Cambios en el mundo del marketing: el Customer Intelligence y el caso de una tienda de venta de ropa industrial

Con este artículo, abro una serie de cinco artículos que publicaré a lo largo de esta semana. Se trata de unos artículos que emplearé en un curso de Marketing Intelligence que impartiré en el Colegio Vasco de Economistas. Un curso de Business y Marketing Intelligence, en el cual contaré experiencias de proyectos de Big Data que hemos trabajado en estos últimos meses, sobre todo, con empresas PYME. Empresas, que como bien sabéis, tanto debemos apoyar… para que se hagan más grandes y competitivas.

Las responsabilidades del área de marketing de una empresa han cambiado bastante en los últimos años. Podemos situar estos cambios en torno a cuatro ejes principales, todos ellos estrechamente ligados al mundo del análisis del dato:

  • Experiencia de cliente: ahora hablamos de experiencias. Tenemos que ofrecer una experiencia única y de valor a nuestros clientes. Además, una experiencia consistente a través de todos los canales con los que mantenemos interacción con nuestros clientes. Hablaremos del omnicanal más adelante.
  • Conocimiento del cliente: obtener conocimiento del cliente y transformar el mismo en oportunidades de generar nuevos ingresos a través de diferentes acciones.
  • La marca y su reputación: mantener la imagen de marca en un entorno cambiante, dinámico y sometido a las fuerzas de muchas personas opinando sobre la misma.
  • Campañas: gestionar campañas de manera omnicanal, integrando canales inbound y outbound e interactuando en tiempo real con el cliente.

En definitiva, hablamos de aumentar el valor que ofrecemos al cliente, y para nosotros, como empresa, aumentar la rentabilidad que obtenemos del mismo. En la siguiente representación podemos cómo a lo largo del tiempo, la ganancia, el valor, que sacamos a un clietne es cada vez mayor. Y para ello, tenemos diferentes técnicas de tratamiento de datos que nos pueden ayudar en esta tarea. Las iremos viendo a lo largo de esta serie.

Cómo aumentar el valor obtenido de los clientes (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)
Cómo aumentar el valor obtenido de los clientes (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)

Dentro de lo que podemos denominar el Ciclo del Customer Intelligence, en primer lugar, tenemos que analizar y entender el perfil de nuestro cliente (cómo se comporta, por qué lo hace así, etc.), para que, en segunda instancia, podamos automatizar y optimizar las acciones de marketing y las campañas que sobre el mismo hagamos. En otro artículo de esta serie, hablaremos de esto último (administración de campañas y optimización de marketing), centrándonos tanto en la adquisición más eficiente del cliente (primera fase de la representación anterior), así como en toda la fase de ganancia. En este primer artículo vamos a hablar de cómo optimizar el valor del cliente a través de modelos predictivos destinados a aumentar la ganancia. Es decir, mejor cross y up selling. Dejaremos para otro artículo los modelos de retención o de evitar la fuga de clientes.

Para el ejemplo que nos ocupa en este artículo, hablamos de una tienda de venta de ropa industrial online para una pequeña empresa. Por cuestiones de confidencialidad, omitiré su identidad. Se dedican a la venta de equipamiento para entornos industriales. Recién instalada su tienda online, y contando con apenas 14 empleados, una empresa que se interesa por el Business Intelligence para tratar de optimizar mejor las acciones de marketing, y así poder rentabilizar mejor su escasa capacidad de inversión de promoción.

Para todo proyecto de Business Intelligence centrado en el marketing, el primer paso, es conocer bien al cliente. Todo proceso de inteligencia del cientes pasa por tener una visión única del mismo. Por lo tanto, lo primero que hicimos fue integrar todos los datos relativos a sus clientes que tenían (demográficos, financieros, historial de compra y pago, navegación por la tienda online, historial de interacciones, historial de campañas, datos textuales, etc.). Datos extraídos del CRM, ERP y de la propia tienda online desarrollada con Prestashop.

Visión única del cliente (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)
Visión única del cliente (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)

De entre los análisis de datos de clientes que históricamente se han hecho, disponer de una segmentación de cliente es un primer paso importante. Segmentar clientes es un ejercicio de minería de datos que clasifica a los clientes en grupos homogéneos (segmentos), considerando sus características personales y comportamiento. El objetivo es identificar segmentos rentables y diseñar la oferta y el mensaje correcto para cada uno de ellos. No obstante, en la era de la personalización y la hipersegmentación, cada vez tiene menos importancia. Por lo tanto, con esta tienda online, lo que hicimos fue hablar de modelos de análisis de datos más avanzados. Para este caso concreto, se centraron los trabajos en modelos de propensión a la compra crossselling y upselling. Las técnicas de propensión de compra tratan de aumentar los ingresos de la entidad focalizándose no en la captación de nuevos clientes, sino en el incremento de la vinculación de los clientes actuales. El primero de estos modelos permite que un cliente que ya me compra un producto, me compre otros productos o servicios complementarios. Esto lo fomentamos presentando productos de una manera amigable, de tal modo que incite a comprar complementos que se sugieren de manera personalizada. Pensad en vosotros mismos cada vez que compráis en Amazon o eBay 😉

Representación gráfica del cross-selling (Fuente: http://comunidad.iebschool.com/iebs/files/2014/12/copia.jpg)
Representación gráfica del cross-selling (Fuente: http://comunidad.iebschool.com/iebs/files/2014/12/copia.jpg)

La segunda, es una técnica de venta por la cual un vendedor induce al cliente a comprar productos más caros. Es una técnica de relación de productos, en dónde se presenta un nuevo modelo de la misma categoría más avanzado, últimas tecnologías en el mercado, que buscan posicionarse en base a las necesidades del mismo. Suelen aportar un valor añadido con respecto a su antecesor intentando superar así las expectativas del consumidor. En este punto, hay que prestar atención a una serie de pautas a seguir para que el up-selling nos salga bien:

  • Antes de que el comprador añada el producto al carrito de la compra, tendremos que ofrecerle productos similares pero que aporten un plus a su búsqueda. Es decir, elegir bien el momento.
  • Si ofrecemos un producto de gama superior que exista un posible descuento para poder obtenerlo.
  • El diseño de la tienda online también debe cuidarse. No es lo mismo que aparezca flotando por todos lados ventanas sobre productos sugeridos, que se presenten con una vista atractiva para el ojo del consumidor. El ejemplo clásico es el de presentar en primera plana el objeto que se está buscando seguido de precio y características. En la parte inferior de la descripción que muchas veces acompaña a las fotografías encontrarás una lista de productos similares o bien complementos para tu compra.
  • No ser demasiado agresivo: hay que considerar el up-selling siempre como un plusopcional. A pesar de existir muchos ejemplos de empresas que le dan la vuelta a este enfoque (poniendo más enfoque en el up-selling que en el producto principal) hay que ser consciente que es un técnica relativamente agresiva de venta por lo que hay que utilizarla con moderación.
  • Facilitar la compra, que no le dé tiempo a pensárselo más de dos veces y que no existan trabas ante posibles cambios o interrupciones durante el proceso de compra.
Representación gráfica del up-selling (Fuente: http://comunidad.iebschool.com/iebs/files/2014/12/copia.jpg)
Representación gráfica del up-selling (Fuente: http://comunidad.iebschool.com/iebs/files/2014/12/copia.jpg)

La tienda que nos ocupa quería implantar estos modelos para que cuando llegase un cliente y quisiera comprar un determinado producto industrial, se le pudiera ofrecer algo de más valor. Es decir, la venta de algo que es más rentable o de otra manera preferible para el vendedor en lugar de otra, o además de la venta original. Para ofrecer este servicio de inteligence de negocio, se crearon modelos de cross-selling y up-selling de clientes. Es decir, modelos que calculan la probabilidad de aceptación que tiene un cliente de adquirir productos complementarios o productos de más alta gama para hacer una venta más rentable.

Lo que hicimos fue hacer uso de la técnica de las reglas de asociación, también es conocida como Market Basket Analysis o análisis de afinidad. Se utiliza para incrementar las ventas aprovechando el conocimiento de que si alguno de nuestros clientes compra ciertos ítems, entonces es más probable que también compre ciertos otros ítems. Permiten encontrar así hechos que ocurren en común dentro de un conjunto de datos, de forma que podemos saber qué debe ocurrir ciertas condiciones para que se produzca cierta condición. Para encontrar estas reglas se debe considerar cada posible combinación de condiciones para que halle una consecuencia, debiendo por lo tanto analizarse dos parámetros que permiten conocer lo “buenas” que son esas reglas:

  • Cobertura o soporte: número de instancias predichas correctamente
  • Precisión o confianza: proporción de número de instancias que es aplicada la regla

En su día, Agrawal et al., presentaron las reglas de asociación para descubrir regularidades en transacciones registradas en el punto de ventas de un supermercado.

Market-basket analysis (Fuente: elvex.ugr.es decsai intelligent slides dm D2 Association.pdf)
Market-basket analysis (Fuente: elvex.ugr.es decsai intelligent slides dm D2 Association.pdf)

Esta técnica, tiene múltiples usos en el mundo del Business Intelligence (colocación de productos en estanterías, gestión de inventarios, promociones y ofertas, etc.). Por ello, para un negocio como el de una tienda de ventas de productos industriales, puede determinarse cómo incrementar sus ventas. Para esta tienda online, imaginemos las siguientes transacciones de compra de clientes online. Clientes, además, identificados con un usuario en la tienda online, y con una tarjeta de fidelización en la tienda física (ay, ¿por qué ahora todas nos darán estas tarjetas? 🙂

  • Transacción 1: guantes, chaleco, casco
  • Transacción 2: guantes, botas, pantalones
  • Transacción 3: chaleco, botas, pantalones
  • Transacción 4: guantes, chaleco, botas, pantalones
  • Transacción 5: guantes, chaleco, casco, pantalones
  • ….

Y ahora, construyamos reglas derivadas de {guantes, botas, pantalones}.

  • {guantes} → {botas, pantalones}, supp=0.8, conf=2/4=0.5}, supp=0.4, conf=2/4=0.5
  • {botas} → {guantes, pantalones}, supp=0.9, conf=2/3=0.66}, supp=0.4, conf=2/3=0.66
  • {pantalones} → {guantes, botas}, supp=0.85, conf=2/4=0.5}, supp=0.4, conf=2/4=0.5
  • {guantes, botas} → {pantalones}, supp=0.94, conf=2/2=1}, supp=0.4, conf=2/2=1
  • {guantes, pantalones} → {botas}, supp=0.87, conf=2/3=0.66}, supp=0.4, conf=2/3=0.66
  • {botas, pantalones} → {guantes}, supp=0.92, conf=2/3=0.66

Tenemos los antecentes (lo que va antes de “→”) y consecuentes (lo que va después de “→”). Si nos fijamos en el soporte y en la confianza, podremos saber qué combinaciones de productos son más frecuentemente combinadas. Y si a eso le cruzamos la naturaleza de los productos (para saber cuál combinar con “cross” y cuál con “up“), y dado que para cada transacción sabemos de qué cliente se trata (acordémonos de la tarjeta de fidelización…), podremos luego personalizar la estrategia de cross y upselling. Esto es un valor añadido para esta empresa, pues basándonos en las compras previas que ha realizado el cliente sabremos en qué productos está más interesado, y podremos sugerirle una mayor oferta de posibilidades. Si conseguimos optimizar este proceso de manera automática con todos nuestros clientes garantizaremos el aumento de ventas. Eso sí siendo cautos, pues recordemos que lo que queremos es vender más a los mismos clientes pero que al mismo tiempo fidelizarlos.

¿Y todo este análisis para que me sirve? Para trabajar mejor mi base de clientes. Mi Customer Intelligence o Business Intelligence aplicado a mis clientes. Aumentar el valor y la rentabilidad, que deben ir de la mano siempre para hacer un negocio sostenible. En la siguiente matriz os presento una tabla de estrategias sobre cada tipología de cliente. Y, dado que en esta entrada hemos hablado de aumentar la rentabilidad de clientes, en la siguiente hablaremos de cómo evitar perderlos. Es decir, modelos de retención.

Matriz de de estrategias con clientes: customer intelligence (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)
Matriz de de estrategias con clientes: customer intelligence (Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)

Workshop en Deusto Ingeniería: “¿Qué aporta el Big Data y el Business Intelligence a mi empresa?”

Esta jornada que organizamos en Deusto Ingeniería dentro del marco de nuestro nuevo Programa de Big Data y Business Intelligence, contaremos con la presencia de empresas que desarrollan proyectos aprovechando el valor del dato (en especial nuestros patrocinadores HP, Entelgy y SAS) y gestionan la calidad del mismo para ponerlo en valor dentro de contextos empresariales.

A medida que las TIC, Internet y la Nube están penetrando en todos los sectores, también lo hacen los conceptos de Big Data y Business Intelligence. Representan una oportunidad para las organizaciones, empresas y personas que quieran tratar y analizar los datos para obtener valor para la toma de decisiones o para sus clientes: ayudar a las empresas a vender más (detectando patrones de compra), a optimizar costes (detectando cuellos de botella o desperdicios), a encontrar más clientes (por patrones de comportamiento) y un largo etcétera.

Esta jornada que organizamos en Deusto Ingeniería dentro del marco de nuestro nuevo Programa de Big Data y Business Intelligence, contaremos con la presencia de empresas que desarrollan proyectos aprovechando el valor del dato (en especial nuestros patrocinadores HP, Entelgy y SAS) y gestionan la calidad del mismo para ponerlo en valor dentro de contextos empresariales.

En este enlace, podéis encontrar todos los detalles. Puedes inscribirte aquí. Te esperamos el próximo Martes 🙂