Aumentar la recurrencia y el CLV de los clientes
La utilización de inteligencia artificial en las campañas de fidelización y retención de clientes
Cliente
Ecommerce internacional de venta de cursos online
Sector
Ecommerce
Resultados de un vistazo
30%
Incremento en la conversión de campañas específicas
6x
Los usuarios de Rating A generan 6 veces más ingresos que la media
70%
Un 35% de los usuarios representan un 70% del total de ingresos
Las necesidades del cliente
Domestika es un ecommerce con presencia internacional, el más importante de habla hispana en todo el mundo. Con una comunidad de más de 8M de usuarios, utiliza nuestras soluciones de IA para mejorar la recurrencia y aumentar el CLV de sus clientes.
Para mejorar el éxito de las campañas de fidelización, proponemos 3 retos:
- Predecir los ingresos futuros por cada usuario.
- Considerar 3 diferentes períodos de tiempo: 1 mes, 1 año, 3 años.
- Identificar los productos más idóneos para cada usuario.
Nuestro Objetivo
1.
Segmentar
Segmentar los clientes en función del valor que tienen para la compañía
2.
Adaptar
Adaptar estrategias de marketing diferenciadas y adaptadas a cada segmento
3.
Analizar
Analizar la evolución de cada segmento y de cada usuario en el tiempo.
4.
Anticipar
Anticiparse a la pérdida de clientes y el consecuente aumento de la tasa de churn
Los datos de nuestro éxito
- Metodología
- Aplicabilidad de los modelos
- Resultados del proyecto
Desarrollo de modelos predictivos de recomendación y por valor de usuario
Se desarrollaron 2 algoritmos para conocer las necesidades de los cleintes:
- Desarrollo de un modelo predictivo basado en variables de perfil socio-demográfico y perfil transaccional (compras previas) que predice la facturación futura de cada usuario.
- Modelo de recomendación mixto que permite generar recomendaciones tanto para usuarios nuevos y sin compras previas como para usuarios con historial de compras.
Aplicabilidad de los modelos
En base a la predicción de cada usuario, se realiza una segmentación por valor en ratings de mayor (A) a menor valor (G). Al mismo tiempo, se identifican los 10 productos con mayor atractivo para cada cliente.
Esta información es usada por Domestika para actuar en diferentes áreas:
- Campañas segmentadas por valor de usuario y recomendación de producto para aumentar la recurrencia.
- Alto valor estratégico para conocer el valor de toda la comunidad de usuarios y su variación temporal para reducir el churn.
Resultados del proyecto
El ajuste y el rendimiento de los algoritmos fueron excelentes y aportaron grandes resultados a Domestika:
- 30% incremento en la conversión en campañas segmentadas.
- Se detectaron grupos de usuarios con una conversión 6 veces mayor de la media.
- 70% de los ingresos fueron generados por el 35% de los usuarios.
Descarga el caso de éxito
Rellena el formulario y recibe el caso completo con más información sobre el proceso, la aplicación y los resultados. ¡Compártelo con todo el equipo!