How can we measure acceptance in Direct Marketing?

Uno de los principales objetivos, si no el principal, tras lanzar una campaña de marketing es saber si los resultados de la acción han sido positivos. Dado que esto implica cálculos algo complejos y de diferente tipo, como reducción de churn o impacto en revenue y/o margen, lo haremos sencillo por ahora y nos centraremos en uno de los primeros pasos: obtener cuánta gente ha aceptado la oferta de la campaña.

Esto puede obvio, pero normalmente suele ser tema de conflicto entre la gente de Marketing y CRM, sólo por el hecho de que nadie define lo que se considera como “aceptación”. Supongamos una campaña donde el Call Center llama a clientes actuales para ofrecer lo que se cree que es la mejor oferta de Internet para cliente. La primera idea de aceptación sería considerar aquella gente que acepta la oferta específica que el Call Center está ofreciendo, pero podrían surgir algunas dudas:

PreguntaAceptacionMarketing

  • ¿Qué pasa si el cliente solicita un downgrade cuando el Call Center ofrece un upgrade? Si el objetivo de la campaña fuera provocar algún tipo de reacción sobre el cliente, se consideraría como aceptación también.
  • ¿Qué pasa si el cliente no quiere el upgrade que ofrece el Call Center pero quiere otro producto que no se le está ofreciendo (de televisión digital, por ejemplo)? Esto se suele considerar como aceptación por los Call Centers.

Por tanto, el primer paso sería definir en detalle lo que se va a considerar como “aceptación” en términos de posibles respuestas del cliente. Esto está íntimamente relacionado con la etapa “Define” de la metodología DMAIC de Six Sigma.

Una vez conozcamos lo que queremos medir, el siguiente punto es calcular el ratio de aceptación. A continuación se muestran varias maneras de hacerlo, en donde cada una mejora al método anterior:

  1. Ratio de aceptación en el Target: un enfoque muy básico es evaluar cuánta gente en el target ha aceptado la oferta. Sin embargo, esto no proporciona ninguna información valiosa. Imaginemos que el 50% de los clientes en el target son considerados como que han aceptado en la campaña del ejemplo anterior. Esto podría resultar un éxito en términos de ratio de aceptación (¡uno de cada dos clientes llamados aceptó!), pero no significa nada ya que si los clientes a los que no se les llamó podrían haber migrado de paquete de Internet. Si los que aceptaron en el target fueran un 50% pero el 70% de los clientes que no estaban en el target y tenían un perfil similar adoptaron el mismo paquete de manera espontánea, entonces la campaña no resultó tan exitosa en términos de aceptación.
  2. Ratio de aceptación en el Target vs Control: Como hemos indicado en el punto anterior, el ratio de aceptación medido en el target requiere algo contra lo que comparar (lo que podría definirse como un “estándar”). Esto nos permitiría obtener un Ratio de Aceptación Neto, calculado como la diferencia entre los ratios de aceptación del target y del grupo de control, y nos ayudaría a evaluar la aceptación extra obtenida gracias a los esfuerzos de la campaña. Por tanto, siguiendo con el ejemplo de la campaña anterior, supongamos que ahora medimos una aceptación del 20% en el target y del 10% en el grupo de control, lo que nos da una aceptación neta del 10%. Esto podría parecer suficientemente bueno para proporcionar un feedback sobre el ratio de aceptación pero tampoco lo es. El ratio de aceptación medido en el target suele estar hecho sobre un grupo o muestra suficientemente grande como para poder ser considerado estadísticamente significativo. Sin embargo, no pasa lo mismo con el grupo de control, que suelen ser bastante más reducidos que el target. Este es el motivo por el que necesitamos del siguiente método.
  3. Aceptación neta y F-Test: Como ya hemos dicho, de un ratio de aceptación de un 20% sobre un target de 10.000 clientes y una aceptación del 10% sobre un grupo de control de 500 clientes no podemos concluir nada desde un punto de vista estadístico, ya que la muestra del grupo de control es demasiado pequeña. El recurso estadístico para comprobar si la diferencia entre los ratios de aceptación se debe al muestreo o al efecto de la campaña es el F-Test. Por tanto, la aceptación neta junto con el F-Test (y su p-valor correspondiente) nos proporciona suficiente información para decir cuánta aceptación extra obtenemos con la campaña y si la diferencia es estadísticamente significativa.

Una vez tenemos un método fiable de medir el ratio de aceptación en una campaña de marketing directo lanzada en un determinado período, podríamos aprovecharnos de esto y usarlo para comparar las aceptaciones netas de campañas similares hechas en otros instantes de tiempo. Imaginemos que la misma campaña se realiza con una regularidad mensual. Podríamos construir la siguiente matriz para comparar los resultados, donde la aceptación neta está representada en el eje X y la significación estadística en el eje Y:

AcceptanceRateDirectMarketing

————————————————–

Once of the primary goals, if not the main one, after launching a marketing campaign is to check whether the results of the action have been positive. Since this may involve different and complex calculations, such as churn reduction or revenue and/or margin impact, we will keep it simple by now and will focus on one of the first steps: getting how many people have accepted the campaign’s offer.

This can seem easy, but it is usually a point of discussion within Marketing and CRM people just because nobody defines what is considered as “acceptance”. Let us consider a campaign where the Call Centre calls current customers to upgrade Internet tier. The first idea of acceptance would be those people accepting just what Call Centre is offering, but some questions rises:

  • What if the customer asks for a downgrade instead of accepting the upgrade? If the campaign goal was to provoke a reaction on the customer, this should be considered as acceptance too.
  • What if the customer does not want an upgrade on Internet tier but wants to buy another product (i.e. fixed telephony)? This is usually translated into acceptance by Call Centers.

So the first step should be defined “acceptance” in detail in terms of customer response. This is closely related with the Define phase in the DMAIC methodology within Six Sigma.

Once we already know what we want to measure, the next key point is to calculate the acceptance rate. Next we show several ways of doing it, each of one improves the previous method:

  1. Acceptance rate in Target Group: a basic approach is to evaluate how many people in target group have accepted the offer. However, this is not any valuable information. Let us guess 50% of customers in target group are considered as acceptors in the previous campaign. This could result a success in term of acceptance rate (one of every two customers called accepted!), but this does not really mean anything since customers who were not called by Call Center and were not offered an upgrade explicitly could also have migrated their Internet tier. If acceptors in target group were 50% but 70% of other customers with similar profile not in target group also adopted the offer spontaneously, then the campaign is not such as success in acceptance terms, but a failure.
  2. Acceptance rate in Target Group vs Control Group: As we have seen in the previous point, acceptance rate measured in target group requires something against what you can

Deja un comentario