• hello@pleasepoint.com
  • +34 935 572 340

Guía de marketing predictivo para incrementar las ventas de tu eCommerce, paso a paso

1 Junio

Guía de marketing predictivo para incrementar las ventas de tu eCommerce, paso a paso

El análisis predictivo aporta a los marketeros la posibilidad de entender el comportamiento y la rentabilidad de cada uno de los clientes. El objetivo del marketing predictivo es aumentar el Customer Lifetime Value (CLV) con campañas más personalizadas, más eficaces y más rentables.

A continuación aprenderemos a utilizar el software de Pleasepoint para poder diseñar una estrategia de marketing predictivo y empezar a ejecutarla en pocos días.

El post se divide en estas cinco partes:

El ejemplo que seguiremos se ha realizado con una muestra de una cadena de retail (con tiendas físicas y eCommerce) del sector de la perfumería.

Ahora aprenderás a identificar los hábitos de consumo y de comportamiento. Utilizarás algoritmos de análisis predictivo y los incorporarás en tu estrategia de marketing. Siguiendo estos pasos mejorarás la rentabilidad de tus acciones de marketing y mejorarás el retorno de cada uno de los clientes.

El éxito del marketing predictivo se centra en el valor que aporta cada cliente y busca aumentar este valor de cada uno de los clientes.

Gracias a realizar este ejercicio y de utilizarlo como base inicial para tu estrategia de marketing predictivo tendrás estos beneficios:

  • Segmentación de clientes según el valor aportado (nivel de CLV).
  • Conocimiento de las preferencias y hábitos de consumo de cada cliente.
  • Racionalización de la política de promociones para mejorar los márgenes.
  • Personalización de las comunicaciones para aumentar la conversión de venta.
  • Fidelización de los mejores clientes para mantener aquellos que te aportan mayor valor.
  • Optimización de la adquisición de nuevos clientes con audiencias lookalike de los mejores clientes.

Después de seguir esta guía de marketing predictivo, serás capaz de segmentar tus clientes según su nivel de rentabilidad, y tendrás la capacidad de descubrir audiencias de clientes con comportamientos y hábitos de consumo homogéneos.

Si te interesa aprender más sobre cómo aplicar técnicas de marketing predictivo a tu estrategia de marketing, no dudes en apuntarte a nuestro próximo webinar de marketing predictivo.

Empieza ahora a aumentar las ventas de tu eCommerce

Pleasepoint es el software de marketing predictivo para eCommerce que te hará multiplicar las conversiones de tu eCommerce de una forma fácil y rápida.


Crea tu cuenta gratuita ahora, instala el plugin de Pleasepoint en tu CMS y empieza a aumentar las ventas en pocos días. 30 días gratis, sin permanencia y registro sin targeta.

Crea tu cuenta gratis

Antes de seguir con el contenido de la guía, vamos a hacer una pequeña introducción acerca de las ventajas del análisis predictivo respecto a la segmentación manual clásica que viene haciéndose desde hace años. Si tienes las bases del marketing predictivo bien aprendidas puedes saltar directamente al siguiente apartado.

¿Qué es mejor la segmentación manual o el análisis predictivo?

La segmentación manual es el proceso que permite filtrar o crear grupos de clientes según el valor de una o más variables.

Un ejemplo de segmentación manual sería una que agrupase clientes hombres que han comprado en el pasado un producto concreto. Otra segmentación posible sería una con clientes de entre 30 y 40 años con un ticket medio superior a los 75€ y que hace más de 90 días que no nos compran.

Para crear una segmentación manual primero seleccionas mentalmente aquellos clientes que quieres impactar.

El análisis predictivo permite calcular los niveles de rentabilidad de cada cliente e identificar grupos de clientes con comportamientos y hábitos de consumo compartidos.

En este caso, son los algoritmos quienes te descubren una audiencia con unas características similares y tu misión es comunicarte de la forma más personalizada posible para aumentar la conversión a venta.

Otra ventaja del análisis predictivo aplicado al marketing es la gran cantidad de datos que se pueden procesar. Podemos utilizar los valores de los atributos de cada cliente (edad, sexo, ciudad...), el histórico de compra (tickets y líneas de tickets con descuentos y devoluciones) y los datos de comportamiento o interacción.

En este post aprenderás a aprovechar los algoritmos de clustering de una forma fácil y automatizada. Sin que tengas que crear manualmente los datasets ni necesites tener unos conocimientos técnicos de desarrollo o bases de datos.

1. ¿Qué necesito para realizar el ejercicio con mis datos?

El primer punto es contar con compras identificadas. Si eres un eCommerce no tendrás ningún problema en este punto. Si también tienes puntos de venta físicos con un sistema que para identificar las compras de tus clientes fidelizados te recomendamos utilizar ambas fuentes de datos.

Trabajaremos de forma inicial con estos datos:

  • Datos de clientes: atributos sociodemográficos, estadísticas de interacción con el email, estadísticas de conversión...
  • Datos de productos: familia, subfamilia, materiales, formatos, funciones... Cuanto más amplia sea la categorización de productos más preciso podrá ser el análisis de cliente-persona.
  • Datos transaccionales: tickets y líneas de tickets incluyendo información de descuentos, promociones, canal de venta, devoluciones...

Ahora vamos a empezar. Crea tu cuenta de Pleasepoint de forma gratuita.

Con la cuenta creada instala el plugin para tu eCommerce. A día de hoy contamos con la integración de Prestashop, WooCommerce y Shopify. Instala nuestro plugin en tu CMS, y se cargará la información en el datalake de tu cuenta.



Si necesitas incorporar otras fuentes de datos, te aconsejamos utilizar archivos CSV para la carga de datos.

Si tienes alguna duda en este paso, no dudes en solicitar una demo y te ayudaremos con la configuración inicial. Puedes agendar ahora la demo siguiendo este enlace.

Una vez se haya realizado la carga de datos, tendrás accesible la información en la sección datalake.



Una vez finalizado el proceso de carga, ya puedes pasar a lanzar los cálculos de Customer Lifetime Value y al análisis cliente-persona. Si en algún paso necesitas ayuda no dudes en solicitar una demo y te ayudaremos en la configuración inicial.

2. Cálculo de CLV de cada uno de los clientes

La métrica del Customer Lifetime Value nos da la visión del valor que aporta cada cliente a tu negocio. Si incrementas el CLV de cada uno de los clientes, estarás aumentando directamente la facturación de la empresa.

Estos cálculos nos permitirán crear tres segmentos de clientes, que representarán tres niveles de rentabilidad distintos:

  • Low Value: Este segmento representa aquellos clientes de menor rentabilidad para tu negocio. Normalmente un volumen muy importante de los clientes de un eCommerce tan solo han realizado 1 o 2 compras. Veremos si es el caso unas líneas más a bajo.
  • Medium Value: Son los clientes de rentabilidad media. Se trata de clientes que compran con mayor frecuencia que los low. Este grupo de clientes tiene mucho margen de mejora, puesto que puedes conseguir que salten a high.
  • High Value: Son tus mejores clientes, los clientes VIP. Debes fidelizarlos al máximo. Son los que más te compran y más rentables son.

Para que este cálculo se haga de forma automática accede a la sección de "Análisis predictivo" en el apartado de configuración de CLV. Ahora tan solo debes ejecutar la generación de CLV y esperar a que se calcule. Si no tienes información sobre los outliers deja la configuración de serie. Ahora haz click en generar CLV, y espera a que se termine el cálculo.



Como resultado, tendrás la división de todos los clientes en tres grupos basado en el CLV de cada uno de ellos. Este cálculo lo utilizarás como segmentación en los filtros para crear campañas o para descubrir audiencias de cliente-persona distintas con técnicas de análisis predictivo.

Para entender el contexto, esta es la muestra con la que trabajamos:

Segmento clientes Total clientes Núm. tickets Facturación total Tickets/ Cliente Ticket Medio Facturación/ Cliente
High value 1.903 18.209 2.432.962,74€ 9,56 133,61€ 1.278,49€
Medium value 5.528 22.564 2.638.834,39€ 4,08 116,95€ 477,36€
Low value 8.799 15.357 1.177.086,32€ 1,74 76,65€ 133,78€

Para poder explicar mejor la importancia de estos tres grupos y ahorrarte tener que empezar a jugar con la calculadora, quédate con este resumen de porcentajes en volumen de clientes y facturación:

  • High: Son el 11,73% de los clientes y representan el 38,93% de la facturación.
  • Medium: Son el 34,06% de los clientes y representan el 42,23% de la facturación.
  • Low: Son el 54,21% de los clientes y representan el 18,84% de la facturación.

También vemos la importancia de la frecuencia de compra y el ticket medio:

  • Low: 1,74 compras por cliente con un ticket medio de 76,65€.
  • Medium: 5,52 compras por cliente con un ticket medio de 116,95.
  • High: 8,79 compras por cliente con un ticket medio de 133,61€.
Utiliza los segmentos basados en el valor de cada cliente (CLV) para crear estrategias de comunicación adecuadas a cada uno. Trabaja el crosselling con los clientes low, aumenta la frecuencia de compra con acciones de upselling de los medium y fideliza a los high.

Si necesitas ayuda para realizar el cálculo de CLV no dudes en solicitar un demo y te ayudaremos en la configuración del cálculo de CLV.

3. Análisis cliente-persona según la relación con cada familia de productos

Ahora pasaremos a analizar el comportamiento y los hábitos de consumo de cada uno de los tres segmentos de CLV. Para este ejemplo utilizaremos el valor del gasto total en cada una de las subfamilias de productos.

Desde Pleasepoint siempre aconsejamos hacer este ejercicio bajo tres puntos de vista distintos:

  • Orientados al producto: como por ejemplo haremos en este caso utilizando el gasto total en las distintas subfamilias de productos.
  • Orientados a las marcas: en el caso de los multimarca, hay que hacer el mismo ejercicio pero en este caso utilizando la propensión de compra de una marca. Es aconsejable realizarlo por frecuencia de compra o gasto total.
  • Orientados al comportamiento: la configuración debe ir alrededor de su frecuencia de compra, el ticket medio, el % de aperturas de correos, el número de compras con descuento, si compra online o en el establecimiento físico...

Si quieres aprender de viva voz como hacer distintas ejecuciones para descubrir distintos perfiles de cliente-persona te recomendamos que te apuntes al próximo webinar de marketing predictivo.

Empieza ahora a aumentar las ventas de tu eCommerce

Pleasepoint es el software de marketing predictivo para eCommerce que te hará multiplicar las conversiones de tu eCommerce de una forma fácil y rápida.


Crea tu cuenta gratuita ahora, instala el plugin de Pleasepoint en tu CMS y empieza a aumentar las ventas en pocos días. 30 días gratis, sin permanencia y registro sin targeta.

Crea tu cuenta gratis

Antes de entrar en detalle sobre los resultados, vamos a entender como funciona el análisis. En este caso se configura qué datos queremos que contenga el dataset. En nuestro caso, trabajamos con la subfamilia de productos y lo hacemos bajo un enfoque de gasto total en cada una de las subfamilias.

El tipo de cálculo es importante en los resultados que vamos a obtener. Si utilizamos la unidad de cálculo que mide la frecuencia, el dataset en cuestión tendría en cuenta la repetición, de modo que productos de bajo precio y alta repetición de compra harían destacar la subfamilia en cuestión.

En el caso que nos ocupa utilizamos el cálculo de gasto total. En este caso, no tendremos en cuenta la frecuencia de compra, sino que sólo se valorará el gasto total de cada una de las categorías.

Vamos a ver los resultados. Si necesitas ayuda en este punto agenda una demo con nosotros y te ayudamos a realizar las primeras ejecuciones.

Audiencias segmento Low

Estos son los clientes de menos aportación económica para tu eCommerce. Son clientes que han realizado una o dos compras en su mayoría. Necesitas empezar a trabajar su frecuencia de compra, sabes que cuando hayan relaizado más de 3 compras este cliente aumentará de nivel de rentabilidad.

Vamos a ver una distribución de gasto total entre 7 segmentos, agrupados según sus hábitos de consumo de cada una de las subfamilias de productos.

Id Clúster Total clientes Núm. tickets Facturación total Tickets/ Cliente Ticket Medio Facturación/ Cliente
176 2.866 4.652 406.993,43€ 1,62 87,49€ 141,91€
177 12 32 2.157€ 2,67 32€ 179,80€
178 1.035 1.635 188.468,87€ 1,58 115,27€ 182,10€
179 4.359 8.141 491.597,92€ 1,87 60,39€ 112,78
180 75 117 15.069,13€ 1,56 128,80€ 200,92
181 158 262 33.458,44€ 1,66 127,70€ 211,76€
182 292 518 39.340€ 1,77 75,95€ 134,73€

En la tabla anterior podemos ver como se han creado 3 grandes grupos de clientes:

  • 176. Con 2.866 clientes, 1,62 tickets por cliente, 87,49€ de ticket medio y gasto por cliente de 141,91€.
  • 178. Con 1.035 clientes, 1,58 tickets por cliente, 115,27€ de ticket medio y gasto por cliente de 182,10€.
  • 179. Con 4.359 clientes, 1,87 tickets por cliente, 60,39€ de ticket medio y gasto por cliente de 112,78€.

Los otros grupos son más pequeños y este es el resumen:

  • 177. Con 12 clientes, 2,67 tickets por cliente, 32€ de ticket medio y gasto por cliente de 179,80€.
  • 180. Con 75 clientes, 1,56 tickets por cliente, 128,80€ de ticket medio y gasto por cliente de 200,92€.
  • 181. Con 158 clientes, 1,66 tickets por cliente, 127,70€ de ticket medio y gasto por cliente de 211,76€.
  • 182. Con 292 clientes, 1,77 tickets por cliente, 75,95€ de ticket medio y gasto por cliente de 134,73€.

Una vez tenemos la radiografía de los 7 clusters cliente-persona vamos a ver la propensión de compra de cada una de las subfamilias de productos. Recuerda, cada columna es uno de los clusters de cliente y cada fila representa una de las subfamilias de productos.



En la gráfica las celdas grises representan la no compra de aquella subfamilia y cuanto más oscuro es el azul, mayor propensión de compra. Por ejemplo, los clientes del cluster 176 no compran "Make up" y su mayor tendencia es haci los productos de "Anti edad".

Esperemos a analizar los tres resultados antes de tomar decisiones.

Audiencias segmento Medium

Hacemos el mismo ejercicio para los medium.

Id Clúster Total clientes Núm. tickets Facturación total Tickets/ Cliente Ticket Medio Facturación/ Cliente
183 151 749 78.451,32€ 4,96 104,74€ 519,55€
184 1.291 4.362 606.706,70€ 3,38 139,09€ 469,95€
185 1.839 8.921 861.741,46€ 4,85 96,60€ 468,59€
186 411 1.512 217.979,85€ 3,68 144,17€ 530,36€
187 1.573 6.123 736.284,07€ 3,89 120,25€ 468,08€
188 29 153 17.275,25€ 5,28 112,91€ 595,70€
189 234 744 120.395,74€ 3,18 161,82€ 514,51€

Ahora observando los valores numéricos de la tabla, vemos rápidamente tres diferencias principales respecto al grupo low:

  1. El número de tickets por cliente, en el caso de low se encontraba entre 1 y 2 mientras que ahora los números oscilan entre el 3 y 5.
  2. El ticket medio es significativamente superior respecto al low.
  3. La suma de ambos conceptos hace que la facturación total por cliente sea muy superior.

Destacan 3 grandes grupos de clientes:

  • 184. Con 1.291 clientes, 3,38 tickets por cliente, 139,09€ de ticket medio y gasto por cliente de 469,95€.
  • 185. Con 1.839 clientes, 4,85 tickets por cliente, 96,60€ de ticket medio y gasto por cliente de 468,59€.
  • 187. Con 1.573 clientes, 3,89 tickets por cliente, 120,25€ de ticket medio y gasto por cliente de 468,08€.

Y a continuación el resumen de 4 clústers más pequeños:

  • 183. Con 151 clientes, 4,96 tickets por cliente, 104,74€ de ticket medio y gasto por cliente de 519,55€.
  • 186. Con 411 clientes, 3,68 tickets por cliente, 144,17€ de ticket medio y gasto por cliente de 530,36€.
  • 188. Con 29 clientes, 5,28 tickets por cliente, 112,91€ de ticket medio y gasto por cliente de 595,70€.
  • 189. Con 234 clientes, 3,18 tickets por cliente, 161,82€ de ticket medio y gasto por cliente de 514,51€.

Ahora, vamos a ver las propensiones de compra.



Tan solo observando la gráfica, puedes ver fácilmente que una de las diferencias principales en la propensión de compra respecto al low, es que ahora prácticamente todos los cluster generados compran más subfamilias de productos.

Así pues, para saltar de low a medium identificamos estos pasos:

  1. Aumentar la frecuencia de compra.
  2. Aumentar las subfamilias de productos que compra.

Esto nos ayudará en el momento de establecer la estrategia de campañas personalizadas.

Audiencias segmento High

Ahora vamos a analizar a los mejores clientes. Aquellos que mayor rentabilidad aportan a la empresa.

Id Clúster Total clientes Núm. tickets Facturación total Tickets/ Cliente Ticket Medio Facturación/ Cliente
190 688 7.368 857.222,95€ 10,70 116,34€ 1.245,96€
191 120 1.066 166.237,07€ 8,88 155,94€ 1.385,31€
192 627 5.653 786.788,63€ 9,01 139,18€ 1.254,85€
193 47 550 71.213,18€ 11,70 129,48€ 1.515,14€
194 122 925 161.643,89€ 7,58 174,75€ 1.324,95€
195 265 2.295 344.297,79€ 8,66 150,02€ 1.299,24€
196 34 352 45.559,23€ 10,35 129,43€ 1.339,98€

Comparando con el nivel medium vemos estas 3 diferencias principales:

  1. El número de tickets por cliente se dispara, entre 7 y 12 tickets por cliente.
  2. El ticket medio sube pero se mantiene a unas magnitudes parecidas.

Observamos primero los dos clusters más grandes en número de clientes:

  • 190. Con 688 clientes, 10,70 tickets por cliente, 116,34€ de ticket medio y gasto por cliente de 1.245,96€.
  • 192. Con 627 clientes, 9,01 tickets por cliente, 139,18€ de ticket medio y gasto por cliente de 1.254,85€.

Ahora observamos tres clusters medianos, con un gasto total por cliente superior con menos frecuencia de compra y un ticket medio superior:

  • 191. Con 120 clientes, 8,88 tickets por cliente, 155,94€ de ticket medio y gasto por cliente de 1.385,31€.
  • 194. Con 122 clientes, 7,58 tickets por cliente, 174,75€ de ticket medio y gasto por cliente de 1.324,95€.
  • 195. Con 265 clientes, 8,66 tickets por cliente, 150,02€ de ticket medio y gasto por cliente de 1.299,24€.

Finalmente comparamos los dos clusters más pequeños:

  • 193. Con 47 clientes, 11,70 tickets por cliente, 129,48€ de ticket medio y gasto por cliente de 1.515,14€.
  • 196. Con 34 clientes, 10,35 tickets por cliente, 129,43€ de ticket medio y gasto por cliente de 1.339,98€.

Estos dos últimos clusters son los clientes que con más frecuencia nos compran y que tienen una aportación superior de forma individual.

Veamos ahora la propensión de compra.



En comparación con los clientes del segmento medium, ahora vemos como cada cluster distribuye su gasto de una forma más uniforme entre las distintas categorías. Se trata de clientes que compran con frecuencia productos de distintas subfamilias.

Podemos afirmar que el salto de Medium a High se basa en:

  1. Aumentar la frecuencia de compra.
  2. Aumentar el ticket medio fidelizando la compra de distintas subfamilias de productos.

4. Cómo crear una estrategia de campañas personalizadas

Si has llegado hasta aquí seguro que estás deseando saber, como ahora puedes aprovechar esta información para crear campañas personalizadas que conviertan mejor, para que los clientes suban de segmento de CLV.

Ahora, vamos a explotar la información obtenida para hacer campañas más efectivas.

Nuestro objetivo es aumentar el gasto total de cada uno de los clientes siguiendo una estrategia de campañas personalizadas.

Ahora te mostraremos como crear tres estrategias distintas según el nivel de rentabilidad de cada cliente, personalizando los contenidos de cada campaña a las preferencias de compra y utilizando tan solo 2 plantillas de correo electrónico.

Si quieres que te expliquemos un caso real en vivo puedes apuntarte al próximo webinar de marketing predictivo.

Plantillas dinámicas

Con dos plantillas dinámicas de correo electrónico podremos ejecutar la estrategia de campañas personalizadas. Por un lado, una de formato catálogo, con recomendaciones de productos. Por el otro lado comunicaciones directas de producto con algunas recomendaciones de producto asociadas.

Estas dos plantillas nos dan el dinamismo suficiente para crear tres tipos de email:

  1. Emails de catalogo de productos (destacados o en promoción)
  2. Emails de lanzamiento de nuevo producto
  3. Emails de promoción especial de producto

Estas serían las dos plantillas.

Bajo unos mismos contenidos de la campaña, como el header o el motivo de la comunicación, podremos personalizar la propuesta de productos siguiendo una estrategia que nos haga aumentar el Customer Lifetime Value de cada uno de los clientes.

En la recomendación de productos, funciona muy bien utilizar productos con una alta propensión de compra junto a productos que el cliente todavía no compra pero que clientes del segmento de CLV superior sí que compran.

De esta forma, en las recomendaciones utilizaremos la información de la propia propensión de compra y de los niveles superiores de CLV.

Empieza ahora a aumentar las ventas de tu eCommerce

Pleasepoint es el software de marketing predictivo para eCommerce que te hará multiplicar las conversiones de tu eCommerce de una forma fácil y rápida.


Crea tu cuenta gratuita ahora, instala el plugin de Pleasepoint en tu CMS y empieza a aumentar las ventas en pocos días. 30 días gratis, sin permanencia y registro sin targeta.

Crea tu cuenta gratis

Te recomendamos primero crear las campañas de una forma manual, utilizando estos templates. En el futuro podrás automatizar parte de este proceso y dejar que la máquina funcione sola, tan solo estableciendo los productos que quieres recomendar.

Veamos la estrategia a seguir para cada segmento de clientes.

Estrategia para los clientes Low value

Estos son los clientes que menos compran. Representan el 54,21% de los clientes y tan solo el 18,84% de la facturación. El margen de mejora es importante.

Son clientes que tan solo han hecho una o dos compras en su gran mayoría. Para incrementar el Customer Lifetime Value de estos clientes estableceremos estas tres líneas de comunicación:

  1. Campañas para impulsar la segunda compra.
  2. Campañas para impulsar la tercera compra.
  3. Campañas para incentivar la compra de otras subfamilias de productos.

Ahora toca utilizar la creatividad. Por ejemplo, si comparas los clusters de Low y Medium, puedes observar como una de las diferencias es que los clientes empiezan a comprar productos de la subfamiliad "Peel off". Puedes aprovechar para comunicar productos que ya compra y recomendar esta subfamilia de productos.

Este es el segmento de clientes de mayor volumen y con el que existe más recorrido para el crecimiento. Céntrate en descubrir y a conocer aquellas palancas que influyen en la repetición de compra.

Estrategia para los clientes Medium value

Ahora estás ante los clientes de rentabilidad media. Estos clientes son aquellos que han aumentado su frecuencia de compra y el número de subfamilias que compran.

Este segmento representa el 34,06% de los clientes y el 42,23% de la facturación. Se trata de buenos clientes que tenemos que mantener y hacer crecer. Nuestro objetivo es que estos clientes vayan saltando hacia el cluster high gracias a ir aumentando su frecuencia de compra.

Toca centrarse en la repetición de compra. Recuerda que la gran diferencia entre los medium y los high recae en el número de productos.

Las campañas de este grupo irán encaminadas a incentivar una nueva compra. Recuerda que estos clientes ya nos están comprando con cierta frecuencia, de modo que no debemos canibalizar nuestro producto con promociones agresivas.

Podemos hacerlo siguiendo estas lógicas:

  1. Campañas que impulsan la compra de productos de distintas subfamilias
  2. Campañas de reposición de productos que ya compran
  3. Promociones de productos que no compran

Ahora ya puedes empezar a hacer las campañas. Aquí se trata de impulsar la compra de las subfamilias de menor propensión de forma recurrente cuando compra los productos de las familias de mayor propensión.

Para ello las campañas de reposición de productos son muy importantes. No debes jugar a descuentos para los productos a los que el cliente ya está fidelizado, utilízalos para aquellos productos que quieres recomendar para mejorar el ticket medio.

Debes conocer muy bien como activar a estos clientes. Piensa que en volumen es el grupo que más facturación te aporta.

Aumentando la frecuencia de compra e incrementando ligeramente el ticket medio conseguirás trasladar a estos clientes del grupo medium al high.

Estrategia para los clientes High value

Llegamos al turno de los clientes de más alto valor. Aquellos que su aportación individual a tu negocio, el Customer Lifetime Value es superior. Como ya has visto estos clientes son los que su repetición de compra es más alta y el ticket medio es ligeramente superior.

Estos clientes son los que tienes que tratar como clientes VIP. Debes fidelizarlos y no perderlos nunca.

Piensa que estos clientes, en este caso, representan el 11,73% del total de clientes y el 38,93% de la facturación.

Nuestras acciones deben ir enfocadas a mantener su compromiso con nuestra marca, y a reforzar su vínculo y su fidelización. A parte, podemos destinar una parte del presupuesto de marketing para obsequiar a estos clientes con privilegios y ventajas.

La estrategia de comunicación en este caso no será de carácter promocional, exceptuando casos excepcionales, sino que tendrán el objetivo de obsequiar al cliente. Ejemplo de nuestras campañas serán:

  1. Gastos de envío siempre gratis.
  2. Ventajas al adquirir los lanzamientos de producto.
  3. Productos regalo a la X compra o cualquier otra regla de negocio.
  4. Campañas de reposición de productos que ya compran

Como siempre debes hacer números, pero no escatimes en fidelizar a estos clientes.

Espero que hayas disfrutado con este post y que empieces pronto a utilizar el marketing predictivo para hacer una comunicación más personal, más eficaz y más rentable. Ahora es el momento de crear tu cuenta de forma gratuita y de apuntarte al próximo webinar de marketing predictivo.

Estás a un paso de crear ahora tu cuenta

Pleasepoint es el software de marketing predictivo que te hará aumentar las ventas con el marketing cloud más completo del mercado reforzado con IA.


Crea tu cuenta gratuita ahora, instala el plugin de Pleasepoint en tu CMS y empieza a aumentar las ventas en pocos días. 30 días gratis, sin permanencia y registro sin targeta.

Crea tu cuenta gratis

5. Bonus track: Audiencias lookalike

Y ahora un último truco. Utiliza esta información no solo en la fidelización, sino también en la adquisición de nuevos clientes. ¿Cómo? Creando audiencias lookalike de los mejores clientes. De esta forma utilizarás estos datos para segmentar mejor tus campañas publicitarias.

Nuestra experiencia nos dice que, aunque depende de cada negocio, crear audiencias lookalike con los clientes de tipo High o los mejores de Medium, mejora mucho la rentabilidad de las campañas de adquisición de nuevos clientes.

Recuerda que captar nuevos clientes que sólo hacen una o dos compras no es la estrategia más rentable que puedes hacer. No solo debes primar la cantidad, debes fijarte en la calidad de cada nuevo cliente.

Estás a un paso de empezar a crecer con Pleasepoint

Utiliza el marketing predictivo para definir campañas personalizadas basadas en datos y 100% orientadas a incrementar el valor del negocio con quick-wins.

Quiero empezar a aumentar las ventas