Analítica6 min

Customer 360

Customer 360 es el módulo de inteligencia de cliente de la pista de Analítica. Conecte un conjunto de datos de clientes, asigne unas columnas y construye una imagen completa de su base — segmentación RFM, predicción de abandono, modelado de valor de vida y scoring de salud — y luego lo convierte en recomendaciones de IA para retención, upsell y crecimiento. Todo sobre el período que elija.

De un vistazo

Nivel
Principiante
Duración
6 min
Producto
Intelligence Navigator
Requisitos previos
Un conjunto de datos de clientes en Data Hub
Audiencia
Propietarios, fundadores, firmas, equipos técnicos y no técnicos
Temas
Segmentación RFMpredicción de churnCLVhealth scoringrecomendaciones de IA

Asigne sus datos de clientes

Apunte Customer 360 a un conjunto de datos conectado y asigne tres elementos esenciales: un ID de cliente, una fecha de transacción y una métrica como ingresos o ventas. Añada campos opcionales para un análisis más rico: nombre del cliente, estado, producto, antigüedad, fecha de primera compra y datos demográficos como región, edad, género y canal de adquisición. Luego elija el período: de los últimos 7 días al año en curso o los últimos 36 meses.

  • Obligatorio: ID de cliente, fecha de transacción y una métrica numérica (ingresos, ventas, monto, beneficio)
  • Opcional: datos demográficos y atributos — región, edad, género, canal, producto, antigüedad
  • Período de los últimos 7 días al año en curso o los últimos 36 meses

Vea Customer 360 en acción

Vea: asigne sus campos de cliente, ejecute el análisis y lea los insights y segmentos de IA.

Cinco análisis en una sola ejecución

Una sola ejecución produce cinco análisis conectados de su base de clientes. Cada uno se calcula a partir de sus datos y se explica en lenguaje claro con gráficos y un panel de AI Insights.

  • Revenue Intelligence — concentración de ingresos (CR4), dependencia de los principales clientes y señales de crecimiento
  • Health Scoring — una puntuación compuesta por cliente que combina engagement, valor y señales de retención
  • Cohorts & Retention — cómo los grupos de clientes se retienen y gastan con el tiempo
  • Behavior Patterns — segmentos de recencia, frecuencia y valor monetario (RFM) con clustering de ML
  • ML Churn Model — clientes en riesgo con puntuaciones de probabilidad y los principales impulsores

Lea la inteligencia

Los resultados abren con KPIs principales — valor medio de cliente, concentración de ingresos, salud del portafolio y el número de clientes en riesgo — seguidos de distribuciones, niveles de valor, principales clientes y una proyección de CLV del portafolio. Los insights de IA lo traducen en acción: quién impulsa los ingresos, quién está a punto de irse y dónde enfocar retención y expansión.

  • El análisis de concentración muestra cuánto de los ingresos depende de su top 5% y top 20%
  • La distribución de health score marca los clientes por debajo de una puntuación de 50
  • La proyección de CLV estima el valor a 12 meses de sus principales clientes

Guárdelo y compártalo

Guarde cualquier resultado directamente en un Dashboard, una Presentation o Reports, imprima un informe A4 limpio, copie una tabla al portapapeles o descargue el análisis como Excel. Busque clientes individuales por nombre, ID o región, y abra cualquiera para una vista de perfil detallada.

Buenas prácticas

  • Asigne las columnas demográficas (región, edad, género, canal): desbloquean segmentación y filtros más ricos
  • Ejecute con al menos 12 meses de historial para que los segmentos RFM y las señales de churn tengan datos suficientes
  • Vigile la concentración (CR4): si sus 5 principales clientes cargan la mayor parte de los ingresos, la retención ahí es la prioridad
  • Actúe primero sobre la lista de churn: los clientes en riesgo ordenados por probabilidad son los rescates de mayor impacto

Próximos pasos

Con una visión clara de sus clientes, Dynamic Pricing optimiza los precios que les cobra: a continuación en la pista de Analítica.