Caso de estudio · Moda y retail
Cómo una marca de moda encontró al 16,5% de clientes que aporta el 67% de sus ingresos
Una marca de ropa y accesorios con tienda online y tiendas propias partió de una hipótesis sencilla: el 57% de los clientes solo había comprado una vez, así que el crecimiento tenía que venir de la segunda compra. Tras la implantación, el historial unificado online y offline contó una historia más precisa, y la marca reconstruyó su analítica a su alrededor. Este es el recorrido completo, paso a paso.
Preparado por el equipo de implantación de oneCDP · Publicado
La plataforma está en marcha y el modelo analítico se ha reconstruido con datos reales. Cuatro escenarios funcionan contra grupos de control del 15%; publicaremos el efecto medido al cierre del trimestre.
- Sector
- Ropa y accesorios
- Canales
- Tienda online + tiendas propias
- Herramientas existentes
- CRM, constructor de webs, plataforma de fidelización con tarjetas Wallet, email, SMS
- Modelo de clientes
- 6 segmentos RFM, umbrales validados en una muestra de control
- Escenarios
- 12 disparadores de ciclo de vida + 4 escenarios de segmento con grupos de control
- Implantación
- 4 meses y después analítica reconstruida con datos reales
Punto de partida
De dónde partimos: tres años de historial en el CRM
Antes de diseñar un solo escenario, analizamos tres años de pedidos del CRM de la marca. La forma de la base nos dijo por dónde empezar.
Clientes por número de compras
Porcentaje de la base de clientes en la exportación inicial del CRM
Recorridos de bienvenida y reactivación
Retención, más frecuencia de compra
Convertirlos en clientes fieles
Programa pre-VIP
Segmento VIP, servicio personal
- Las ventas repetidas dependían de envíos manuales y de un programa de fidelización.
- Los clientes apenas leían el email, así que un disparador de un solo canal se quedaría corto.
- Alrededor del 20% de los clientes tenía instalada la tarjeta de fidelización Wallet.
- Los tickets de las tiendas ya llegaban al CRM junto con los pedidos online.
- Las devoluciones eran moderadas: el 3,4% de las ventas.
La primera hipótesis era evidente: el 57% de los clientes solo había comprado una vez, así que la reserva de crecimiento parecía estar en la segunda compra. Dio forma a los primeros disparadores y, tras el lanzamiento, el historial unificado completo mostró dónde está realmente el dinero.
Ingresos por categoría
La estacionalidad es previsible, así que los escenarios cambian contenido y recomendaciones con cada temporada.
Qué mostró el historial completo
Uno de cada seis clientes aporta dos tercios de los ingresos
Tras el lanzamiento unimos las compras online y en tienda de cuatro años y medio y reajustamos el modelo con datos reales. Cada umbral se validó en una muestra de control: los clientes tal y como estaban un año antes, comparados con lo que realmente compraron en los 12 meses siguientes.
de los ingresos viene del núcleo: el 16,5% de los clientes
de los ingresos viene del 1% de perfiles con más compras
del núcleo desaparecería con una ventana de 12 meses
de las compras en tienda no tenía teléfono ni email
Los clientes de una sola compra seguían ahí, pero la mayoría había comprado hace mucho y rara vez vuelve. El dinero estaba en un pequeño núcleo de habituales en distintas fases de enfriamiento. Por eso el modelo se reconstruyó para proteger y recuperar ese núcleo, mientras las mecánicas masivas atienden al resto de la base.
Objetivos
Qué quería la marca de una CDP
Más ingresos por compras repetidas
Llevar a los clientes hacia la compra habitual y evitar que los más valiosos se alejen.
Un perfil de cliente
Actividad online y offline unida en una sola ficha de cliente.
Automatización del ciclo de vida
Sustituir los envíos manuales por escenarios activados y en cascada.
Bonos personalizados
Vincular los incentivos al segmento y a la etapa del ciclo de vida, en lugar de promociones puntuales.
Analítica transparente
Ver cuántos ingresos aporta cada canal y cada escenario, y demostrarlo frente a un grupo de control.
Arquitectura
Seis fuentes, un cliente
La plataforma se apoya en las herramientas que la marca ya usaba. No se sustituyó nada; se conectó todo.
CRM
Clientes, pedidos online y en tienda, artículos, importes, devoluciones, origen del pedido. Bidireccional, casi en tiempo real.
Web
Productos y categorías vistos, carrito, checkout, UTM, sesiones, dispositivo. Script de seguimiento en todas las páginas.
Plataforma de fidelización
Saldo de bonos, acumulaciones y canjes, estado de la tarjeta Wallet, nivel. API bidireccional, incluida la asignación de bonos.
Proveedor de email
Aperturas, clics, bajas, rebotes y quejas mediante webhooks.
Pasarela de SMS
Estados de entrega y respuestas mediante webhooks.
Tiendas
Tickets, artículos, empleado y tienda, sincronizados a través del CRM en un día.
Resolución de identidad
Los registros se unen por teléfono, después por email y después por ID de contacto en el CRM: una coincidencia en cualquiera los fusiona. Los perfiles creados a partir de visitas a la web se unen a los perfiles del historial de compras en la primera visita identificada del cliente.
Qué contiene cada perfil de cliente
- Identificadores y consentimientos por canal
- Etapa del perfil, puntuaciones y segmento actual
- Una línea de tiempo de pedidos online y en tienda
- Productos vistos y carritos abandonados
- Saldo de bonos y nivel de fidelización
- Cada mensaje enviado, abierto y clicado
- Ticket medio, intervalo medio entre compras, indicador omnicanal
Reglas de datos acordadas antes de modelar
- Etapas del perfil: anónimo → contacto → comprador. Solo los compradores reciben puntuaciones, segmento y etiquetas.
- Una compra es un pedido enviado o pagado con importe mayor que cero; una devolución es un evento negativo aparte.
- Deduplicación por el ID del pedido en su origen: las reexportaciones y los cambios de estado actualizan la compra, nunca la duplican.
- El canal se define por cómo se hizo la compra, no por quién la registró. Una compra pagada en cada canal convierte al cliente en omnicanal.
- Los pedidos grandes se quedan: el 1% de perfiles con más compras aporta el 16,8% de los ingresos, y son clientes reales.
Segmentación
Tres puntuaciones, seis segmentos
Cada comprador recibe tres puntuaciones independientes del 1 al 3. El segmento lo fijan la recencia y la frecuencia; la puntuación del ticket medio no cambia el segmento, pero marca el nivel de la oferta dentro de él. La segmentación genérica de la plataforma se desactivó: estos seis segmentos son los únicos en uso.
RFM es un método de puntuación de clientes que valora a cada comprador con tres señales: cuándo compró por última vez (recencia), con qué frecuencia (frecuencia) y cuánto gasta (valor). Las puntuaciones agrupan a los clientes en segmentos sobre los que se puede actuar.
Recencia
Días desde la última compra: 3 = hasta 150 · 2 = 151–540 · 1 = más de 540
150 días queda entre el ciclo de compra en tienda (120 días) y el online (180). El intervalo mediano entre compras es de 56 días en tienda y 75 online.
Probabilidad de comprar en los 12 meses siguientes: 42,7% · 15,2% · 5,0%
Frecuencia
Compras en todo el historial: 3 = cuatro o más · 2 = dos o tres · 1 = una
La ropa de este nivel de precio es una compra meditada: los intervalos se miden en meses y la relación en años, así que no hay ventana de 12 meses.
Vuelta en 12 meses: 50,2% · 16,8% · 6,5%
Ticket medio
Tres tramos de ticket medio ajustados a la base de la marca
Los ingresos totales repetían lo que ya decía la frecuencia (correlación 0,88). El ticket medio es casi independiente de ella (0,19).
Marca el nivel de la oferta dentro del segmento, no el segmento.
Por qué todo el historial y no 12 meses
Con una ventana de 12 meses habría desaparecido el 41% del núcleo, y los clientes con compra en el último año aportan solo el 62,9% de los ingresos: el 37,1% restante pertenecería a perfiles que el modelo simplemente no vería. La recencia ya separa a los activos de los que se enfrían; limitar también la frecuencia castigaría dos veces al mismo cliente.
1.Núcleo
Regla (R·F): R3·F3Habituales activos: cuatro o más compras, la última hace menos de 150 días. Unos dos tercios compran online y en tienda.
2.Núcleo enfriándose
Regla (R·F): R2·F3Compradores probados que han salido de su ciclo habitual. Su probabilidad de volver cae del 42,7% al 15,2%. El primer objetivo de reactivación: más dinero por unidad de esfuerzo.
3.Núcleo dormido
Regla (R·F): R1·F3Antiguos habituales, última compra hace más de 540 días. Su historial y su ticket medio aún justifican intentar recuperarlos.
4.En crecimiento
Regla (R·F): R3·F2, R3·F1Clientes activos al inicio de su ciclo de vida. La tarea: llevarlos a la cuarta compra y al núcleo.
5.Apagándose
Regla (R·F): R2·F2, R2·F1, R1·F2Sin hábito de compra estable y fuera de la ventana activa. El mayor segmento de trabajo: mecánicas masivas, poco retorno por cliente, compensado por el volumen.
6.Perdidos
Regla (R·F): R1·F1Una compra hace mucho, probabilidad de volver por debajo del 5%. Fuera de la comunicación habitual; se usan en campañas amplias poco frecuentes y como grupo de control.
Los tres primeros segmentos son un mismo núcleo en distintas fases de enfriamiento: el 16,5% de los clientes y el 66,9% de los ingresos. Los pasos entre ellos son la señal principal para el CRM.
De los segmentos a la acción
Etiquetas en el CRM, tareas para gestores
La segmentación solo compensa a través de la comunicación. La plataforma convierte el modelo en señales que la automatización de marketing y los gestores usan sin abrir la analítica.
Cadencia personal de compra
Para clientes con tres o más compras, la plataforma calcula su propio intervalo medio entre compras; eso cubre el 23% de la base, el resto usa la mediana del canal: 56 días en tienda y 75 online. Cuando el tiempo desde la última compra lo supera, el cliente recibe la etiqueta «hora de comprar», como mucho una vez cada 30 días.
Puntuación de prioridad
Una puntuación de 0 a 100 (recencia 40%, frecuencia 40%, ticket medio 20%) solo ordena listas para los gestores: a quién llamar primero. No crea etiquetas ni escenarios. El 10% de la base con mayor puntuación aporta el 53,9% de los ingresos.
Etiquetas en la ficha del CRM
El segmento y los modificadores se escriben en la ficha del contacto, así que los escenarios de envío se construyen sobre etiquetas. Las etiquetas solo se asignan automáticamente; los gestores usan un espacio de nombres aparte para sus marcas manuales.
RFM_CORERFM_CORE_COOLINGRFM_CORE_SLEEPINGRFM_GROWINGRFM_FADINGRFM_LOSTRFM_OMNICompras en ambos canalesRFM_HIGH_ORDERTramo de ticket medio más altoRFM_TIME_TO_BUYHa superado su cadencia personal de compraRFM_DOWNGRADEEl segmento ha empeorado desde el último cálculo
Tareas para gestores
La CDP escribe etiquetas; la propia automatización del CRM las convierte en tareas. Las personas intervienen solo donde hay mucho dinero y pocos clientes: el núcleo y el núcleo enfriándose, el 12% de los clientes y el 57% de los ingresos.
| Condición en la ficha | Tarea | Plazo |
|---|---|---|
| Ha salido del núcleo | Contactar al cliente personalmente | 3 días laborables |
| Cliente del núcleo, hora de comprar, ticket medio alto | Oferta personal en lugar de un push automático | 5 días laborables |
| Ha entrado en el núcleo desde cualquier segmento | Dar las gracias y conocer sus preferencias | 7 días laborables |
Unas 20–30 tareas al mes entre todos los gestores. Una tarea abierta por cliente, ninguna para el grupo de control, cerrada automáticamente con la compra, y el resultado vuelve a la CDP como «contacto personal» para que el trabajo manual cuente en la atribución.
Primer trimestre
Cuatro escenarios, cada uno con grupo de control
El primer trimestre lanza cuatro escenarios de segmento. Cada etiqueta y métrica del modelo sirve a uno de ellos; lo que no tiene escenario no se construye.
| Escenario | Quién lo recibe | Disparador | Qué medimos |
|---|---|---|---|
| Recuperar el núcleo enfriándose | Núcleo enfriándose | Entrada en el segmento | Porcentaje que compra en 60 días |
| Hora de comprar | Clientes que han superado su cadencia | La recencia supera el intervalo medio | Porcentaje que compra en 30 días |
| Empujar a los que crecen | En crecimiento | 30 días después de una compra | Porcentaje con nueva compra en 90 días |
| Alerta al gestor | Clientes que han salido del núcleo | Recálculo nocturno de la recencia | Porcentaje que vuelve al núcleo en 60 días |
Grupo de control del 15% en cada escenario
Un 15% aleatorio de cada segmento no recibe nada, fijo durante todo el trimestre. Sin él no se distingue el efecto de un mensaje de una compra que habría ocurrido de todos modos. En una base de este tamaño muestra diferencias como un 15% frente a un 30%; los efectos menores aquí no importan.
Decisión al cierre del trimestre
Un escenario con efecto confirmado pasa a ser permanente. Uno sin diferencia frente al control se desactiva o se reescribe. Solo se añaden etiquetas y métricas nuevas para escenarios que superan esta prueba.
Disparadores de ciclo de vida
12 disparadores de ciclo de vida, cada uno una cascada en tres canales
Como el email por sí solo se leía poco, cada disparador es una cascada: email → push Wallet → SMS. La cascada se detiene en cuanto el cliente actúa, los tiempos se ajustan por disparador y un límite de frecuencia da prioridad a los mensajes activados sobre los masivos.
| Disparador | Cuándo se activa | Cascada | Lanzamiento | Prioridad de ingresos |
|---|---|---|---|---|
| Carrito abandonado | Artículos en el carrito, sin checkout durante 1 hora | Email tras 1 h → push Wallet tras 6 h → SMS tras 24 h | Mes 1 | Alta |
| Serie de bienvenida | Registro o primera identificación, sin compra | Historia de la marca → más vendidos tras 2 días → push Wallet con bono de bienvenida → SMS tras 7 días sin actividad | Mes 1 | Alta |
| Segunda compra | 14 días después del primer pedido | Email con recomendaciones personales y un bono → push Wallet tras 5 días → SMS tras 10 días | Mes 2 | Muy alta |
| Reactivación | Sin compras en 180 días | Email «te echamos de menos» → email con bono tras 3 días → push Wallet → SMS el día 10 | Mes 2 | Alta |
| Cumpleaños | 3 días antes de la fecha | Email con bono personal → push Wallet el mismo día → SMS 2 días antes de que caduque el bono | Mes 2 | Media |
| Visita abandonada | Producto visto más de 60 segundos, sin añadir al carrito en 2 días | Email con el producto y 3 recomendaciones → push Wallet tras 24 h → SMS tras 3 días | Mes 3 | Media |
| Categoría abandonada | 3+ productos vistos de una categoría en una sesión, sin compra | Email con selección tras 1 día → push Wallet tras 2 días → SMS tras 4 días | Mes 3 | Media |
| Clientes dormidos | Sin compras en 365 días | Bono mayor: email → push Wallet tras 2 días → SMS tras 5 días, con prioridad al SMS por si el email cambió | Mes 3 | Media |
| Bajada de precio | Un artículo de la lista de deseos o visto baja de precio | Push Wallet al instante → email tras 2 h → SMS tras 24 h si el descuento supera el 20% | Mes 3 | Media |
| Devolución | Se registra una devolución | Email con disculpa y breve encuesta → push Wallet con una alternativa tras 3 días, sin SMS | Mes 3 | Servicio |
| Poscompra | 5 días después de la entrega | Ideas de combinación y petición de reseña → push Wallet con bono por la reseña tras 7 días | Mes 3 | Media |
| Ventana de temporada | Inicio de temporada + comportamiento en la temporada anterior | Selección segmentada por email → push Wallet tras 3 días → SMS el día 7 para el núcleo y los clientes en crecimiento | Mes 3 | Alta |
Fidelización
Bonos que siguen el ciclo de vida, no el calendario
La plataforma lee saldos y niveles de la plataforma de fidelización y asigna los bonos por sí misma. Los incentivos dependen de la etapa del cliente, no de promociones puntuales.
Segunda compra → fiel
Tras la segunda compra: +3% sobre el cashback habitual durante 30 días.
Frenando
La frecuencia de compra baja: bono de bienvenida de vuelta en el próximo pedido.
Vuelta del letargo
Un cliente inactivo desde hace mucho vuelve a comprar: bono doble en el próximo pedido.
Retención del núcleo
Los clientes más fieles: tarjeta regalo trimestral o acceso anticipado exclusivo.
Antes de caducar
Los bonos caducan a los 14 días: recordatorios automáticos 5, 2 y 1 día antes.
Implantación
Cuatro meses, primero lo que genera ingresos, después el modelo con datos reales
La regla era sencilla: lanzar primero los disparadores que pagan, después construir el resto de la base y, por último, reajustar la analítica a lo que realmente mostraron los datos. Lo que aplazamos a propósito importa tanto como lo que lanzamos.
- Semanas 1–2
Preparación
La fase que bloquea todo: sin ella nada avanza.
- Accesos API y entornos de prueba del CRM y la plataforma de fidelización
- Proveedor de email elegido, IP de envío calentada
- Consentimientos por canal, política de privacidad, condiciones de fidelización
- Reglas de resolución de identidad y sistema maestro para cada tipo de datos
- Modelo de perfil mínimo y ampliable; límites de seguimiento de la web comprobados
- Exportación del historial de compras para crear los primeros perfiles
- Mes 1
MVP con retorno rápido
Dos disparadores funcionando y los primeros informes.
- CRM conectado en modo lectura, seguimiento completo de la web, email activo
- Carrito abandonado: un email tras una hora
- Serie de bienvenida: dos o tres emails
- Paneles: carrito abandonado, bienvenida, evolución de la base
Aplazado a propósito: Plataforma de fidelización, SMS, push Wallet, RFM, los otros 10 disparadores, recomendaciones, offline.
- Mes 2
Cascadas y fidelización
Los disparadores de email pasan a cascadas en tres canales; arrancan los disparadores de retención.
- Plataforma de fidelización, pasarela de SMS y push Wallet conectados
- Carrito abandonado y bienvenida pasan a email → Wallet → SMS con límites de frecuencia
- Primeros segmentos RFM devueltos al CRM, editor visual de segmentos
- Segunda compra, reactivación a los 180 días, cumpleaños
A final de mes funcionan 5 de los 12 disparadores: los cinco que más ingresos generan.
- Mes 3
Todos los disparadores y offline
El resto de la biblioteca de disparadores y las compras en tienda en el perfil.
- Los tickets de tienda llegan al perfil en un día; la segmentación cuenta las compras offline
- Los disparadores se activan sea cual sea el canal de compra
- Los siete disparadores restantes
- Reglas de bonos por ciclo de vida
- Editor visual de escenarios con ramas, pruebas A/B y tiempos límite
- Mes 4
Personalización, adopción de Wallet, informes
Alcance completo del pliego inicial.
- Recomendaciones de productos según compras y visitas, en la web y en el email
- Un recorrido que invita a los clientes sin tarjeta Wallet a instalarla: del 20% hacia el 60%+ en un año
- Conjunto completo de informes
- Tras el lanzamiento
Analítica reconstruida con datos reales
El modelo de clientes reajustado al historial de compras unificado.
- Compras online y en tienda unidas a lo largo de cuatro años y medio
- Umbrales de recencia y frecuencia validados en una muestra de control de un año antes
- Seis segmentos sustituyen a la segmentación genérica de la plataforma
- Etiquetas y tareas para gestores en el CRM
- Cuatro escenarios del primer trimestre con grupos de control del 15%
Qué medimos
El panel del que saldrán los resultados
Segmentos
Clientes y peso en los ingresos de los seis segmentos: la vista principal. Los compradores activos son el núcleo más los clientes en crecimiento.
Migración
Pasos entre segmentos mes a mes. Las bajadas se muestran en una línea aparte, y una bajada activa la reactivación.
Clientes activos
Clientes identificados que no compraron en el mes pero hicieron una acción objetivo: un enlace de pago, un artículo al carrito, una conversación con un gestor. Las visitas y el tiempo de sesión son ruido y no cuentan.
Demanda no alcanzable
El peso de las acciones objetivo hechas por visitantes anónimos: demanda lista para comprar a la que la marca aún no puede llegar con comunicación.
Clientes nuevos
Primera compra en el historial unificado dentro del mes, recalculada hacia atrás cuando se asocian compras más antiguas.
Reactivaciones
Compras de clientes del núcleo enfriándose, núcleo dormido y apagándose en los 30 días posteriores a un mensaje de reactivación, atribuidas al último contacto de la cascada.
Ritmo de recálculo
Recálculo completo el día 1: unión de perfiles, deduplicación, puntuaciones, segmentos, etiquetas, migraciones y paneles. La foto mensual fija es la base de los informes.
La recencia crece sin eventos, así que la recencia, el segmento y las etiquetas «hora de comprar» y «bajada» se actualizan cada noche.
Una compra recalcula el perfil al instante, para que un mensaje de reactivación nunca llegue a quien acaba de comprar.
Lecciones
Lo que le diríamos a cualquier marca de moda que empieza
Diseña la resolución de identidad antes de la primera integración
Decide cómo se unen los registros y qué sistema es el maestro para contactos, pedidos y bonos. Si te lo saltas, rehaces el trabajo en el segundo o tercer mes.
Lanza primero lo que genera ingresos
Dos disparadores de email en el primer mes, carrito abandonado y bienvenida, ya generan ingresos mientras se conectan las cascadas, la segmentación y la fidelización.
Si el email flojea, cascada
El push Wallet y el SMS recogen lo que el email pierde. La cascada se detiene con la compra y un límite de frecuencia protege al cliente de la saturación.
El contenido es el verdadero cuello de botella
Doce disparadores son decenas de emails, notificaciones push y SMS. Planifica textos y diseño como un recurso aparte, o el segundo y el tercer mes se alargan.
Ajusta la ventana al ciclo de compra
En compras meditadas, una ventana de 12 meses esconde a tus mejores clientes: aquí habría dejado fuera al 41% del núcleo. Deja que la recencia separe a los activos de los que se enfrían y cuenta la frecuencia en todo el historial.
Ticket medio, no ingresos totales
Los ingresos totales repiten sobre todo la frecuencia. El ticket medio aporta información nueva e indica qué nivel de oferta espera el cliente.
Identifica al comprador en caja
Un tercio de las compras en tienda no tenía teléfono ni email y nunca llegó al modelo: la mayor distorsión de todas las métricas.
Sin escenario no hay funcionalidad; sin control no hay conclusión
Cada etiqueta y métrica existe porque un escenario la usa, y cada escenario se evalúa frente a clientes que no recibieron nada.
En Europa
El mismo proyecto para una marca de moda de la UE
La arquitectura y el modelo se trasladan tal cual. Cambian algunas cosas.
Consentimiento por canal
Los consentimientos de email, SMS y push se recogen por separado según el RGPD y quedan guardados en el perfil.
Los datos se quedan en la UE
Perfiles, archivos y copias de seguridad alojados en la Unión Europea, con Acuerdo de Tratamiento de Datos.
WhatsApp en la cascada
En la mayoría de los mercados de la UE, WhatsApp puede ocupar el lugar del SMS o sumarse como siguiente paso.
Tu plataforma de e-commerce
Shopify, WooCommerce o tienda propia en lugar de un constructor de webs; TPV y fidelización por API.
Preguntas
Preguntas sobre este caso
¿Qué es el núcleo de clientes?
El núcleo es el pequeño grupo de clientes habituales que aporta la mayor parte de los ingresos. En este caso son los clientes con cuatro o más compras: el 16,5% de los compradores, que aporta el 66,9% de los ingresos, dividido en las fases activa, enfriándose y dormida.
¿Por qué el umbral de recencia es de 150 días?
Queda entre el ciclo de compra en tienda de la marca (unos 120 días) y el online (unos 180 días). En la muestra de control volvió a comprar en 12 meses el 42,7% de los clientes por debajo de 150 días, frente al 15,2% entre 151 y 540 días y al 5,0% por encima.
¿Por qué cada escenario tiene grupo de control?
Sin clientes que no reciben nada, no se puede separar el efecto de un mensaje de las compras que habrían ocurrido de todos modos. Aquí un 15% aleatorio de cada segmento queda fuera durante el trimestre, y un escenario solo se mantiene si supera a ese grupo.
¿Puede una marca de moda europea usar el mismo modelo?
Sí. La arquitectura y la segmentación se trasladan. Cambian el consentimiento por canal según el RGPD, la residencia de datos en la UE, WhatsApp como canal de la cascada y los conectores para plataformas como Shopify o WooCommerce.
Encuentra tu núcleo
Analizamos tu base de clientes de la misma forma: cuántos ingresos aportan tus clientes más fieles, quién se está enfriando y qué escenarios compensan primero.