Artículos en esta sección

Monográfico: Segmentación de clientes

En resumen

Segmentar es decidir a quién hablar y, sobre todo, a quién no: cada mensaje que no llega a quien no lo necesita es margen que no se regala y atención que no se desgasta. Bien hecha, la segmentación convierte una base de clientes tratada como un bloque en un conjunto de audiencias vivas, definidas por reglas sobre un perfil unificado, que se recalculan solas y que se pueden medir.

Este monográfico recorre el camino completo: por qué segmentar, qué tipos de segmentación existen y qué pregunta responde cada uno, qué dato hace falta debajo, cómo leer el RFM, cómo pasar de un objetivo de negocio a un segmento y cómo se hace todo ello en FLYDE, con un caso guiado de principio a fin. Si solo te llevas una idea: empieza por pocos segmentos con una acción clara y un grupo de control desde el primer día.

1. Por qué segmentar (y por qué casi nadie lo hace bien)

Segmentar es decidir a quién no le vas a hablar. Suena a pérdida, pero es justo lo contrario: cada mensaje que no mandas a quien no lo necesita es dinero que no gastas, margen que no regalas y atención que no desgastas. Una base de clientes tratada como un bloque único rinde siempre por debajo de lo que podría, y la diferencia entre ambas cosas es lo que en FLYDE llamamos revenue dormido: ingresos que ya están en tus datos y que nadie va a buscar.

De la lista a la audiencia

Casi todas las empresas «segmentan» de alguna forma. El problema es cómo. La forma más común es exportar un Excel del e-commerce o del CRM, filtrar por una o dos columnas (ciudad, fecha de última compra) y subir el resultado a la herramienta de email. Esa lista tiene tres defectos:

  • Es una foto: en cuanto se exporta ya está desactualizada. El cliente que compró ayer sigue apareciendo como inactivo.
  • Es parcial: nace de una sola fuente. El e-commerce no sabe lo que pasó en tienda, el CRM no sabe lo que pasó en la app.
  • No deja rastro: nadie puede volver a construirla igual, ni comparar la de este mes con la del anterior, ni saber si funcionó.

Una audiencia es otra cosa. Es una definición («clientes que han comprado al menos tres veces y no compran desde hace 90 días») aplicada sobre un perfil unificado y que se recalcula sola. Hoy tiene 4.200 personas; mañana tendrá 4.180 porque veinte han vuelto a comprar y han salido. La definición es estable; la población cambia. Esa es la diferencia entre segmentar y filtrar.

Tres palabras que conviene distinguir

  • Segmento: un grupo de clientes con una característica común, definido desde el negocio (los «campeones», los «dormidos de alto valor»). Es un concepto.
  • Audiencia: la materialización de un segmento (o de la combinación de varios) como conjunto concreto de usuarios sobre el que vas a actuar. Es un objeto que existe en la plataforma, se puede analizar y se puede enviar a otra herramienta.
  • Grupo de control: la parte de una audiencia que deliberadamente dejas fuera de la acción para poder medir después qué habría pasado sin ella. Sin grupo de control sabrás cuánto vendiste; no sabrás cuánto vendiste gracias a la campaña.

El vocabulario importa porque es el que aparece en FLYDE y porque en muchas organizaciones los tres términos se usan como sinónimos, y de ahí vienen bastantes malentendidos entre marketing, CRM y datos.

Estática o dinámica

Una segmentación estática se construye una vez y se mantiene a mano. Una dinámica se define por reglas y se actualiza cuando cambian los datos. Las estáticas tienen su sitio (un grupo de control debe ser estático por definición), pero la operativa del día a día tiene que ser dinámica: un cliente que pasa de «activo» a «en riesgo» debería cambiar de tratamiento sin que nadie tenga que darse cuenta.

El coste de no segmentar

No segmentar también es una decisión, y tiene un precio que no aparece en ninguna factura:

  • Descuentos a quien iba a comprar igual. El 20 % que mandas a toda la base lo cobran también tus mejores clientes, que no lo necesitaban.
  • Fatiga y bajas. El mismo mensaje a todos significa mensajes irrelevantes para la mayoría. Cada envío irrelevante acerca a una parte de la base a darse de baja o a dejar de abrir.
  • Ceguera. Si todo el mundo recibe lo mismo, no puedes saber qué funciona con quién. La base entera se convierte en un único experimento sin grupo de comparación.
  • Clientes que se van sin que nadie lo vea. El cliente que lleva cuatro meses sin comprar cuando su ritmo era mensual ya ha decidido irse; en una base sin segmentar no se distingue del que compra una vez al año.

Segmentar bien no es tener muchos segmentos. Es tener los que responden a una decisión concreta del negocio, mantenerlos vivos sin esfuerzo manual y poder medir lo que pasa con cada uno. El resto de este monográfico va de eso.

2. Tipos de segmentación

No hay una segmentación correcta: hay una pregunta de negocio y un tipo de segmentación que la responde. Esta sección recorre los seis tipos que cubren casi cualquier necesidad, de menor a mayor exigencia de datos. Los dos últimos son los que diferencian a una empresa que usa sus datos de una que solo los almacena.

Demográfica

Edad, género, idioma, tipo de cliente (particular o empresa), tamaño de la empresa en B2B. Responde a «¿quién es?». Es la más fácil de obtener y la menos predictiva: dos personas de la misma edad y ciudad pueden comportarse de forma opuesta. Útil para adaptar el tono y el surtido, insuficiente para decidir a quién impactar.

Geográfica

País, región, código postal, distancia a la tienda más cercana, zona de reparto. Responde a «¿dónde está?». Gana mucho valor cuando se cruza con datos externos: con la población y la renta por código postal puedes saber no solo cuántos clientes tienes en una zona, sino qué porcentaje de la población de esa zona has captado y cuánto te queda por captar. Esa es la diferencia entre un mapa de clientes y un mapa de oportunidad.

Por fuente y canal

Por dónde llegó el cliente (campaña, canal, tienda, marketplace) y por dónde interactúa (app, web, tienda física, contact center). Responde a «¿cómo llegó y cómo se relaciona?». Sirve para medir la calidad de cada fuente de captación (los clientes de un canal suelen valer más que los de otro) y para hablar a cada uno por el canal que usa.

Por comportamiento

Qué hace el cliente: cuándo compró por última vez, con qué frecuencia, qué categorías, qué nivel de respuesta tiene a tus comunicaciones, en qué fase del ciclo de vida está (nuevo, activo, en riesgo, dormido, perdido). Responde a «¿qué hace?». Es la base de casi toda la segmentación útil y el territorio del RFM, que trataremos aparte en la sección 4. Exige historial transaccional y, si quieres medir engagement, el registro de impactos y respuestas.

Por valor

Cuánto vale el cliente: gasto acumulado, lifetime value, margen, ticket medio, puntos de fidelización. Responde a «¿cuánto aporta?». Permite concentrar el esfuerzo donde está el retorno y, sobre todo, evitar el error más caro del marketing: gastar en retener a quien no vale lo que cuesta retenerlo. Necesita el histórico completo de compras y, para trabajar con margen, el coste por producto.

Predictiva

Qué va a hacer el cliente: probabilidad de volver a comprar, de darse de baja, de responder a una oferta, próxima compra más probable. Responde a «¿qué va a pasar?». Es la única que mira hacia delante; las demás describen el pasado. Exige modelos de machine learning entrenados sobre el histórico y, para que sean útiles, que se reentrenen y recalculen con regularidad. Su gran ventaja operativa es que convierte la segmentación en anticipación: actuar sobre un cliente que todavía no se ha ido en vez de sobre uno que ya se fue.

Cuadro resumen

Tipo Pregunta que responde Dato que exige Cuándo no usarla sola
Demográfica ¿Quién es? Atributos del perfil Para decidir a quién impactar: describe, no predice
Geográfica ¿Dónde está? Dirección o código postal; datos externos de población y renta Sin datos externos solo dibuja dónde ya vendes
Fuente y canal ¿Cómo llegó y por dónde interactúa? Origen de captación, canal de cada interacción Si el origen no está bien registrado en todas las fuentes
Comportamiento ¿Qué hace? Historial de compras, impactos y respuestas Sin suficiente historial (clientes muy nuevos)
Valor ¿Cuánto aporta? Histórico completo de compras; coste para margen Si el histórico está partido entre sistemas sin unificar
Predictiva ¿Qué va a pasar? Modelos ML reentrenados y recalculados con regularidad Con poco histórico o sin seguimiento de la precisión del modelo

En la práctica, los segmentos que funcionan combinan varios tipos. «Clientes de alto valor, en riesgo de churn, a menos de 10 km de una tienda» cruza valor, predicción y geografía en una sola audiencia. Lo que hace eso posible no es la herramienta de activación, sino tener todos esos datos en el mismo perfil.

3. El dato que hay debajo

Una segmentación vale lo que vale el perfil sobre el que se construye. Si el mismo cliente existe tres veces (una por el e-commerce, otra por el programa de fidelización y otra por la tienda), cualquier regla que escribas lo tratará como tres personas distintas con un tercio del historial cada una. El «dormido» de tu lista puede haber comprado la semana pasada en otro sistema. Por eso la segmentación empieza antes de la segmentación: en unificar.

Un cliente, un perfil

Unificar perfiles se llama identity resolution. Consiste en reconocer que los registros que llegan de distintas fuentes pertenecen a la misma persona y fusionarlos en un único perfil con todo su historial. Las claves que permiten hacerlo son determinísticas: email, teléfono, ID de cliente o de socio del programa de lealtad, ID de pedido, identificador propio de la web o la app, huella del dispositivo e identificadores de otras plataformas.

Dos detalles hacen que esto funcione en la vida real y no solo en la teoría:

  • Normalización previa. «Juan.Perez@Mail.com », «juan.perez@mail.com» y un teléfono con o sin prefijo son el mismo dato escrito de tres formas. Sin limpiarlos antes, la fusión no ocurre.
  • Fusiones trazables y reversibles. Cuando dos perfiles se unen, queda registrado por qué y se puede deshacer. Una fusión equivocada (dos personas que comparten un teléfono de empresa, por ejemplo) no debería ser irreparable.

Para quien segmenta, la consecuencia práctica es simple: las reglas se escriben una vez, sobre el perfil unificado, y aplican a todo lo que se sabe del cliente venga de donde venga.

Los cuatro tipos de usuario

No todos los perfiles de una base son iguales ni permiten lo mismo. FLYDE distingue cuatro tipos, y es útil pensar la segmentación a partir de ellos:

Tipo Qué se sabe de él Qué se puede segmentar
Anónimo Navegación web o app identificada por la huella del dispositivo; sin medio de contacto Comportamiento de navegación y poco más; no se le puede contactar directamente
Prospect Tiene un medio de contacto (email, teléfono) pero no ha comprado Origen, canal, engagement con las comunicaciones, navegación
Cliente Tiene al menos una compra Todo: comportamiento, valor, geografía, predicción
Baja Solo en modelos de suscripción: ha cancelado. Se anonimiza y se conserva su comportamiento Análisis y entrenamiento de modelos; no acción comercial

La mayor parte de las audiencias accionables viven en Prospects y Clientes. Los Anónimos son el territorio de la personalización en la web y de la captación (convertirlos en Prospects); las Bajas son memoria estadística que enseña a los modelos qué aspecto tiene un cliente antes de irse.

Las métricas que ya están calculadas

Buena parte de lo que necesitas para segmentar no es un dato bruto sino una métrica derivada, y conviene que la calcule la plataforma de forma uniforme para todos los usuarios en lugar de recalcularla cada uno en su Excel. En el perfil de FLYDE encontrarás, entre otras:

  • Fecha de última compra y número de compras.
  • Lifetime value (gasto acumulado del cliente).
  • Puntos acumulados, si hay programa de fidelización.
  • Scorings: el RFM, que se calcula por periodo de facturación cerrado, y los que defina cada empresa, con la programación que se les configure.
  • Nivel de engagement, a partir de los impactos recibidos y la respuesta a ellos.
  • Periodicidad de compra esperada, configurada por el negocio: es lo que permite decir que un cliente «lleva demasiado tiempo» sin comprar, porque demasiado depende de si vendes café o colchones.

Este último punto merece una pausa. La misma ausencia de 60 días significa cosas opuestas según el negocio: en un supermercado es un cliente casi perdido; en una óptica, uno perfectamente normal. Definir la periodicidad esperada es una de las decisiones de configuración con más impacto en la calidad de los segmentos, y se toma una vez.

Calidad antes que cantidad

Segmentar sobre datos sucios produce segmentos sucios con aspecto limpio, que es lo peor de ambos mundos. Antes de construir audiencias conviene responder a tres preguntas: qué porcentaje de perfiles tiene un email o teléfono válido, qué porcentaje de compras llega con identificador de cliente (una compra sin cliente no segmenta a nadie) y si los campos que vas a usar en las reglas están rellenos de forma consistente en todas las fuentes. Las respuestas suelen cambiar el plan.

4. RFM en profundidad

RFM es la segmentación por comportamiento más antigua y sigue siendo la más rentable por euro invertido: con tres números que cualquier empresa tiene (cuándo compró el cliente por última vez, cuántas veces y cuánto gastó) ordena la base entera por su valor presente y por su riesgo. No necesita modelos ni datos externos. Necesita entenderse bien, que es lo que suele fallar.

Las tres letras

  • Recencia (R): tiempo transcurrido desde la última compra del periodo hasta la fecha del cálculo. Es el mejor predictor individual de que el cliente volverá a comprar: quien compró la semana pasada tiene más probabilidad de repetir que quien compró hace un año, casi en cualquier negocio.
  • Frecuencia (F): número de días distintos con compra en el periodo analizado. Mide el hábito. Un cliente que compra muchos días suele ser más estable que uno que compró mucho un solo día.
  • Monetario (M): importe gastado en el periodo, ponderado por el margen si el negocio lo tiene configurado. Mide el valor. Combinado con los otros dos distingue al cliente valioso en riesgo del cliente poco valioso en riesgo, que no merecen el mismo esfuerzo.

Cómo se puntúa

Cada métrica se convierte en una puntuación. El método clásico reparte a los clientes en cinco grupos iguales por métrica (quintiles) y asigna del 1 al 5, con lo que el código RFM va de 111 a 555: 125 combinaciones posibles.

FLYDE usa una escala de 0 a 3 por métrica, y el agregado va de 0 a 9. La razón es práctica. Con 125 combinaciones nadie diseña 125 acciones distintas; en la práctica se acaban agrupando a mano en una decena de segmentos, y la agrupación varía según quién la haga. Con cuatro niveles por métrica (0 = la banda más baja, o ninguna compra en el periodo; 3 = la mejor), las combinaciones son 64 y los cortes son más estables: un cliente no cambia de nivel por una compra de más o de menos en el borde de un quintil. El agregado de 0 a 9 además da un único número comparable y ordenable, útil para listados, estadísticas y para pasar el score a otras herramientas.

Los cortes de cada nivel (qué recencia es un 3, qué gasto es un 1) no son umbrales fijos: son cuartiles relativos. FLYDE ordena a los clientes que han comprado en el periodo y reparte cada métrica en cuatro bandas iguales, de modo que R = 3 significa «entre el 25 % más reciente de los compradores del periodo», no «menos de N días». Un 3 en Monetario en una tienda de accesorios y en un concesionario son cifras distintas, pero significan lo mismo: el 25 % superior de los compradores de esa empresa en ese periodo. Los clientes que no han comprado en el periodo quedan con las tres métricas a 0 y no entran en el reparto ni en las medias.

Leer el score

La potencia de RFM está en cruzar las tres puntuaciones. La misma suma puede esconder clientes muy distintos: un 3-3-0 (compró ayer, compra mucho, gasta poco) y un 0-3-3 (compraba mucho y gastaba mucho, pero hace tiempo que no) suman 6 y piden acciones opuestas. Por eso el agregado sirve para ordenar y el detalle sirve para decidir.

La siguiente matriz traduce los segmentos clásicos a la escala 0-3 de FLYDE. Son rangos orientativos; cada empresa los ajusta.

Segmento R F M Qué significa Acción habitual
Campeones 3 3 3 Compran a menudo, hace poco y gastan mucho Reconocimiento, acceso anticipado, programa de embajadores; nunca descuento
Leales 2-3 2-3 2-3 Hábito consolidado, valor alto o medio Venta cruzada, subir ticket, pedir reseñas
Prometedores 3 0-1 1-3 Nuevos con buena primera compra Onboarding, segunda compra, educación sobre el surtido
Nuevos 3 0 0-1 Acaban de hacer su primera compra, de bajo importe Bienvenida y activación; aún no hay datos para más
Necesitan atención 1-2 2-3 2-3 Buenos clientes cuya recencia empieza a caer Recordatorio, novedades, oferta limitada; actuar ya
En riesgo 0-1 2-3 2-3 Valiosos que llevan demasiado sin comprar Reactivación personalizada; es el segmento con más revenue dormido
Dormidos 0-1 1-2 1-2 Valor medio, llevan tiempo inactivos Reactivación de bajo coste, pocos impactos
Perdidos 0 0-1 0-1 Una o dos compras hace mucho, bajo gasto No invertir; a lo sumo una campaña puntual

Dos lecturas de la matriz que suelen sorprender:

  • Los campeones son el segmento al que más descuentos se mandan y al que menos hacen falta. Compran igual. Cada cupón que reciben es margen regalado.
  • «En riesgo» y «Perdidos» se tratan a menudo igual (una campaña de reactivación para todos los inactivos), y son opuestos: en el primero cada cliente recuperado vale mucho; en el segundo, poco. El presupuesto de reactivación debería ir casi entero al primero.

El RFM tiene reloj propio

El RFM de FLYDE se calcula sobre un periodo concreto: el último periodo de facturación cerrado del negocio, mensual o trimestral según se haya configurado. «Último RFM» es la foto de ese periodo, y «RFM previo» la del periodo anterior, con la recencia medida hasta el inicio del periodo actual. El cálculo se relanza periódicamente (cada quince días por defecto), de modo que el score se actualiza cuando se cierra un periodo nuevo, no cada día. Esto tiene una consecuencia práctica que conviene tener siempre presente: el RFM mide contra la fecha del cálculo, mientras que un filtro como «días desde la última venta» mide contra hoy. Son dos relojes distintos, y mezclarlos en una misma regla produce audiencias que no significan lo que parecen.

Tener los dos periodos es lo que convierte el RFM en una herramienta de movimiento, no solo de estado: comparar el score último con el previo dice quién ha subido, quién ha bajado y quién ha desaparecido. Conviene observar esos flujos, no solo los stocks: cuántos clientes entran y salen de cada segmento de un periodo a otro dice más sobre la salud del negocio que el tamaño de cada uno. Un segmento de campeones que no crece mientras «En riesgo» engorda es una alarma temprana que ningún informe de ventas mostrará hasta meses después. Y la combinación más útil de todas es la de «RFM previo alto y último a 0»: clientes que eran de los mejores y han dejado de comprar.

Más allá de RFM: scorings propios

RFM es el primer scoring, no el único. La misma mecánica (definir niveles sobre una o varias métricas y recalcularlos) sirve para cualquier dimensión relevante para el negocio: engagement con las comunicaciones, afinidad por categoría, uso de la app, margen en lugar de gasto, o un RFM distinto por línea de negocio cuando conviven ciclos de compra diferentes. Cuando a estos scorings descriptivos se suman las puntuaciones predictivas (probabilidad de churn, de próxima compra), el perfil del cliente tiene a la vez su pasado resumido y su futuro probable, y las audiencias pueden combinar ambos.

5. De objetivo a segmento: cómo diseñar la estrategia

La mayoría de las segmentaciones fallidas no fallan por los datos ni por la herramienta. Fallan porque empezaron por el segmento («vamos a segmentar por edad») en lugar de por la decisión que el segmento tenía que servir. Un segmento sin una acción asociada es una estadística; con ella, es una palanca. El método que sigue va siempre en ese orden.

Paso 1. Objetivo de negocio

Una sola frase con un número: «reducir la fuga de clientes de alto valor un 15 % en seis meses», «subir la segunda compra de los nuevos del 30 % al 40 %», «abrir dos zonas donde la penetración es baja». Si el objetivo no cabe en una frase o no tiene número, todavía no es un objetivo. Y si no puedes imaginar qué harías distinto con un cliente u otro para conseguirlo, no necesitas segmentar: necesitas otra cosa.

Paso 2. Hipótesis

Qué grupo de clientes, tratado de qué forma, mueve ese número. «Los clientes con RFM alto cuya recencia ha caído a 1 responderán a un contacto personal antes de que lleguen a 0». «Los nuevos que compraron una sola categoría comprarán una segunda si se la mostramos en las tres semanas siguientes». La hipótesis obliga a nombrar el grupo, la acción y el resultado esperado, y es lo que después se puede confirmar o descartar.

Paso 3. Criterios

Aquí la hipótesis se convierte en reglas sobre el perfil: tipo de usuario, scorings, fechas, categorías, geografía, canal. Tres consejos que ahorran disgustos:

  • Pocos criterios y claros. Cada condición añadida reduce el grupo y hace la regla más difícil de explicar. Si necesitas más de cuatro o cinco condiciones, probablemente son dos segmentos.
  • Mira el tamaño antes de seguir. Un segmento de 40 personas no justifica una campaña; uno de 400.000 no es un segmento. Y mira también cómo se compone: si tu «alto valor en riesgo» resulta ser 70 % de una sola ciudad, la hipótesis o los datos tienen algo que contar.
  • Fija el grupo de control ahora, no después. Decide qué parte del segmento se queda fuera de la acción antes de lanzarla. Un 10 % suele bastar en audiencias grandes; en audiencias pequeñas hace falta más. Es la única forma de responder después a la pregunta que importa: qué habría pasado sin la campaña.

Paso 4. Acción y medición

Cada segmento lleva asociada una acción (qué mensaje, por qué canal, con qué frecuencia, con qué oferta o sin ella) y una métrica de éxito que se corresponda con el objetivo del paso 1. Lanzar, esperar el tiempo razonable para el ciclo de compra del negocio, comparar con el grupo de control y decidir: ampliar, ajustar o abandonar. Después volver al paso 2 con lo aprendido. La segmentación madura no es un mapa que se dibuja una vez, sino un conjunto de hipótesis que se van confirmando.

Errores típicos

  • Demasiados segmentos. Un mapa de 25 segmentos impresiona en una presentación y es inoperable: nadie diseña 25 tratamientos distintos. Empieza por cinco o seis con acción clara y añade solo cuando el anterior ya funciona.
  • Segmentos sin acción. «Mujeres de 35 a 44 en zona norte» no dice qué hacer con ellas. Si no puedes completar la frase «y por eso les vamos a…», el segmento sobra.
  • Solapamientos sin control. Un cliente puede estar a la vez en «campeones» y en «afines a la categoría X». Si ambos segmentos tienen campaña esa semana, recibe dos mensajes. Decide reglas de prioridad y límites de impactos por persona antes de que lo descubra el cliente.
  • Segmentar por lo que se tiene, no por lo que se necesita. Si el dato más disponible es la edad, se segmenta por edad. El orden correcto es decidir qué dato hace falta para la hipótesis y, si no está, conseguirlo o cambiar la hipótesis.
  • Sin grupo de control. Es el error más común y el más caro, porque hace imposible aprender. Sin control, toda campaña «funciona» (vendió algo) y ninguna se puede comparar con otra.
  • Confundir correlación con causa. Los clientes que abren los emails compran más; mandar más emails no hace que compren más. Un segmento describe; solo un experimento con control demuestra.
  • No revisar los cortes. Los umbrales de recencia, frecuencia y gasto que tenían sentido con 10.000 clientes dejan de tenerlo con 100.000, y los de 2024 no son los de 2026. Revisar una vez al año evita segmentos que ya no significan lo que dicen.

Cuántos segmentos y en qué orden

Una regla sencilla para priorizar: ordena los segmentos candidatos por revenue en juego (cuántos clientes multiplicado por cuánto vale cada uno) y por facilidad de acción (si ya tienes el canal, el mensaje y el presupuesto). Empieza por el que tenga mucho de ambas cosas. En casi todas las empresas ese primer segmento es el mismo: clientes de alto valor con la recencia cayendo. Es donde más revenue dormido hay y donde una acción sencilla tiene más efecto. El caso guiado de la sección 7 recorre exactamente ese segmento de principio a fin.

6. Cómo se hace en FLYDE

Todo lo anterior se ejecuta en Market, donde se construyen las audiencias, se calculan los scorings, se analiza quién hay dentro y se activa el resultado en otras herramientas, apoyado en Customer360, que guarda el perfil unificado de cada persona. Esta sección no repite los pasos de cada tarea, que están en los artículos del centro de ayuda; explica cómo está resuelto cada paso y por qué. Las capturas son del entorno de demostración BookStore, una librería con datos en euros.

6.1 El perfil unificado: Customer360

Antes de escribir una regla conviene mirar sobre qué se va a aplicar. Customer360 muestra, para cada persona, todo lo que FLYDE sabe de ella en un solo sitio. El buscador localiza a alguien por tipo de usuario, por la audiencia a la que pertenece, por email, por su ID de cliente o por el identificador que tiene en cada plataforma conectada: es la identity resolution hecha visible, y la forma rápida de comprobar que dos registros de dos sistemas son la misma persona.

Buscador de Customer360: por tipo de usuario, audiencia, email, ID de usuario o identificador en cada plataforma conectada.

Figura 1. Buscador de Customer360: por tipo de usuario, audiencia, email, ID de usuario o identificador en cada plataforma conectada.

La ficha de cliente arranca con los datos generales (tipo de usuario, audiencias, segmento de valor, nivel de lealtad, fecha de última compra, Lifetime Value) y se organiza en pestañas: Dashboard, Datos, Ventas, Identidades, Audiencias, Interacción, Predicciones, Soporte y Loyalty. En Predicciones están las salidas de los modelos para esa persona: recomendación de productos y de categorías, próxima venta, reactivación y próxima mejor acción.

Para quien segmenta, Customer360 tiene dos usos: validar una regla mirando perfiles concretos que entran y que no entran en ella, y explicar por qué una persona está en un segmento cuando el negocio lo pregunta.

6.2 Construir la audiencia: Market › Audiencia

El listado de audiencias muestra para cada una si está activa, su origen y los destinos a los que se orquesta (columna Origen-Destino), el número de usuarios, el estado (por ejemplo, Procesando mientras se calcula) y quién la actualizó por última vez. Las audiencias fijadas llevan la etiqueta Fija junto al nombre. IMPORTAR trae audiencias externas desde otras plataformas y + NUEVA abre la creación.

Market › Audiencia: listado de audiencias de BookStore.

Figura 2. Market › Audiencia: listado de audiencias de BookStore.

El menú ••• de cada audiencia reúne todo lo que se puede hacer con ella: Editar, Duplicar, Crear Lookalike, Informe, Análisis de incrementalidad, Registro de actividad, Descargar, Editar destino y Eliminar. Duplicar es especialmente útil para segmentar: permite partir de una audiencia que funciona y cambiar una sola condición.

Menú ••• de una audiencia.

Figura 3. Menú ••• de una audiencia.

Una audiencia nueva empieza como un embudo con un único nivel, Total, que es toda la base (en BookStore, algo más de 12,3 millones de registros entre anónimos, prospects, clientes y desuscritos). Cada filtro que se añade con + AÑADIR FILTRO crea un nivel por debajo con los registros que quedan y con sus condiciones aplicadas a la derecha, de modo que se ve en cada paso cuánto recorta cada condición. Cada nivel se puede editar o borrar con sus iconos.

Al añadir un filtro se elige primero una categoría y después la condición y el valor. Las condiciones disponibles para campos numéricos son Menor que, Menor o igual que, Igual a, Diferente a, Mayor o igual a, Mayor que, Vacío y No vacío; los campos de lista, como Tipo de Usuario, se eligen marcando valores.

Nuevo Filtro: Tipo de Usuario = Cliente.

Figura 4. Nuevo Filtro: Tipo de Usuario = Cliente.

Nuevo Filtro: Último RFM Score, Mayor o igual a 7.

Figura 5. Nuevo Filtro: Último RFM Score, Mayor o igual a 7.

Las categorías disponibles son el inventario real de por qué se puede segmentar en FLYDE, y se corresponden con los tipos de la sección 2:

Tipo de segmentación Categorías de filtro en Market
Tipo de usuario y datos básicos Tipo de Usuario, Datos del cliente, Identidades, Permisos, Origen del Usuario, Con tag(s) / Sin tag(s)
Pertenencia Audiencia, No en audiencia(s): combinar o excluir audiencias ya creadas
Comportamiento de compra Fecha y días desde la primera y la última venta, cantidad de la primera y la última venta, total de pedidos, productos vendidos, importe medio, producto vendido, devoluciones
Valor Total de ingresos, total neto, Customer Lifetime Value
Scorings Scoring (los propios), Último y previo Recency, Frequency, Monetary y RFM Score, Customer engagement score actual y anterior
Geografía enriquecida Población, edad media, tamaño del hogar, hogares unipersonales, renta neta y bruta por persona y por hogar e índices de renta, por código postal
Predictiva Probabilidad de baja (1, 3 y 6 meses), probabilidad de churn (1, 2 y 3 periodos), predicción e incremento del CLTV a 6, 12, 18 y 24 meses, predicción de ingresos a 1 año, Productos y Categorías Recomendados, Próximas Ventas, Reactivación, Next Best Action
Relación y navegación Net Promoter Score actual y anterior, tickets totales y abiertos, Navegación de producto, Filtros de búsqueda, Etapas de campaña, Interés, Eventos personalizados
Lealtad y suscripción Puntos totales, de categoría y que expiran, cupones y su valor, datos de suscripciones y de pago

La consecuencia práctica es que un segmento que cruza valor, predicción y geografía se escribe como tres filtros sobre el mismo embudo, sin exportar nada ni cruzar ficheros.

Debajo de los filtros, ESTABLECER LÍMITE acota el tamaño final de la audiencia, en número de registros o en porcentaje, y opcionalmente por un campo con una ordenación (por ejemplo, los de mayor Customer Lifetime Value primero). Es la herramienta para quedarse con «los 5.000 mejores» o, como se verá en el caso guiado, para reservar una parte de la audiencia como grupo de control.

Establecer límite: formato, cantidad máxima y campos a limitar.

Figura 6. Establecer límite: formato, cantidad máxima y campos a limitar.

En la cabecera de la audiencia están el nombre y la descripción (el lápiz junto al nombre), y cuatro decisiones que conviene entender:

  • Público / Grupos: quién puede ver y usar la audiencia.
  • Fijar audiencia: deja fijos los usuarios que cumplen las condiciones en el momento de guardarla. Las audiencias de FLYDE son dinámicas por defecto: se recalculan cuando cambian los datos y la gente entra y sale. Fijarla la convierte en estática, que es lo que necesita un grupo de control.
  • Destacada: la coloca al principio del listado.
  • Siempre activa: evita que la audiencia pase a inactiva con el tiempo, para las que forman parte de la operativa permanente.

ORQUESTACIÓN elige los destinos (apartado 6.5) y GUARDAR crea la audiencia, que aparece en el listado en estado Procesando mientras se calcula.

6.3 Scorings: RFM y los tuyos

El RFM de FLYDE no se configura: se calcula para toda la base sobre el último periodo de facturación cerrado, con la escala de 0 a 3 por métrica y de 0 a 9 agregado descrita en la sección 4, y queda disponible como campo de filtro (Último RFM Score y sus tres componentes), junto con su valor del periodo anterior (RFM Score previo y sus componentes) para construir audiencias por tendencia: «RFM que ha bajado respecto al periodo anterior» o «RFM previo alto y último a cero».

Market › Análisis RFM es la vista de conjunto: la distribución de clientes por puntuación de 0 a 9 en el último periodo frente al anterior, el radar con la media de R, F y M y el ranking de audiencias con mayor RFM medio. El selector de la esquina superior derecha filtra todo por una audiencia concreta, lo que convierte esta pantalla en la forma rápida de comprobar que una audiencia contiene a quien se esperaba.

Análisis RFM del entorno Demo: distribución de clientes por puntuación, último periodo frente al anterior, con el radar y la tabla de variables entre 0 y 3.

Figura 7. Análisis RFM del entorno Demo: distribución de clientes por puntuación, último periodo frente al anterior, con el radar y la tabla de variables entre 0 y 3.

Los scorings propios se crean en Market › Scoring con + NUEVO SCORING. Cada uno tiene nombre, descripción, seguridad, la audiencia a la que se aplica (toda la base o una audiencia concreta), los días y horas en que se recalcula y una lista de condiciones. Cada condición combina un campo del perfil, una condición, un valor y una puntuación, que puede ser positiva o negativa; la plataforma muestra el scoring mínimo y máximo posibles a medida que se añaden. Por ejemplo, un scoring de propensión a la reactivación puede sumar 5 puntos si el Último Monetary Score es 3, sumar 3 si el engagement es alto y restar 2 si el cliente ya está en otra campaña. Una vez calculado, el icono de estadísticas muestra la distribución de usuarios por valor, y el scoring queda disponible como filtro de audiencia.

Configuración de un scoring propio: datos generales, recálculo y puntuación mínima y máxima.

Figura 8. Configuración de un scoring propio: datos generales, recálculo y puntuación mínima y máxima.

6.4 Entender quién hay dentro: Perfilado, Geomarketing y Trends

Antes de activar una audiencia conviene saber a quién contiene.

Market › Perfilado de clientes identifica los tres perfiles principales de la base, filtrable por canal y por producto, con el porcentaje y el total de cada uno y sus atributos característicos (edad, género, productos comprados, ingresos, composición demográfica de su zona…), cada uno con su media y su desviación. En BookStore, los 88.381 clientes se reparten en tres perfiles del 68,9 %, 20,9 % y 10,2 %. Es la respuesta rápida a «cómo son mis clientes» antes de escribir una sola regla.

Perfilado de clientes de BookStore: los tres perfiles principales.

Figura 9. Perfilado de clientes de BookStore: los tres perfiles principales.

Market › Geomarketing sitúa a los clientes en el mapa por país y divisiones administrativas, con un KPI principal a elegir (Nº Usuarios, % Penetración, Población, CLTV, ingresos netos por persona y por hogar, % Prospects, % Bajas) y vista de mapa o de lista. El % de penetración relaciona tus clientes con la población real de cada código postal, que FLYDE incorpora desde fuentes abiertas: con él, el mapa deja de decir dónde vendes para decir dónde te queda por vender.

Trends muestra el flujo de comportamiento por tipo de usuario (quién se retiene, quién se pierde) y la evolución de la base, y usa como análisis de incrementalidad de cada audiencia el que esté marcado como destacado en Market. Es la vista para seguir cómo se mueven los segmentos en el tiempo, que la sección 4 señalaba como más informativa que su tamaño.

6.5 Activar: orquestación y descarga

Una audiencia que se queda en FLYDE sirve para analizar; para actuar hay que llevarla a la herramienta que va a ejecutar la acción. ORQUESTACIÓN, desde la propia audiencia (o Editar destino desde el menú •••), abre la lista de destinos conectados al tenant y basta con marcar uno o varios; en BookStore son Google Ads y Meta Ads. Si no se marca ninguno, la audiencia se queda en FLYDE. Las audiencias orquestadas se sincronizan dos veces al día por defecto, configurable por tenant, de forma que las entradas y salidas se reflejan en la herramienta de destino sin que nadie exporte nada. En el listado, la columna Origen-Destino muestra con una flecha a dónde se envía cada audiencia.

La alternativa manual es Descargar, en Excel o CSV (solo CSV por encima de un millón de registros), para usos puntuales o herramientas sin conector.

Editar destino: Meta Ads marcado como destino de orquestación.

Figura 10. Editar destino: Meta Ads marcado como destino de orquestación.

6.6 Segmentar preguntando: Brain en Market Talks

Market Talks es la conversación con Brain sobre audiencias, campañas, engagement y rendimiento por canal. Para segmentar, acorta el camino entre la pregunta de negocio y la audiencia: una pregunta como «¿cuántos clientes tenían un RFM de 7 o más en el periodo anterior y no han comprado en el actual, y cuál es su Customer Lifetime Value medio?» devuelve el recuento, el valor medio y una interpretación, y ofrece acciones directas como exportar el listado, ver su distribución geográfica o crear una audiencia con esos clientes. Brain usa el RFM de la plataforma siempre que el negocio tenga el algoritmo RFM activo.

Brain en Market Talks responde con el recuento y las métricas del segmento.

Figura 11. Brain en Market Talks responde con el recuento y las métricas del segmento.

Las audiencias creadas desde Brain aparecen en Market › Audiencia con un embudo Total → Brain y la descripción de la pregunta que las originó, y se fijan, destacan, orquestan y analizan igual que las demás. Es la forma más rápida de pasar de la hipótesis a una audiencia; la construcción con filtros sigue siendo la referencia cuando la regla tiene que ser exacta y reproducible.

Algunas preguntas útiles para empezar:

  • ¿Qué porcentaje de mis clientes ha comprado más de una vez en los últimos 12 meses?
  • ¿Cuántos clientes han bajado de RFM respecto al periodo anterior y qué valor suman?
  • ¿Qué audiencia tiene mayor probabilidad media de churn a 3 meses?
  • ¿En qué provincias tengo menor penetración con mayor renta media?
  • Crea una audiencia con los clientes de alto valor que no han comprado en los últimos 60 días.

7. Caso guiado: reactivar clientes dormidos de alto valor

El recorrido completo, de la pregunta de negocio a la campaña lista para medir. Es el segmento que la sección 5 señalaba como primer candidato en casi cualquier empresa: clientes que compraban mucho y a menudo, han dejado de hacerlo y todavía no están perdidos. Las capturas de los pasos 2 a 4 son del entorno de demostración Demo, que tiene un RFM calculado por la plataforma; las de activación, de BookStore. Cada paso remite al apartado de la sección 6 donde se explica la pantalla.

Paso 1. Objetivo e hipótesis

Objetivo: recuperar en ocho semanas al menos el 10 % de los clientes de alto valor que han dejado de comprar: los que estaban entre los mejores en el periodo anterior y no han comprado nada en el actual. Hipótesis: un recordatorio personalizado en redes, con novedades afines a lo que ya compraron, basta para que una parte vuelva, porque su historial dice que conocen y valoran la marca. Métrica de éxito: tasa de compra y gasto por cliente en las ocho semanas siguientes, comparados con un grupo de control.

Paso 2. Construir y dimensionar el segmento

En Market › Audiencia, + NUEVA abre el embudo con el Total de la base: algo más de 1,4 millones de registros. Tres filtros lo convierten en el segmento (apartado 6.2), y los tres hablan el mismo idioma: el del RFM por periodos, sin mezclarlo con fechas medidas contra hoy.

Filtro Condición Registros que quedan Qué significa
Tipo de Usuario Cliente 17.349 Solo quien ha comprado alguna vez
RFM Score previo Mayor o igual a 6 98 En el periodo anterior estaba entre los mejores
Último RFM Score Igual a 0 95 En el periodo actual no ha comprado nada

Nuevo Filtro: RFM Score Previo, con la condición y el valor.

Figura 12. Nuevo Filtro: RFM Score Previo, con la condición y el valor.

Nuevo Filtro: Último RFM Score igual a 0.

Figura 13. Nuevo Filtro: Último RFM Score igual a 0.

El embudo es en sí mismo el dimensionamiento: muestra en cada paso cuánto recorta cada condición, y permite ajustar los umbrales antes de guardar. Aquí ocurre algo habitual: con RFM previo ≥ 7 el segmento se quedaba en 19 clientes, demasiado pocos para una campaña con control, así que se baja el umbral a 6 y el segmento pasa a 98. Que 95 de esos 98 no hayan comprado nada en el periodo actual dice, de paso, cuánto revenue dormido hay en la parte alta de la base. La misma pregunta hecha a Brain en Market Talks daría el recuento y el valor medio del segmento en una sola respuesta (apartado 6.6).

Con RFM previo ≥ 7 el segmento se queda en 19 clientes.

Figura 14. Con RFM previo ≥ 7 el segmento se queda en 19 clientes.

Embudo de la audiencia con los tres filtros: 17.349 → 98 → 95.

Figura 15. Embudo de la audiencia con los tres filtros: 17.349 → 98 → 95.

Con el lápiz junto al nombre, la audiencia se llama «Win-back alto valor» y se describe en una frase: qué contiene y para qué sirve. Dentro de un mes habrá otras parecidas, y el nombre es lo que evitará confundirlas. Como forma parte de una campaña recurrente, se marca Siempre activa.

Editar nombre y descripción de la audiencia.

Figura 16. Editar nombre y descripción de la audiencia.

Paso 3. Comprobar que contiene lo que se esperaba

En Market › Análisis RFM, el selector de audiencias filtra la distribución por «Win-back alto valor». El periodo anterior se concentra en las puntuaciones 6 a 9 (casi todos en 6, que es donde está la masa de la base) y el último periodo aparece vacío, porque los clientes sin compras en el periodo quedan a 0 y fuera del gráfico: la regla hace exactamente lo que debía. Si apareciera masa en puntuaciones bajas del periodo anterior, o cualquier cosa en el último, habría un error en algún filtro (apartado 6.3).

Análisis RFM filtrado por la audiencia: periodo anterior en 6-9, último periodo vacío.

Figura 17. Análisis RFM filtrado por la audiencia: periodo anterior en 6-9, último periodo vacío.

Es también el momento de abrir tres o cuatro perfiles en Customer360 y mirar su fecha de última compra y su Lifetime Value, y de revisar el Perfilado o el Geomarketing si la acción va a depender de ellos.

Paso 4. Reservar el grupo de control

Antes de activar nada se aparta el control, en tres movimientos:

  1. En el listado, el menú ••• de la audiencia › Duplicar crea una copia con los mismos filtros.
  2. En la copia, ESTABLECER LÍMITE en formato Porcentaje al 10 % se queda con 9 clientes. Se renombra «Win-back alto valor - Control», se marca Fijar audiencia (para que su composición no cambie durante el test), se desmarca Siempre activa y no se le asigna ningún destino de orquestación. Al guardar aparece en el listado con la etiqueta Fija.
  3. En la audiencia original se añade un último filtro, No en audiencia(s) = «Win-back alto valor - Control». El embudo pasa de 95 a 86 registros: los que van a recibir la campaña.

Duplicar desde el menú ••• de la audiencia.

Figura 18. Duplicar desde el menú ••• de la audiencia.

Establecer límite al 10 %: la copia se queda en 9 clientes.

Figura 19. Establecer límite al 10 %: la copia se queda en 9 clientes.

La audiencia de control con Fijar audiencia marcada.

Figura 20. La audiencia de control con Fijar audiencia marcada.

La audiencia tratada excluye el control con No en audiencia(s): 86 registros.

Figura 21. La audiencia tratada excluye el control con No en audiencia(s): 86 registros.

El listado con la audiencia tratada (86) y la de control fijada (9).

Figura 22. El listado con la audiencia tratada (86) y la de control fijada (9).

Así los dos grupos salen de la misma definición, no se solapan y el control no se toca durante el test. Un control de 9 personas es demasiado pequeño para medir nada: sirve para ilustrar el método, pero en un segmento de menos de cien clientes, como este, convendría subir al 30 % o acumular varias oleadas antes de leer (sección 4 del monográfico de incrementalidad). En una base real, el mismo segmento tiene miles de personas y el 10 % basta.

Paso 5. Activar

Con el control apartado, ORQUESTACIÓN en la audiencia tratada abre la lista de destinos; se marca la herramienta que va a ejecutar la campaña (en BookStore, Meta Ads; figura 10) y se guarda. En el listado, la columna Origen-Destino muestra ya la flecha hacia el destino, y la audiencia queda en estado Procesando mientras se calcula y sincroniza. A partir de ahí se sincroniza dos veces al día: quien compre durante el test sale de la audiencia en FLYDE y, en la siguiente sincronización, deja de verse en la herramienta de destino, sin exportar ni limpiar listas a mano (apartado 6.5).

En BookStore, el listado con la audiencia tratada orquestada a Meta Ads y la de control fijada.

Figura 23. En BookStore, el listado con la audiencia tratada orquestada a Meta Ads y la de control fijada.

La campaña se crea en la herramienta de destino como siempre, apuntando a esa audiencia. Lo que cambia es que la lista ya no es un fichero: es una audiencia viva.

Paso 6. Leer a las ocho semanas

La fecha de lectura se fija antes de lanzar y se respeta. Llegado el día, tres preguntas, en este orden:

  1. Cuántos del grupo tratado han comprado y cuánto han gastado, frente a cuántos del control. La diferencia es el efecto de la campaña; lo demás habría ocurrido igual.
  2. Qué les ha pasado a los que no han comprado: si su RFM ha seguido bajando, el siguiente contacto tiene que ser distinto o no tiene que existir.
  3. Qué ha funcionado con quién: comparar la respuesta por valor, por zona o por perfil es lo que mejora la audiencia de la próxima vez.

La campaña llegará a Market › Campañas, donde se le asocia esta audiencia y se lee su atribución (monográfico de atribución), y el análisis de incrementalidad de la audiencia compara tratado y control (monográfico de incrementalidad).

Lo que se ha hecho, en una línea

Una audiencia con tres filtros, una copia limitada al 10 % y fijada como control, una exclusión entre ambas y un destino orquestado. Sin exportar un solo fichero, y con todo listo para responder a la única pregunta que importa: cuánto revenue dormido ha despertado la campaña.

8. Y después de segmentar: medir

Una audiencia bien construida es la mitad del trabajo. La otra mitad es saber qué ha pasado después de actuar sobre ella, y ahí aparecen dos preguntas distintas que conviene no mezclar.

La primera es quién se lleva el mérito de las ventas que ocurrieron: el email, el anuncio, la búsqueda de marca o todos a la vez. Es la pregunta de la atribución, que reparte cada venta entre los impactos que la precedieron con una regla única para todas las campañas. La trata el segundo monográfico de esta serie.

La segunda es cuántas de esas ventas no habrían ocurrido sin la campaña. Es la pregunta de la incrementalidad, y la única forma de responderla es la que ya ha aparecido en el caso guiado: un grupo de control apartado antes de lanzar. La trata el tercer monográfico.

Segmentar decide a quién se habla; atribuir reparte el mérito de lo que pasa; medir la incrementalidad dice qué merece repetirse.

Anexos

Glosario

  • Audiencia: conjunto concreto de usuarios definido por reglas en Market, que se puede analizar, orquestar y descargar.
  • Audiencia dinámica: la que se recalcula cuando cambian los datos; es el comportamiento por defecto en FLYDE.
  • Audiencia fijada: la que conserva los usuarios del momento en que se guardó (Fijar audiencia). Se usa para grupos de control.
  • Grupo de control: parte de una audiencia que deliberadamente no recibe la acción, para medir qué habría pasado sin ella.
  • Identity resolution: unificación de los registros de distintas fuentes que pertenecen a la misma persona en un único perfil.
  • Lifetime Value (CLTV): gasto acumulado de un cliente a lo largo de su relación con la marca.
  • Orquestación: envío automático de una audiencia a una herramienta externa, que se sincroniza periódicamente.
  • RFM: puntuación de Recencia, Frecuencia y Valor monetario, calculada sobre el último periodo de facturación cerrado. En FLYDE, de 0 a 3 por métrica (cuartiles relativos entre los compradores del periodo) y de 0 a 9 en total; los clientes sin compras en el periodo quedan a 0.
  • Scoring: puntuación calculada sobre el perfil a partir de condiciones con puntos positivos o negativos.
  • Segmento: grupo de clientes con una característica común, definido desde el negocio.
  • Tipo de usuario: anónimo, prospect, cliente o desuscrito, según lo que se sabe de la persona y si ha comprado.

Artículos relacionados

¿Fue útil este artículo?
Usuarios a los que les pareció útil: 0 de 0