Muchos son los proyectos de Business Intelligence que se utilizan como meros instrumentos de reporting, sin ir un paso más allá que aproveche de verdad las ventajas de disponer de la información reunida y resumida en un único lugar. Es obligatorio disponer de un informe que resuma la venta por cliente pero pocas veces se va más allá.
Existen sectores muy competitivos, donde el esfuerzo para ganar un nuevo cliente es enorme y donde existe la necesidad de seguir invirtiendo en la fuerza comercial puesto que la rotación de clientes es alta. Muchas veces no se cae en la cuenta que es más rentable mantener a los clientes existentes que conseguir otros nuevos.
Existen miles de tratados de marketing para fidelizar a los clientes, de cómo retenerlos con acciones específicas, pero en la mayoría de empresas medias, los recursos son más bien limitados y es necesario saber a quién dirigir estas acciones. Para ello, en muchos casos, un sencillo informe puede ser de gran ayuda. Solo es necesario tener algún nivel de alerta y mediante ellas atender las particularidades de cada cliente. Lo que proponemos como primera barrera de protección ante la pérdida de un cliente es saber cuándo compra, entender la frecuencia con la que lo hace y ver si se está desviando de esa frecuencia.
Si un cliente compra puntualmente los 10 primeros días de cada trimestre y a mediados de este trimestre no lo ha hecho es un cliente potencialmente perdido al que deberíamos tratar, si es un cliente importante puede que sea mejor realizar alguna acción comercial antes que eso pueda ocurrir, pero para ello necesitamos una herramienta que nos indique esa frecuencia de compra o esas desviaciones. Proponemos una sencilla tabla como la de la imagen que nos oriente sobre esta circunstancia a partir de un ranking de «desfase».
La imagen anterior muestra una lista de clientes con la media de días que suelen pasar entre pedidos, fruto de un cálculo realizado con las columnas anteriores (último pedido, número de pedidos), un ranking con el desfase (en rojo los clientes que no han comprado cuando ya lo deberían haber hecho) y el importe de las compras del cliente para entender el riesgo.
Los cálculos son sencillos de realizar con DAX y no entrañan ninguna dificultad.
La fecha del último pedido la obtenemos de una fórmula muy simple
Último pedido = LASTDATE(Pedidos[Fecha])
El número de pedidos:
Número de pedidos = DISTINCTCOUNT(Pedidos[NUMEROPEDIDO])
Días desde el último pedido:
Días desde último pedido = VALUE(CALCULATE(max(Pedidos[Fecha]);ALL(Pedidos))-Pedidos[Último pedido])
El cálculo de días desde el último pedido se ha realizado teniendo como referencia la fecha del último pedido existemte en la tabla (de cualquier cliente), también se podría realizar a partir de la fecha actual.
Días desde último pedido = VALUE(NOW() - Pedidos[Último pedido])
Para calcular la media entre pedidos podrímos utilizar alguna fórmula más imagitativa que tuviera en cuenta por ejemplo casos excepcionales, pero en muchas ocasiones es tan simple como una el simple cálculo de la media.
Media (días) entre pedidos = VAR PrimerPedido = FIRSTDATE(Pedidos[Fecha]) VAR UltimoPedido = LASTDATE(Pedidos[Fecha]) VAR TotalDias = DISTINCTCOUNT(Pedidos[Fecha]) RETURN DIVIDE(UltimoPedido - PrimerPedido;TotalDias;0)
El desfase no es más que una resta
Desfase (días) = Pedidos[Días desde último pedido] - Pedidos[Media (días) entre pedidos]
Además de evaluar el dato de desfase, sería conveniente que el comercial vea en detalle de las compras de estos clientes. Con Power BI también es una tarea sencilla y podemos hacer un click sobre el cliente de la primera tabla y ver los datos de los pedidos de ese cliente en una segunda tabla, incluso disponer de una tercera tabla para visualizar el detalle de cada pedido.
Pingback: Insights – Blau + Services
Uno de los mejores blog de Power BI en castellano. Y con este post, un salto de calidad. Gracias!!!