Con questo white paper vogliamo mettere in evidenza il valore e l’importanza del customer profiling nel contesto del food retailing, nel quale oramai riveste un ruolo sempre più centrale la gestione della Loyalty tanto da diventare una vera e propria funzione del Management dei retailer di medie e grandi dimensioni; in tal senso nel corso del paper utilizzeremo il termine Loyalty Management (LM). In un piano di LM è essenziale profilare i clienti su cui concentrare le azioni di Marketing per evidenziare le diverse clusterizzazioni di clientela in termini di variabili fondamentali quali il “valore” e la fedeltà.

1. 1
2
3
4
5a
5b
CUSTOMERLOYALTY
MANAGEMENT
La Loyaltydei clienti
come risorsa economica
driving innovation

2. Greco Technologies & Arts Srl.
Tutti i diritti riservati © 2015
È vietato pubblicare i contenuti inseriti nel presente white paper,
senza previa autorizzazione scritta dell’autore.
Per richieste di autorizzazione, scrivere all’autore all’indirizzo: info@gtafactory.com

3. Sommario
Premessa
Approccio discretionary
La metodologia utilizzata
I risultati della clusterizzazione
Come ci aiuta conoscere i profili di clientela?
Come ci aiuta conoscere la dinamica dei profili di clientela?
Conclusioni
4
5
5
7
10
12
16

4. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica4
Premessa
Con questo white paper vogliamo mettere in evidenza il valore e l’importanza del
customer profiling nel contesto del food retailing, nel quale oramai riveste un ruolo
sempre più centrale la gestione della Loyalty tanto da diventare una vera e propria
funzione del Management dei retailer di medie e grandi dimensioni; in tal senso nel corso
del paper utilizzeremo il termine Loyalty Management (LM).
In un piano di LM è essenziale profilare i clienti su cui concentrare le azioni di Marketing
per evidenziare le diverse clusterizzazioni di clientela in termini di variabili fondamentali
quali il “valore” e la fedeltà.
In questo articolo proponiamo una nuova metodologia, che è un’evoluzione di una delle
più accreditate nell’ambito del Customer Relationship Management: la metodologia
RFM, meglio nota come recency, frequency, monetary amount. La novità nel nostro
modello di customer profiling consiste nell’aver introdotto nell’algoritmo di
classificazione una quarta variabile, la longevità della relazione (L). Tale variabile attesta
il grado di fedeltà dei clienti in termini di durata della relazione, dal primo all’ultimo
acquisto e definiamo la tecnica implementata con l’acronimo LRFM – lenght, recency,
frequency, monetary amount.

5. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica5
Approcciodiscretionary
Cambiare approccio nella gestione del Marketing è una delle principali sfide nel retailing:
in questo caso la parola chiave non è più transazione – valutare il volume venduto nel
tempo e nello spazio – ma relazione – definire il valore delle relazioni con i clienti che si
manifesta attraverso una sequenza nel tempo e nello spazio di transazioni per cliente o
cluster di clienti.
Da questo punto di vista si rileva come normalmente la distribuzione finale abbia già
implementato diverse strategie di fidelity con l’introduzione dei più comuni loyalty
programs (LP) basati su carte fedeltà e con un funzionamento di tipo quid pro quod
(proporzionale): si accumulano punti in funzione della spesa, che poi si possono
“spendere” nell’acquisto di altri prodotti. Sono di più complessa applicazione, invece, gli
approcci di tipo discretionary, nei quali il Management decide discrezionalmente il tipo,
l’intensità ed il valore delle promozioni e della comunicazione da destinare ai vari cluster
di clienti in base al loro valore. Questo secondo tipo di approccio lo potremmo definire
“dinamico”, in quanto prevede, anche a supporto ed integrazione dei comuni Loyalty
Programs quid pro quod, la possibilità di variare molto rapidamente tutte le leve di LM
in funzione della dinamica e del valore che esprime nel tempo la customer base.
Gli interventi possibili per migliorare i processi di LM riguardano sia la ridefinizione degli
schemi di accumulo e spesa promozionale che la definizione di schemi di comunicazione
e gestione della relazione O-to-O differenziati a seconda del cluster di clienti. È proprio in
questi casi che assume un’importanza centrale l’utilizzo appropriato di tecniche di
profilazione della clientela, in grado di mettere in luce lo “stato” e la “dinamica” dei diversi
profili di clientela, individuabili nella customer base in termini di omogeneità dei
comportamenti e delle preferenze d’acquisto.
Lametodologiautilizzata
Per ottimizzare la suddivisione dei clienti in gruppi fortemente omogenei al loro interno e,
allo stesso tempo, disomogenei fra loro è necessario innanzitutto individuare cluster
“affidabili” nella Customer Base (CB).

6. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica6
Operativamente abbiamo eseguito i seguenti step:
1. Il primo step prevede l’esplicitazione di ognuna delle variabili del modello utilizzato
– L, R, F ed M – per ognuno dei clienti presenti nella CB, nell’arco di un periodo di
tempo predeterminato. Questa è una delle scelte più critiche del modello, in
quanto si assume che il periodo scelto possa essere compatibile con la durata
media delle relazioni di quella data azienda:
L lunghezza temporale della relazione dal primo all’ultimo acquisto;
R recentezza temporale dall’ultimo acquisto;
F frequenza degli acquisti nel periodo di tempo scelto per l’analisi;
M ammontare monetario speso mediamente in ogni acquisto;
2. Quindi ogni cliente viene “valutato” con un punteggio o un rank per ognuna delle
variabili utilizzate:
database
L
5
4
3
2
1
35
34
33
32
31
335
334
333
332
331
3335
3334
3333
3332
3331
R F M
COD. CLIENTE
8033389262105
9801000000042
9801000000103
9801000000219
9801000000288
9801000000387
LENGHT
1
273
463
549
62
543
RECENCY
84
26
47
77
47
109
FREQUENCY
1
3
1
1
1
4
MONETARY
1808
806
2500
4081
6293
1923
L
1
4
5
5
5
3
R
2
1
4
3
3
2
F
1
1
5
1
1
4
M
2
1
3
4
5
2
LRFM
1212
1441
5313
5214
3355
5112

7. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica7
3. A questo punto si utilizzano degli algoritmi stocastici appropriati in funzione della
tipologia dei dati a disposizione – uno dei più noti è il K-means;
4. Il lavoro degli algoritmi deve subire diverse attività di adeguamento prima di
giungere a risultati significativi da un punto di vista statistico, cioè che presentino
valori ottimizzati secondo determinati indici, ad esempio:
Cluster cohesion: Sum of Squares Error (SSE);
Cluster separation: Sum of Squares Between (SSB);
Davies-Bouldin Index;
5. Una volta completata la clusterizzazione dei clienti abbiamo implementato
procedure di aggiornamento e di storicizzazione dell’appartenenza dei singoli
clienti ai vari cluster. Questa operazione è fondamentale da un punto di vista
manageriale e ci consente di osservare l’evoluzione dinamica della CB in termini di
spostamento attraverso i vari cluster.
Irisultatidellaclusterizzazione
Dopo l’applicazione della procedura sopra esposta, il nostro food retailer presentava una
Customer Base con 11 cluster, ognuno dei quali ha rivelato caratteristiche del
comportamento d‘ acquisto molto interessanti e per le quali abbiamo previsto dei nomi
appropriati.
Si va dai cosiddetti Spenders con alto valore monetario medio d’acquisto, agli Shoppers
che presentano invece una forte frequenza a parità delle altre variabili, ai Loyal che,
invece, spiccano per la durata della relazione. Di seguito si riporta uno schema
esemplificativo dei cluster individuati:

8. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica8
Sebbene i risultati statistici siano stati significativi, l’utilizzo di 11 cluster per il Management
risultava molto complesso da gestire. Per tale ragione abbiamo cercato una ulteriore
classificazione dei cluster individuati, al fine di rendere più semplice la gestione di tutte le
leve del Loyalty Management. Prendendo in prestito la arci nota nomenclatura della
matrice Boston Consulting Group, abbiamo isolato 4 profili fondamentali di clientela
“attiva”, cioè non considerata persa e quindi diversa dal profilo “Lost”:
* i valori di Recency sono invertiti
Lenght
RecencyMonetary
Lenght
RecencyMonetary
Lenght
RecencyMonetary
SPENDERSBEST
STARS
QUESTION MARKS
RESCUE
CASH COWS
SHOPPERS
Lenght
Recency
Frequency
Monetary
CORELOYAL
Lenght
Recency
Frequency
Monetary
Lenght
Recency
Frequency
Monetary
POTENTIAL
Lenght
Recency
Frequency
Monetary
NEW
CORELOYAL POTENTIAL NEW
Lenght
Recency
Frequency
Monetary
DORMANTDEFECTOR
Lenght
Recency
Frequency
Monetary
Lenght
Recency
Frequency
Monetary
CHURN
Lenght
Recency
Frequency
Monetary
LOST SPENDERS
DORMANTDEFECTOR CHURN LOST SPENDERS
L O S T

9. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica9
Per rendere la classificazione ancora più chiara e operativa, di seguito riportiamo un
diagramma a matrice che mette in relazione i profili con la frequenza e il valore medio di
spesa, che rappresentano due delle variabili critiche nell'acquisto.
Il ciclo di vita del cliente passa attraverso i 4 quadranti individuati, assimilabili a delle vere
e proprie fasi del ciclo:
All’inizio della relazione un cliente si classifica nel profilo Question Marks;
Successivamente può ridurre il suo interesse e relativo comportamento
d’acquisto e scivolare nei Rescue e poi nei Lost;
Oppure può incrementare le sue preferenze d’acquisto e giungere nel profilo
Cash Cows o meglio ancora nel profilo Stars.
34.5
Fatturatonettomediogeneratoperscontrino
Frequenza
34.0
33.0
32.5
31.5
30.5
30.0
29.5
29.0
1.0 1.5 2.0 2.5 3.0 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.53.5
32.0
31.0
33.5
Stars Cash Cows Question Marks Rescue Lost

10. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica10
Come vedremo in seguito, l’andamento dei profili nel tempo anticipa le performance
commerciali aziendali e consente, quindi, di attuare per tempo manovre tattiche che
preservino o accrescano il valore che esprime la Customer Base e le performance
aziendali.
Comeciaiutaconoscereiprofilidiclientela?
Una volta definito un modello abbastanza forte e, allo stesso tempo, semplice per il
Management, abbiamo iniziato a mettere in evidenza una serie di implicazioni
manageriali con i relativi quesiti:
% clienti per profilo % fatturato 2015
29%
26%
15%
8%
22%
29%
12%
16%
9%
34%
GRUPPO CLUSTER CLUSTER
VALORE MEDIO
CLIENTE ANNUALE
VALORE MEDIO
CLIENTE MENSILE
Cash cows
Lost
Question mark
Stars
Rescue
Cash Cows Aggregate
Lost Aggregate
Question Mark Aggregate
Rescue Aggregate
Stars Aggregate
Core 110,83
139,54
50,17
32,35
111,09
39,09
43,60
91,09
111,44
545,02
205,46
274,02
125,68
50,17
61,16
62,97
339,97
10,08
12,69
4,56
2,94
10,10
3,55
3,96
8,28
10,13
49,55
18,68
24,91
11,43
4,56
5,56
5,72
30,91
Lost
New
Potential
Churn
Defector
Dormant
Lost Spenders
Shoppers
Spenders
Best
Loyal
Naturalmente ogni profilo esprime un valore medio per cliente molto diverso in termini di
fatturato che di seguito riportiamo in una tabella riepilogativa:
1. La logica di attribuzione delle risorse marketing e promozionali ai vari profili varia in
funzione del loro peso economico?

11. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica11
La prima osservazione è che i profili Stars e Cash Cows producono praticamente il 50%
del fatturato aziendale sebbene siano meno del 30% dei clienti totali. Dinanzi a questa
evidenza, il Management del nostro food retailier ha acquisito la consapevolezza di
come l’attribuzione delle risorse marketing non fosse mai stata pianificata in modo
specifico per i singoli profili; si è quindi reso conto che le suddette risorse venivano
praticamente impiegate a pioggia su tutta la Customer Base, senza fare le opportune
distinzioni.
2. Su quale profilo conviene investire di più? La risposta è: dipende dalla situazione
dello specifico Store che rappresenta l’unico vero punto di riferimento relazionale per il
cliente.
Store 1Store 12015
26,14%
28,74%
8,31%
21,43%
15,38%
Store 1Store 22015
21,92%
24,59%
10,46%
24,04%
18,99%
Store 1Store 32015
Store 1Store 42015
28,45%
31,10%
7,76%
19,64%
13,05%
Store 1Store 52015
29,76%
23,94%
11,21%
22,70%
12,39%
Store 1Store 62015
Store 1Store 72015
27,88%
28,11%
8,88%
22,03%
13,09%
Store 1Store 82015
28,26%
30,98%
7,73%
21,82%
11,20%
Store 1Store 102015
27,03%
27,97%
7,54%
21,85%
15,60%
Store 1Store 112015
26,60%
20,26%
11,15%
24,25%
17,74%
Store 1Store 92015
16,94%
11,17%
46,45%
24,90%
0,54%
26,37%
25.65%
10,46%
22,12%
15,41%
29,36%
28,11%
8,48%
21,67%
12,38%
Stars Cash Cows Question Marks Rescue Lost

12. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica12
Vi sono alcuni store nei quali assume più importanza fare attività di Acquisition –
investimento sui nuovi clienti e/o su quelli acquisiti da poco (Question Marks); altri nei
quali si dispone di una clientela di valore da salvaguardare con iniziative di Retention.
Comeciaiutaconoscereladinamicadeiprofilidiclientela?
La questione si fa più interessante quando si passa dall’analisi della Customer Base per
profili in un determinato momento alla valutazione della dinamica dei profili: attraverso
questo approfondimento scopriamo come i trend nei comportamenti d’acquisto dei
clienti anticipino i trend delle performance aziendali.
Nel caso qui descritto il Management ha espresso a Gta Factory l’esigenza di conoscere
le performance della loro catena di store relative al mese di ottobre, avendo avuto la
percezione sia dai dati di vendita che dai movimenti di mercato di cambiamenti
importanti per i quali era necessario individuare una linea d’azione.
Definito il problema abbiamo iniziato ad elaborare alcune statistiche che presentavano
informazioni molto significative:
1. Nel mese di ottobre in effetti si è riscontrata subito una crescita dei clienti Lost, dei
clienti Rescue e dei clienti Stars a differenza degli altri due profili:
35.000
30.000
25.000
20.000
15.000
10.000
5.000
0
ANDAMENTO PROFILI
01-10-2015 22-10-2015
+4,60%
+1,70%
+17,10%-32,50% -2,20%
StarsCash CowsQuestion MarksRescueLost

13. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica13
01-10-2015
22-10-2015
13.565
Rescue
La seconda parte del grafico
mette in evidenza le quote di
clienti che restano nel profilo e
le quote dei clienti che
“migrano” dal profilo di
partenza verso altri profili al
termine del periodo di analisi;
2. Nello stesso tempo abbiamo
analizzato le “migrazioni” da ogni
cluster verso gli altri nel periodo
in esame:
4.889
Stars
Rescue
13.565
7.259
Cash Cows
30.949
Lost
7.152
Question Marks
3.921
Stars
4.889
Stars
Rescue
9.843
Rescue
13.565Lost
2.414
5.079
Cash Cows
7.259
Cash Cows
29.954
Lost
30.949
Lost
4.363
Question Marks
7.152
Question Marks
2.307
Rescue
Questo grafico mette in evidenza la numerosità dei clienti per profilo all’inizio ed alla fine
del periodo di analisi;

14. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica14
Cash Cows
100%
Stars
13,76%
Cash Cows
01-10-2015
Lost
01-10-2015
Lost
100%
Cash Cows
100%
Lost
22-10-2015
Lost
96,79%
Question Marks
01-10-2015
Question Marks
100%
Question Marks
22-10-2015
Question Marks
61,00%
Stars
5,48%
Rescue
32,26%
Rescue
01-10-2015
Rescue
100%
Rescue
22-10-2015
Cash Cows
5,09%
Rescue
72,56%
Lost
17,80%
Stars
01-10-2015
Stars
100%
Stars
22-10-2015
Cash Cows
8,90%
Rescue
9,67%
Stars
80,20%
Cash Cows
22-10-2015
Cash Cows
69,97%
Rescue
16,09%
Stars
13,76%
3. Nello specifico abbiamo
approfondito lo spostamento
dei clienti da un profilo all’altro:
I. Circa il 18% dei clienti
Rescue nel mese di
ottobre sono passati alla
categoria Lost, cioè in
uno stato di defezione
dal quale sarà possibile
recuperare,
probabilisticamente
(stando sempre ai dati
sopra esposti), circa il 3%
dei clienti in un mese; in
altre parole, possiamo
affermare che il 18% dei
clienti nel profilo Rescue
ogni mese risulta perso;
II. Nel mese analizzato
sono diventati Rescue:
Il 16% dei Cash
Cows;
Il 10% dei Stars;
Il 32% dei
Question Marks;

15. 29
www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica15
4. Abbiamo ulteriormente approfondito i dati al fine di spiegare le variabili che hanno
realmente influito sulla dinamica dei clienti in ogni profilo, mettendo in evidenza i
seguenti parametri per ogni profilo:
% di crescita nel periodo – differenza % fra il numero di clienti nel profilo alla
fine del periodo di analisi rispetto al numero di clienti nel profilo all’inizio del
periodo;
% di nuovi clienti entranti nel profilo - % dei clienti che arrivano nel profilo
rispetto al numero di clienti nel profilo all’inizio del periodo di analisi (01/10);
% di upgrade nel periodo - % di clienti di un profilo che nel corso del periodo
d’analisi migliorano il loro profilo, cioè migrano in profili migliori;
% di downgrade nel periodo - % di clienti di un profilo che nel corso del
periodo d’analisi peggiorano il loro profilo, cioè migrano in profili peggiori;
dove = - -
Quindi, abbiamo potuto determinare la “dinamica reale di valore” per profilo;
abbiamo messo in relazione per ogni profilo: la % di clientela che migliora, la % di
clientela che peggiora e la % di crescita nel periodo:
Dinamica reale del valore dei clienti
30,00%
40,00%
50,00%
20,00%
-20,00%
-30,00%
-40,00%
10,00%
-10,00%
0,00%
29,1% 9,6%
Rescue
17,8% 6,5% 6,7%
Question Marks
37,7% 27,8% 13,8%
Cash Cows
36,9%
Stars
19,8%16,3%
% nuovi entranti % upgrade % downgrade % crescita profilo
A
B
C
D
A B C D

16. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica16
Conclusioni
Di seguito riepiloghiamo il percorso seguito nell’analisi:
Sebbene le vendite in quel momento stessero registrando un “poco preoccupante”
-5%, in realtà la dinamica della Customer Base stava evidenziando una consistente
perdita “reale” di valore nel periodo in questione per due profili molto importanti come
i Cash Cows ed i Question Marks; i clienti più fedeli ed i clienti appena acquisiti. Con
questa analisi emerge chiaramente come ci sia una tendenza marcata nel periodo al
peggioramento nel valore della Customer Base, misurabile più in particolare con il
downgrade in atto nei profili Question Marks e Cash Cows, che – nel giro di poco
tempo – si manifesterà sotto forma di peggioramento delle performance commerciali.
Era quindi necessario intervenire con leve e strumenti appositamente studiati per
invertire questa tendenza; il MGMT non poteva più ignorare la necessità di attuare dei
correttivi di tipo discretionary.
Analisi dei Profili
• Individuazione dei profili più importanti;
• analisi della ripartizione della Customer Base
Analisi della dinamica dei Profili
• Calcolo % di migrazione verso i profili a minor
valore prospettico
• calcolo crescita % per profilo;
• calcolo % di crescita valore reale per profilo
Identificazione delle priorità operative
• Su quale profilo intervenire;
• con quale priorità
Definizione dei Cluster e dei Profili
• Studio caratteristiche d'acquisto dei clienti;
• definizione del "valore del cliente";
• individuazione dei "profili"
Cosa avrebbe dovuto fare il
Management in questo caso?
Le risposte potrebbero essere
diverse e tutte altrettanto valide
e credibili. In questo caso
abbiamo aiutato il Management
del food retailer a definire tre
obiettivi fondamentali da
raggiungere nell’arco del
bimestre successivo:
1. migliorare le attività di
Acquisition per ricominciare a
far crescere le risorse del
domani – i Question Marks;
2. ridurre la migrazione di Cash
Cows verso i Rescue al di
sotto del 10%;
3. ridurre la migrazione di
Question Marks verso i
Rescue nell’ordine del 15%

17. www.gtafactory.com
/20 Customer Loyalty Management. La Loyalty dei clienti come risorsa economica17
L’implementazione di nuove e importanti iniziative promozionali e di Marketing potrà
rappresentare un valido supporto alla crescita “reale” in questi due importanti profili; di
fatto per il Management era ormai diventata prioritaria l’esigenza di adottare uno stile di
Loyalty Management più dinamico e anticipativo dei trend nei comportamenti dei clienti,
uno stile che abbiamo definito discretionary. Nel LM discretionary, infatti, è il Management
stesso a decidere discrezionalmente il tipo, l’intensità e la rilevanza delle promozioni e
della comunicazione da destinare ai vari cluster di clienti selezionati in base al loro
valore. Con questo approccio si anticipano i trend fondamentali nel comportamento dei
clienti, piuttosto che gestire i cali di performance commerciale improvvisi.

18. 17
GTA Factory è una giovane realtà
imprenditoriale specializzata nella
parte di Business Intelligence più attinente
al Marketing ed al comportamento dei
clienti.
L’azienda ha la missione di dare ai propri
clienti un importante supporto in aree di
Management ancora poco conosciute e
presidiate, soprattutto dalle piccole e medie
imprese, fornendo soluzioni semplici, con
proprietà intellettuale libera e sostenibili.
Lo stile flessibile ed eclettico dello Staff
consente un dialogo aperto con esperti di
diversi comparti del Marketing: da quello
analitico a quello più creativo. L’azienda
coniuga competenze tecnologiche
importanti per lo sviluppo delle soluzioni
software su piattaforma open source
necessarie al controllo delle decisioni più
importanti in ambito Marketing.

19. 18
Domenico Greco
Autore del White Paper
“Customer Loyalty Management”.
1974, Executive Master in
Business Administration
presso la SDA Bocconi School of
Management.
Inizia ad implementare soluzioni
CRM nel settore Automotive nel 1999. Il suo è stato uno dei primi
casi implementati in Europa di CRM completo a livello retail
con riconoscimenti nazionali ed internazionali. Nel 2008 passa
dal CRM operativo allo studio del “valore del cliente”; presenta
il primo «prototipo» di Customer Equity Management (CEM)
all’International Conference of Data mining – Pisa. Nel 2009
presenta il secondo prototipo di CEM al “Customer Centricity
Summit”, Los Angeles (USA). Oggi è alla guida di progetti di
Customer Intelligence e CRM come consulente di importanti
realtà della dealership italiana.

20. Greco Technologies & Arts S.r.l.
Viale Mancini 156
87100 Cosenza (CS) - Italia
Tel. +39 0984 32 3 69
www.gtafactory.com
DOMENICO GRECO
email: d.greco@gtafactory.com
Linkedin: it.linkedin.com/in/domenicogreco
Skype: dok.greco