Caso GlowRoad
joselml20Apuntes23 de Noviembre de 2020
678 Palabras (3 Páginas)137 Visitas
[pic 1]
UNIVERSIDAD PRIVADA DE CIENCIAS APLICADAS
FACULTAD DE NEGOCIOS
CURSO
DIGITAL MARKETING ANALYTICS
CASO GLOWROAD
PROFESOR
SERKOVIC CORPANCHO, DIEGO ALONSO
SECCIÓN
MXA1
INTEGRANTES | CARRERA | CÓDIGO |
LAVADO VEGA, LUCÍA | ADMINISTRACIÓN Y FINANZAS | U201610035 |
LEY GUSHIKEN, EDDY HIROSHI | ADMINISTRACIÓN Y MARKETING | U201621113 |
MAEDA RIVADENEYRA, LUIS | ADMINISTRACIÓN Y MARKETING | U20151B966 |
PEREZ CANGAHUALA, ALESSANDRA MARÍA | ADMINISTRACIÓN Y MARKETING | U201322178 |
TAPIA CERVANTES, MARCO | ADMINISTRACIÓN Y MARKETING | U201618874 |
SEMESTRE
2020 02
FECHA DE PRESENTACIÓN
12 DE SEPTIEMBRE
ÍNDICE
1. ¿Qué modelos predictivos utilizaron? y ¿Qué otros modelos predictivos vistos en clase consideran que podrían utilizar en un negocio como este? 1
2. ¿Cuál consideran que es la etapa del funnel o embudo de venta más importante para esta clase de negocio? 2
CASO GLOWROAD
¿Qué modelos predictivos utilizaron? y ¿Qué otros modelos predictivos vistos en clase consideran que podrían utilizar en un negocio como este?
En el presente caso, podemos evidenciar cómo GlowRoad para poder mejorar sus problemas de deserción de clientes y mejorar las transacciones en su plataforma contrató a Clever Tap quien usó diferentes modelos predictivos. Así pues, los modelos que se emplearon fueron los siguientes:
- Next Best Offer (NBO)
Este primer modelo predictivo se empleó cuando Clever Tap empezó a manejar la data tanto interna como externa de los clientes de GlowRoad. Esto, con la finalidad de poder mejorar la retención de estos y aumentar la recompra. Así pues, en base a la data que previamente poseía la empresa, se empleó este modelo predictivo para aumentar las probabilidades de recompra, o en este caso, de seguir comprando/usando GlowRoad.
- Churn
Para poder mejorar el rendimiento de GlowRoad, era esencial que Clever Tap emplee este modelo predictivo. Principalmente, se debe a que la empresa ya tenía grandes problemas en cuanto a la retención de sus clientes, y su ratio de deserción era muy elevado. Entonces, empleando Churn se pudo mejorar esta carencia. Inclusive, se obtuvieron resultados muy buenos, tanto así que el ratio de retención en el primer mes fue de 100% y se redujo el ratio de desinstalación de la app.
Por otro lado, existen otros modelos predictivos que podría emplear el negocio ahora que su situación ha mejorado. Estos serían los siguientes:
- Customer Lifetime Value (CLTV)
GlowRoad podría emplear el modelo CLTV, puesto que ahora posee mayor cantidad de clientes que realizan compras de manera más frecuente en su plataforma. Si bien es cierto que la empresa ha mejorado su ratio de retención, es casi imposible retener a todos los clientes. Así pues, empleando CLTV, GlowRoad podría saber qué tanto valor monetario le representa un cliente para la empresa, y así podría realizar acciones de CRM principalmente a aquellos que poseen un mayor CLTV.
...