayoría de las aplicaciones, las razones involuntarias de abandono se excluyen de los modelos analíticos. Los analistas tienden a concentrarse en el abandono voluntario, porque generalmente ocurre debido a factores de la relación empresa-cliente que controlan las empresas, como cómo se manejan las interacciones de facturación o cómo se brinda la ayuda posventa.
Cuando las empresas miden la rotación de sus clientes, por lo general hacen la distinción entre desgaste bruto y desgaste neto . El desgaste bruto es la pérdida de clientes existentes y sus ingresos recurrentes asociados por bienes o servicios contratados durante un período en particular. El desgaste neto es el desgaste bruto más la adición o contratación de clientes similares en la ubicación original. Las instituciones financieras a menudo rastrean y miden el desgaste mediante un cálculo ponderado, llamado Ingresos mensuales recurrentes (o MRR ). En la década de 2000, también hay una serie de programas de software de inteligencia empresarial que pueden extraer bases de datos de información del cliente y analizar los factores que están asociados con el desgaste de los clientes, como la insatisfacción con el servicio o el soporte técnico, disputas de facturación o un desacuerdo sobre las políticas de la empresa. . El software de análisis predictivo más sofisticado utiliza modelos de predicción de abandono que predicen el abandono de clientes al evaluar su propensión al riesgo de abandono. Dado que estos modelos generan una pequeña lista priorizada de potenciales desertores, son efectivos para enfocar los programas de marketing de retención de clientes en el subconjunto de la base de clientes que son más vulnerables a la deserción.
Aplicaciones de servicios minoristas
Los servicios financieros , como la banca y los seguros, utilizan aplicaciones de análisis predictivo para el modelado de abandono, porque la retención de clientes es una parte esencial de la mayoría de los modelos comerciales de los servicios financieros . Otros sectores también han descubierto el poder de la analítica predictiva, incluidos los operadores minoristas , de telecomunicaciones y de televisión de pago. Uno de los principales objetivos de modelar la deserción de clientes es determinar los factores causales, de modo que la empresa pueda intentar evitar que la deserción ocurra en el futuro. Algunas empresas quieren evitar que sus buenos clientes se deterioren (por ejemplo, retrasándose en sus pagos) y se conviertan en clientes menos rentables, por lo que introdujeron la noción de pérdida parcial de clientes .
La pérdida de clientes merece una atención especial por parte de los proveedores de servicios de telecomunicaciones móviles en todo el mundo. Esto se debe a las bajas barreras para cambiar a un proveedor de servicios de la competencia, especialmente con la llegada de la Portabilidad de Número Móvil (MNP) en varios países. Esto permite a los clientes cambiarse a otro proveedor conservando sus números de teléfono. Mientras que los mercados maduros con alta teledensidad (penetración del mercado telefónico) tienen tasas de abandono que van del 1% al 2% por mes, los mercados en desarrollo de alto crecimiento como India y China están experimentando tasas de abandono de entre el 3% y el 4% por mes. Al implementar nuevas tecnologías, como modelos de predicción de abandono, junto con programas de retención efectivos, el abandono de clientes podría gestionarse mejor para detener la pérdida significativa de ingresos de los clientes que abandonan.
La deserción de clientes es una preocupación importante para los bancos estadounidenses y canadienses, porque tienen tasas de deserción mucho más altas que los bancos de Europa occidental. Los bancos de EE. UU. Y Canadá con las tasas de abandono más bajas han logrado tasas de rotación de clientes tan bajas como 12% anual, mediante el uso de tácticas como cuentas corrientes gratuitas, banca en línea y pago de facturas, y un mejor servicio al cliente. Sin embargo, una vez que los bancos puedan mejorar sus tasas de abandono mejorando el servicio al cliente, pueden llegar a un punto más allá del cual un mayor servicio al cliente no mejorará la retención; es necesario explorar otras tácticas o enfoques.
La deserción o deserción de clientes se utiliza a menudo como un indicador de satisfacción del cliente. Sin embargo, la tasa de abandono se puede mantener artificialmente baja dificultando a los clientes la resiliencia de sus servicios. Esto puede incluir ignorar las solicitudes de resignación, implementar procedimientos de resignación largos y complicados que debe seguir un consumidor promedio y varias otras barreras para la resignación. Por lo tanto, la rotación puede mejorar mientras que la satisfacción del cliente se deteriora. Esta práctica es miope y será contraproducente. Sin embargo, fue mostrado [¿ por quién? ] para ser común en las compañías telefónicas y entre los proveedores de Internet.
Investigar
Los académicos han estudiado la deserción de clientes en empresas europeas de servicios financieros e investigado los predictores de deserción y cómo el uso de enfoques de gestión de relaciones con los clientes (CRM) puede afectar las tasas de deserción. Varios estudios combinan varios tipos diferentes de predictores para desarrollar un modelo de abandono. Este modelo puede tener en cuenta características demográficas , cambios ambientales y otros factores. [2]
La investigación sobre el modelado de datos de deserción de clientes puede proporcionar a las empresas varias herramientas para mejorar la retención de clientes. Mediante la minería de datos y el software, se pueden aplicar métodos estadísticos para desarrollar modelos de causalidad de deserción no lineales. Un investigador señala que "... retener a los clientes existentes es más rentable que adquirir nuevos clientes debido principalmente a los ahorros en los costos de adquisición, el mayor volumen de consumo de servicios y las referencias de los clientes". El argumento es que para construir un "... programa efectivo de retención de clientes", los gerentes deben llegar a comprender "... por qué los clientes se van" e "... identificar a los clientes con alto riesgo de irse" mediante una predicción precisa deserción de clientes. [3]
Predicción
En el contexto empresarial , "abandono" se refiere tanto a la migración de los clientes como a su pérdida de valor. Entonces, "churn rate" se refiere, por un lado, al porcentaje de clientes que terminan su relación con la organización, o, por otro lado, a los clientes que aún reciben sus servicios, pero no tanto o con menos frecuencia. como solían hacerlo. Las organizaciones actuales se enfrentan por tanto a un gran reto: poder anticiparse al abandono de los clientes para retenerlos a tiempo, reduciendo así costes y riesgos y ganando eficiencia y competitividad. Existen en el mercado herramientas y aplicaciones de analítica avanzada, especialmente diseñadas para analizar en profundidad la enorme cantidad de datos dentro de las organizaciones, y hacer predicciones basadas en la información obtenida del análisis y exploración de esos datos. Pretenden poner al servicio de los departamentos y agencias de marketing -y de todos los usuarios empresariales- las armas necesarias para:
- Detectar pronto qué clientes están a punto de abandonar y conocerlos en profundidad, respondiendo a preguntas como: ¿Quiénes son? o ¿Cómo se comportan?
- Conocer el valor real de la pérdida potencial de esos clientes, con el objetivo de establecer prioridades y distribuir los esfuerzos y recursos del negocio de manera eficiente, optimizando los recursos y maximizando el valor de la cartera de clientes actuales.
- Poner en práctica planes de retención personalizados para reducir o evitar su migración, aumentando la capacidad de reacción y anticipándose a posibles fugas no previstas.
Reducción
Hay organizaciones que han desarrollado estándares internacionales con respecto al reconocimiento y el intercambio de las mejores prácticas globales en el servicio al cliente para reducir el desgaste de los clientes. El Instituto Internacional de Servicio al Cliente ha desarrollado el Estándar Internacional de Servicio al Cliente para alinear estratégicamente a las organizaciones de modo que se enfoquen en brindar excelencia en el servicio al cliente, mientras que al mismo tiempo brindan reconocimiento del éxito a través de un esquema de registro de terceros.
Gestión
No todas las pérdidas de clientes son malas. Para muchas empresas, es útil y deseable que los clientes no rentables se retiren. Esto se conoce como desinversión de clientes no rentables. [4] Sin embargo, el simple hecho de que un cliente no sea rentable no significa que deba desinvertirse, porque existen razones estratégicas para retener a los clientes no rentables.
Ver también
Referencias
- ^ Cero deserciones: la calidad viene al servicio. , Reichheld y Sasser. Revisión de Harvard Business. 1990.
- ^ Van Den Poel; Lariviére (2004). "Análisis de desgaste de clientes para servicios financieros utilizando modelos de riesgo proporcional". Revista europea de investigación operativa . 157 : 196–217. CiteSeerX 10.1.1.62.8919 . doi : 10.1016 / s0377-2217 (03) 00069-9 .
- ^ Aplicación y evaluación de modelos para predecir la deserción de clientes mediante técnicas de minería de datos , Tom Au, et al. Revista de Gestión Internacional Comparada. 1 de junio de 2003
- ^ Ka-shing Woo, Henry KY Fock, (2004) Retención y desinversión de clientes: un estudio exploratorio de los clientes correctos, los clientes correctos "en riesgo" y los clientes incorrectos. Revista de marketing de servicios, 18 , 187-197.
Otras lecturas
- Buckinx Wouter, Dirk Van den Poel (2005), " Análisis de la base de clientes: deserción parcial de clientes leales conductuales en un entorno minorista de bienes de consumo no contractuales ", European Journal of Operational Research , 164 (1), 252-268.
- Burez Jonathan, Dirk Van den Poel (2006), " CRM en una empresa de televisión de pago: uso de modelos analíticos para reducir el desgaste de los clientes mediante el marketing dirigido a los servicios de suscripción ", Expert Systems with Applications , 32 (2), 277–288.
- Prinzie Anita, Dirk Van den Poel (2005), “ Incorporación de información secuencial en modelos de clasificación tradicionales mediante el uso de un SAM sensible al elemento / posición ”, Decision Support Systems , 42 (2), 508–526.
- Pohl Stefan (2007), Zeitraumbezogene Stornomodellierung in der Kraftfahrtversicherung, Zeitschrift für Versicherungswesen (ZfV) , 59 (11), 361–368.