Traducido del inglés al español - www.onlinedoctranslator.

com

Sí, Liu

El impacto a largo plazo de los programas de

fidelización en las compras del consumidor
Comportamiento y lealtad
A pesar del uso frecuente de programas de lealtad, hay evidencia limitada sobre los efectos a largo plazo de
dichos programas y su efectividad no está bien establecida. La investigación actual examina el impacto a largo
plazo de un programa de lealtad en los niveles de uso de los consumidores y su lealtad exclusiva a la empresa.
Utilizando datos longitudinales de una franquicia de una tienda de conveniencia, el estudio muestra que los
consumidores que eran grandes compradores al comienzo de un programa de lealtad tenían más
probabilidades de reclamar sus recompensas calificadas, pero el programa no los incitó a cambiar su
comportamiento de compra. Por el contrario, los consumidores cuyos niveles iniciales de patrocinio eran bajos o
moderados compraron gradualmente más y se volvieron más leales a la empresa. Para los compradores ligeros,
el programa de fidelización amplió su relación con la empresa a otras áreas de negocio.

A
Siendo un componente importante de la estrategia de gestión de
relaciones con los clientes (CRM) de las empresas, los programas de
fidelización tienen como objetivo aumentar la fidelidad de los
clientes recompensando a los clientes por hacer negocios con la empresa. A
través de estos programas, las empresas pueden ganar potencialmente más
negocios repetidos y, al mismo tiempo, obtener datos valiosos de los
consumidores que ayuden a los esfuerzos futuros de CRM. Desde que
American Airlines lanzó el primer programa de lealtad contemporáneo en
1981, los programas de lealtad han florecido y ahora abarcan varias
industrias, incluidas las industrias minorista, de viajes y financiera. Se estima
que más de la mitad de los adultos estadounidenses están inscritos en al
menos un programa de lealtad (Kivetz y Simonson 2003).
A pesar del uso frecuente de programas de lealtad, su efectividad
no se comprende bien (Bolton, Kannan y Bramlett 2000). Algunos
investigadores cuestionan el valor de los programas de fidelización. Por
ejemplo, Dowling (2002) sugiere que los programas de lealtad no
necesariamente fomentan la lealtad y no son rentables y que la
proliferación de programas de lealtad es una exageración o un esquema
de “yo también”. Por el contrario, algunos estudios recientes muestran
que los programas de lealtad tienen un impacto positivo en las
decisiones de repatriación de los consumidores y su participación en la
billetera (por ejemplo, Lewis 2004; Verhoef 2003). Con validaciones
empíricas limitadas, continúa el debate sobre si los programas de
fidelización son realmente efectivos. Las opiniones divergentes sugieren
la necesidad de comprender mejor estos programas. Esto también es de
importancia estratégica porque tales programas son
inversiones costosas y requieren el compromiso a largo plazo de la
empresa. Es vital que los gerentes sepan si estos programas
funcionan y cómo funcionan antes de dar el paso.
Esta investigación contribuye a una mejor comprensión
de los programas de fidelización de tres formas. Primero,
aunque la evidencia sobre la efectividad de los programas
de lealtad ha comenzado a acumularse recientemente, el
campo aún está subdesarrollado y aún no ha surgido una
imagen clara. Al abordar este problema, Bolton, Kannan y
Bramlett (2000, p. 28) sugieren que “para determinar la
eficacia a largo plazo de un programa de recompensas por
lealtad, una empresa debe cuantificar la influencia del
programa en el comportamiento de compra futuro (p. Ej.,
Niveles de uso) . " La investigación actual responde a la
sugerencia cuantificando a gran escala la efectividad de un
programa de lealtad en la industria de las tiendas de
conveniencia. La pregunta clave de la investigación es si los
programas de lealtad cambian los niveles de patrocinio de
los consumidores y la lealtad exclusiva a la empresa.
En segundo lugar, esta investigación examina el cambio de
comportamiento longitudinal de los consumidores después de unirse a un
programa de fidelización. Dada la orientación a largo plazo de los programas
de fidelización y su transformación de compras únicas en decisiones de
períodos múltiples (Kopalle y Neslin 2003), es natural que su eficacia deba
examinarse longitudinalmente. Metodológicamente, estudiar los programas
de fidelización a lo largo del tiempo alivia el sesgo de autoselección. Debido a
que los miembros del programa de lealtad ya pueden ser clientes frecuentes

Yuping Liu es profesora adjunta de marketing, Facultad de Negocios y que tienen más probabilidades de encontrar atractivo el programa,

Administración Pública, Old Dominion University (correo electrónico: YXXLiu @
odu. Edu ). El autor agradece a Ruth Bolton, William Boulding, Richard Staelin
y los cuatro anónimosJM revisores por sus útiles sugerencias sobre
borradores anteriores de este artículo, así como a Old Dominion University
por financiar la investigación.
Leer y contribuir al diálogo de lectores y autores sobre JM, visite http://
www.marketingpower.com/jmblog.
simplemente comparar el comportamiento de los miembros del programa de
lealtad con el de los no miembros no puede establecer una relación causal
concluyente (Leenheer et al.
2003). Por lo tanto, examinar el cambio de comportamiento dinámico es
más poderoso que los estudios transversales de comportamiento en un
momento determinado (Verhoef 2003). Sin embargo, relativamente
pocos estudios empíricos publicados han examinado los efectos del
programa de lealtad longitudinal, especialmente desde la perspectiva de

© 2007, American Marketing Association ISSN: Revista de marketing

0022-2429 (impreso), 1547-7185 (electrónico) 19 Vol. 71 (octubre de 2007), 19 a 35
programas de fidelización continuos. Esto deja una brecha en la comprensión
de los verdaderos efectos de tales programas. Un estudio reciente de Lewis
(2004) ha avanzado en esta área al examinar los efectos dinámicos posteriores
a la recompensa sobre el comportamiento del consumidor en el contexto de
un programa de lealtad continuo. La investigación actual amplía este trabajo
al estudiar los efectos generales de un programa de fidelización de este tipo
en el cambio de comportamiento de compra a largo plazo.
En tercer lugar, esta investigación estudia cómo las idiosincrasias de
los consumidores individuales influyen en los cambios de
comportamiento que se producen después de unirse a un programa de
fidelización. Investigaciones anteriores han demostrado que el ajuste
idiosincrásico de un individuo con un programa de lealtad puede influir
en su probabilidad de unirse al programa (Kivetz y Simonson 2002). Sin
embargo, no está claro si dichos efectos se trasladarían a la forma en
que estos consumidores cambian sus patrones de compra después de
inscribirse en el programa. Además del conjunto limitado de
idiosincrasias individuales que se han examinado en la literatura, la
investigación actual explora cómo los consumidores con diferentes
niveles de uso inicial cambian su comportamiento para maximizar los
beneficios que reciben de un programa de lealtad.
¿Son eficaces los programas de fidelización?
Definición
Programa de fidelidad. En este artículo, un "programa de fidelización" es
definido como un programa que permite a los consumidores acumular
recompensas gratuitas cuando realizan compras repetidas con una empresa.
Un programa de este tipo rara vez beneficia a los consumidores en una
compra, pero su objetivo es fomentar la lealtad del cliente a lo largo del
tiempo. Por lo tanto, las promociones que funcionan como "ofertas únicas",
como las tarjetas instantáneas para rascar, no se consideran programas de
lealtad aquí. Esta exclusión es apropiada porque estas promociones únicas no
crean el mismo bloqueo del cliente que los programas de lealtad verdaderos
(Sharp y Sharp 1997).
Lealtad del consumidor. Esta investigación adopta la de Oliver (1999,
pag. 34) definición de lealtad del consumidor como "un compromiso
profundamente arraigado de recomprar o repatronizar un producto /
servicio preferido de manera consistente en el futuro". Según Oliver, la
lealtad del consumidor puede ocurrir en cuatro niveles diferentes:
cognitivo, afectivo, conativo y conductual. Aunque las cuatro facetas de
la lealtad del consumidor son importantes, la investigación actual se
centra en la lealtad conductual. Este aspecto de la lealtad del
consumidor no se ha examinado a fondo en investigaciones anteriores,
a pesar de que tiene un impacto directo en el resultado final de una
empresa y facilita la evaluación de la rentabilidad del programa de
lealtad (y, de manera relacionada, la decisión de invertir en dicho
programa o expandirse). o terminar un programa existente).
Programas de fidelización y mejora del valor
Los programas de lealtad a menudo se consideran instrumentos de
valor compartido y pueden mejorar la percepción de los
consumidores de lo que una empresa tiene para ofrecer (Bolton,
Kannan y Bramlett 2000; Yi y Jeon 2003). Esta función de mejora del
valor es importante porque la capacidad de proporcionar un valor
superior es fundamental para la iniciación y retención de la relación
con el cliente (Sirdeshmukh, Singh y Sabol 2002; Woodruff 1997). De
hecho, la percepción de valor mejorada se considera una condición
necesaria para el éxito de un programa de lealtad (O'Brien y Jones
1995).
20 / Journal of Marketing, octubre de 2007
Los programas de fidelización aportan valor a los
consumidores en dos etapas. En la primera etapa, los puntos del
programa se emiten a los consumidores en el momento de la
compra. Aunque estos puntos no tienen valor práctico hasta que se
canjean, estudios recientes muestran que tienen un significado
psicológico importante para los consumidores (Hsee et al. 2003;
Van Osselaer, Alba y Manchanda 2004). El beneficio psicológico
aumenta la utilidad de transacción de una compra (Thaler 1985) y,
posteriormente, la percepción general del valor de hacer negocios
con la empresa. Debido a que los consumidores pueden canjear
más puntos por recompensas gratuitas, la acumulación de puntos
crea una anticipación de eventos futuros positivos, lo que aumenta
la probabilidad de que los consumidores permanezcan en la
relación (Lemon, White y Winer 2002).
En la etapa de canje, los consumidores reciben beneficios tanto
psicológicos como económicos de un programa de lealtad. La
recompensa gratuita funciona como un refuerzo positivo del
comportamiento de compra de los consumidores y los condiciona a
seguir haciendo negocios con la empresa (Sheth y Parvatiyar
1995). Psicológicamente, dar recompensas gratuitas a los clientes
demuestra el aprecio y el reconocimiento personal de la empresa
hacia sus clientes. Esta sensación de ser importante puede mejorar
la sensación general de bienestar de los consumidores y
profundizar su relación con la empresa (Bitner 1995; Gwinner,
Gremler y Bitner 1998). Algunos investigadores sugieren que
también existen otros beneficios psicológicos, como la oportunidad
de disfrutar de lujos sin culpa (Kivetz y Simonson
2002) y un sentido de participación (Dowling y Uncles
1997), que puede ser especialmente apropiado para las marcas
que no tienen esta pertenencia (Oliver 1999). Todos estos
beneficios psicológicos y económicos se traducen en una
atractiva propuesta de valor por parte de la firma.
Programas de fidelización y compromiso de relación
Más allá de la necesidad de un valor superior, una condición
necesaria para que se desarrolle cualquier relación es el
compromiso de ambas partes en la relación (Morgan y Hunt 1994).
Dada una amplia variedad de opciones y una barrera de cambio
baja, es fácil para los consumidores de hoy cambiar entre
diferentes empresas. Esto plantea amenazas importantes para las
relaciones con los clientes porque es poco probable que los
consumidores se comprometan con una sola marca o empresa. Los
programas de lealtad pueden aliviar esta falta de compromiso y
reducir la deserción de clientes al aumentar los costos de cambio.
Debido a que los programas de lealtad recompensan a los clientes
por su patrocinio repetido, los consumidores tienden a enfocar sus
compras en un programa para maximizar los beneficios que
reciben (Sharp y Sharp 1997). Estos intereses creados en un
programa dificultan que los competidores alejen a los clientes de
una empresa. Usando modelos de teoría de juegos, Kim, Shi y
Srinivasan (2001) demuestran que tal barrera competitiva beneficia
a la empresa y genera precios más altos en el mercado. Esto es
especialmente cierto para los productos y servicios que buscan una
gran variedad (Zhang, Krishna y Dhar 2000).
Los programas de lealtad no solo ayudan a desarrollar el compromiso del
cliente, sino que también demuestran el compromiso de una empresa. A
menudo, es costoso para las empresas iniciar y mantener un programa de
fidelización. Requiere grandes esfuerzos para administrar los registros de
puntos y la emisión de recompensas. Una vez implementado un programa de
este tipo, suele ser difícil finalizarlo sin correr el riesgo de perder el control.
buena voluntad de los sumers. Si bien un programa de lealtad
genera un costo real para el negocio, también muestra el
compromiso de la empresa de establecer una relación a largo plazo
con sus clientes. Tal compromiso y demostración de buena
voluntad puede profundizar aún más la relación entre la empresa y
sus clientes.
Evidencia empírica de la eficacia de los
programas de fidelización
Los estudios de laboratorio y de campo han examinado si los programas
de fidelización afectan positivamente a los consumidores. Aunque
ambos tipos de investigación son importantes, esta sección se centra en
exámenes empíricos de programas de fidelización reales basados en el
comportamiento real del consumidor porque están más estrechamente
relacionados con la investigación actual. Los estudios existentes en esta
área pueden clasificarse en tres categorías dependiendo de la base de
comparación sobre la que se extraigan las conclusiones.
Comparación entre competidores. El primer grupo de estudios
ies cuantifica el impacto de los programas de fidelización
comparándolos entre varias empresas. Las variables focales
suelen ser la participación de mercado o la participación de la
billetera. Utilizando datos de panel de consumidores de
compras de comestibles, tanto Mägi (2003) como Leenheer y
sus colegas (2003) encuentran un apoyo mixto para los efectos
positivos de los programas de lealtad en la participación de la
billetera. El estudio de Leenheer y sus colegas revela una mayor
participación en la billetera para cuatro de los siete programas
y ofrece soporte para el uso de recompensas acumuladas (a
diferencia de los descuentos de precios) en los programas de
lealtad. Mägi encuentra que la membresía del programa de
lealtad aumenta la participación del consumidor en la billetera
y las visitas a la tienda y disminuye la participación de los
competidores. Sin embargo, esto solo se admite a nivel de
cadena, no a nivel de tienda. Centrándose en la industria de las
aerolíneas,
Dentro de esta misma categoría de investigación, pero enfocándose en
una variable de comportamiento diferente, Sharp y Sharp (1997) investigan el
impacto del programa Fly Buys de Australia comparando las frecuencias de
compra observadas con la línea de base de Dirichlet y encuentran solo una
mejora débil en el comportamiento de repetición de compras para la mayoría
de las tiendas. Utilizando un enfoque similar, Meyer-Waarden y Benavent
(2006) encuentran solo efectos mixtos de los programas de lealtad ofrecidos
por varios minoristas de comestibles franceses. Debido a que los miembros
del programa Fly Buys pueden ganar puntos de fidelidad en todas las tiendas,
se puede argumentar que dicho programa de fidelización de múltiples tiendas
fomenta la lealtad hacia el programa en lugar de hacia cualquier tienda en
particular e incluso puede alentar a los consumidores a dividir su lealtad entre
varias empresas (Dowling y Tíos 1997). Esto limita la posibilidad de generalizar
los hallazgos. Es más, Las recompensas ofrecidas por el programa Fly Buys
(viajes aéreos o alojamiento gratis) no están relacionadas con las acciones que
los consumidores deben tomar (patrocinar tiendas minoristas) para acumular
puntos. Investigaciones recientes sugieren que este tipo de programa puede
provocar reactancia en los consumidores y reducir su motivación intrínseca
para participar en las actividades de compra originales (Kivetz 2005).
Comparación entre consumidores. El segundo tipo de
La investigación existente compara el comportamiento de los miembros del
programa de lealtad con el de los no miembros para identificar el impacto de
los programas de lealtad. Tanto Verhoef (2003) como Bolton, Kannan,
y Bramlett (2000) examinan la eficacia de los programas
de fidelización en la industria financiera. Verhoef
encuentra que la participación en el programa de lealtad
de una empresa de seguros hace que los consumidores
sean más propensos a permanecer en la empresa y los
anima a expandir su negocio con la empresa. Bolton,
Kannan y Bramlett ofrecen un examen más profundo de
este tema al estudiar el efecto moderador del programa
de lealtad de una empresa de tarjetas de crédito sobre
la relación entre las experiencias de servicio de los
consumidores y su comportamiento posterior.
Encuentran que los miembros del programa sopesan
menos las experiencias negativas en sus decisiones de
repatriación que los no miembros. Esto es coherente
con la propuesta de que los programas de fidelización
forman barreras competitivas entre empresas y
permiten que las empresas disfruten de sus clientes de
forma más exclusiva. Bolton, Kannan,
Como se mencionó anteriormente, los estudios que comparan el
comportamiento de miembros y no miembros del programa de lealtad
están sujetos a sesgos de autoselección. Es decir, las diferencias entre
miembros y no miembros pueden existir antes del programa en lugar de
ser un resultado del programa. Esto hace que sea difícil establecer la
dirección de la relación causal, lo que lleva a los investigadores a sugerir
la conveniencia de estudiar el cambio de comportamiento dinámico en
su lugar (Lewis 2004; Verhoef
2003).
Comparación a lo largo del tiempo. La tercera categoría de estudios
remedia el sesgo de autoselección mediante el estudio del comportamiento
de los mismos consumidores a lo largo del tiempo. La mayoría de estos
estudios se centran en programas de fidelización a corto plazo. Un escenario
típico es un programa de recompensa de supermercado de pavo / jamón de N
semanas en el que los consumidores necesitan gastar más de una cantidad
fija cada semana durante N semanas para recibir un pavo o jamón gratis (p.
Ej., Lal y Bell 2003; Taylor y Neslin 2005). Los estudios encuentran apoyo
general para tales programas en términos de mayores niveles de gasto. Drèze
y Hoch (1998) concluyen además que un programa de fidelización dirigido a
una categoría de producto específica no solo aumenta el gasto en la categoría
de producto focal, sino que también aumenta el tráfico en la tienda y el gasto
general en todas las categorías.
Al estudiar los cambios de comportamiento a lo largo del tiempo,
los investigadores sugieren dos tipos de efectos: un efecto de presión
puntual a corto plazo y un efecto de comportamiento recompensado a
largo plazo (Taylor y Neslin 2005). El efecto de presión puntual
representa un impacto temporal en el gasto a medida que los
consumidores aumentan sus niveles de compra para calificar para una
recompensa, análogo al aumento artificial de las ventas durante una
promoción. Basándose en la hipótesis del gradiente de meta, Kivetz,
Urminsky y Zheng (2006) encuentran que este efecto de presión puntual
aumenta a medida que los consumidores se acercan a una recompensa,
lo que resulta en una aceleración de la compra. Sin embargo, también
encuentran que después de obtener la recompensa, el cambio positivo
en el comportamiento se disipa, similar a la caída de las ventas después
de una promoción. Por el contrario, el efecto de comportamiento
recompensado se refiere a un aumento sostenido de compras a largo
plazo,
Estos dos efectos se manifiestan de manera diferente en los programas
de fidelización a corto plazo y continuos (p. Ej., Programas de viajero
frecuente). Los programas a corto plazo son análogos a la promoción de
ventas y significan el compromiso temporal de las empresas. Crean un pri-
El impacto a largo plazo de los programas de fidelización / 21
efecto de presión muy puntual debido a la novedad de los programas y una línea de
tiempo y un objetivo claros. Por el contrario, los programas de fidelización continuos
representan el compromiso a largo plazo de las empresas y son análogos a los
precios bajos de todos los días. Aunque pueden ser novedosos al principio y los
consumidores pueden experimentar una presión puntual cada vez que se acercan a
una recompensa, los efectos a largo plazo de tales programas son principalmente el
tipo de comportamiento recompensado.
Los hallazgos empíricos sobre los efectos de los programas de
fidelización continuos a lo largo del tiempo son más escasos. Allaway et
al. (2006) ofrecen un examen indirecto de los efectos longitudinales
segmentando a los miembros del programa de fidelización minorista
según su comportamiento. Encuentran que el programa afecta
positivamente solo a una pequeña parte de los consumidores. Luis
(2004) examina el programa de lealtad de un minorista en
línea y encuentra que el nivel de recompensa recibido en un
período anterior afecta positivamente la probabilidad de
realizar transacciones de mayor tamaño en el período
actual. Tenga en cuenta que centrarse en los efectos
posteriores a la recompensa presenta dos limitaciones.
Primero, crea una relación recursiva porque el nivel de
recompensa que recibe un consumidor en un período
depende en sí mismo del cambio de comportamiento del
consumidor. Como resultado, una compra de nivel superior
en períodos posteriores puede ser simplemente una
continuación de la reacción positiva anterior al programa
de lealtad en lugar de un resultado de recompensas de
nivel superior recibidas en períodos anteriores. En segundo
lugar, los efectos posteriores a la recompensa capturan
solo un tipo de efectos del programa de lealtad.
2005). También hay aspectos más sutiles de un programa de lealtad, como el
sentido de pertenencia (Dowling y Uncle 1997) y la percepción de la ventaja
del esfuerzo (Kivetz y Simonson 2003). Debido a que los consumidores pueden
ganar recompensas gratuitas solo con poca frecuencia en la mayoría de los
programas, sus cambios de comportamiento generalmente son impulsados
por estos efectos más sutiles.
Resumen
Los estudios empíricos revisados aquí brindan un apoyo mixto para los
programas de lealtad, y todavía existe mucha controversia sobre si el
programa de lealtad es una herramienta de marketing atractiva
(Leenheer et al. 2003; Shugan 2005). El análisis anterior revela la
necesidad de abordar dos cuestiones. Primero, dada la orientación
futura de los programas de fidelización, es necesario integrar un
enfoque a largo plazo en la investigación de estos programas. Esta
necesidad está respaldada por el hallazgo de que los esfuerzos de CRM a
menudo no producen ganancias obvias a corto plazo, sino que deben
evaluarse a largo plazo (Anderson, Fornell y Lehmann 1994). La mayoría
de los estudios longitudinales revisados se centran en programas de
fidelización que se ejecutaron solo durante un período breve. El estudio
de Lewis (2004) es el único que examina sistemáticamente los efectos
dinámicos de un programa de fidelización continuo. Sin embargo, como
se discutió anteriormente, su enfoque en los efectos posteriores a la
recompensa representa una visión incompleta de los efectos del
programa de lealtad. La investigación longitudinal futura debería
ampliar la investigación de Lewis para incluir efectos más generales de
los programas de fidelización continuos.
En segundo lugar, no todos los consumidores responden a los programas de
lealtad de la misma manera, porque el atractivo de un programa puede diferir entre
los consumidores, dependiendo de factores como los niveles de uso actuales y la
percepción de la ventaja del esfuerzo (Kim, Shi,
22 / Journal of Marketing, octubre de 2007
y Srinivasan 2001; Kivetz y Simonson 2003). Estas diferencias
individuales pueden haber contribuido a los hallazgos mixtos en la
literatura. Algunos estudios revisados han comenzado a examinar
los efectos moderadores de las características individuales (Lal y
Bell 2003; Lewis 2004; Taylor y Neslin 2005). Sin embargo, la
operacionalización de algunas de estas variables limita su
relevancia gerencial. Los niveles de nivel de compra en el estudio de
Lal y Bell (2003) se basaron en el mismo lapso de tiempo (es decir,
todo el período de análisis) que las variables focales, y la redención
de recompensa en Taylor y Neslin
(2005) el estudio ocurrió después de las variables focales. Aunque estas
variables son útiles para evaluar el éxito de un programa de fidelización
a corto plazo después de su ejecución, proporcionan una previsión
limitada para los programas de fidelización continuos. Para un
programa continuo, el conocimiento de las diferencias preexistentes
entre los consumidores desde el principio del programa proporcionará
implicaciones de gestión más significativas y una mejor orientación
sobre el diseño y la gestión de dicho programa. Lewis (2004) estudió una
de esas diferencias preexistentes, a saber, la demografía. Esto debería
ampliarse para incluir otras diferencias individuales a priori que puedan
influir en las reacciones de los consumidores a un programa de
fidelización.
Hipótesis de investigación
Visión general
La investigación actual tiene como objetivo responder a tres preguntas: (1)
¿Cómo cambian los consumidores sus niveles de uso después de unirse a un
programa de fidelización? (2) ¿El programa hace que los consumidores sean
más leales con el tiempo? y (3) ¿Cómo responden de manera diferente al
programa los consumidores con diferentes niveles de gasto inicial? Estas
preguntas de investigación abordan específicamente las dos cuestiones
planteadas en la revisión de la literatura. Debido a que el propósito de los
programas de lealtad a menudo es aumentar la lealtad y la contribución de
valor de los consumidores, es importante saber si se cumple este objetivo.
Este estudio examina cómo los consumidores adaptan gradualmente su
comportamiento de compra a lo largo de un período de tiempo prolongado
después de su inscripción inicial en un programa de lealtad a largo plazo.
Como se mencionó anteriormente, las implicaciones de los programas de
lealtad a corto plazo y a largo plazo son diferentes y, hasta ahora, los estudios
dinámicos de estos últimos han sido mucho más escasos y no concluyentes.
Esta investigación contribuye a una mejor comprensión en esta área. Al
capturar los efectos del programa a través del movimiento del tiempo, esta
investigación amplía los hallazgos de Lewis (2004) para incluir efectos más
generales de un programa de lealtad y permite a una empresa predecir el
camino que seguirán sus consumidores después de unirse a dicho programa.
Esta investigación también examina cómo un programa de
lealtad afecta a los consumidores de manera diferente al examinar
el efecto moderador de los niveles de uso existentes de los
consumidores. Es de importancia estratégica examinar las
respuestas de los consumidores con diferentes niveles de uso inicial
porque sus contribuciones de valor a una empresa varían y pueden
aumentar o diluir la rentabilidad de la empresa (Dowling y Uncles
1997; Reinartz y Kumar 2000). Los investigadores de marketing han
sugerido que el nivel de uso es una consideración importante en el
diseño y los efectos del programa de lealtad (Bolton, Kannan y
Bramlett 2000; Dowling y Uncle 1997). Sin embargo, esta premisa
no ha sido objeto de mucho escrutinio empírico. Aunque Lal y Bell
(2003) incorporan niveles de uso, operacionalizan la
variable como gasto total durante todo el curso de un programa de
fidelización de corto plazo, que, como se mencionó anteriormente,
proporciona una previsión limitada para la gestión de un programa de
fidelización continuo. Esta investigación soluciona esto mediante el uso
de los niveles de gasto de los consumidores durante un período de
inicialización. La siguiente sección considera cómo los diferentes niveles
de consumidores cambian sus niveles de uso y lealtad exclusiva a lo
largo del tiempo.
Impacto de los programas de fidelización en los niveles de uso
La mayoría de los programas de fidelización están diseñados para fomentar
un mayor uso de los productos o servicios de una empresa. En general,
cuanto más compra un consumidor, es probable que obtenga más
recompensas. Por lo tanto, los programas de lealtad crean una expectativa de
resultados positivos asociados con la realización de una compra (Vroom
1964). Cuando los consumidores se dan cuenta de que su comportamiento de
compra es fundamental para lograr un resultado positivo, es más probable
que se involucren en el comportamiento (Latham y Locke
1991). Desde el punto de vista del condicionamiento operante (Skinner
1953), las recompensas de los programas de lealtad sirven como estímulo
condicionante para mantener el comportamiento deseado. En apoyo de estos
puntos de vista, los estudios empíricos muestran que las recompensas
pueden dirigir el comportamiento y aumentar el rendimiento de la tarea
(Eisenberger y Rhoades 2001; Strohmetz et al. 2002). Así, se espera que los
programas de fidelización afecten positivamente los niveles de uso de los
consumidores, lo que lleva a la primera hipótesis:
H1: Los consumidores aumentan gradualmente su nivel de uso después de unirse
ing un programa de lealtad.
En esta investigación, los niveles de uso de los consumidores son
capturados por dos variables: frecuencia de compra y tamaño de
transacción. La frecuencia de compra se considera un predictor
importante del estado de los consumidores con una empresa
(Schmittlein, Morrison y Colombo 1987; Venkatesan y Kumar 2003) y se
ha utilizado en el pasado como un indicador del éxito del programa de
lealtad (Bolton, Kannan y Bramlett 2000 ; Sharp y Sharp
1997). Sin embargo, el tamaño de la transacción rara vez se ha incluido
en estudios anteriores. Debido a que los consumidores pueden
maximizar las recompensas aumentando la cantidad que gastan en una
transacción y debido a que esta cantidad es una parte esencial de su
contribución de valor a la empresa, es importante incluir el tamaño de la
transacción en el estudio de los programas de lealtad.
Aunque los niveles de uso se pueden medir como la cantidad total que
gasta un consumidor, se considera más apropiado estudiar la frecuencia de
compra y el tamaño de la transacción por separado por dos razones. Primero,
la frecuencia de compra y el tamaño de la transacción tienen diferentes
implicaciones para una empresa. Con altos costos de cumplimiento por
pedido (por ejemplo, debido al procesamiento de pagos o costos de envío), el
tamaño de la canasta es un determinante importante del margen de beneficio
de la empresa. En comparación, para una empresa en la que la compra
reciente es un predictor importante del comportamiento futuro, la frecuencia
de compra puede ser un factor comercial más crítico. Estudiar la frecuencia y
el tamaño de las compras por separado está más en consonancia con las
estrategias de estas empresas. En segundo lugar, al reflejar la diferencia
estratégica entre la frecuencia de compra y el tamaño de la transacción,
algunos programas de fidelización recompensan a los consumidores por la
frecuencia (p. Ej., recompensando un número determinado de puntos por
cada compra), y otros fomentan compras más grandes (por ejemplo,
estableciendo un tamaño mínimo de transacción). Diferenciar entre frecuencia
de compra y tamaño de transacción
permite una evaluación más precisa de los efectos de estos
programas.1 De manera metodológica, estudiar el tamaño de las
transacciones individuales en lugar del gasto total aumenta el
poder del análisis y reduce el sesgo de agregación. También
permite evaluar la lealtad exclusiva utilizando la relación entre el
tamaño de la transacción y el tiempo entre compras, como se
demuestra a continuación.
Efecto moderador del nivel de uso inicial
La medida en que los consumidores aumentan su gasto debido a
los incentivos puede depender de sus niveles de uso inicial. En la
única investigación existente que ha estudiado los efectos
moderadores de los niveles de uso de los consumidores sobre el
impacto del programa de lealtad, Lal y Bell (2003) encuentran el
menor cambio de comportamiento entre los que gastan más y los
cambios más significativos entre los que gastan poco y
moderadamente. El estudio actual extiende estos hallazgos a los
programas de lealtad continuos, en los que es más probable que el
objetivo sea un cambio de comportamiento sostenido, en lugar de
un shock temporal. Además, a diferencia de Lal y Bell, que
segmentan a los consumidores según sus niveles de gasto durante
toda la duración de un programa, esta investigación utiliza los
niveles de uso de los consumidores al comienzo del programa,
aumentando así la utilidad predictiva de los hallazgos.
Dos consideraciones subyacen en cómo los diferentes segmentos de
consumidores pueden responder de manera diferente al mismo programa de
lealtad. Primero, dependiendo de los niveles de uso existentes de los
consumidores, un programa de lealtad puede resultar atractivo en varios
grados. Si un consumidor compra poco a la empresa, tendrá que esperar
mucho tiempo para recibir una recompensa. Por lo tanto, el consumidor
puede no considerar el programa relevante. En contraste, los compradores
pesados y moderados tienen una ventaja de esfuerzo sobre los compradores
livianos porque no necesitan trabajar tan duro o esperar tanto tiempo por las
recompensas (Kivetz y Simonson 2003). Esta ventaja de esfuerzo puede
mejorar el ajuste y el atractivo percibidos del programa de lealtad para dichos
consumidores. Aunque la teoría del ajuste idiosincrásico se ha confirmado
sobre la intención de los consumidores de unirse a un programa de lealtad,
puede seguir influyendo en los consumidores después de la inscripción en el
programa. especialmente para compradores moderados. Para los grandes
compradores, esta influencia de la ventaja del esfuerzo en el comportamiento
de compra es más ambigua. La literatura sobre recompensas sugiere que
cuando las recompensas no ofrecen un desafío suficiente para el desempeño
de la tarea, carecen del efecto motivacional para inducir un cambio de
comportamiento (Eisenberger y Rhoades 2001). Debido a que los grandes
compradores ya obtienen recompensas fácilmente en el nivel de compra
actual, tendrán menos incentivos para aumentar sus esfuerzos.
La segunda consideración al estudiar el nivel de uso inicial
como moderador es el límite último de la demanda de un
consumidor por un producto o servicio, como cuánto viaja (Dowling
y Uncles 1997). A pesar de la motivación, los consumidores
aumentarán su nivel de uso solo si está por debajo de su límite de
consumo. En consecuencia, esto crea un efecto techo que es más
probable que afecte a los compradores frecuentes.
1Aunque el programa de fidelización particular estudiado en este artículo emite
puntos de recompensa en función de la cantidad que los consumidores gastan en la
tienda, estudiar la frecuencia de compra y el tamaño de la transacción por separado
ayuda a establecer los efectos de línea base del programa sobre estas dos variables,
con lo que los estudios futuros de otros tipos de fidelización los programas se
pueden comparar.
El impacto a largo plazo de los programas de fidelización / 23
porque ya consumen mucho (Lal y Bell 2003). Juntas, estas
consideraciones sugieren que los compradores moderados
deberían experimentar el mayor cambio en los niveles de uso
porque perciben la ventaja del esfuerzo y una mayor relevancia
del programa, pero no es tan probable que estén sujetos al
efecto techo como los grandes compradores. Esto conduce a la
siguiente hipótesis:
H2: Los niveles de uso de los compradores moderados aumentan más rápido que los de
compradores pesados y ligeros después de la inscripción al programa de lealtad.
Impacto de los programas de lealtad en la lealtad del consumidor
Una de las principales ventajas de los programas de lealtad es su
capacidad para aumentar el costo de cambio (Kim, Shi y Srinivasan
2001). Cuando los consumidores se unen a un programa de lealtad, para
acumular recompensas más rápidamente, es probable que concentren
sus compras en una sola empresa, como reservar todos los vuelos a
través de una aerolínea. Además, debido a que los miembros del
programa de lealtad tienden a pasar por alto las experiencias negativas
con la empresa y es menos probable que la comparen con sus
competidores (Bolton, Kannan y Bramlett 2000), es más probable que
compren exclusivamente de la empresa.
A largo plazo, el aumento de los costos de cambio tiene importantes
implicaciones para la lealtad del cliente. En primer lugar, cuanto más
tiempo haya estado un consumidor en un programa, más intereses
creados tendrá en el programa y más estará en juego el consumidor si
abandona la empresa. Esto crea un bloqueo del cliente a largo plazo
(Sharp y Sharp 1997). En segundo lugar, los costos de cambio más altos
significan que es menos probable que los miembros del programa de
lealtad tengan una experiencia extendida con la competencia, lo que
reduce aún más su capacidad para sopesar la comparación con la
competencia en sus decisiones (Bolton, Kannan y Bramlett 2000). En
consecuencia, se espera que los consumidores se vuelvan más leales
después de unirse a un programa de fidelización, lo que lleva a la
siguiente hipótesis:
H3: Los miembros del programa de lealtad de una empresa se vuelven más leales a
la firma con el tiempo.
De manera similar al cambio en los niveles de uso, un programa de
lealtad puede influir en los niveles de lealtad de diferentes consumidores de
manera diferente. En un extremo del continuo, los compradores ligeros
pueden no estar motivados para volverse más leales a una empresa, porque
el programa de fidelización no les resulta muy atractivo. En el otro extremo,
los grandes compradores ya pueden disfrutar de recompensas frecuentes y,
por lo tanto, no tienen un fuerte incentivo para cambiar su comportamiento.
Una vez más, los compradores moderados son el objetivo más atractivo. Estos
consumidores perciben suficiente relevancia y beneficios del programa para
cambiar su comportamiento de compra y trasladar sus compras a una sola
empresa. Esto conduce a las siguientes hipótesis:
H4: Los niveles de lealtad de los compradores moderados aumentan más rápido que los
de compradores pesados y livianos después de la inscripción al
programa de lealtad.
información y metodología
Los datos
Los datos utilizados en este estudio provienen del programa de lealtad de una
cadena de tiendas de conveniencia. A los efectos de la confidencialidad,
24 / Journal of Marketing, octubre de 2007
el nombre de la empresa no se divulga aquí. El programa de lealtad permite a
los consumidores ganar puntos por cada dólar que gastan en la tienda. Los
niveles de recompensas, como una botella de refresco, están relacionados con
la cantidad total de puntos acumulados. El programa recompensa a los
consumidores con un promedio de $ 1 en productos / servicios gratuitos por
cada $ 100 gastados (es decir, una proporción de recompensa del 1%), y las
recompensas de nivel superior tienen una proporción de recompensa más
alta. Los consumidores deben inscribirse en el programa para obtener
recompensas gratuitas, pero la membresía del programa es gratuita.
Se extrajo del programa una muestra aleatoria de 1000
consumidores utilizando dos criterios: (1) El consumidor se unió
al programa de lealtad en su primer año de operación, y
(2) el consumidor realizó al menos dos compras. La última
restricción asegura que haya datos significativos para cada
consumidor. Los datos cubren compras durante los dos primeros
años del programa, que se inició en marzo de 2002. En total, la
muestra realizó 42.788 compras. El número de compras realizadas
por un consumidor osciló entre 2 y 369, con una mediana de 25. El
tamaño medio de la transacción fue de $ 13,75.
Modelado de frecuencia de compra
La frecuencia de compra de los consumidores se modela como la
Ecuación 1, donde Frecuenciasoy es el número de transacciones del
consumidor i en el mes my Monthsoy es la cantidad de meses que el
consumidor i ha estado en el programa de lealtad en el mes m.
Transformación logarítmica del messoy se utiliza para dar cabida a la
noción de que es poco probable que la frecuencia de compra
aumente para siempre y que gradualmente alcance un punto
máximo que refleje el límite de consumo.2 El modelo tiene una
variable ficticia LastMonthsoy, que se establece en 1 si el mes m es el
último mes de transacción del consumidor i y 0 en caso contrario.
Esta variable se incluye porque la literatura de marketing relacional
muestra que los consumidores tienden a reducir su frecuencia de
compra al final de una relación (Venkatesan y Kumar
2003). Por lo tanto, es necesario controlar el efecto de las compras
del último mes al estudiar la tendencia en la frecuencia de compra.
Para permitir la inactividad temporal, LastMonthsoy
se establece en 1 solo si la compra anterior de un consumidor se
produjo al menos tres meses antes del final del período de análisis.
(1) Frecuenciasoy = αi0 + αi1Registro (messoy)
+ αi2El mes pasadosoy + εsoy.
El modelado lineal jerárquico de dos niveles (HLM) se utiliza
para estimar los parámetros en el modelo. Comparado con el tra-
2Aunque el análisis de los datos de compras de los supermercados a
menudo utiliza la semana como unidad de tiempo de análisis, el mes se elige
aquí como la variable independiente por tres razones. Primero, las compras
en tiendas de conveniencia ocurren con menos frecuencia que en los
supermercados; Los datos de la industria muestran que el 68% de los
consumidores compran en tiendas de conveniencia aproximadamente una
vez a la semana o menos (Chanil 2004). Esto hace que el número de puntos de
datos en intervalos semanales sea demasiado pequeño y produce un número
desproporcionado de frecuencias cero, lo que puede sesgar los resultados. En
segundo lugar, no se espera que los cambios de comportamiento debido a un
programa de lealtad ocurran de la noche a la mañana, y el uso del mes como
variable independiente permite un intervalo de tiempo razonable para
observar cambios de comportamiento visibles. En tercer lugar, la cadena de
tiendas de conveniencia toma decisiones con regularidad mensualmente.
regresión lineal ditional, HLM tiene dos ventajas. Primero, no
requiere observaciones independientes, como se supone a menudo
en la regresión tradicional. Esta acomodación de observaciones no
independientes es importante aquí porque es probable que las
frecuencias de compra de un consumidor estén correlacionadas a
lo largo del tiempo. En segundo lugar, HLM permite que los
coeficientes del modelo en niveles más bajos se distribuyan
aleatoriamente, acomodando así la heterogeneidad individual. Se
pueden incluir variables explicativas en niveles más altos para
explicar tal heterogeneidad.
En el modelo de frecuencia de compra, se supone que los
coeficientes de regresión de la Ecuación 1 para un consumidor
individual se distribuyen normalmente en la muestra, y los valores
de los parámetros esperados para cada consumidor individual
dependen de si el consumidor es un comprador ligero, moderado o
pesado. Las ecuaciones 2 a 4 muestran las ecuaciones de segundo
nivel utilizadas:
(2) αi0 = β0 + β1LightBuyerI + β2HeavyBuyerI + μi0,
(3) αi1 = β3 + β4LightBuyerI + β5HeavyBuyerI + μi1, y
(4) αi2 = β6 + β7LightBuyerI + β8HeavyBuyerI + μi2,
donde LightBuyerI y HeavyBuyerI son dos variables ficticias que
indican compradores ligeros y pesados, respectivamente. El
Apéndice A explica en detalle cómo se operacionalizaron estas
y otras variables.
Para interpretar los coeficientes en las ecuaciones, las
ecuaciones 2-4 se pueden sustituir en la ecuación 1, que
produce lo siguiente:
(5) Frecuenciasoy = β0 + β1LightBuyerI + β2HeavyBuyerI
+ β3Registro (messoy )
+ β4Registro (messoy ) × LightBuyerI
+ β5Registro (messoy ) × HeavyBuyerI
+ β6El mes pasadosoy
+ β7El mes pasadosoy × LightBuyerI
+ β8El mes pasadosoy × HeavyBuyerI
+ μi1Registro (messoy ) + μi2El mes pasadosoy + υsoy ,
donde υsoy = εsoy + μi0 representa un error aleatorio. La intercepción
β0 muestra la frecuencia de compra esperada de un comprador
moderado durante el primer mes del programa (cuando Log [Month
soy] = 0), los coeficientes del LightBuyerI y HeavyBuyerI variables
ficticias (β1 y β2) representan las diferencias en la frecuencia de
compra inicial de estos consumidores en comparación con la de
compradores moderados, y β3 es un parámetro clave que
corresponde al efecto longitudinal del programa sobre la frecuencia
de compra moderada de los compradores. El cambio de
comportamiento debido al messoy es β3 × log (messoy/ Messoy - 1).
Debido a que se supone que las frecuencias de compra de los
consumidores aumentarán como resultado del programa, β3
debe ser positivo. La tasa de crecimiento de la frecuencia de
compra se ralentiza gradualmente a medida que el messoy aumenta
y registra (messoy/Messoy - 1) se vuelve más pequeño y
eventualmente se acerca a cero.
Los términos β4 y β5 representan los efectos diferenciales del
programa de fidelización en compradores ligeros y compradores
pesados en comparación con compradores moderados. Según H2,
no se espera que tanto los compradores livianos como los pesados
aumenten sus niveles de uso tan rápidamente. Esto implica un valor
negativo tanto para β4 y β5. El coeficiente de la variable ficticia
LastMonth, β6, indica cuánto disminuye la frecuencia de compra
durante el último mes de la relación de un consumidor. El μi1
Registro (messoy) y μi2El mes pasadosoy Los términos representan la
heterogeneidad individual inexplicable en el cambio de frecuencia
de compra a lo largo del tiempo y durante el último mes del
consumidor como cliente.
Modelado del tamaño de la transacción y la lealtad exclusiva
Tradicionalmente, los investigadores han evaluado la lealtad de los
consumidores a una marca o tienda a través de su comportamiento de
cambio de marca. En realidad, sin embargo, una empresa a menudo no tiene
información sobre las compras de sus clientes que no sean las relacionadas
con sus propios productos. Para resolver este problema, esta investigación
adopta un enfoque similar al de Boatwright, Borle y Kadane.
(2003) que examina la relación entre el tiempo entre compras y el
tamaño de la transacción. La premisa básica de este enfoque es que
el tiempo entre compras y el tamaño de la transacción deben tener
una relación proporcional para los productos comprados con
regularidad. Para el mismo consumidor, cuanto más espere antes
de realizar una compra, más tendrá que comprar en ese viaje de
compras. Por ejemplo, si un consumidor que normalmente compra
alimentos una vez a la semana debe esperar dos semanas en su
lugar, es probable que deba comprar el doble de la cantidad. Si el
consumidor es leal a una tienda, esta relación proporcional debería
ser fuerte. Sin embargo, si el consumidor frecuenta varias tiendas,
es poco probable que las compras observadas en una sola tienda
reflejen una relación tan sistemática.
Matemáticamente, se utiliza un HLM de tres niveles (consulte el Apéndice
B) para modelar la lealtad y el tamaño de la transacción. Primero, la cantidad
que gasté el consumidor en la k-ésima transacción en el trimestre j (Tamañoijk)
se modela en función del tiempo transcurrido desde la transacción anterior, o
tiempo entre compras (IPTijk). Como se discutió anteriormente, con lealtad
exclusiva, el valor esperado de ρij1
debe estar cerca de 1.3 Si existe poca lealtad, ρij1 debiera ser
3Suponiendo una demanda total constante del consumidor y una lealtad
perfecta a la tienda, debería haber una relación proporcional entre el tiempo
entre compras y el tamaño de la transacción. En otras palabras, si el tiempo
entre compras se duplica y dos viajes de compras se combinan en uno, la
cantidad gastada en el viaje también debería duplicarse. Matemáticamente,
de acuerdo con la Ecuación B1, si el tiempo entre compras cambia en un
factor de α, el tamaño de la nueva transacción (NewSizeijk) será exp [ρij0+ ρij1
log (α × IPTijk) + ςijk]. Por lo tanto,
NewSizeijk/Tamañoijk = αρij1. En una relación perfectamente proporcional,
NewSizeijk/Tamañoijk debe ser igual a α, lo que significa que ρij1
debe ser igual a 1. Si un consumidor es totalmente desleal o si la
demanda total es inestable, el cambio en el tiempo entre compras puede
no tener ningún impacto en el tamaño de la transacción, y ρij1 será igual
a 0. Esto no significa que ρij1 está limitado entre 0 y 1. Matemáticamente,
ρij1 puede ser mayor que 1 o menor que 0. Si ρij1 es mayor que 1, por
ejemplo, si es igual a 2, al duplicar el tiempo entre compras se
cuadriplicará el tamaño de la transacción. Aunque tales situaciones
pueden existir, lógicamente, es más probable que sea la excepción que
la norma. También es posible para ρij1 ser negativo, lo que sugiere
El impacto a largo plazo de los programas de fidelización / 25
cerca de 0. En el segundo nivel, se supone que la intersección y la
pendiente del Nivel 1 dependen del trimestre en el que ocurrió la
transacción (Trimestreij). Aquí, la unidad de trimestre en lugar de mes se
usa para acomodar a los consumidores con frecuencias de compra más
bajas y para asegurar estimaciones más precisas basadas en una
tendencia estable. En el tercer nivel, la heterogeneidad del consumidor
se captura al permitir que los parámetros del Nivel 2 dependan del nivel
de uso inicial del consumidor.
La ecuación B8 del apéndice B combina los tres niveles de ecuaciones.
Para el cambio de tamaño de la transacción debido al programa de
fidelización, los parámetros relevantes son λ0–Λ5. Los parametros
λ0, λ1y λ2 están relacionados con el término de intersección en la Ecuación B8,
que revela los tamaños de transacción de referencia de los consumidores al
comienzo del programa, asumiendo transacciones diarias (es decir, IPT = 1), y
los parámetros λ3–Λ5 tienen que ver con los cambios en el tamaño de las
transacciones a lo largo del tiempo para diferentes segmentos de
consumidores. Específicamente, λ3 se refiere a los cambios en el tamaño de la
transacción de los compradores moderados debido al programa de lealtad, y λ
4y λ5 indican el efecto moderador de los niveles de uso inicial sobre el cambio
en el tamaño de la transacción.
Para la lealtad del consumidor, los parámetros de interés central son λ6–Λ
11. Los parámetros λ6–Λ8 mostrar la fidelidad de los tres segmentos de
consumidores durante el primer trimestre del programa. Los parámetros λ9–Λ
11 reflejar el cambio longitudinal en la lealtad del consumidor. Ceniza3 predice,
la lealtad del consumidor debería aumentar después de la inscripción en el
programa. Por lo tanto, λ9 debe ser positivo, reflejando el aumento de la
lealtad de los compradores moderados. Por el contrario, λ10 y λ11 debe ser
negativo, lo que indica un aumento más lento de la lealtad de los
compradores ligeros y pesados. Tenga en cuenta que aunque las compras en
tiendas de conveniencia ocurren con menos regularidad que las compras en
supermercados, las estadísticas de la industria muestran que muchos
consumidores compran en tiendas de conveniencia de manera consistente y
extensa (General Electric Capital Franchise Finance Corporation 2001).
Además, la cadena de tiendas de la que se obtuvieron los datos vende tanto
combustible como artículos de tiendas de conveniencia. La naturaleza regular
de la compra de combustible agrega regularidad a las compras de la muestra.
Matemáticamente, el modelo se estima con trimestres completos de
transacciones, lo que ayuda a suavizar la aleatoriedad en los patrones de
compra y hace que la comparación a lo largo del tiempo sea significativa.
Descripción general del análisis de datos
Tanto el modelo de frecuencia de compra como el modelo de lealtad /
tamaño de transacción se ajustaron utilizando HLM6. El HLM estándar
asume que las unidades de nivel superior (en este caso, los
consumidores) se extraen de la misma población, lo que implica una
varianza de error homogénea en el Nivel 1. Esta suposición puede no ser
realista aquí, porque diferentes segmentos de consumidores pueden
comportarse de manera diferente. Para acomodar tales consideraciones,
el supuesto se puede relajar para permitir una varianza heterogénea del
error de Nivel 1 e incluir variables predictoras para explicar la
heterogeneidad (Raudenbush y Bryk 2002). Por lo tanto, se ajustaron
dos especificaciones para cada uno de los
señala que un aumento en el tiempo entre compras da como resultado una disminución en
el tamaño de la transacción. Nuevamente, es probable que esto sea una excepción a lo que
generalmente se observa en el mercado, dado que las compras ocurren con relativa
frecuencia.
26 / Journal of Marketing, octubre de 2007
los modelos principales, uno con varianza homogénea y el otro con
varianza heterogénea. Dada la discusión anterior sobre los efectos
de los niveles de uso inicial, las dos variables ficticias para los
niveles de consumidores (HeavyBuyerI y LightBuyerI) se utilizaron
para explicar la varianza del error de nivel 1. Los resultados
muestran que la especificación de varianza heterogénea superó a la
especificación de varianza homogénea para ambos modelos, lo que
sugiere la existencia de varianza de error heterogénea en el Nivel 1.
Sin embargo, las estimaciones de los parámetros de las dos
especificaciones no difirieron sustancialmente entre sí. Los
resultados se basan en una especificación de varianza de error
heterogénea.
Resultados
Cambio en la frecuencia de compra
Las estimaciones de máxima verosimilitud del modelo de frecuencia
de compra y su bondad de ajuste aparecen en la Tabla 1. El HLM no
produce un R-cuadrado como en la regresión tradicional. Sin
embargo, produce una estadística de desviación, que es igual a
- 2 veces el valor de la función logarítmica de verosimilitud y se puede
utilizar para evaluar modelos alternativos (Raudenbush y Bryk
2002). Como muestra la Tabla 1, en comparación con un modelo
incondicional que no tiene ninguna variable explicativa, el modelo de
frecuencia de compra propuesto muestra un ajuste significativamente
mejor (χ2 = 2170,58, pag <.001).
Recuerde que la intersección del modelo representa la frecuencia
de compra esperada de compradores moderados durante el primer
mes, que fue 2,59 veces (pag <.001). Los coeficientes de las variables
ficticias LightBuyer y HeavyBuyer (β1 y β2) indican las diferencias en las
frecuencias de compra iniciales de estos consumidores en comparación
con los compradores moderados. Por tanto, sirven como control de la
correcta clasificación de los consumidores. De acuerdo con su
segmentación, la frecuencia de compra inicial de los compradores
ligeros fue .93 veces menor que la de los compradores moderados (pag
<.001), y la frecuencia inicial promedio para los grandes compradores
fue 3.00 veces mayor (pag <.001). H1 y H2 predicen que las frecuencias de
compra de los consumidores aumentarán gradualmente y que este
aumento será más rápido para los compradores moderados. Los
resultados muestran un coeficiente positivo para Log (Month) (β3 = .26,
pag =.002), lo que sugiere que los compradores moderados compraron
con más frecuencia a lo largo del tiempo. Al final de los dos años, la
frecuencia de compra promedio para compradores moderados fue de
4,42 veces, casi duplicando su frecuencia inicial. De acuerdo con H2, el
aumento en la frecuencia de compra de los compradores moderados fue
significativamente mayor que el de los compradores pesados (β5 = –.32,
pag =.008). El efecto combinado de Log (Month) para los grandes
compradores no fue significativo
(β3 + β5 = –.05, pag =.48), lo que sugiere una frecuencia de compra sin
cambios para estos consumidores. Esto se ve confirmado además por el
hallazgo de que la frecuencia promedio de los grandes compradores al
final del período (5,68 veces) se mantuvo prácticamente sin cambios con
respecto a la frecuencia inicial. El efecto combinado de Log (Month) para
los compradores de luz fue de .34. Contrario a H2, el registro (mes) ×
La interacción LightBuyer no fue significativa, lo que indica que los
compradores ligeros mostraron el mismo nivel de aumento en la
frecuencia de compra que los compradores moderados. Su frecuencia
de compra se duplicó con creces a 3,73 veces al final del período. Estos
aumentos en la frecuencia de compra por luz y moderación
 TABLA 1
Resultados del modelo

Compra Fidelización / Transacción Reclamo de recompensa

Modelo de frecuencia Modelo de tamaño Modelo

Interceptar 2,59 *** (.13) 1,43 *** (0,04) . 32 *** (.03)

LightBuyer -. 93 *** (.18) -. 48 *** (.09) -. 17 *** (.04)
HeavyBuyer 3,00 *** (.20) . 38 *** (.07) . 25 *** (.04)
Registro (mes) . 26 *** (.08) - -
Registro (mes) × Registro de . 08ns (.11) - -
LightBuyer (mes) × HeavyBuyer -. 32 *** (.12) - -
LastMonth - 1,21 *** (.19) - -
El mes pasado × LightBuyer . 46 * (.26) - -
El mes pasado × HeavyBuyer - 1,12 *** (.36) - -
Registro (trimestre) - . 16 ** (.07) . 13 *** (.02)
Registro (trimestre) × Registro de comprador - . 07 ** (.03) . 01ns (.03)
ligero (trimestre) × Registro de compradores - -. 14 *** (.05) -. 06 ** (.03)
pesados (IPT) - . 15 *** (.03) -
Registro (IPT) × LightBuyer - -. 05 ** (.02) -
Registro (IPT) × HeavyBuyer - . 21 *** (.08) -
Registro (IPT) × Registro (trimestre) Registro (IPT) × - . 10 *** (.04) -
Registro (trimestre) × Registro de LightBuyer (IPT) × - . 03 * (.02) -
Registro (trimestre) × HeavyBuyer - -. 09 *** (.02) -

Desviación (–2 log-probabilidad) 50.393,27 110.393,08 9684.30

χ2 2170.58 *** 711,67 *** 475,60 ***
df dieciséis 22 10
*pag ≤.10.
* p*ag ≤.05.
* * * pag ≤.01.
Notas: Los números entre paréntesis son errores estándar de las estimaciones. La estadística de chi-cuadrado compara la desviación de la estimación
modelo con un modelo incondicional que no contiene variables predictoras en ninguno de los niveles. ns = no estadísticamente significativo.

Los compradores de alimentos son especialmente impresionantes a la luz de las
estadísticas de la industria que muestran que más de dos tercios de los compradores
frecuentan las tiendas de conveniencia una vez por semana o menos (Chanil 2004).
En otras palabras, después de dos años, la mayoría de la muestra se convirtió en el
tercio superior de todos los compradores de tiendas de conveniencia en términos de
frecuencia de compra.
La Figura 1, Panel A, muestra las frecuencias de compra promedio
observadas de los tres segmentos de consumidores para cada mes. Tanto
para los compradores ligeros como moderados, el salto más visible en la
frecuencia de compra se produjo dentro de los tres meses posteriores a la
adhesión al programa de fidelización. Estas frecuencias más altas se
mantuvieron y aumentaron constantemente a un ritmo más lento después de
los primeros tres meses. Por el contrario, la frecuencia de compra de los
grandes compradores se mantuvo prácticamente plana durante el período de
análisis. Las pruebas de comparación pareadas sugieren que al final de los
dos años, todavía había una diferencia significativa en las frecuencias de
compra observadas entre compradores ligeros y compradores pesados (t = –
1,99,pag =.05). Sin embargo, no hubo una diferencia significativa entre
compradores ligeros y moderados o entre compradores moderados y
pesados. En general, H1 y H2 son parcialmente compatibles con la frecuencia
de compra.
Cambio en el tamaño de la transacción
El modelo de lealtad / tamaño de transacción mostró un ajuste
significativamente mejor que un modelo incondicional (χ2 = 711,67, pag <
. 001). Las estimaciones del modelo aparecen en la Tabla 1. Recuerde
que en el modelo se utiliza la transformación logarítmica del tamaño de
la transacción. Por lo tanto, la transacción diaria inicial esperada
el tamaño de los compradores moderados debe ser eλ0, y el tamaño de la
línea de base para compradores ligeros y pesados debe ser exp (λ0 + λ1) y
exp (λ0 + λ2), respectivamente. Los resultados muestran un tamaño de
transacción de referencia de $ 4,18 para compradores moderados (λ0 = 1,43,
pag <.001). De acuerdo con sus clasificaciones, los compradores pesados
inicialmente gastaron $ 1,93 más en una transacción que los compradores
moderados (λ1 = .38, pag <.001), y el tamaño de la transacción diaria inicial de los
compradores ligeros fue $ 1,59 menos que los compradores moderados (λ2 =
-. 48,pag <.001). Los tamaños de transacción promedio observados para
estos consumidores aparecen en la Figura 1, Panel B.
De acuerdo con H1, los compradores moderados gastaron más en un
transacción en el tiempo (λ3 = .16, pag =.03) y tuvo un tamaño de transacción
promedio observado de $ 20.11 al final del período de análisis. Una vez más,
el tamaño de la transacción de los grandes compradores no aumentó tan
rápido como los compradores moderados '(λ5 = –.14, pag =.006), y el
coeficiente combinado de Log (Quarter) no fue significativo (λ3 + λ5 = .02, pag
=.76), lo que sugiere que los grandes compradores no gastaron más en una
compra después de unirse al programa de fidelización. Sorprendentemente,
los compradores ligeros mostraron un aumento más rápido en el tamaño de
la transacción que los compradores moderados (λ4 = .07,
pag =.03). El tamaño promedio de las transacciones observadas
aumentó a $ 11.29 al final. Esto contradice H2, que predice un aumento
más lento para los compradores ligeros. Para los tres segmentos, el
tamaño promedio de las transacciones superó con creces el promedio
de la industria de $ 7.60 por transacción (Chanil 2004).
Para explorar más a fondo la fuente del aumento del tamaño de las
transacciones de los compradores ligeros, se realizó un análisis adicional sobre la
composición de su cesta de la compra. La cadena de tiendas de conveniencia

El impacto a largo plazo de los programas de fidelización / 27

 FIGURA 1
Cambios observados en las compras de los consumidores

A: Frecuencias de compra promedio mensuales observadas

B: Tamaños de transacción promedio observados

vende productos en dos categorías principales: combustible y
mercadería de tienda. Durante su primer trimestre en el programa, solo
el 26% de los compradores ligeros compraron combustible y mercadería
de la tienda, y el otro 74% compró solo combustible o mercadería de la
tienda. Al final de los dos años, el porcentaje de compradores de doble
categoría aumentó al 58%. El porcentaje de transacciones que
incluyeron tanto combustible como mercadería de la tienda.
La enfermedad también aumentó del 20% al 40%. Esta inclusión de
más categorías de productos en una compra explica por qué los
compradores ligeros gastaron más en una transacción. Aunque es
posible que estos consumidores inicialmente no experimenten un
incentivo fuerte en el programa de lealtad, pudieron diversificar sus
compras en más categorías y así hacer que el programa sea más
atractivo.

28 / Journal of Marketing, octubre de 2007

Fidelización exclusiva del consumidor
Las estimaciones relacionadas con la lealtad del consumidor aparecen
en la Tabla 1. Recuerde que cuanto más leal es un consumidor a la
tienda, más cercano es el coeficiente de Log (IPTijk) (en adelante, "el
parámetro de lealtad") debe ser 1. Al principio, el parámetro de lealtad
para compradores moderados era .15 (pag <.001), lo que indica una
lealtad relativamente baja. Los compradores ligeros fueron aún menos
leales, con el parámetro de lealtad más bajo en .05 (pag =.035). Los
compradores pesados fueron los más leales entre los tres grupos, con
el parámetro de lealtad más alto que el de los compradores moderados
en .21 (pag =.007).
El cambio dinámico en el parámetro de fidelización es de interés
central. Según la hipótesis, la lealtad de los compradores moderados
aumentó significativamente (λ9 = .10, pag =.005). De acuerdo con H4, el
aumento de la lealtad entre los compradores importantes fue más lento
que el de los compradores moderados (λ11 = –.09, pag <.001). Un
coeficiente combinado no significativo para grandes compradores (λ9 +
λ11 = .01, pag =.99) sugiere que los niveles de lealtad de estos
consumidores no cambiaron durante el período de análisis. Por el
contrario, los compradores ligeros experimentaron un aumento mayor
en la lealtad exclusiva que los compradores moderados (λ10 = .03, pag =.
07). Esto contradice H4, que predice que los compradores moderados
experimentarán un aumento más rápido en la lealtad que los
compradores ligeros. En general, H4 solo se admite parcialmente.
Explicaciones alternativas
Efecto de aprendizaje
Una explicación alternativa para los hallazgos es que los compradores
ligeros pueden ser nuevos clientes que aprenden a gastar más con el
tiempo a medida que se familiarizan con la tienda. Por el contrario, es
posible que los grandes compradores ya sean clientes leales a largo
plazo y no experimenten el mismo aprendizaje incremental. Por tanto,
las diferencias entre los segmentos de consumidores pueden deberse a
un efecto de aprendizaje más que a diferentes reacciones al programa
de fidelización. Para descartar esto, se examinó el canje de recompensas
de los consumidores. Para este programa, para recibir una recompensa,
los consumidores debían solicitar un certificado de la tienda, que luego
podría canjearse por la recompensa. En realidad, solo algunos
consumidores harán el esfuerzo de solicitar sus certificados de
recompensa (Lal y Bell 2003). Debido a que los tres segmentos de
consumidores estuvieron expuestos al programa de lealtad al mismo
tiempo, No existe una ventaja de aprendizaje en la reclamación de
recompensas para ningún segmento y, por lo tanto, cualquier diferencia
sistemática debería reflejar realmente sus diversas respuestas al
programa. La investigación existente muestra que el canje de
recompensas tiende a ser el más alto entre los grandes compradores
(Lal y Bell 2003). El siguiente análisis vuelve a probar dichos hallazgos y
examina el cambio longitudinal en el comportamiento de canje de
recompensas de los miembros del programa de lealtad, que aún no ha
sido respondido por la investigación existente.
De manera similar a la frecuencia de compra, el comportamiento de
reclamo de recompensa de los consumidores se modeló con un modelo
HLM de dos niveles, como se muestra en las ecuaciones 6-8. La principal
variable dependiente es RCRateiq, que es la cantidad de certificados de
recompensa solicitados como porcentaje de las recompensas por las
que califiqué el consumidor en el cuarto trimestre. Se modela en función
de una transformación logarítmica del cuarto correspondiente.
(Registro [TrimestreI]). Aquí, se utiliza la unidad de trimestre en lugar de
mes debido a la emisión de recompensas relativamente poco frecuente.
Nuevamente, los niveles de uso inicial de los consumidores se
ingresaron como variables explicativas en el segundo nivel. La ecuación
9 muestra el modelo combinado:
(6) RCRateiq = γ i0 + γ i1Registro (trimestreiq ) + πij,
(7) γ i0 = θ0 + θ1LightBuyerI + θ2HeavyBuyerI + τi0 ,
(8) γ i1 = θ3 + θ4LightBuyerI + θ5HeavyBuyerI
+ τi1, y
(9) RCRateiq = θ0 + θ1LightBuyerI + θ2HeavyBuyerI
+ θ3Registro (trimestreiq )
+ θ4Registro (trimestreiq ) × LightBuyerI
+ θ5Registro (trimestreiq ) × HeavyBuyerI
+ τi1Registro (trimestreiq ) + τi1 + πiq .
Este modelo HLM de dos niveles se estimó con varianza de
error heterogénea en el Nivel 1, y los resultados aparecen en la
Tabla 1. La desviación del modelo fue 9684.30, mostrando un ajuste
significativamente mejor que un modelo incondicional (χ2 =
475,60, p < .001). La estimación de la intercepción indica que los compradores
moderados tenían una tasa de reclamo de recompensa inicial del 32,22% (pag <.001).
De acuerdo con Lal y Bell (2003), los compradores pesados inicialmente reclamaron
un 25,42% más de sus recompensas que los compradores moderados (pag <.001), y
la tasa de reclamo de recompensa inicial de los compradores ligeros fue un 16,71%
más baja que la de los compradores moderados (pag <.001). Los resultados sobre el
cambio longitudinal en el comportamiento de reclamo de recompensa de los
consumidores revelaron patrones notables. En dos años, la tasa de reclamaciones de
recompensas de los compradores moderados aumentó a
59,79% en el octavo trimestre (θ3 = .13, pag <.001). Por el contrario, la tasa de
reclamaciones de recompensas de los compradores pesados no aumentó tan
rápido (θ4 = –.06, pag =.029). Los compradores ligeros mostraron el mismo nivel de
aumento en la tasa de reclamos de recompensas que los compradores moderados
(θ5 = .01, pag =.563).
Debido a que reclamar una recompensa es un paso
adicional que los consumidores deben tomar para
aprovechar los beneficios del programa de lealtad, su
decisión de hacerlo revela su nivel de interés en el
programa de lealtad. Dados sus altos niveles de gasto y, por
lo tanto, la capacidad de obtener muchas recompensas, no
es sorprendente que los grandes compradores tuvieran el
mayor interés en las recompensas. Mientras tanto, el
aumento más rápido en las tasas de reclamación de
recompensas de los compradores ligeros y moderados
muestra un creciente interés en el programa de lealtad de
estos consumidores. A medida que estos consumidores
cambian su comportamiento de compra para hacer que el
programa de lealtad sea más "rentable" para ellos,
gradualmente se vuelven más interesados e interesados
en el programa. Las tasas de reclamo de recompensa más
altas les permiten además beneficiarse más del programa,
formando un círculo virtuoso que proporciona más
incentivos para que estos consumidores se conviertan en
mejores clientes.
El impacto a largo plazo de los programas de fidelización / 29
Desgaste del consumidor
Otra explicación alternativa para los hallazgos actuales es el desgaste de
los consumidores. Es natural que algunos consumidores abandonen
durante los dos años. Debido a que es más probable que se queden los
consumidores de alto valor que consideran atractivo el programa, esto
crea un efecto de autoselección. En consecuencia, las tendencias
encontradas pueden ser el resultado de un cambio en la composición de
la muestra hacia una concentración más densa de consumidores de alto
valor en lugar de un resultado del programa. Para descartar esta cuenta
alternativa, los modelos fueron reestimados solo con datos de
consumidores que aún estaban en la firma al final de los dos años. Las
estimaciones del modelo aparecen en la Tabla 2.
Los patrones de hallazgos de este grupo de consumidores activos
son similares a los de toda la muestra. Es decir, los compradores ligeros
y moderados mostraron un cambio positivo en el comportamiento de
compra / lealtad, mientras que los compradores pesados no lo hicieron.
No es sorprendente que el alcance del cambio de los compradores
ligeros y moderados fuera aún más prominente en este grupo de
consumidores activos porque era probable que percibieran el programa
como más valioso. Por el contrario, los grandes compradores de este
grupo mantuvieron el mismo patrón de “sin cambios”, como sugieren las
estimaciones de toda la muestra. En general, después de que se
controló el cambio en la composición de la muestra, los hallazgos
sustanciales siguen siendo los mismos, lo que sugiere que la atribución
del consumidor no es la razón de los hallazgos.
Tendencias a nivel de tienda
Las tendencias descubiertas en esta investigación también pueden
atribuirse a otros factores concurrentes pero no relacionados con el
programa de fidelización, como la promoción de ventas. La forma
más deseable de descartar estos factores extraños es incluir
TABLA 2
Estimaciones del modelo solo con consumidores activos
Modelo de frecuencia
Interceptar
LightBuyer
HeavyBuyer
Registro (mes)
Registro (mes) × Registro de
LightBuyer (mes) × Registro de
HeavyBuyer (trimestre)
Registro (trimestre) × Registro de comprador
ligero (trimestre) × Registro de compradores
pesados (IPT)
Registro (IPT) × LightBuyer
Registro (IPT) × HeavyBuyer
Registro (IPT) × Registro (trimestre) Registro (IPT) ×
Registro (trimestre) × Registro de LightBuyer (IPT) ×
Registro (trimestre) × HeavyBuyer
Desviación (–2 log-probabilidad)
χ2
df
*pag ≤.10.
* p*ag ≤.05.
* * * pag ≤.01.
Notas: Los números entre paréntesis son errores estándar de las estimaciones. La estadística de chi-cuadrado compara la desviación de la estimación
modelo con un modelo incondicional que no contiene variables predictoras en ninguno de los niveles. ns = no estadísticamente significativo.
30 / Journal of Marketing, octubre de 2007
miembros del programa de no lealtad como grupo de control y comparar sus
cambios de comportamiento durante el mismo período. Desafortunadamente,
la empresa no rastrea las compras individuales de los miembros de su
programa que no son de lealtad, lo que hace que los datos sobre dicho grupo
de control no estén disponibles. Sin embargo, registra las ventas totales a
nivel de la empresa y el número total de transacciones. Esto permite derivar el
gasto total y el número de transacciones realizadas por todos los miembros
del programa que no son de lealtad en su conjunto. Aunque la comparación
del comportamiento de los consumidores individuales sigue siendo imposible
con estos datos, es posible estudiar las tendencias en el comportamiento de
compra de todos los miembros del programa de fidelización frente a los de los
no miembros como dos unidades agregadas.
En el espíritu del análisis previo de la frecuencia de compra y el
tamaño de la transacción, las tendencias en el número total de
transacciones por mes (TotalTransactionsI) y el tamaño medio de las
transacciones de los miembros frente a los no miembros (AvgSizeI) se
examinan con las siguientes ecuaciones de regresión:
(10) TotalTransaccionesI = a0 + un1Lealtad
+ a2Registro (mesI ) + a3Registro (mesI ) × Lealtad + ζ, y
(11) AvgSizeI = b0 + b1Lealtad + b2Registro (mesI )
+ B3Registro (mesI ) × Lealtad + ξ,
donde Lealtad es una variable ficticia que es igual a 1 para el grupo de
miembros del programa de fidelización y 0 para el grupo de no
miembros, y ζ y ξ son errores. Aunque estas ecuaciones no están en
formas jerárquicas, se asemejan a modelos anteriores en que las
variables dependientes también son una función del número de meses
desde el inicio del programa (es decir, Log [MonthI]). Si el cambio de
comportamiento de los miembros del programa de lealtad se debió
Fidelización / Transacción
Modelo de tamaño
2,69 *** (0,22) 2,23 *** (0,08)
-. 95 *** (.34) -. 62 *** (.14)
3,22 *** (.30) . 32 *** (.10)
. 55 *** (.13) -
. 03ns (.20) -
-. 54 *** (.18) -
- . 27 *** (.04)
- . 05 *** (0,02)
- -. 26 *** (.05)
- . 22 *** (.03)
- -. 11 *** (.05)
- . 14 *** (.04)
- . 17 *** (.05)
- . 05 *** (0,02)
- -. 15 *** (.03)
31.261,72 80.786,44
937,28 *** 425,33 ***
9 22
para el programa, debería haber un aumento mayor en las
compras de estos consumidores que en las compras de los no
miembros. Es decir, los coeficientes de Lealtad× Registro (mesI)
El término de interacción debe ser positivo y significativo. Esto
se confirmó tanto para el número de transacciones por mes (un
3 = 1,14, pag <.001) y el tamaño medio de la transacción (b3 =
. 83,pag <.001).4
De acuerdo con estos resultados, el número de compras que
realizaron los miembros del programa de lealtad aumentó de 4.98% a
8.11% del total de transacciones al final del período de dos años. Cuando
se calcula este índice para las ventas en dólares, los miembros del
programa de lealtad representaron el 73.66% de las ventas totales al
inicio del programa, que aumentó a 88.91% después de dos años. En
contraste con el índice de transacciones, el índice de monto en dólares
sugiere que estos consumidores gastaron mucho más en cada
transacción que los no miembros. Análisis de regresión con estas dos
razones como variables dependientes y Log (MonthI) como variable
independiente mostró tendencias positivas significativas a lo largo del
tiempo. Juntos, estos hallazgos sugieren que los miembros del
programa de lealtad exhibieron tendencias más positivas que los no
miembros, lo que brinda un respaldo adicional de que el programa
provocó el aumento de compras más allá de otros factores que pueden
existir en el medio ambiente.
Conclusiones
Esta investigación examina el impacto de un programa de lealtad en el
comportamiento de compra de los consumidores durante un período de
dos años. Amplía estudios previos al modelar explícitamente el cambio
dinámico en los niveles de gasto de los consumidores y su
comportamiento de lealtad a la tienda. Los resultados sugieren que,
dependiendo de los niveles de uso inicial de los consumidores, el
programa de fidelización tuvo diferentes efectos en su comportamiento.
Los consumidores que eran grandes compradores al comienzo del
programa tenían más probabilidades de reclamar las recompensas que
obtuvieron y, por lo tanto, se beneficiaron al máximo del programa. Sin
embargo, sus niveles de gasto y lealtad exclusiva a la tienda no
aumentaron con el tiempo. Por el contrario, el programa de fidelización
tuvo efectos positivos en las frecuencias de compra y el tamaño de las
transacciones de los compradores ligeros y moderados, e hizo que estos
consumidores fueran más leales a la tienda. El cambio más visible para
estos dos segmentos se produjo dentro de los tres meses posteriores a
la incorporación al programa, y el crecimiento continuó a un ritmo
constante pero más lento en los meses siguientes. Al final del período de
análisis, las frecuencias de compra promedio de estos consumidores no
eran estadísticamente diferentes de las de un nivel adyacente. Esto
apoya el argumento de que los programas de lealtad pueden acelerar el
ciclo de vida de la lealtad de los consumidores y convertirlos en clientes
más rentables (O'Brien y Jones 1995).
Las diversas respuestas de los consumidores sugieren la necesidad
de considerar las idiosincrasias del consumidor al evaluar el impacto de
los programas de fidelización. Por su propia naturaleza, la lealtad
4Tenga en cuenta que el tamaño de la muestra para las regresiones es pequeño
(24). Por tanto, el poder del análisis es limitado. Además, debido a la falta de datos
individuales para los consumidores que no son leales, no es posible derivar el
parámetro de fidelidad o tener en cuenta los posibles cambios en la composición de
la muestra a lo largo del tiempo para estos consumidores.
los programas son programas uno a uno. Cuánto puede beneficiarse un
consumidor de un programa de este tipo depende de su "inversión" en
la relación con la empresa. Sin embargo, esta naturaleza uno a uno de
los programas de lealtad no se ha examinado a fondo en las
investigaciones existentes. Un hallazgo sorprendente de la investigación
actual es que los consumidores que comenzaron con niveles de uso
bajos cambiaron su comportamiento tanto o más que los compradores
moderados y pesados. Esto contradice la creencia común de que los
compradores ligeros son objetivos menos que ideales para los
programas de lealtad y que no percibirán mucho valor en el programa
(Dowling y Uncles 1997; O'Brien y Jones 1995). En el caso actual, el
programa de fidelización no pareció inicialmente muy atractivo para los
compradores ligeros. Sin embargo, estos consumidores diversificaron
sus compras y se ramificaron en otras áreas de servicio de la empresa. Al
reclamar una mayor parte de las recompensas, también invirtieron
gradualmente más esfuerzos en el programa. A través de estas medidas,
aumentó la oportunidad para que estos consumidores se beneficien del
programa de fidelización, lo que los motivó aún más a gastar más y
patrocinar la tienda de manera más exclusiva.
Limitaciones e investigación adicional
Este estudio tiene varias limitaciones que deben abordarse en futuras
investigaciones. Por ejemplo, este estudio examinó el comportamiento
de los miembros del programa de lealtad sin un grupo de control de
consumidores que no se inscribieron en el programa. Aunque el uso de
datos longitudinales reduce el sesgo de autoselección que a menudo
complica el análisis transversal de los programas de fidelización
(Leenheer et al.2003), la falta de control deja la posibilidad de que
factores extraños produzcan las tendencias en lugar del programa de
fidelización, como como actividades de marketing concurrentes o
factores ambientales. Aunque se tomaron medidas para abordar varias
explicaciones alternativas, no cubren la gama completa de cuestiones.
Se necesita una prueba completa de los efectos del programa de lealtad
en el futuro, que debería utilizar datos longitudinales tanto de miembros
como de no miembros del programa de lealtad. Tal comparación de
tendencias entre los dos grupos revelará efectos del programa de
lealtad más precisos. Las pruebas más completas de los efectos del
programa de lealtad también deberían ir más allá de los niveles de gasto
y el momento de la compra para incluir la elección de la marca (Gupta
1988) y la lealtad actitudinal (Oliver 1999).
Al interpretar los hallazgos actuales, es necesario tener en cuenta
que los resultados están sujetos al contexto y la estructura del programa
estudiado y, por lo tanto, no pueden generalizarse a otros programas.
En realidad, el rendimiento de los diferentes programas de fidelización
varía. Es importante comprender por qué algunos programas logran sus
objetivos mientras que otros no (Bolton, Kannan y Bramlett 2000). En la
literatura se proponen varios factores, como el esfuerzo requerido para
obtener recompensas (Kivetz y Simonson 2002) y la conveniencia de
participar en el programa (O'Brien y Jones 1995). La investigación
adicional debe probar cómo estos y otros factores pueden afectar la
efectividad de un programa. Dentro de un programa de fidelización,
también es necesario examinar los efectos de la autosegmentación del
consumidor. Un tema particularmente valioso es cómo el
comportamiento de canje de recompensas interactúa con el
comportamiento de compra para moderar la influencia de un programa
de fidelización. Los estudios existentes han comenzado a examinar esto
en el contexto
El impacto a largo plazo de los programas de fidelización / 31
de programas de fidelización a corto plazo (Lal y Bell 2003; Taylor y
Neslin 2005). Sin embargo, se necesita más investigación para
estudiar este tema en el contexto de los programas de fidelización
continuos. A nivel de empresa, el desempeño de un programa de
lealtad puede depender de otras actividades de marketing de la
empresa, como la promoción de ventas. Los estudios futuros
deberían examinar la interacción entre los programas de
fidelización y otras técnicas de CRM y actividades de marketing para
mejorar las relaciones de los consumidores con una empresa. La
investigación en esta área proporcionará orientación teórica y de
gestión para formular la estrategia de CRM más eficaz.
Otra limitación de esta investigación es la falta de información
competitiva. Como resultado, se basó en la relación proporcional entre el
tamaño de la transacción y el tiempo entre compras para inferir la lealtad del
consumidor. Aunque esta es una forma útil de evaluar la lealtad cuando los
datos son limitados, puede estar sujeta a otras influencias, como la
acumulación de existencias y el comportamiento selectivo. La naturaleza más
irregular de las compras en tiendas de conveniencia también puede hacer que
la relación sea más frágil de lo que sería en escenarios de compra más
regulares. Por lo tanto, cuando se dispone de información competitiva, la
participación en la billetera sigue siendo una mejor manera de evaluar la
lealtad del consumidor. De manera relacionada, la investigación adicional
debería ir más allá de un solo programa para examinar el dinamismo del
mercado de los programas de lealtad porque muchas empresas a menudo
compiten entre sí a través de sus programas de lealtad. ¿Cómo influye la
introducción de nuevos programas de fidelización en la eficacia de los
programas existentes? ¿El orden de entrada afecta el desempeño de los
programas de fidelización? Todas estas son preguntas importantes para
futuras investigaciones.
Finalmente, esta investigación utilizó HLM para acomodar
observaciones correlacionadas dentro de cada consumidor y estimó
dos modelos separados para el tamaño de la transacción y la
frecuencia de compra. Sin embargo, debido a que los consumidores
pueden tomar decisiones sobre el momento de la compra y la
cantidad de manera simultánea, los dos modelos pueden ser
modelos relacionados. Como resultado, modelar las dos decisiones
por separado puede conducir a estimaciones de modelo
ineficientes y sesgadas (Krishnamurthi y Raj 1988). La cantidad de
sesgo depende del grado de simultaneidad entre las dos decisiones
y el nivel de correlación entre los términos de error de los dos
modelos (Leeflang et al. 2000). Este problema se puede remediar en
estudios futuros mediante técnicas de modelado alternativas, como
los modelos Tobit II multivariados en un enfoque de ecuaciones
simultáneas (Kamakura y Wedel 2001; Leenheer et al. 2003).
Implicaciones gerenciales
El programa de fidelización es una forma importante de estrategia de CRM. Es
costoso iniciarlo y mantenerlo y, a menudo, requiere el compromiso a largo
plazo de la empresa. Para muchas empresas, un programa de fidelización se
considera un mecanismo de marketing defensivo, que se utiliza para evitar
que un grupo central de los mejores clientes se desvíe. Este es especialmente
el caso cuando se ofrecen programas de fidelización de la competencia en el
mismo mercado. Debido a que los mejores clientes a menudo ya son grandes
compradores de los productos y servicios de una empresa, la posibilidad de
obtener ingresos adicionales de estos consumidores es baja. Por lo tanto,
cuando se tratan como una estrategia defensiva, los programas de lealtad son
elementos de costo casi pura que se utilizan para evitar posibles pérdidas de
ventas. En contraste con esta visión tradicional, los resultados de la
investigación actual muestran
32 / Journal of Marketing, octubre de 2007
que los clientes ligeros y moderados inscritos en el programa de
fidelización aumentaron su aporte de valor y aceleraron el ciclo de vida
de su relación con la empresa, convirtiendo el programa en mucho más
que un instrumento pasivo de prevención de pérdidas. Estos hallazgos
sugieren la necesidad de que los gerentes expandan su mentalidad
hacia los programas de lealtad más allá de las meras tácticas reactivas.
Las ventas adicionales de los compradores ligeros y moderados en este
estudio provinieron de dos fuentes: (1) concentración de compras
originalmente dispersas en otras empresas y (2) expansión de la relación con
la empresa a otras áreas de negocio. Estos hallazgos sugieren algunos
requisitos previos para el éxito de un programa de lealtad como herramienta
de marketing más activa. Primero, el menor gasto entre los usuarios ligeros y
moderados debería deberse principalmente a la lealtad polígama (es decir,
volar en varias aerolíneas) más que a la necesidad insuficiente de la categoría
de producto / servicio (es decir, la necesidad poco frecuente de viajar). Si la
mayoría de los consumidores no gastan mucho debido a la baja demanda
absoluta, es poco probable que un programa de fidelización tenga un impacto
significativo. Segundo, la estructura del programa de lealtad debe
establecerse de tal manera que cree suficientes incentivos para que los
compradores ligeros y moderados se esfuercen por obtener las recompensas.
En otras palabras, la posibilidad de obtener una recompensa no debería ser
tan remota como para que estos consumidores simplemente se den por
vencidos y descarten el programa por considerarlos irrelevantes. Desde esta
perspectiva, es probable que las recompensas más pequeñas pero más fáciles
de lograr sean más efectivas que las recompensas más grandes que requieren
una cantidad significativa de esfuerzo. Por último, es más probable obtener
ventas adicionales a través de un programa de lealtad cuando una empresa
tiene múltiples áreas comerciales que puede realizar ventas cruzadas a los
consumidores, como en el caso de las industrias minorista y financiera. La
disponibilidad de tales espacios adicionales para que los consumidores
acumulen puntos del programa puede hacer un mejor uso de las mentes
creativas de los consumidores e involucrarlos en actividades más profundas,
En todos los segmentos de consumidores, un programa de
lealtad redistribuye los ingresos y los costos entre los
consumidores. El beneficio eventual del programa depende de la
compensación entre los costos de las recompensas (la mayoría de
los cuales se incurrirá como resultado de los grandes compradores,
quienes disfrutarán de las recompensas gratuitas sin cambiar su
comportamiento) y los mayores beneficios de las recompensas
moderadas y compradores ligeros a medida que compran más y se
vuelven más leales con el tiempo. En mercados altamente
competitivos en los que los programas de lealtad se utilizan
ampliamente (es decir, la industria de las aerolíneas), los
consumidores pueden llegar a esperar programas de lealtad como
una oferta estándar de cada empresa. Cuando esto sucede, el costo
de un programa de lealtad puede convertirse en un costo esencial
del negocio, creando un equilibrio competitivo en el que los
consumidores se redistribuyen entre las empresas competidoras.
Desde un punto de vista analítico, un programa de lealtad puede
producir datos valiosos sobre los clientes, que deben usarse para mejorar los
esfuerzos de marketing relacional de una empresa. La variación en las
respuestas de los diferentes segmentos de consumidores al programa de
lealtad que se encuentra aquí sugiere la necesidad de evaluar los efectos de
los programas de lealtad más allá del impacto general en las ventas. Esta
investigación demuestra una forma sencilla de evaluar la lealtad
efectos del programa alternativo utilizando datos de compra apéndice B
individuales. El método HLM se adapta mejor a la heterogeneidad y las
HLM de tres niveles de exclusivo
observaciones correlacionadas que la regresión tradicional, sin incurrir
en costos de ejecución sustanciales. Los modelos también se pueden
Lealtad del consumidor
adaptar fácilmente agregando otras variables del consumidor, como la
Nivel 1
demografía, en las ecuaciones a nivel del consumidor.
Como las empresas a menudo solo tienen datos de transacciones (B1) Registro (tamañoijk ) = ρij0 + ρij1Registro (IPTijk ) + ςijk .

internas, el modelo de lealtad exclusivo que se presenta aquí puede ser

útil para evaluar la lealtad del comportamiento de los consumidores Nivel 2
utilizando datos limitados. Es apropiado para situaciones en las que las
(B2) ρij0 = φyo 0 + φi1Registro (trimestreij) + ϖij0 , y
compras de los consumidores ocurren con frecuencia y solo se dispone
de datos internos, como las opciones de patrocinio de los consumidores (B3) ρij1 = φi2 + φi3Registro (trimestreij) + ϖij1.
en un supermercado. Para estas compras de alta frecuencia, los datos
de autoinforme retrospectivos tienden a ser muy inexactos (Schacter Nivel 3
1999). El modelo actual es fácil de calcular y no requiere conocimiento de
dónde y en qué medida los consumidores compran fuera de la empresa, (B4) φi0 = λ0 + λ1LightBuyerI + λ2HeavyBuyeryo + πi0 ,
lo que lo hace práctico con datos mínimos o requisitos computacionales.
(B5) φi1 = λ3 + λ4LightBuyerI + λ5HeavyBuyeryo + πi1,
Sin embargo, una precaución es que el parámetro de lealtad puede
verse afectado por factores externos, como el almacenamiento y el (B6) φi2 = λ6 + λ7LightBuyerI + λ8HeavyBuyeryo + πi2 , y
posterior cambio en la tasa de consumo (Sun 2005). Por lo tanto, debe
(B7) φi3 = λ9 + λ10LightBuyerI + λ11HeavyBuyeryo + πi3.
utilizarse para categorías de productos con un consumo relativamente
estable. No es adecuado cuando el tamaño de la muestra es
Ecuación interpretativa (combinación de todos los niveles en
relativamente pequeño o la duración del tiempo de datos es
una sola ecuación)
relativamente corta.
(B8) Registro (tamañoijk ) = λ0 + λ1LightBuyerI + λ2HeavyBuyerI

Apéndice A + λ3Registro (trimestreij) + λ6Registro (IPTijk )

Operacionalización variable + λ4LightBuyerI × Registro (trimestreij)

•Frecuencia de compra (Frecuenciasoy): Número total de compras

+ λ5HeavyBuyerI × Registro (trimestreij)
realizadas por un consumidor en un mes determinado. Si el
consumidor no compré nada durante el mes m, pero ese mes no
+ λ9Registro (trimestreij) × Registro (IPTijk )
es el último mes de la relación (consulte la explicación posterior
para LastMonthsoy variable), Frecuenciasoy se establece en 0 para + λ7LightBuyerI × Registro (IPTijk )
indicar una frecuencia de compra cero.
•Tamaño de la transacción (tamañoijk): Cantidad total en dólares gastada en + λ8HeavyBuyerI × Registro (IPTijk )
una transacción.
+ λ10LightBuyerI × Registro (trimestreij)
•Mes (mesij, Messoy): Número de meses desde que se unió al
programa de fidelización.
× Registro (IPTijk ) + λ11HeavyBuyerI
•Trimestre (Trimestreij, Cuartoiq): Número de trimestres desde que se
unió al programa de fidelización. × Registro (trimestreij) × Registro (IPTijk )
•Niveles de consumidor (HeavyBuyerI, LightBuyerI): Clasificación de un
consumidor en función de su gasto total durante el primer mes del + [πi0 + πi1Registro (trimestreij)
programa. Los consumidores de los tercios superior, medio e inferior se
clasificaron como compradores pesados, moderados y ligeros, + πi2Registro (IPTijk )
respectivamente.
+ πi3Registro (trimestreij) × Registro (IPTijk )
•Tiempo entre compras (IPTijk): Número de días entre la
compra anterior y la compra actual.
+ ϖij1Registro (IPTijk )] + (ϖij0 + ςijk ),
•El mes pasado en el programa (LastMonthsoy): Una variable ficticia que
indica el último mes de transacciones que realizó un consumidor. Esta
donde Tamañoijk es el monto en dólares del consumidor que gasté en la
variable se establece en 1 si (1) la transacción anterior realizada por el
consumidor i ocurrió en el mes my (2) el mes m fue al menos tres meses k-ésima transacción durante el j-ésimo trimestre en el programa, IPTijk
antes del final del período de análisis, lo que ofrece una ventana de es el número de días desde la transacción anterior, Light-BuyerI
lapso de tres meses antes de etiquetar un consumidor como "muerto". y HeavyBuyerI son variables ficticias que indican si el
Si el consumidor hice alguna compra después del mes m o si el mes m consumidor i es un comprador ligero o un comprador pesado,
está dentro de los tres meses posteriores al final del período de análisis Log (Quarterij) es la transformación logarítmica del j-ésimo
(para permitir la inactividad temporal), el último messoy la variable se
cuarto, πi0 + πi1Registro (trimestreij) + πi2Registro (IPTijk) +
establece en 0.
πi3Registro (trimestreij) × Registro (IPTijk) + ϖij1Registro (IPTijk)
•Tasa de reclamación de recompensas (RCRateiq): El porcentaje de
indican los efectos aleatorios de estas variables que no son
recompensas que el consumidor reclamó en el cuarto trimestre; esto equivale
a la relación entre la cantidad de certificados de recompensa solicitados y la
contabilizados sistemáticamente por los coeficientes fijos, y ϖij0 y
cantidad total de recompensas calificadas para ese trimestre. ςijk son términos de error.

El impacto a largo plazo de los programas de fidelización / 33

REFERENCIAS
Allaway, Arthur W., Richard M. Gooner, David Berkowitz y
Lenita Davis (2006), "Derivación y exploración de segmentos de
comportamiento dentro de un programa de tarjetas de fidelización
minorista", Revista europea de marketing, 40 (11-12), 1317-39.
Anderson, Eugene W., Claes Fornell y Donald R. Lehmann
(1994), "Satisfacción del cliente, participación de mercado y
rentabilidad: hallazgos de Suecia", Revista de marketing, 58
(julio), 53–66.
Bitner, Mary Jo (1995), "Construir relaciones de servicio: es todo
Acerca de Promises " Revista de la Academia de Ciencias del
Marketing, 23 (otoño), 246–51.
Boatwright, Peter, Sharad Borle y Joseph B. Kadane (2003), “A
Modelo de distribución conjunta de la cantidad y el tiempo de
compra ”. Revista de la Asociación Estadounidense de Estadística, 98
(septiembre), 564–72.
Bolton, Ruth N., PK Kannan y Matthew D. Bramlett (2000),
"Implicaciones de la membresía del programa de lealtad y las experiencias
de servicio para la retención de clientes y el valor" Revista de la Academia
de Ciencias del Marketing, 28 (invierno), 95-108.
Chanil, Debra (2004), "Profile of the C-Store Shopper", Conve-
Noticias de la tienda nience, (9 de febrero), 1–7.
Dowling, Grahame R. (2002), “Customer Relationship Manage-
ment: en los mercados B2C, a menudo, menos es más ", Revisión de la
gestión de California, 44 (primavera), 87-104.
- - - y Mark Uncles (1997), "Do Customer Loyalty Pro-
gramos realmente funcionan? " Revisión de la gestión de Sloan, 38
(verano), 71–82.
Drèze, Xavier y Stephen J. Hoch (1998), “Explotando el
Base instalada mediante programas de destino de mercadería
cruzada y categorías ”, Revista internacional de investigación en
marketing, 15 (diciembre), 459–71.
Eisenberger, Robert y Linda Rhoades (2001), “Incremental
Efectos de la recompensa en la creatividad " Revista de personalidad
y psicología social, 81 (octubre), 728–41.
Corporación Financiera de Franquicias de Capital de General Electric (2001),
2001 Revisión y perspectivas de la industria de la comercialización del petróleo y
las tiendas de conveniencia. Scottsdale, AZ: Corporación Financiera de
Franquicias de Capital de General Electric.
Gupta, Sunil (1988), “Impacto de las promociones de ventas en cuándo, qué,
y cuánto comprar " Revista de investigación de mercados, 25
(noviembre), 342–55.
Gwinner, Kevin P., Dwayne D. Gremler y Mary Jo Bitner
(1998), "Beneficios relacionales en las industrias de servicios: la
perspectiva del cliente", Revista de la Academia de Ciencias del
Marketing, 26 (primavera), 101-114.
Hsee, Christopher K., Fang Yu, Jiao Zhang y Yan Zhang (2003),
"Maximización media" Revista de investigación del consumidor, 30
(junio), 1-14.
Kamakura, Wagner A. y Michel Wedel (2001), “Exploratory
Análisis de factor tobit para datos censurados multivariados ”,
Investigación conductual multivariante, 36 (1), 53–82.
Kim, Byung-Do, Mengze Shi y Kannan Srinivasan (2001),
"Programas de recompensa y colusión tácita", Ciencias del marketing, 20
(primavera), 99-120.
Kivetz, Ran (2005), “Reactancia de promoción: el papel del esfuerzo
Recompense la congruencia " Revista de investigación del consumidor, 31
(marzo), 725–36.
- - - e Itamar Simonson (2002), “Ganar el derecho a
Disfrute: el esfuerzo como determinante de las preferencias del cliente hacia las
recompensas del programa de frecuencia ”, Revista de investigación de
mercados, 39 (mayo), 155–70.
- - - y ——— (2003), “La heurística del ajuste idiosincrásico:
La ventaja del esfuerzo como determinante de la respuesta del
consumidor a los programas de fidelización ” Revista de investigación de
mercados, 40 (noviembre), 454–67.
- - -, Oleg Urminsky y Yuhuang Zheng (2006), “The Goal-
Hipótesis de gradiente resucitada: aceleración de compras, ilustración
34 / Journal of Marketing, octubre de 2007
progreso del objetivo sionario y retención del cliente ", Revista de
investigación de mercados, 43 (febrero), 39–58.
Kopalle, Praveen K. y Scott A. Neslin (2003), “The Economic
Viabilidad de los programas de recompensas frecuentes en un entorno
competitivo estratégico " Revisión de la ciencia del marketing, 1, 1-39.
Krishnamurthi, Lakshman y SP Raj (1988), "A Model of Brand
Sensibilidad al precio de elección y cantidad de compra ", Ciencias del
marketing, 7 (1), 1–20.
Lal, Rajiv y David E. Bell (2003), “The Impact of Frequent
Programas para compradores en la venta al por menor de comestibles "
Marketing cuantitativo y economía, 1 (2), 179–202.
Latham, Garry P. y Edwin A. Locke (1991), “Self-Regulation
A través del establecimiento de objetivos " Comportamiento organizacional y
procesos de decisión humana, 50 (2), 212–47.
Leeflang, Peter SH, Dick R. Wittink, Michel Wedel y Philippe
A. Naert (2000), Creación de modelos para decisiones de marketing.
Boston: Académico Kluwer.
Leenheer, Jorna, Tammo HA Bijmolt, Harald J. van Heerde y
Ale Smidts (2003), “¿Los programas de lealtad mejoran la lealtad
conductual? A Market-Wide Analysis Accounting for Endogeneity ”,
documento de trabajo, Departamento de Marketing, Universidad de
Tilburg.
Lemon, Katherine N., Tiffany Barnett White y Russell S. Winer
(2002), "Gestión dinámica de la relación con el cliente:
incorporación de consideraciones futuras en la decisión de
retención del servicio", Revista de marketing, 66 (enero), 1-14.
Lewis, Michael (2004), "La influencia de los programas de lealtad y
Promociones a corto plazo sobre retención de clientes " Revista de
investigación de mercados, 41 (agosto), 281–92.
Mägi, Anne W. (2003), “Share of Wallet in Retail: The Effects
de satisfacción del cliente, tarjetas de fidelización y características de los
compradores ", Diario de venta al por menor, 79 (2), 97-106.
Meyer-Waarden, Lars y Christophe Benavent (2006), “The
Impacto de los programas de fidelización en el comportamiento de
compra repetida " Revista de gestión de marketing, 22 (febrero), 61–
88.
Morgan, Robert M. y Shelby D. Hunt (1994), “The
Compromiso-Teoría de la confianza del marketing relacional "
Revista de marketing, 58 (julio), 20–38.
Nako, Steven (1992), “Programas de viajero frecuente y negocios
Viajeros: una investigación empírica " Revisión de logística y
transporte, 28 (diciembre), 395–414.
O'Brien, Louise y Charles Jones (1995), "Do Rewards Really
¿Crear lealtad? " Harvard Business Review, 73 (mayo-junio), 75–
82.
Oliver, Richard L. (1999), "¿De dónde proviene la lealtad del consumidor?" diario
de marketing, 63 (Número especial), 33–44.
Raudenbush, Stephen W. y Anthony S. Bryk (2002), Jerarquías
Modelos lineales cal: métodos de análisis de datos y aplicaciones.
Thousand Oaks, CA: Publicaciones Sage.
Reinartz, Werner J. y V. Kumar (2000), “Sobre la rentabilidad de
Clientes de larga duración en un entorno no contractual: una
investigación empírica e implicaciones para el marketing ”, Revista de
marketing, 64 (octubre), 17–35.
Schacter, Daniel L. (1999), “Los siete pecados de la memoria: percepciones
de Psicología y Neurociencia Cognitiva ", Psicólogo
estadounidense, 54 (marzo), 182-203.
Schmittlein, David C., Donald G. Morrison y Richard Colombo
(1987), "Contando a sus clientes: ¿Quiénes son y qué
harán a continuación?" Ciencias de la gestión, 33 (enero),
1–24.
Sharp, Byron y Anne Sharp (1997), "Programas de fidelización y
Su impacto en los patrones de fidelización de compras repetidas " Revista
internacional de investigación en marketing, 14 (5), 473–86.
Sheth, Jagdish N. y Atul Parvatiyar (1995), “Relationship Mar-
en los mercados de consumo: antecedentes y consecuencias ",
 Revista de la Academia de Ciencias del Marketing, 23 (otoño),
255–71.
Shugan, Steven M. (2005), “Programa de lealtad a la marca: ¿Están
¿Shams? Ciencias del marketing, 24 (primavera), 185–93.
Sirdeshmukh, Deepak, Jagdip Singh y Barry Sabol (2002),
"Confianza, valor y lealtad del consumidor en los intercambios
relacionales" Revista de marketing, 66 (enero), 15–37.
Skinner, BF (1953), Ciencia y comportamiento humano. Nueva York: The
Free Press.
Strohmetz, David B., Bruce Rind, Reed Fisher y Michael Lynn
(2002), "Endulzar la caja: el uso de dulces para aumentar las propinas
en los restaurantes", Revista de psicología social aplicada, 32
(febrero), 300–309.
Sun, Baohong (2005), “Efecto de la promoción en la conservación endógena
sumption " Ciencias del marketing, 24 (3), 430–43.
Taylor, Gail Ayala y Scott A. Neslin (2005), “The Current and
Impacto en las ventas futuras de un programa de recompensas de frecuencia minorista "
Diario de venta al por menor, 81 (4), 293-305.
Thaler, Richard (1985), "Mental Accounting and Consumer
Elección," Ciencias del marketing, 4 (verano), 199-214.
Van Osselaer, Stijn MJ, Joseph W. Alba y Puneet Manchanda
(2004), "Información irrelevante y elección intertemporal
mediada", Revista de psicología del consumidor, 14 (3), 257–70.
Venkatesan, Rajkumar y V. Kumar (2003), "Using Customer
Valor de por vida en la selección de clientes y la asignación de recursos ”,
documento de trabajo nº 03-112, serie de documentos del Instituto de Ciencias
del Marketing, Cambridge, MA.
Verhoef, Peter C. (2003), “Comprensión del efecto de los clientes
Esfuerzos de gestión de relaciones para la retención de clientes y el
desarrollo de la participación de clientes ”, Revista de marketing, 67
(octubre), 30–45.
Vroom, V. (1964), Trabajo y Motivación. Nueva York: John Wiley &
Sons.
Woodruff, Robert B. (1997), “Valor del cliente: la próxima fuente
para una ventaja competitiva " Revista de la Academia de Ciencias
del Marketing, 25 (primavera), 139–53.
Yi, Youjae y Hoseong Jeon (2003), “Efectos del programa de lealtad
gramos en la percepción del valor, la lealtad al programa y la lealtad a la
marca ", Revista de la Academia de Ciencias del Marketing, 31 (verano),
229–40.
Zhang, Z. John, Aradhna Krishna y Sanjay K. Dhar (2000),
"La elección óptima de vehículos promocionales: ¿incentivos de
carga frontal o de carga trasera?" Ciencias de la gestión, 46
(marzo), 348–62.
El impacto a largo plazo de los programas de fidelización / 35