Posts Tagged ‘Coste de Adquisición de Cliente’

Modelo de estudio de cohortes

noviembre 20, 2013

En temas de marketing online y de financiación de startups, la visión global a menudo se puede resumir en 3 variables: el CAC (Customer Aquisition Cost, o Coste de Adquisición de Cliente), el LTV (customer LifeTime Value) y la profundidad del estanque en él que estás pescando (captando clientes potenciales).

El CAC es relativamente fácil de calcular: se obtiene dividiendo el coste de marketing total del mes por el número de nuevos clientes del mes.

El LTV también es bastante fácil de calcular si tienes ya medida la recurrencia: se obtiene multiplicando el margen bruto de un pedido  por la recurrencia de los clientes (el número estimado de pedidos que hará un cliente en su vida). 

El margen bruto por pedido: el margen bruto medio por pedido es la diferencia entre el ingreso medio por pedido (sin IVA por supuesto) y los costes directos que incluyen cualquier coste directamente relacionado con la venta (el coste de los bienes o servicios vendidos, el transportes, la parte variable de la logística, cualquier otro coste variable que depende directamente del pedido). Aquí para estimar el LTV no se tienen en cuenta los costes fijos o los costes de marketing.

La recurrencia: por mi experiencia, lo que más complica el análisis es el cálculo de la recurrencia. Para estimarla lo correcto es hacer un estudio de cohortes. Como se trata de un análisis un pelín complejo, muchas startups no saben por dónde empezar. El objetivo de este post es de intentar explicar cómo realizar un análisis de cohortes, de ofrecer una plantilla a disposición de todos, y también de pedir vuestro feedback para mejorarlo. Por cierto, lo que sigue ya es más técnico: si quieres seguir respira hondo y ponte cómodo ;)

Modelo de estudio de cohortes:

Descargar fichero Excel

Ejemplo de estudio de cohortes

Imagen ejemplo de estudio de cohortes

Cómo actualizar el fichero con los datos de tu negocio:

  1. Nuevos clientes de cada mes: completa las celdas B5 a B19 con el número de nuevos clientes del mes. Ojo: sólo nuevos clientes del mes, no clientes totales. Un cohorte son clientes que compran por primera vez en aquel mes.
  2. Pedidos de cada cohorte por mes: completa la primera tabla “Valores absolutos = número de pedidos“: las celdas C5 a Z19 con el número de pedidos mes a mes de los clientes nuevos del mes X.
  3. Pedidos / nuevo cliente: automáticamente se actualizará la segunda tabla “Valores relativos (pedido / cliente de la cohorte)“.
  4. Recurrencia media por mes observada: la fila 42, celdas C42 a M42, calcula la recurrencia media por mes observada para los primeros meses. En esta media puedes incluir el número de meses que te parezca relevante. Lo ideal es utilizar los 12 últimos si ya llevas más de un año, para evitar el ruido por estacionalidad. Algunos también excluyen de esta media el dato del último mes dado que éste puede variar todavía por las devoluciones por venir.
  5. Ajusta el área de datos de la gráfica “Recurrencia – Tendencia”: coge sólo las filas y columnas sobre las que quieres hacer el análisis: botón derecho por encima de la gráfica, “Seleccionar datos”, modificar el área de datos “=’Cohortes total’!$D$42:$M$42” donde cambias “M” por la última columna con datos observados (ejemplo poner “H” si sólo tienes datos de los 5 últimos meses).
  6. Recurrencia media extrapolada a los meses siguientes: la gráfica  “Recurrencia – Tendencia” (visible en la celda P26) muestra la evolución de la repetición media de los cohortes durante los X primeros meses (11 meses en el ejemplo adjunto).  La línea azul es lo observado y la línea negra es la regresión logarítmica sobre la línea azul. Esta línea negra es la tendencia, y nos permite estimar cómo podría ser la línea azul en los siguientes meses. Si sólo tienes 2 o 3 meses de observación es probablemente mejor remplazar la función logarítmica por una regresión lineal. En otros casos es posible que una regresión polinómica o potencial se ajuste mejor a lo observado, pero por mi experiencia en general la logarítmica funciona bien.
  7. Gracias a la formula de la línea negra (y=-0,031ln(x)+0,1003) podemos estimar la recurrencia sobre 24 meses en lugar de estimarla sólo sobre los 11 primeros meses de nuestra observación.
  8. Actualiza la formula que está en Z42 (=-0,031*LN(Z45)+0,1003) con los datos que aparecen en tu gráfica (cambia “-0,031” y “0,1003” por lo que veas en tu gráfica).
  9. Copia la nueva formula que tienes en Z42 y pégala en las celdas anteriores Y42, X42, … hasta la primera columna donde no tienes datos observados (ej. en N42 en el ejemplo). En otras palabras en C42 hasta M42 tenemos datos observados, y en N42 hasta Z42 tenemos datos extrapolados en base a la regresión logarítmica.
  10. La suma de estos datos de pedidos / nuevo cliente por mes de A42 a Z42, nos da la recurrencia estimada sobre 24 meses en AA42. En nuestro ejemplo la recurrencia estimada sobre 24 meses es de 1,76, lo que significa que estimamos que cada nuevo cliente captado hará de media 1,76 pedidos. Si quieres estimarla sobre menos de 24 meses basta con incluir menos columnas en la suma.
  11. Luego calculas el LTV multiplicando tu margen bruto por pedido por la recurrencia. Por ejemplo si el margen bruto fuera de 20€ por pedido, el Lifetime Value de un cliente sería de 35,2€.
  12. Con esta estimación de LTV ya sabes hasta cuánto estás dispuesto a gastarte de media por un cliente. Con un LTV de 35,2, lo razonable sería no pasarse de 35,2€ de CAC medio (por encima de 35,2 los clientes nos cuestan de media más de lo que valen).

Agradecimiento: gracias a Clever PPC por el modelo original de esta hoja de cálculo, a Marta y a Fernando Constantino por revisar este post y a José Cabiedes por haberme enseñado sobre cohortes.

Actualización 22/11/2013: Nacho Hernández de Yaysi lo explica muy bien en lenguaje más natural en su comentario:

Para asegurarme de que lo entiendo bien y por si a alguien le puede ayudar a comprenderlo también, lo que entiendo que estamos haciendo aquí es algo así como calcular la probabilidad de que un usuario que ha comprado en un mes determinado por primera vez realice otra compra en cada uno de los meses posteriores. Para calcular esta probabilidad usamos datos históricos, por ejemplo, cuantas personas que compraron por primera vez en mayo de 2013 compraron también en junio, julio, etc… Así, si tuvimos 100 ventas a clientes nuevos en mayo y de esos 100, 10 nos vuelven a comprar en junio la probabilidad de que un comprador de mayo compre en junio es de un 10%.

Al agregar todos los datos lo que obtenemos es la probabilidad de que alguien que compra en el mes N por primera vez realice otra compra en el mes N+1, N+2… Así si utilizamos años completos en los datos históricos se elimina la estacionalidad.

Cuando se suman todos los datos históricos más los extrapolados lo que obtenemos es una estadística sobre cuantos pedidos nos va a hacer un usuario (de media) en un período determinado.

También te podría interesar:

¡comentarios bienvenidos! así podremos ir mejorando la plantilla y este post.

Consejos marketing para startups, 2

mayo 23, 2013

Este jueves 23/05/2013 doy de nuevo la charla de marketing para startups en el IX Campus Seedrocket. Comentaré rápidamente las recomendaciones que dí en una ocasión anterior (ver “Consejos marketing para startups 1“) que en el fondo eran recomendaciones más de trinchera, e intentaré entrar con más detalles en el tema del análisis de cohortes, el cálculo del coste de adquisición de un cliente (CAC, customer aquisition cost) y del valor de un cliente (LTV, lifetime value).

Lo detallo a continuación, y me gustaría pedirte tus comentarios, críticas y feedback en los comentarios abajo, porque en ésto espero que aprenderemos todos ;)

Valor = (LTV - CAC) x Número de clientes

1. Fuentes de tráfico

Para atraer tráfico en mi opinión hay que probarlo todo, medir, y aprender. Las distintas fuentes posibles suelen ser las siguientes:

  • SEO: posicionamiento en buscadores
  • PR: comunicación con medios
  • SMM: social media marketing
  • SEM: publicidad en buscadores (ej. adwords)
  • Registros: campañas de registros a bases de emails de terceros
  • Email marketing: newsletter a los usuarios registrados (información), ofertas especiales (venta), …
  • Display: publicidad en otras webs (banners, con adwords u otros)
  • Patrocinios en blogs, otras webs o eventos físicos
  • Afiliación: vía redes de afiliación como Tradedoubler, Zanox, o con plataforma propia
  • Widgets: ofrecer widgets a tus usuarios o clientes para ganar enlaces, visibilidad y tráfico
  • Otros soportes off-line: revistas, diarios, radio, TV

En mi opinión lo importante para implementar esta parte es 1. fichar a un buen responsable de marketing, con experiencia y muy analítico, 2. probarlo todo y 3. medir, medir y medir, para aprender y optimizar. En cuanto a la comunicación, como suele tener un impacto menos inmediato, en lugar de medir el impacto directo sobre las ventas, se puede recurrir a indicadores intermedios como el número de artículos conseguidos con enlaces (que apoyarán al SEO), el Klout de la marca en redes sociales, la evolución de la notoriedad en Google Trends, …

2. Conversión

Este tráfico que se ha conseguido hay que convertirlo a ventas. Para ello se suele definir un embudo de conversión (conversion funnel) para medir la tasa de conversión de la visita paso a paso, detectar posibles mejoras y optimizar el proceso.

Un embudo en un ecommerce por ejemplo:

  1. Visitante
  2. Añadir al carrito
  3. Login
  4. Datos de envío
  5. Pago
  6. Venta hecha

En cada paso se mide el % de conversión desde el paso anterior y el número de usuarios que han llegado, y se trabaja para optimizar la conversión paso a paso y la conversión total.

3. CAC, Coste de Adquisición de Cliente (Customer Aquisition Cost):

Para medir la eficacia de la inversión en marketing en cuanto a captación de nuevos clientes hay una medida muy útil que el el Coste de Adquisición de Cliente (CAC). Es una medición agregada entre todas las fuentes, igual al coste total en marketing dividido por el número de nuevos clientes del mes. En esta medición no se mide la fidelización de los clientes existentes (comentaremos este punto más abajo, con el Customer Lifetime Value), si no el coste de captación de un nuevo cliente, mes a mes. Para calcularlo en mi opinión, y ahí van gustos, lo suyo es tener en cuenta sólo los costes de marketing variables como el gasto en publicidad, patrocinios, campañas, etc., sin tener en cuenta posibles costes de marketing fijos como el sueldo del responsable de marketing.

Con el CAC el objetivo es doble: conseguir mantenerlo debajo del valor estimado de un nuevo cliente (Lifetime Value, LTV) a la vez que se consigue aumentar el volumen de nuevos clientes captados. Con una buena optimización de la captación se suele conseguir bajar el coste de adquisición, pero cuando se aumenta el volumen de la inversión este coste de adquisición tiende a subir.

4. Estimación de la recurrencia: estudio de cohortes

Actualización 11/2013: por si te interesa, he publicado otro post mucho más detallado sobre el análisis de cohortes: “Modelo de estudio de cohortes“.

La primera vez que lo oyes suena un poco  latin; la primera vez que lo ves parece chino (un montón de cifras en columnas y filas), pero luego cuando lo entiendes te das cuenta que el estudio de cohortes es un análisis muy potente para medir la fidelización y la recurrencia de tus clientes. Básicamente se trata de ver de los nuevos clientes de un mes X, cuántos han repetido en los meses siguientes. Con ello se puede calcular también la repetición media histórica de los nuevos clientes de meses pasados, y observar si esta recurrencia está mejorando o empeorando en los meses actuales.

Ejemplo: en base a los 4 primeros meses de vida de nuestra startup, vemos que un cliente nuevo de media tiene una probabilidad de:

  • 40% de repetir una compra el mes 2,
  • 20% el mes 3,
  • 10% el mes 4

En base a estos datos podríamos extrapolar la probabilidad de seguir comprando los meses siguientes, por ejemplo:

  • 5% el mes 5
  • 2% el mes 6
  • 1% los meses 7 y 8
  • y 0% en adelante

Con estos datos la recurrencia sería de 100% (mes 0) + 40% + 20% + 10% + 5% + 2% + 1% + 1% = 179%, o en otras palabras que un cliente nuevo comprará de media 1,79 veces. A medida que pasaran los meses veremos cómo evolucionan estas medias históricas, y el cálculo de recurrencia.

5. LTV, Valor de un Cliente (Customer Lifetime Value)

LTV = (margen bruto por venta) x (recurrencia)

El valor estimado de un cliente es igual al lo que se gana con este cliente en una venta, multiplicado por el número de ventas que esperamos hacer con este cliente en el futuro. Este número de ventas que esperamos hacer en el futuro se puede estimar con el estudio de cohortes y el cálculo de recurrencia basado en datos históricos y en una proyección de estos datos históricos, y en la evolución reciente de la recurrencia.

Lo interesante del LTV y del CAC es que nos dan una información muy útil a la hora de definir la estrategia de la empresa.

Algunas posibles estrategias:

  • Si el CAC > LTV (el coste de adquisición es superior al valor del cliente):
    • bajar el CAC:
      • optimizar la inversión marketing
      • reducir la inversión marketing
    • aumentar el LTV
      • mejorar la fidelización
      • subir precios para mejorar el margen bruto
      • bajar los otros costes (no marketing) para mejorar el margen bruto
  • Si el CAC < LTV (el coste de adquisición es inferior al valor del cliente):
    • pisar el acelerador aumentando la inversión en marketing: vale la pena adquirir más clientes nuevos
    • reducir el margen, lo que probablemente reducirá el CAC y mejorará la recurrencia, pero en todo caso debería permitir acelerar el crecimiento

En todo caso el objetivo es bajar el coste de adquisición debajo del valor del cliente, y pisar el acelerador todo lo que se pueda. El éxito de una startup depende más de su crecimiento (y de sus márgenes futuros) que de sus márgenes actuales.

Lecturas recomendadas: