presentación federico malek pascha - ecommerce day santiago 2016

13
El Poder del Customer Lifetime Value – Fede Malek

Upload: ecommerce-institute

Post on 13-Jan-2017

1.116 views

Category:

Marketing


0 download

TRANSCRIPT

Page 1: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

El Poder del Customer Lifetime Value – Fede Malek

Page 2: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

¿Por qué es importante el LVT?• Retention is King

• 40% de las ventas de una tienda promedio de e-commerce la genera el 8% de sus usuarios1, y el 82% de las compañías de la industria consideran que la retención de usuarios es sustancialmente más barata que la adquisición2

• Sin embargo, la mayoría de los e-commerce (y start-ups en general) enfocan sus recursos en la adquisición y no en la retención1 “The ROI from Marketing to Existing Online Customers”, Adobe Digital Index, 20142 “15 fascinating insights from Econsultancy’s 2014 reports”, Econsultancy, 2014

Fede Malek
La idea de esta presentacion es partir de un marco teórico sobre los analisis de retencion, y luego proponer algunas variables interesantes para cruzar en estos analisis, intentando conseguir conclusiones que nos permitan accionar y maximizar la recurrencia y LTV de nuestros clientes
Page 3: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

¿Cómo podemos medir la recurrencia?• Análisis de Cohortes por adquisición de usuarios: tasa de

retención en el día/mes t+n

• Mide cuantos usuarios que se adquirieron en el mes t volvieron a recurrir un evento en el mes n

• Ejemplo de eventos que nos puede interesar analizar:• Compra• Ingreso al sitio/app• Add to cart

Page 4: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

First purchase 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

2014 6 100,0% 13,7% 9,2% 7,6% 6,4% 7,5% 5,1% 5,5% 4,4% 4,0% 4,9% 4,2% 3,1% 3,7% 3,5% 3,6% 2,9% 4,2% 2,9%2014 7 100,0% 12,2% 7,8% 6,6% 7,8% 5,0% 5,9% 4,6% 4,2% 4,5% 3,7% 3,1% 3,4% 3,7% 3,5% 3,0% 3,5% 2,7%2014 8 100,0% 12,0% 7,7% 8,8% 6,4% 5,6% 4,9% 4,6% 5,1% 4,5% 4,3% 3,5% 4,0% 4,1% 3,1% 3,7% 3,1%2014 9 100,0% 12,4% 10,4% 7,3% 6,6% 5,0% 4,4% 4,5% 4,1% 4,2% 3,5% 4,8% 4,3% 3,5% 4,0% 3,5%

2014 10 100,0% 12,3% 8,6% 7,7% 5,2% 5,5% 5,8% 4,1% 3,9% 4,0% 4,5% 4,4% 3,3% 4,4% 3,5%2014 11 100,0% 11,1% 11,7% 5,5% 4,6% 5,1% 4,8% 3,5% 3,8% 3,6% 3,9% 3,0% 4,9% 3,5%2014 12 100,0% 12,5% 7,7% 6,9% 6,6% 5,2% 4,9% 4,5% 5,1% 4,2% 4,3% 5,2% 4,7%2015 1 100,0% 12,8% 8,5% 7,9% 5,9% 5,6% 5,8% 6,1% 5,8% 4,8% 5,0% 4,6%2015 2 100,0% 12,4% 10,0% 6,7% 6,0% 5,8% 6,9% 5,6% 4,6% 6,2% 4,8%2015 3 100,0% 13,0% 7,1% 6,3% 6,0% 6,3% 5,8% 4,8% 5,7% 5,1%2015 4 100,0% 14,0% 8,2% 6,6% 7,4% 6,6% 5,6% 6,0% 5,1%2015 5 100,0% 7,8% 5,9% 6,3% 5,7% 4,8% 6,2% 4,7%2015 6 100,0% 9,5% 7,8% 7,8% 6,8% 7,4% 6,2%2015 7 100,0% 12,2% 8,6% 6,9% 7,5% 6,2%2015 8 100,0% 12,7% 7,4% 8,5% 6,9%2015 9 100,0% 10,5% 9,0% 7,4%

2015 10 100,0% 12,3% 9,1%2015 11 100,0% 9,0%2015 12 100,0%

Ejemplo de Cohorte de Adquisición t+n

Page 5: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

First purchase 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

2014 6 100,0% 13,7% 9,2% 7,6% 6,4% 7,5% 5,1% 5,5% 4,4% 4,0% 4,9% 4,2% 3,1% 3,7% 3,5% 3,6% 2,9% 4,2% 2,9%2014 7 100,0% 12,2% 7,8% 6,6% 7,8% 5,0% 5,9% 4,6% 4,2% 4,5% 3,7% 3,1% 3,4% 3,7% 3,5% 3,0% 3,5% 2,7%2014 8 100,0% 12,0% 7,7% 8,8% 6,4% 5,6% 4,9% 4,6% 5,1% 4,5% 4,3% 3,5% 4,0% 4,1% 3,1% 3,7% 3,1%2014 9 100,0% 12,4% 10,4% 7,3% 6,6% 5,0% 4,4% 4,5% 4,1% 4,2% 3,5% 4,8% 4,3% 3,5% 4,0% 3,5%

2014 10 100,0% 12,3% 8,6% 7,7% 5,2% 5,5% 5,8% 4,1% 3,9% 4,0% 4,5% 4,4% 3,3% 4,4% 3,5%2014 11 100,0% 11,1% 11,7% 5,5% 4,6% 5,1% 4,8% 3,5% 3,8% 3,6% 3,9% 3,0% 4,9% 3,5%2014 12 100,0% 12,5% 7,7% 6,9% 6,6% 5,2% 4,9% 4,5% 5,1% 4,2% 4,3% 5,2% 4,7%2015 1 100,0% 12,8% 8,5% 7,9% 5,9% 5,6% 5,8% 6,1% 5,8% 4,8% 5,0% 4,6%2015 2 100,0% 12,4% 10,0% 6,7% 6,0% 5,8% 6,9% 5,6% 4,6% 6,2% 4,8%2015 3 100,0% 13,0% 7,1% 6,3% 6,0% 6,3% 5,8% 4,8% 5,7% 5,1%2015 4 100,0% 14,0% 8,2% 6,6% 7,4% 6,6% 5,6% 6,0% 5,1%2015 5 100,0% 7,8% 5,9% 6,3% 5,7% 4,8% 6,2% 4,7%2015 6 100,0% 9,5% 7,8% 7,8% 6,8% 7,4% 6,2%2015 7 100,0% 12,2% 8,6% 6,9% 7,5% 6,2%2015 8 100,0% 12,7% 7,4% 8,5% 6,9%2015 9 100,0% 10,5% 9,0% 7,4%

2015 10 100,0% 12,3% 9,1%2015 11 100,0% 9,0%2015 12 100,0%

First Purchase 0 1 2 3

2015-12 100,0%  10.5% 9,0% 7,4%2016-01 100,0% 12,3% 9,1%2016-02 100,0% 9,0%2016-03 100,0%

Ejemplo de Cohorte de Adquisición t+n

Page 6: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

Display 1: Curva de retención promedio

1 2 3 4 5 6 7 8 9 10 11 120.00%

4.00%

8.00%

12.00%

16.00%

Promedio de Recurrencia Mensual

mes

Fede Malek
Te permite ver el promedio mes a mes (o dia a dia), pero no te permite ver como va evolucionando la performance de la retención mes a mes
Page 7: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

Display 2: Curva de retención por mes

t+1 t+2 t+3 t+4 t+54.00%

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

Evolución retención por mes

nov-14 dic-14 ene-15 feb-15 mar-15 abr-15

Fede Malek
Sirve para ver la evolución pero se vuelve complicado cuando analizamos muchos meses
Page 8: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

Display 3: Cohort Cycle Plot

t+1 t+2 t+3 t+4 t+50.00%

2.00%

4.00%

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

Cohort Plot Cycle

nov-14 dic-14 ene-15 feb-15 mar-15 abr-15

Page 9: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

Behavioral acquisition cohort analysis• Para entender las causas de la pérdida de retención, es esencial

aislar el análisis de cohortes en comportamientos específicos• Facebook encontró que los usuarios que invitan más de

7 amigos en los primeros 10 días, son usuarios que permanecen en la red a largo plazo

• Netflix analiza cuantos capítulos de una serie se necesitan para que el usuario la vea hasta el final. Algunos resultados: Breaking Bad 2 capítulos, How I met

your mother 8 capítulos

Fede Malek
Los análisis de cohorts por adquisición de usuarios son interesantes para saber cuando se pierde la retención y en que porcentaje
Fede Malek
Ejemplo de separaciones básicas como seperar la base entre hombres y mujeres, geo-localización (santiago, valparaiso u otra region), edad
Page 10: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

• Algunos ejemplos de análisis de comportamientos específicos que se pueden utilizar en e-commerce incluyen:• NPS, CSAT, o Delivery Cycle• Refunds Rate: usuarios que interactuaron con nuestro call-center tienen mayor

recurrencia• Delivery Option: usuarios que optan por pick-up son más recurrentes • Fulfillment option: modelo retail trae usuarios más recurrentes• Medio de pago: análisis por tarjeta de crédito y banco• Ticket promedio• Verticalizacion del assortment (profundidad), en comparación con la competencia

Ejemplos de análisis en Avenida.com

Page 11: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

• Los usuarios de la App son consistentemente mas recurrentes que los demás (-->más inversión

en app downloads)• Web Mobile tiene peor

conversión que Desktop pero compensa con mayor recurrencia

Algunos resultados: Cross-Device

t+1 t+2 t+3 t+40.00%

4.00%

8.00%

12.00%

16.00%

Cross-Device Plot Cycle - Avenida.com

App Mobile Desktop

Fede Malek
Pensabamos que el ROI de los usuarios Web Mobile era muy malo, y haciendo el analisis de recurrencia y LTV nos dimos cuenta que eran igual de valiosos que los de Desktop
Page 12: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

Algunos resultados: Multi-Categorías

t+1 t+2 t+30.00%

5.00%

10.00%

15.00%

20.00%

25.00%

Cat. Plot Cycle - Avenida.com

Home & Garden ElectronicsMultiple

• El análisis de recurrencia fue clave para el armado de las categorías

• Electronics tenía la mejor conversión, pero no la mejor recurrencia

• Los usuarios más recurrentes son los que compran multi-categoría. (incentivar

cross-selling)

Fede Malek
Este análisis de recurrencia por multi-categoría nos llevo a la conclusión de fomentar cross-selling multi-categoria y no en la misma cat. Ejemplo: si compra un anafe electrico (categoria electro-hogar), recomendarle un nuevo set de ollas (categoría hogar, mueble y jardin) para ese producto
Page 13: Presentación Federico Malek Pascha - eCommerce Day Santiago 2016

• Correlación ≠ Causalidad• ¿Retención = Engagement?• Recomendación: encontrar una métrica única y simple de

retención y comprometer a toda la organización a maximizarla• En avenida.com, esa métrica es maximizar la re-compra

del mes siguiente a la primer compra. Efecto

confirmación de quiebre

• Usuarios que recompran en t+1 tienen un LTV x 1.8 al resto

Consideraciones finales

Fede Malek
NO es simplemente un objetivo más. Es una historia que te permite construir los procesos que necesita la compañia para maximizar el LVT de los usuarios.
Fede Malek
Para Facebook esa metrica podria ser maximizar la cantidad de usuarios que invitan Y amigos antes de X dias
Fede Malek
Para Netflix esa métrica podria ser maximizar la cantidad de usuarios que vean Y capitulos en la Serie X