¿Cuánto valen los clientes de una empresa, actuales y futuros?

Una empresa en crecimiento a menudo presenta pérdidas: su resultado dice poco de su valor, y un múltiplo del beneficio deja de servir ^[C10]. Gupta, Lehmann y Stuart proponen valorar sus clientes, los de hoy y los que captará, a partir de cuatro magnitudes: el margen por cliente, la retención, el coste de adquisición y el ritmo de captación ^{[C02, C03, C15]}. Es el valor de la base de clientes (customer equity); se aproxima al valor de la empresa en la medida en que los clientes constituyen lo esencial de ella ^{[C01, C77]}.

El programa de la página reproduce primero el caso publicado: con los datos de entrada de los autores, y solo con ellos, mediante una convención de calendario que hubo que elegir, recupera el valor de los clientes de Amazon, Ameritrade, eBay y E∗Trade en marzo de 2002 y su sensibilidad a la retención, el margen y el coste de adquisición; no recupera Capital One. Después, en un minorista en línea sintético, con datos extraídos del propio modelo, la retención verdadera y ninguna baja antes del primer trimestre, el método valora la base de clientes en 223,73 M€, frente a 214,33 M€ calculados con la curva verdadera: +4,4 %, una diferencia del orden del azar. Contar solo los clientes actuales la infravalora un 27,7 %; el atajo de la «vida media» la sobrevalora un 34,3 %; una curva de captación estimada demasiado pronto, antes de su pico, solo se queda a menos del 20 % de la referencia en 30 extracciones de 100. Llevar la retención del 80 % al 80,8 %, es decir, mejorarla un 1 % en términos relativos, añade aquí un 3,75 % al valor de la base; reducir un 1 % el coste de adquisición añade un 0,12 % — sin contar lo que cuesta cada una de estas mejoras.

Una tienda en línea de material de senderismo publica cada trimestre su número de clientes activos. Capta deprisa: 35.972 clientes al principio, 1.070.589 dieciséis trimestres después. Cada cliente activo le deja un margen de 12 € por trimestre; captar un cliente le cuesta 40 € de marketing; el 80 % de los clientes de un año sigue allí al año siguiente. Sin embargo, la tienda presenta pérdidas: sus gastos de estructura, sumados a los gastos de captación contabilizados como gasto, siguen superando su margen.

La dirección prepara una ronda de financiación y debe responder a dos preguntas: ¿cuánto vale su base de clientes, contando los clientes que aún no ha captado?; y, para hacerla crecer, ¿conviene más bajar el coste de adquisición, mejorar el margen o retener mejor a los clientes?

Los datos de la página son sintéticos. El número acumulado de clientes que han comprado al menos una vez sigue una curva en S con un techo de 2.000.000, cuya captación alcanza su pico en el trimestre 13,33; la captación de cada trimestre se observa con un ruido de alrededor del 10 %.

¿Cuánto vale hoy la suma de los márgenes futuros de todos los clientes, actuales y futuros, neta del coste de adquisición de los futuros ^{[C15, C21]}? El coste de adquisición de los clientes actuales ya está gastado: ya no cuenta ^[C30]. La dificultad es doble. El número de clientes futuros no se observa: hay que prolongar la curva de captación. Y la retención, el dato que más pesa, rara vez se publica ^[C31]: los autores la obtienen de analistas, de un experto o de una media del sector ^{[C32, C33, C34, C35]}.

Tres atajos habituales:

• Contar solo los clientes actuales. Multiplicar el número de clientes por el valor de un cliente olvida a los que la empresa captará, y lo que costará captarlos. Los autores valoran en cambio la base actual y futura ^[C15].
• La «vida media». Con una retención anual del 80 %, un cliente se queda de media cinco años: se descuentan entonces cinco años completos de margen. Los autores muestran que este método sobrevalora ^[C18]: con un margen anual de 100 $, una retención del 80 % y una tasa de descuento del 12 %, da 360 $ en lugar de 250 $, alrededor de un 44 % de más ^{[C19, C20]}. Gran parte de esta diferencia es cuestión de calendario: los 250 $ solo cuentan el primer margen tras un año de permanencia, mientras que el atajo lo cuenta como seguro. Con el mismo calendario, el valor correcto es de 312,50 $ y el exceso baja al 15,4 %: es lo que cuesta, por sí solo, tratar a cada cliente como si se quedara exactamente la duración media.
• Prolongar demasiado pronto una curva de captación. Para estimar una curva en S hay que haber observado su punto de inflexión, el momento en que la captación alcanza su pico ^[C41]; antes, los parámetros se vuelven inestables ^[C42].

El simple recuento de clientes tampoco basta. En 1999 y 2000, el número de clientes o de visitantes sirvió para valorar las empresas de internet ^[C11]; sin embargo, un cliente solo vale por el margen que deja, el tiempo que se queda y lo que costó.

El valor de un cliente es la suma descontada de sus márgenes futuros, mientras se quede ^[C02]. El valor de la base es la suma de dos bloques ^[C15]:

1. los clientes actuales: cada uno vale sus márgenes venideros; su coste de adquisición ya está pagado ^[C30];
2. los clientes futuros: una curva en S prolonga la captación; es parecida en espíritu al modelo de difusión de Bass, pero más cómoda de calcular ^[C24], y sus estimaciones son muy comparables a las del modelo de Bass según Bass, Jain y Krishnan, citados por los autores ^{[C25, C84]}. Cada cliente captado aporta sus márgenes futuros menos su coste de adquisición ^[C21], y el valor de cada cohorte se descuenta a hoy.

La retención interviene dos veces: fija cuánto tiempo se quedan los clientes y sirve para reconstruir la captación. Una empresa solo publica sus clientes activos, captados menos perdidos: con 100.000 clientes y luego 130.000 y una retención del 80 %, ha captado 50.000 clientes, no 30.000 ^[C38]. Los autores modelan, por tanto, el número acumulado de clientes que han comprado al menos una vez, no el aumento neto ^[C88]. Suponer otra retención es también suponer otra captación.

Los autores solo usan información pública, informes anuales y documentos bursátiles, salvo para la retención ^[C12]; su método sirve, por tanto, también a inversores, analistas y compradores que no disponen de los datos internos ^[C13]. Para cada trimestre se necesita:

• el número de clientes activos;
• el margen por cliente, con los costes directos que la empresa no siempre deduce, como la logística ^[C26]; los autores toman la media de los cuatro últimos trimestres ^[C27];
• el coste de adquisición: el coste de marketing del trimestre dividido por el número de clientes captados ^[C28]. Una parte de ese coste sirve para retener a los clientes, sin que se pueda separar ^[C29];
• una retención anual, declarada y justificada ^[C31], y una tasa de descuento anual: los autores adoptan el 12 %, el centro del intervalo del 8 % al 16 % de los manuales de finanzas ^{[C36, C37]}.

También hace falta suficiente historial para haber superado el pico de captación ^[C41].

Esta sección está dirigida al especialista. Quien toma decisiones puede saltársela y continuar en «El cálculo declarado»: basta con la frase «En pocas palabras» que la cierra.

• t: el tiempo, en trimestres; t = 1 para el primer trimestre observado, t = 0 para el stock de clientes anterior; T: el trimestre de la valoración, aquí 16.
• N(t) = α / (1 + exp(−β − γt)): el número acumulado de clientes que han comprado al menos una vez ^[C24]. α es el techo de esta curva, el número total de clientes que la empresa captará algún día; β la sitúa en el tiempo; γ fija su pendiente.
• n(t) = αγ exp(−β − γt) / (1 + exp(−β − γt))²: el número de clientes captados por trimestre en la fecha t, es decir, la pendiente de N(t); alcanza su pico en t = −β / γ.
• A_t: los clientes activos al final del trimestre t. r: la retención anual; r_q = r^(1/4): la retención trimestral, la que, repetida cuatro trimestres, devuelve r. i: la tasa de descuento anual; i_q = (1 + i)^(1/4) − 1: la tasa trimestral que, compuesta cuatro veces, devuelve i. Este paso a tasas trimestrales es una convención de la página; los autores no lo precisan.
• Captación reconstruida: n_t = A_t − r_q × A_(t−1); acumulado N_t = N_(t−1) + n_t, con N_0 = A_0, es decir, ninguna baja antes del primer trimestre ^{[C38, C88]}. α, β y γ se estiman por mínimos cuadrados no lineales sobre N_0, …, N_T ^[C39].
• m: el margen por cliente activo y por trimestre; c: el coste de adquisición por cliente captado.
• El horizonte es infinito: la retención y el descuento hacen pesar mucho menos los márgenes lejanos ^[C17].
• Valor de un cliente a partir del trimestre siguiente: LV = m × r_q / (1 + i_q − r_q), la suma de los m × r_q^k / (1 + i_q)^k para k ≥ 1: cada margen futuro, ponderado por la probabilidad de que el cliente siga allí, y después descontado. Es la fórmula del ejemplo de los autores: 100 × 0,8 / (1,12 − 0,8) = 250 ^[C19]. Su ecuación (2), escrita a partir de t = 0, daría 350; la página sigue su ejemplo, y la convención que reproduce sus valores.
• Valor de la base en el trimestre T: V = A_T × LV + ∫ n(s) × (LV − c) × (1 + i_q)^−(s − T) ds, con la integral sobre la fecha de captación s, de T a infinito. El primer término corresponde a los clientes actuales, el segundo a los clientes futuros ^{[C15, C21, C30]}. Los autores no escriben el término de los clientes actuales de esta forma: es una reconstrucción, que valida la reproducción de sus valores. Después aplican un impuesto del 38 % para aproximar el valor de la empresa ^[C23]; la página trabaja con valores antes de impuestos, salvo para reproducir su caso.
• Atajo de la vida media: cada cliente vale el margen anual 4m descontado sobre 1 / (1 − r) años completos, contando el primer margen al final del primer año ^{[C18, C20]}.
• Elasticidad: variación relativa de V cuando un dato de entrada mejora un 1 % de su valor, con la curva fija — retención multiplicada por 1,01, margen multiplicado por 1,01, coste de adquisición y tasa de descuento multiplicados por 0,99. En este modelo, la elasticidad al margen vale siempre 1 más la elasticidad al coste de adquisición.

En pocas palabras: el valor de la base es el de los clientes de hoy, más el de los clientes de mañana menos lo que costará captarlos; la retención fija a la vez cuánto tiempo se quedan y cuántos clientes ha captado la empresa.

1. Control del código con el caso publicado. Los dos programas recalculan el valor de los clientes de las cinco empresas de los autores, construido con datos públicos ^[C04], a 31 de marzo de 2002, a partir de sus datos de entrada: clientes, margen trimestral, coste de adquisición y retención de su tabla 1 ^{[C60, C65, C66, C67, C68]}, parámetros de la curva de su tabla 2 ^{[C61, C81, C82]}, tasa de descuento del 12 % e impuesto del 38 % ^{[C23, C36]}. Los autores no precisan cómo pasan de las tasas anuales a las trimestrales; la convención adoptada, raíz cuarta de la retención y de 1,12, con t = 1 en el primer trimestre de datos, se eligió porque reproduce sus valores. Una prueba independiente la respalda: con ella se recuperan, para las cinco empresas, las fechas de calendario del pico de captación de su tabla 2, y ninguna con t = 0 ^[C83]. Los programas se detienen con un error si deja de reproducir cuatro empresas de cinco. También recalculan la tabla 5 ^{[C85, C86, C87]}.
2. Minorista sintético, generado por un generador de números pseudoaleatorios escrito íntegramente (semilla 20261006; x ← 1103515245 · x + 12345 mod 2³¹), para que Python y R extraigan los mismos números: dieciséis trimestres de clientes activos, con la captación de cada trimestre multiplicada por un ruido aleatorio de desviación típica 0,10 en escala logarítmica. El diseño favorece al método: el analista conoce la retención verdadera, y nadie se fue antes del primer trimestre.
3. Estimación como la haría un analista externo: captación reconstruida con la retención supuesta, curva ajustada por mínimos cuadrados (símplex de Nelder-Mead, un algoritmo que busca paso a paso el mejor ajuste, reiniciado hasta la estabilidad). Se fijan dos cotas: el techo α no supera mil veces los clientes ya contados, la pendiente γ no supera exp(3) por trimestre, unos 20.
4. Valor de los clientes actuales y futuros, integral calculada por el método de Simpson con un paso de 0,05 trimestres sobre 400 trimestres. Referencia: el mismo valor calculado con la curva verdadera y los clientes activos observados.
5. Tres atajos: solo los clientes actuales; vida media; curva estimada con los ocho primeros trimestres, antes del pico.
6. Elasticidades, definidas como en la tabla 4 de los autores para la retención, el margen y el coste de adquisición ^[C63], y una cuadrícula de retención al 70 %, 80 % y 90 % y de tasa de descuento al 8 %, 10 % y 12 %, según el modelo de su tabla 5, con la curva fija y después reestimándola.
7. Incertidumbre: bootstrap paramétrico, que simula 1.000 minoristas a partir de la curva estimada y del ruido estimado, y después reestima cada uno; el ruido se estima teniendo en cuenta los tres parámetros de la curva; intervalo del 25.º al 975.º valor ordenado, al 95 % nominal.
8. Repetición sobre 100 minoristas independientes extraídos de la curva verdadera, cada uno con un bootstrap de 200 extracciones, para medir la cobertura real del intervalo.
9. Invariantes: siete identidades, entre ellas el ejemplo numérico de los autores (250 y 360) ^{[C19, C20]}, su ejemplo de captación reconstruida ^[C38] y la integral de la captación igual al mercado restante; los programas se detienen si una falla.

El caso publicado, recalculado. Valor de los clientes después de impuestos, en miles de millones de dólares, a 31 de marzo de 2002:

Para las cuatro primeras empresas se recuperan también las elasticidades al margen y al coste de adquisición, con el redondeo de la publicación; como una vale siempre 1 más la otra, es un control más, no dos. Quedan tres diferencias, de causas distintas.

• La columna de la tasa de descuento. Una tasa multiplicada por 0,99 da +0,28 % para Amazon, donde los autores publican 0,46 %. Su columna se recupera, con una diferencia de 0,01 puntos como máximo, para las mismas cuatro empresas si la tasa pasa del 12 % al 11,80 %: +0,47 % frente a 0,46, +1,17 % frente a 1,17, +0,64 % frente a 0,63, +1,14 % frente a 1,14. Todo ocurre como si los autores llamaran «1 %» a una bajada de la tasa superior al 1 %, sin decirlo.
• Capital One. Toda su fila se recupera si el valor de sus captaciones futuras es 1,25 veces mayor: 11,00; +5,12 %; +0,32 %; +1,32 %. La causa estaría probablemente en su curva o en su origen de tiempos — una errata en la tabla 2 u otra ventana de datos — y no puede identificarse sin las series.
• La tabla 5 y los valores con una retención del 100 %. Recalculados con la curva fija, estos valores se apartan de los publicados, y 36 celdas de 39 de la tabla 5 se apartan en el sentido que tendría una curva reestimada con cada retención: los valores publicados son más bajos que los nuestros cuando la retención supuesta supera la de la empresa, más altos en caso contrario. Fuera de estas 39 celdas, con la retención propia de cada empresa, se recuperan 4 celdas de 6; las otras dos, las de eBay a dos tasas de descuento, escapan a esta explicación, puesto que la retención no cambia. Con una retención del 100 %, la página obtiene 3,72 para Amazon frente a «unos 3» ^[C78], 6,05 para eBay frente a 5,3 ^[C79] y 3,95 para E∗Trade frente a 3,89 ^[C47]: los tres valores publicados son más bajos. Para Capital One al 90 %, 13,35 frente a 14,1 ^[C64]. Si los autores reestimaron su curva en la tabla 5, no lo hicieron en la tabla 4, que se recupera con la curva fija: en el minorista sintético, reestimar la curva reduce el efecto de una retención multiplicada por 1,01 de +3,75 % a +3,18 %, una diferencia que se vería en la tabla 4. Esta explicación supone, por tanto, un cambio de procedimiento entre las dos tablas; sus series trimestrales no están publicadas y no podemos comprobarla.

El minorista sintético. Con una retención anual del 80 %, la retención trimestral vale 0,9457; con una tasa de descuento del 10 %, la tasa trimestral vale 2,411 %; un cliente activo vale entonces 144,81 € de márgenes futuros. La captación reconstruida da 1.382.156 clientes que han comprado al menos una vez, frente a 1.379.949 reales. La curva estimada tiene un techo de 2.099.582 clientes, frente a 2.000.000 reales, y alcanza su pico en el trimestre 13,78, frente a 13,33.

La diferencia, +4,4 %, procede por completo de los clientes futuros: el techo de la curva está sobrestimado. Los clientes futuros suponen el 30,7 % del valor estimado.

Los atajos.

Contar solo los clientes actuales equivale a quitar los clientes futuros: la diferencia es, por construcción, su parte en la referencia; sería de signo contrario si captar un cliente costara más de lo que aporta. La vida media atribuye a cada cliente 181,96 € en lugar de 144,81 €, un 25,7 % de más, y el error se propaga a los clientes futuros. Esta diferencia mezcla dos efectos. Frente a un valor anual que, como el atajo, cuenta el primer margen al final del primer año, 160,00 €, el atajo es demasiado alto en un 13,7 %: es el efecto propio de la duración media. El resto procede del primer año: el valor anual de 160,00 € cuenta el margen de ese año como asegurado, mientras que el valor trimestral hace que los clientes se vayan desde el primer trimestre; el cobro trimestral de los márgenes, que actúa en sentido contrario, no compensa esta diferencia — un valor anual que aplica la retención desde el primer año es de solo 128,00 €. Estimada con los ocho primeros trimestres, antes del pico, la curva tiene un techo de 1.677.096 clientes; el valor en el trimestre 8 cae a 161,43 M€ frente a 188,30 M€ de referencia, −14,3 % — en esta extracción.

¿Qué palanca? Efecto de mejorar cada dato de entrada un 1 % de su valor, con la curva fija:

La retención supera claramente al margen, como en el trabajo de los autores ^{[C07, C08]}. El orden entre margen y adquisición, en cambio, no prueba nada: la elasticidad al margen vale aquí exactamente 1 más la elasticidad al coste de adquisición, una identidad del modelo. Con las mismas definiciones, el efecto de la retención vale 10,4 veces el de la tasa de descuento; la relación de «casi cinco» de los autores ^{[C09, C55]} compara un 1 % de retención con una bajada mayor de la tasa.

La retención, el supuesto que más pesa. Valor de la base en M€; a la izquierda, la curva fija; a la derecha, la captación reconstruida y la curva reestimada con la retención supuesta:

Las dos columnas responden a dos preguntas. La curva fija mide una palanca: si la tienda retiene mejor a sus clientes a partir de ahora, su captación pasada no cambia, y el valor pasa de 223,73 a 376,39 M€ con una retención del 90 %. La curva reestimada mide una incertidumbre: si la retención pasada era en realidad del 90 % y no del 80 %, la tienda también captó menos clientes de lo que se creía, y la base vale 350,08 M€. Suponer el 70 % en lugar del 80 % reconstruye 1.560.456 clientes que han comprado en lugar de 1.382.156, y un techo de 2.449.181 en lugar de 2.099.582: más bajas supuestas implican más captaciones supuestas. Entre el 70 % y el 90 %, el valor llega a más que duplicarse.

Sobre 100 minoristas independientes, el método completo se aparta de la referencia un −0,3 % de media (desviación típica 3,4 %, como máximo 10,6 %), un sesgo que el error de simulación, es decir, la imprecisión debida al número finito de extracciones, 0,3 %, no distingue de cero; los clientes actuales solos, un −27,8 % (desviación típica 0,6 %), una estabilidad que se deriva de la construcción del diseño. Estimada antes del pico, la curva da una diferencia mediana del −8,8 %, y solo 30 extracciones de 100 se quedan a menos del 20 % de la referencia. En 6 extracciones el techo llega a su cota de mil veces los clientes contados, y la diferencia ahí no mide más que esa cota; las demás extracciones van de −53,7 % a +2.616,9 %.

• Una retención constante ^[C16]. Los autores la adoptan por comodidad; implica que una empresa madura, que ya casi no capta, acabaría perdiendo a todos sus clientes ^[C57]. ¿Sus clientes antiguos se van menos que los nuevos?
• Una retención conocida. Casi nunca se publica ^[C31]; los autores la toman del informe de un analista para Ameritrade, la extienden a E∗Trade por similitud ^[C32], la piden a un experto para Capital One ^[C33] y toman la media de las empresas estadounidenses para eBay ^[C34]. ¿De dónde sale su cifra de retención, y con qué definición de cliente activo?
• El mismo perfil de margen para todas las cohortes ^[C22], y un margen estable: los autores toman la media de los cuatro últimos trimestres ^[C27]. ¿Sus últimos clientes captados gastan como los primeros?
• Una captación que sigue una curva en S, alimentada por todos los clientes, activos o perdidos ^[C40]. Para eBay, una plataforma de compraventa, los efectos de red entre compradores y vendedores no se recogen ^[C48]. ¿Sus clientes traen a otros clientes?
• Un historial que supera el pico de captación ^{[C41, C42]}. ¿Su captación trimestral ya ha empezado a bajar?
• Palancas independientes. El método ignora los vínculos entre adquisición, retención y margen ^[C53]: una promoción de precio puede captar clientes que se quedan poco ^[C54]. ¿Los clientes captados con una promoción se quedan tanto como los demás?
• Clientes que son lo esencial del valor. El método no ve ni las opciones de crecimiento, es decir, el valor de actividades futuras aún inciertas ^[C06], ni los activos distintos de los clientes; no sustituye a los métodos financieros, prolonga uno de ellos ^[C59]. ¿Una parte de su valor depende de productos o mercados que aún no ha lanzado?
• Lo que los datos no pueden zanjar: el techo de captación de una empresa joven ^[C58], y la retención futura, que el historial no muestra. ¿En qué basa la retención de los próximos años? El resto se controla: la curva en los trimestres siguientes, el margen en las cuentas.

• Validación de la curva: con datos reales, reservar los últimos trimestres y comparar captación prevista y observada. El pico estimado, 13,78 trimestres, debe caer dentro de los datos; si cae fuera, el techo no está identificado ^[C41]. La página no hace esta validación con el ejemplo: la repetición sobre 100 minoristas ocupa su lugar.
• Lo que los datos no verifican: el valor de los clientes futuros, el 30,7 % del total, descansa por completo en la prolongación de la curva más allá del trimestre 16; el de los clientes actuales, en una retención supuesta constante para siempre ^[C16].
• Incertidumbre de estimación, por bootstrap paramétrico: el ruido de la captación se estima en 0,0865, frente a 0,10 real; el intervalo del techo va de 1.902 a 2.346 miles de clientes; el del valor de la base, de 208,10 a 244,16 M€. Estos intervalos son al 95 % nominal; sobre 100 minoristas, el intervalo del valor contiene la referencia 92 veces (error de simulación 2,7 %): algo menos del 95 % anunciado, sin que 100 extracciones permitan afirmarlo; una causa posible, parcial, es un ruido subestimado con dieciséis trimestres (0,0865 frente a 0,10 en la extracción detallada). La diferencia de +4,4 % de la extracción detallada es del orden del azar, siendo la desviación típica del 3,4 % sobre 100 extracciones. Estos intervalos suponen que la curva en S es correcta y la retención conocida; no cubren ni el error sobre la retención, ni el error sobre el margen, ni la elección de la tasa de descuento.
• El supuesto de retención pesa mucho más que la incertidumbre de estimación: del 70 % al 90 %, con una tasa de descuento del 10 %, el valor pasa de 156,33 a 350,08 M€. Hay que presentarlo en escenarios.
• Comparar con el valor de mercado no es una validación. Los autores encuentran un valor de los clientes cercano a la capitalización bursátil para Capital One, Ameritrade y E∗Trade ^{[C05, C43, C45, C47]}, pero muy por debajo para Amazon, 0,82 mil millones frente a 5,36 ^[C44], y para eBay, 1,89 frente a 15,85 ^[C46]. Sobre las cinco empresas y cuatro trimestres, el valor de los clientes solo explica el 14 % de las variaciones de la capitalización, un R² de 0,139 ^[C80], siendo el R² la parte de las variaciones que explica un modelo; sin Amazon ni eBay, es decir, doce observaciones, explica el 93 %, un R² de 0,927 ^[C49]; con tres empresas de tamaños muy distintos, este R² se debe probablemente sobre todo a la diferencia entre Capital One y los dos brókeres. Y el valor de Capital One en el que se apoya esta regresión no se recupera aquí. Una diferencia indica que el mercado se equivoca o que el modelo olvida algo ^[C06]: no indica cuál de las dos cosas.
• Lo que la simulación no prueba: los datos se extraen del modelo, correcto por construcción, con la retención verdadera; las diferencias medidas solo proceden del ajuste de la curva. La simulación mide el coste de los atajos cuando este modelo es verdadero; no demuestra que el modelo convenga a su empresa.

Tres enseñanzas. Primero, una base de clientes se valora con sus clientes futuros: sin ellos, la base se infravalora aquí en más de una cuarta parte, es decir, la parte de los clientes futuros, que aportan más de lo que cuesta captarlos. Segundo, la vida media infla el valor de un cliente: actúa como si cada uno se quedara cinco años, cuando las bajas empiezan desde el primer periodo ^[C18]; con el mismo calendario, el exceso es del 13,7 % aquí y del 15,4 % en el ejemplo de los autores.

Por último, la retención es la palanca más potente: llevarla del 80 % al 80,8 % añade un 3,75 % al valor, un margen un 1 % mejor añade un 1,12 %. Los autores encuentran una elasticidad — el porcentaje de valor ganado por una mejora del 1 % — de 3 a 7 para la retención en su resumen, de 2,45 a 6,75 en su tabla 4, de alrededor de 1 para el margen y de 0,02 a 0,3 para la adquisición ^{[C07, C08]}, y un efecto de la retención tanto más fuerte cuanto más baja es la tasa de descuento ^[C56]. Estas elasticidades miden una palanca: dan por conocida la captación pasada. Cuando lo incierto es la propia retención pasada, hay que leer la cuadrícula reestimada.

• Permitido: «Si la retención anual es del 80 % y la curva en S es correcta, la base de clientes vale unos 224 M€ de margen descontado al 10 %, antes de impuestos, costes fijos y gastos de retención, con un intervalo al 95 % nominal de 208,10 a 244,16 M€, cuya cobertura real medida es de alrededor del 92 %; entre el 70 % y el 90 % de retención, de 156,33 a 350,08 M€.»
• Permitido: «En esta simulación, contar solo los clientes actuales infravalora la base algo más de una cuarta parte, la parte de los clientes futuros.»
• Permitido: «Si las dos mejoras costaran lo mismo, llevar la retención del 80 % al 80,8 % valdría aquí mucho más que reducir un 1 % el coste de adquisición.»
• Prohibido: concluir que hay que invertir en retención en lugar de en adquisición. Las elasticidades no cuentan lo que cuesta cada mejora ^{[C50, C51]}; eliminar todas las bajas no es deseable, según Shaffer y Zhang, citados por los autores ^[C52].
• Prohibido: presentar el valor de la base como el valor de la empresa, o de sus acciones, sin decir lo que omite — impuestos, costes fijos, gastos de retención imputados a la adquisición ^[C29], deuda, opciones de crecimiento, activos distintos de los clientes, efectos de red ^{[C06, C48]}.
• Prohibido: presentar estas cifras como un resultado de mercado; los datos son sintéticos.

• Presentar el valor de la base en escenarios de retención, no en una sola cifra: unos 224 M€ con un 80 % de retención, de 156 a 350 M€ entre el 70 % y el 90 %. Para una ronda de financiación, pasar después del valor de la base al de las acciones: deducir impuestos, costes fijos, gastos de retención y deuda. La tasa de descuento sigue siendo una elección de la dirección financiera.
• Tratar la captación como una inversión: un cliente captado vale sus márgenes futuros menos su coste de adquisición, y los autores defienden contabilizar el gasto de adquisición como inversión, no como gasto corriente ^[C14].
• Calcular lo que costaría una mejor retención antes de comprarla. El valor indica cuánto aporta llevar la retención del 80 % al 80,8 %; un experimento con un grupo de control indica si un programa de fidelización lo consigue. Ambos juntos permiten comparar las palancas.
• Seguir la curva de captación cada trimestre y reestimar el valor; medir la retención por cohorte en lugar de suponerla.

La decisión sigue siendo humana y compromete a la dirección general, la dirección de marketing y la dirección financiera.

• Usar: para valorar una empresa en crecimiento con resultado negativo o bajo ^[C10], comparar palancas de marketing en términos de valor, o estimar desde fuera la base de clientes de una empresa a partir de sus documentos publicados ^[C13].
• Usar con prudencia cuando la captación aún no ha alcanzado su pico: hace falta entonces una estimación externa del mercado potencial o un enfoque bayesiano ^{[C42, C58]}.
• No usar para el valor de un cliente concreto: véase la página sobre la estimación del CLV no contractual, la del valor de un suscriptor o la del valor de un cliente de temporada.
• No usar para medir la propia retención: véase la página sobre el análisis de la retención y la supervivencia.
• Para expresar la incertidumbre de un resultado, véase la página sobre la expresión de la incertidumbre; para juzgar la curva en trimestres reservados, la de la validación de un pronóstico de marketing; para la repetición de extracciones, la de la simulación de Monte Carlo.

• Python 3.14.5, solo biblioteca estándar: msc-p045-reference.py, se ejecuta con python msc-p045-reference.py
• R 4.6.1, solo base: msc-p045-reference.R, se ejecuta con Rscript msc-p045-reference.R
• Los dos programas imprimen exactamente las mismas líneas; su huella sha256, tras normalizar los finales de línea, consta en el manifiesto del expediente. Semilla declarada 20261006. Ninguna biblioteca de terceros: el software no valida el método, lo reproduce.

Los clientes activos por trimestre, la retención supuesta y su fuente, la captación reconstruida, la curva estimada con su pico y su techo, el valor de los clientes actuales y el de los clientes futuros con su intervalo, la cuadrícula de retención y de tasa de descuento, las elasticidades, lo que el valor omite para pasar al de la empresa, y los supuestos que hay que verificar antes de decidir.

• Gupta, S., Lehmann, D. R. & Stuart, J. A. (2004). Valuing Customers. Journal of Marketing Research 41(1), 7–18. ↗ — manuscrito aceptado de los autores, revisado en febrero de 2003, difundido por la Columbia Business School, texto completo verificado ^[C01–C88].
• Nivel de evidencia: demostración con datos sintéticos extraídos del propio modelo, una extracción detallada, un bootstrap de 1.000 minoristas y 100 extracciones repetidas, reproducible en Python y en R; código comprobado con los valores publicados por los autores para cuatro empresas de cinco, a partir de sus datos de entrada publicados y de una convención de calendario elegida para reproducirlos. No es un resultado de mercado.