Cómo medir el ratio de aceptación en campañas de marketing directo

Uno de los principales objetivos, si no el principal, tras lanzar una campaña de marketing es saber si los resultados de la acción han sido positivos. Dado que esto implica cálculos algo complejos y de diferente tipo, como reducción de churn o impacto en revenue y/o margen, lo haremos sencillo por ahora y nos centraremos en uno de los primeros pasos: obtener cuánta gente ha aceptado la oferta de la campaña.

Esto puede obvio, pero normalmente suele ser tema de conflicto entre la gente de Marketing y CRM, sólo por el hecho de que nadie define lo que se considera como “aceptación”. Supongamos una campaña donde el Call Center llama a clientes actuales para ofrecer lo que se cree que es la mejor oferta de Internet para cliente. La primera idea de aceptación sería considerar aquella gente que acepta la oferta específica que el Call Center está ofreciendo, pero podrían surgir algunas dudas:

  • ¿Qué pasa si el cliente solicita un downgrade cuando el Call Center ofrece un upgrade? Si el objetivo de la campaña fuera provocar algún tipo de reacción sobre el cliente, se consideraría como aceptación también.
  • ¿Qué pasa si el cliente no quiere el upgrade que ofrece el Call Center pero quiere otro producto que no se le está ofreciendo (de televisión digital, por ejemplo)? Esto se suele considerar como aceptación por los Call Centers.

Por tanto, el primer paso sería definir en detalle lo que se va a considerar como “aceptación” en términos de posibles respuestas del cliente. Esto está íntimamente relacionado con la etapa “Define” de la metodología DMAIC de Six Sigma.

Una vez conozcamos lo que queremos medir, el siguiente punto es calcular el ratio de aceptación. A continuación se muestran varias maneras de hacerlo, en donde cada una mejora al método anterior:

  1. Ratio de aceptación en el Target: un enfoque muy básico es evaluar cuánta gente en el target ha aceptado la oferta. Sin embargo, esto no proporciona ninguna información valiosa. Imaginemos que el 50% de los clientes en el target son considerados como que han aceptado en la campaña del ejemplo anterior. Esto podría resultar un éxito en términos de ratio de aceptación (¡uno de cada dos clientes llamados aceptó!), pero no significa nada ya que si los clientes a los que no se les llamó podrían haber migrado de paquete de Internet. Si los que aceptaron en el target fueran un 50% pero el 70% de los clientes que no estaban en el target y tenían un perfil similar adoptaron el mismo paquete de manera espontánea, entonces la campaña no resultó tan exitosa en términos de aceptación.
  2. Ratio de aceptación en el Target vs Control: Como hemos indicado en el punto anterior, el ratio de aceptación medido en el target requiere algo contra lo que comparar (lo que podría definirse como un “estándar”). Esto nos permitiría obtener un Ratio de Aceptación Neto, calculado como la diferencia entre los ratios de aceptación del target y del grupo de control, y nos ayudaría a evaluar la aceptación extra obtenida gracias a los esfuerzos de la campaña. Por tanto, siguiendo con el ejemplo de la campaña anterior, supongamos que ahora medimos una aceptación del 20% en el target y del 10% en el grupo de control, lo que nos da una aceptación neta del 10%. Esto podría parecer suficientemente bueno para proporcionar un feedback sobre el ratio de aceptación pero tampoco lo es. El ratio de aceptación medido en el target suele estar hecho sobre un grupo o muestra suficientemente grande como para poder ser considerado estadísticamente significativo. Sin embargo, no pasa lo mismo con el grupo de control, que suelen ser bastante más reducidos que el target. Este es el motivo por el que necesitamos del siguiente método.
  3. Aceptación neta y F-Test: Como ya hemos dicho, de un ratio de aceptación de un 20% sobre un target de 10.000 clientes y una aceptación del 10% sobre un grupo de control de 500 clientes no podemos concluir nada desde un punto de vista estadístico, ya que la muestra del grupo de control es demasiado pequeña. El recurso estadístico para comprobar si la diferencia entre los ratios de aceptación se debe al muestreo o al efecto de la campaña es el F-Test. Por tanto, la aceptación neta junto con el F-Test (y su p-valor correspondiente) nos proporciona suficiente información para decir cuánta aceptación extra obtenemos con la campaña y si la diferencia es estadísticamente significativa.

Una vez tenemos un método fiable de medir el ratio de aceptación en una campaña de marketing directo lanzada en un determinado período, podríamos aprovecharnos de esto y usarlo para comparar las aceptaciones netas de campañas similares hechas en otros instantes de tiempo. Imaginemos que la misma campaña se realiza con una regularidad mensual. Podríamos construir la siguiente matriz para comparar los resultados, donde la aceptación neta está representada en el eje X y la significación estadística en el eje Y:

Rubén Salgado

http://rubensalgadovision.wordpress.com/
@RubenSalgado7
Te recomendamos

México

School

Podcast

Podcast

Compartir