¿Funcionan nuestras estrategias de retención y engagement?

¿Funcionan las estrategias de retención y medición que realizamos?

De este tema tan interesante y útil nos viene a hablar Rubén Marzal, fundador de Nextscenario.com y profesor de retención y engagement en el programa de Growth Manager Certification de Product Hackers School . Este post es un fragmento de una formación que lleva varias ediciones y que ha gustado mucho, por eso la compartimos.

Los costes de captación en negocios digitales se han disparado para cualquier modelo de negocio, cada vez es más complicado encontrar canales rentables, retener clientes y mantenerlos es clave para hacer crecer un negocio.

Pero, ¿cómo podemos saber si nuestras estrategias están realmente funcionando?

¿Qué es la retención de usuarios?

La retención es la métrica encargada de cuantificar el porcentaje de usuarios, ingresos o clientes es capaz de ser retenida por un negocio.. Pero ¿por qué la retención es la pieza más importante del motor de crecimiento?

• Mejora la rentabilidad, ya que aumenta el LTV (lifetime value), permitiéndonos gastar más en captación.
• Acelera el Payback, el tiempo en el que recuperamos la inversión de un cliente. Al aumentar la retención de clientes, recupero antes la inversión.

Cómo vimos en este estudio sobre métricas de retención en Saas. Las empresas con una buena retención crecen entre 1,5-3 veces más rápido. De media, las empresas SaaS con una tasa de retención neta superior al 100% crecen un 43,6% anual. En comparación, aquellas con una tasa de retención neta inferior al 60% crecen solo un 13,1% anual.

Para ello no solo debemos tener una definición adecuada de las métricas, churn, retención, repetición de pedidos, arpa, ticket medio… infinidad de métricas que hay que adaptar al modelo de negocio para después medirlas adecuadamente, cosa que tampoco es baladí.

¿Qué métricas de retención y engagement debemos de tener en cuenta?

Como mucho en la vida depende, y en este caso depende del modelo de negocio y la fase en la que se encuentra.

Métricas de retención en un Saas

• Retención de Usuarios. Mide el porcentaje de usuarios que una empresa es capaz de mantener durante un período de tiempo.
• Retención de Clientes: Similar a la retención de usuarios, pero se enfoca en el porcentaje de clientes que se mantienen a lo largo del tiempo.
• Retención de Ingresos Brutos (Gross Revenue Retention):Mide el porcentaje de ingresos retenidos durante un período de tiempo, excluyendo el impacto de la expansión de cuentas existentes (como upsells o cross-sells).
• Retención de Ingresos Netos (Net Revenue Retention) o Net Retention Rate. Calcula el porcentaje de ingresos retenidos teniendo en cuenta tanto la pérdida de ingresos (churn y downgrade) como el aumento de ingresos (a través de la expansión de cuentas existentes).

Relación entre churn y retención

La Retención es una KPI ligada al churn, en muchos caso se pueden calcular cómo la métrica opuesta.

Retention Rate = 1 - Churn Rate

Es mucho más fácil y eficaz mantener el interés de los usuarios que intentar reactivarlos cuando ya han decidido darse de baja.

Fórmulas de retención en un Saas o app

Aquí todas las fórmulas de retención:

Retención y engagement en eCommerce

Las métricas de un eCommerce, son diferentes a un modelo de suscripción, como de un Saas, aunque serían similares si nuestro eCommerce cuenta con un modelo de subscripción, como tienen algunos negocios.

Estas son las métricas de engagement y retención de un eCommerce más relevantes:

• Tasa de repetición de pedidos: Esta métrica indica la frecuencia con la que los clientes vuelven a realizar un pedido. Se calcula dividiendo el número total de pedidos repetidos durante un período de tiempo específico por el número total de pedidos realizados en el mismo período, y luego multiplicando por 100 para obtener un porcentaje. Una alta tasa de repetición de pedidos suele ser indicativa de la lealtad de los clientes y la satisfacción con el producto o servicio.
• Pedidos por cliente por año: Esta métrica muestra el promedio de pedidos que realiza un cliente en un año determinado. Se calcula dividiendo el número total de pedidos realizados durante un año entre el número total de clientes activos en ese mismo período.
• Ticket medio: Valor medio de pedido. Se calcula dividendo facturación total sin impuestos entre el número de pedidos.
• Lifetime Value (Valor de vida del cliente, LTV): Es el valor total que un cliente representa para una empresa durante toda su relación con ella. Se calcula multiplicando el Ticket medio por el número promedio de compras por año y luego multiplicándolo por la duración esperada de la relación del cliente con la empresa. Esta métrica es importante para determinar cuanto es de rentable captar un cliente
• LTV / CAC (Valor de vida del cliente / Coste de adquisición de clientes): Esta métrica compara el valor de vida del cliente con el coste de adquirir nuevos clientes. Se calcula dividiendo el valor de vida del cliente entre el costo de adquisición de clientes. Un LTV / CAC saludable es mayor que 1, lo que significa que el valor que el cliente aporta a la empresa es mayor que el coste de captarlo.
• Tasa de devolución de pedidos: Indica el porcentaje de pedidos que son devueltos por los clientes. Se calcula dividiendo el número total de pedidos devueltos por el número total de pedidos realizados en un período de tiempo determinado, y luego multiplicando por 100 para obtener un porcentaje.
• Tasa de reclamación de pedidos o disputas: Esta métrica muestra el porcentaje de pedidos que reciben una reclamación o queja de los clientes mas común en marketplaces. Se calcula dividiendo el número total de pedidos con reclamaciones por el número total de pedidos realizados en el mismo período, y luego multiplicando por 100 para obtener un porcentaje.

Vale ahora ya tenemos las KPI claves de 2 modelos de negocio definidas pero…¿cómo sabemos si nuestras estrategias de retención están funcionando?

¿Cómo identificamos si nuestras estrategias de retención y medición funcionan?

Aquí entra en juego la analítica de negocio. La analítica de negocio es el proceso de convertir los datos de diversas fuentes de datos, en insights , es decir en conocimiento, que pueda utilizarse para detectar ineficiencias o mejoras en nuestro negocio.

Por ejemplo, la analítica nos puede ayudar a identificar los problemas que pueden impedir a los usuarios completar una tarea o alcanzar un objetivo, incluso predecir el churn.

Pasos para instrumentar un estrategia de medición de kpis

Uno de los principales problemas en un proyecto de instrumentación de analítica, es centrarse en la herramienta, en lugar de los objetivos que queremos cumplir.

Según lo aprendido en numerosos proyectos, estos serían los pasos para afrontar con éxito la implementación de definición de las métricas clave a analizar:

1. Definición de objetivos a conseguir. Por ejemplo: Mejorar la tasa de repetición de productos vendidos en diferentes plataformas.
2. Definir las métricas que evaluar según el modelo de negocios, que ya hemos visto anteriormente.
3. Identificar fuentes de entrada y salida de datos.
4. Definir herramienta para recopilar datos y eventos a medir.
5. Definir pipelines de datos y datawarehouse
6. Instrumentación del dato: Extracción, limpieza y transformación.
7. Visualización de Kpis
8. Obtención de insights

Según mi experiencia, una persona, normalmente suele ser gente de producto o data, necesita entre 2 y 5 meses para realizar este set up. Ojo, no sólo la herramienta, sino establecer procesos de recogida de métricas, conexión y depuración de datasources.

Ejemplo real de lo que supone calcular al retención de usuarios y engagement en un eCommerce

En todo flujo de datos, hay al menos cuatro lugares diferentes donde se puede construir una métrica:

• Durante la ingesta (en ETL o una herramienta de transformación de datos).
• En el almacén de datos (en ELT, utilizando una herramienta como dbt).
• En la herramienta de Business Inteligence (como Looker, Tableau o PowerBI).
• En una capa semántica independiente.

Cada uno tiene sus pros y sus contras, pero eso da para un post entero.

Como ves, no es nada trivial. Aquí teneis un ejemplo de la análitica de Netflix:

Fuente

Lógica de agregación de una métrica

Una vez definido nuestro pipeline de datos y verificar la integridad, toca trabajar con las KPI. Todas las métricas aplican algún tipo de agregación a los datos:

• Las más sencillas suelen ser una llamada a una función: ya sea SUM(ingresos) o COUNT(DISTINCT user_id).
• Las métricas filtradas combinan un filtro (segmentación de los datos): por ejemplo, la suma de los ingresos en EEUU del producto jamón del pata negra o el recuento de usuarios que compraron el salchichón de Francia.
• Las métricas de crecimiento (YoY, MoM) pueden combinar la misma métrica en distintos momentos (por ejemplo, valor este mes y valor el mes pasado).

• Las métricas de contribución (ventas por ubicación como porcentaje de las ventas totales) pueden combinar la misma métrica a diferentes niveles de detalle (es decir, por ubicación y total).

Granularidad de la agregación

Las métricas siempre se cuentan en un nivel específico de granularidad:

• Las campañas de ads por campaña o grupo de anuncios.
• Las ventas por día, mes o hora

Ejemplo sobre medición de Retención y Economics de un eCommerce

Vamos con un ejemplo real de un eCommerce que vende en un marketplace cómo Amazon y en su propia web. Además utiliza canales de captación cómo facebook ads, Google Ads y Amazon ads.

Por ejemplo para recibir un report como este:

O para sacar por ejemplo una cuenta de pérdidas y ganancias nos encontramos que los pedidos no se representan igual en Amazon que en su CMS, woocommerce, Shopify o Prestashop.

Por ejemplo las ventas de Amazon pueden o no contener descuentos u otros cargos en cambio en la web propia no.

Debemos unificar el dato para transformarlo y que hablen el mismo idioma.

Para calcular el CAC o el ROI debemos saber de donde vienen los pedidos, sumar las diferentes inversiones de cada canal, y esperar al que la sincronización del datasource más lento acabe.

Ya hemos capturado el dato, transformado el dato pero volviendo al título de este post, como analizamos si nuestras estrategias de retención funcionan…

Debemos analizar la retención, no sirven de nada hacerlo con datos agregados. Ya que puede ser que por ejemplo tengamos una tasa de devolución alta, pero estas devoluciones vengan de un canal o paÍs determinado.

Por eso es importante segmentar los clientes con cohortes con filtros:

o con el típico análisis de cohortes.

Cómo ves, averiguar si tu retención y engagement funcionan, no es tan fácil como parece, se pierde mucho tiempo en tareas manuales y tu empresa acaba siendo gobernada por excels picados a mano. Son proyectos costosos en tiempo de implementar, así que vimos este problema, y lo resolvimos con Nextscenario.

Si necesitas medir adecuadamente y quieres tener todos tus datos integrados en días y no meses, y que tu equipo se dedique al core de tu negocio y a las tareas que tengan un retorno directo a tu cliente, puedes inscribirte en el programa Growth Manager Certification dónde podrás continuar aprendiendo sobre éste tema y contactar con Rubén Marzal.