Del programa de lealtad a la segmentación real de clientes

Casi toda cadena de retail tiene un programa de lealtad. Y casi ninguna lo usa para segmentar de verdad: el programa acumula puntos, manda una promoción igual a todos y reporta cuántos socios tiene. Eso no es segmentación, es un descuento con registro.

La diferencia entre las dos cosas no es analítica. Es que segmentar requiere saber quién es la misma persona en todos tus sistemas, y eso casi nunca está resuelto.

El problema no es el análisis, es la identidad

Ninguna técnica de segmentación funciona si el mismo cliente aparece como tres registros. Y en una cadena omnicanal aparece como tres:

• Una cuenta con correo en el canal digital.
• Un número de socio en el punto de venta, capturado a veces y a veces no.
• Un registro en el CRM, con datos de una campaña vieja.

Tres identificadores, tres historias parciales, y ninguna que refleje al cliente real. Cuando alguien pregunta “¿cuánto vale nuestro cliente omnicanal?”, la respuesta honesta es que no se sabe — porque no se puede distinguir a una persona que compra en los dos canales de dos personas distintas.

Resolver esto es trabajo de integración y de datos maestros: reglas de correspondencia documentadas, un identificador único de cliente y una decisión explícita sobre qué hacer con los casos ambiguos. No es un campo que se agrega al tablero. Es la misma capa que hace posible la omnicanalidad, y por eso aparece antes que cualquier analítica en omnicanalidad en retail.

Hay un detalle que conviene decir de frente: la captura del socio en el punto de venta nunca es del 100 %. Vas a tener una porción de venta sin identificar, y el análisis tiene que declarar ese porcentaje en lugar de esconderlo. Un segmento construido sobre el 40 % de la venta que sí trae socio no describe a tu base de clientes — describe a quienes dan su número.

Las cuatro segmentaciones que sí producen decisiones

Con la identidad resuelta, cuatro cortes cubren casi todo. Van de la más fácil a la más valiosa.

1. Recencia, frecuencia y monto. El clásico, y sigue siendo el mejor punto de partida porque solo requiere transacciones. La decisión que habilita: a quién vale la pena reactivar y a quién no.

2. Por categoría de compra. Quién compra qué. Es la que convierte una promoción genérica en una relevante, y la que más rápido paga: mandarle una oferta de la categoría que sí compra en lugar de la que está en rebaja.

3. Por canal. Solo tienda, solo digital, o ambos. El grupo omnicanal suele ser el más valioso, y esa es la conclusión que cambia la estrategia — pero es también la que requiere la identidad unificada, así que es donde la mayoría se atora.

4. Por trayectoria, no por estado. La más valiosa y la que casi nadie construye. No “este cliente es de alto valor” sino “este cliente venía comprando cada dos semanas y lleva seis sin venir”. El estado describe; la trayectoria permite actuar antes de perder al cliente.

La regla que separa segmentación de teatro

Un segmento sirve si pasa esta prueba:

¿Vas a hacer algo distinto con este grupo que con los demás? Si no, no es un segmento — es una etiqueta.

Suena severo y ahorra meses. La mayoría de los proyectos de segmentación produce ocho o diez grupos con nombres descriptivos, y la operación termina mandando la misma comunicación a todos porque no hay capacidad de ejecutar diez tratamientos distintos.

Es mejor empezar con dos segmentos y dos acciones diferentes que con diez segmentos y una sola acción. El límite real no es analítico: es cuántos tratamientos distintos puede ejecutar tu equipo de mercadotecnia.

Qué se necesita técnicamente

Componente	Para qué	Dónde suele fallar
Identificador único de cliente	Unir las tres identidades	Reglas de correspondencia sin documentar
Transacciones a nivel de línea	Segmentar por categoría	Solo se guarda el total del ticket
Jerarquía de producto	Agrupar categorías de forma consistente	Categorías inconsistentes entre sistemas
Histórico suficiente	Ver trayectoria, no solo estado	Se conservan 12 meses y se necesitan 24
Consentimiento y base legal	Poder usarlo	Se descubre al final

Ese último renglón no es un trámite. En México aplica la ley de protección de datos personales, y el aviso de privacidad con el que se registró al socio define qué puedes hacer con esos datos. Vale la pena revisarlo con tu área legal antes de diseñar el modelo, no después de construirlo — es un requisito de diseño, no un permiso que se pide al final.

Todo lo demás vive donde vive el resto de la analítica de retail: las fuentes replicadas a Snowflake con Fivetran, y las definiciones de segmento en la capa semántica para que “cliente activo” signifique lo mismo en mercadotecnia y en finanzas. Esa parte es centralización de datos.

Por qué la definición compartida importa más aquí que en otros análisis

En segmentación, las definiciones se contradicen con una facilidad particular. “Cliente activo” puede ser quien compró en 90 días, en 6 meses o en 12. Las tres son defendibles y producen números completamente distintos.

Si esa definición vive en cada reporte, mercadotecnia y finanzas van a llegar a la junta con conteos de base de clientes que no coinciden, y la reunión se va en reconciliar en lugar de decidir. Si vive en un solo lugar, la discusión es sobre qué hacer con los clientes — que es la discusión útil.

Y hay una razón adicional para resolverlo ahora: cuando alguien le pregunte a un agente de IA “¿cuántos clientes activos tenemos?”, va a tomar la definición que encuentre. Si hay tres, va a elegir una y presentarla sin advertir que había alternativas. El argumento completo está en qué es una capa semántica y por qué la IA la necesita.

Cómo arrancar

1. Mide tu tasa de identificación. Qué porcentaje de tu venta trae un cliente identificado. Ese número define el techo de todo lo que sigue, y es un dato que ya tienes.
2. Resuelve la identidad antes de segmentar. Un segmento sobre identidades duplicadas produce conclusiones falsas con apariencia de rigor.
3. Empieza con recencia, frecuencia y monto, y dos tratamientos. Mide la diferencia contra un grupo de control.
4. Después agrega categoría y canal. En ese orden, porque canal necesita la identidad más limpia.

---

En EGOS BI resolvemos la identidad de cliente y la segmentación sobre datos ya centralizados: fuentes en Snowflake con Fivetran, definiciones en la capa semántica y la activación en Tableau u Omni. Si tu programa de lealtad acumula puntos pero no te dice a quién tratar distinto, agenda un diagnóstico — o revisa cómo trabajamos con datos en retail.