La “Outcome Economy”: compartiendo resultados y valor entre proveedor y cliente

He hablado ya en alguna ocasión de la fábrica inteligente. Como describía en ese artículo:

Muchos han utilizado este nuevo concepto de Industria 4.0 para referirse a esta cuarta revolución industrial que parece estamos viviendo. Como las anteriores revoluciones, se caracteriza por la introducción de nuevas tecnologías en los procesos industriales. Si en las anteriores fueron la máquina de vapor, el motor diesel y la electricidad, en este caso estamos hablando de la integración de las Tecnologías de la Información y la Comunicación (TIC) en las fábricas. Un hecho que trae inexorablemente ligado que estemos hablando ya de la redefinición de los procesos, productos y servicios e incluso modelos de negocios.

Sé que está en boca de muchos. Y no voy por ello a volver a introducir descripción alguna más. Pero, lo que sí creo que es interesante es hablar de hechos concretos. De resultados tangibles. De qué se está obteniendo con todo ello. Como he dicho en varias ocasiones con el paradigma del Big Data, una vez que tenemos claro el discurso y los “qué”, es hora de hablar de resultados tangibles y experiencias obtenidas.

Máxime cuando hablamos a una era digital en la que las empresas están bajo una presión digital que les obliga a transformarse. Esto en el sector industrial se da  más que en otros por su dependencia de las máquinas. Éstas, no son más que un medio para un fin. Pero, sin embargo, todavía la gran mayoría de las empresas focalizan su conversación, su foco de valor (y por ende de transacción) en las máquinas y sus productos, en sus características, en sus requisitos funcionales, etc. Y todavía muchos ratios económico-financieros de gestión de una empresa se basan en eso, en la utilización de activos, sacarles el máximo rendimiento, ahorrar gastos, etc.

Esta lógica, en la era digital, puede estar cambiando. Es lo que algunos han venido a bautizar como la “Outcome Economy“; dicho en otras palabras, compartir resultados y valor entre proveedor y cliente. Es decir, en lugar de registrar transacciones por la compra-venta de objetos/cosas/chismes, que se haga una estrategia de repartir el valor generado“.

La evolución de la Industria gracias a la digitalización (Fuente: World Economic Forum)
La evolución de la Industria gracias a la digitalización (Fuente: World Economic Forum)

En el Foro Económico Mundial de Davos de 2015, fue uno de los temas tratados. Muchos CEOs, que viven esta transformación digital en sus propias empresas, comentaron que esto iba a representar una gran oportunidad para cambiar el paradigma de las transacciones,  y por ende, del mundo empresarial. ¿Por qué? Por la oportunidad de trascender de las mismas. Es decir, de pasar de una economía basada en el intercambio de activos (yo fabrico máquinas o productos y te los vendo), a entrar en un modelo en el cada empresa genera valor y comparte los resultados obtenidos de dicho valor. Y, en esta era, se “pagará” por el servicio de valor prestado. Es decir, lo que entre amigos podríamos llamar “vamos a éxito” o “vamos a medias“.

Una era en la que las empresas competirán por lo que realmente el cliente valora. Ya no te compraré un martillo, sino te compraré una puerta arreglada. Ya no te compraré un motor para mi coche, sino que te compraré horas de funcionamiento de mi vehículo. Ya no te compraré una máquina para fabricar tornillos, sino que te compraré horas de prestación de servicio de las mesas y sillas. Esta era de la “Outcome Economy”, creo, marcará un momento histórico para la generación de más confianza en los mercados, dado que alineamos incentivos de proveedor y cliente, que para mí, siempre ha sido el gran reto.

Esta asimetría de información que existía entre proveedor y cliente, había traído en innumerables ocasiones problemas de confianza. Y en definitiva, fallos de mercado. En la era digital, en la que todo se puede medir, esto no tenía mucho sentido. Venimos de una era opaca de actividad física a una “visibilización” que trae la era digital en la forma de datos generados de manera continua. Aquellas empresas que quieran aportar esta visibilidad del valor que aportan a sus clientes, creo, romperán muchos paradigmas. Y abrirán nuevas oportunidades para sus clientes.

Algunos ejemplos que están haciendo esta migración. En el sector de la agricultura. Compañías como Monsanto o Dow Chemical, ya no venden semillas, fertilizantes o equipamiento a los agricultores, sino que les venden resultados. Frutos y alimentos. Si hay alguna eventualidad, asumen la responsabilidad proveedor (Monsanto) y cliente (agricultor). En el sector de la salud. Philips Healthcare, ya no vende dispositivos de monitorización remota, sino que “vende” tasas de reducción de reingreso de pacientes (que obviamente reduce costes para los sistemas públicos de salud). Rolls-Royce, ya no vende motores, sino que vende horas de funcionamiento de los mismos. Parecido a lo que hace Thyssenkrupp con los ascensores; se acabaron las discusiones con los vecinos sobre lo malo que es un ascensor o una puerta de garaje, dado que ahora asumimos el riesgo de fallo con el proveedor. Y también en España tenemos casos; mi querido seguro en Next Seguros, que a cambio de la cesión de mis datos de conducción, me rebaja la póliza, y comparte el valor generado (se convierte así en una plataforma de movilidad) entre los proveedores de eventualidades en conducción (gasolina, reparaciones, prevención de fatiga o avería de piezas) y yo como cliente (mejor prevenir que lamentar).

Todo esto es posible porque en esta era digital de abundancia de datos, podemos conocer y entender mejor lo que el cliente quiere. Por qué nos compra. Es decir, el valor que realmente percibe. Si encima ese valor percibido lo monitorizamos en tiempo real (horas de funcionamiento de un ascensor o motor, número de plantas que crecen o la tasa de readmisión de pacientes), podemos construir nuevos esquemas de relación entre proveedor y cliente.

Y es que, como hemos dicho muchas veces, esta era digital se caracteriza por muchas cosas. Pero sobre todo, por su carácter disruptor y de generación de valor. Solo es cuestión de saber capturarlo y construir una oferta innovadora alrededor. La “Outcome Economy” es solo otro ejemplo más de cómo no hablamos tanto de tecnologías o herramientas, sino de paradigmas o filosofías de gestión o negocio. ¿Te atreves a dar el salto con tu negocio?

El retargeting: de curiosos en la web, a clientes fidelizados (II)

(continuación del artículo anterior)

El objetivo principal del flujograma anterior era identificar las audiencias y el canal donde mejor dirigirnos a ese colectivo. Como vemos, los criterios para elegir y calificar (scoring, del que ahora hablaremos) a los candidatos (menos aquellos que deciden deliberadamente salir -opt outs-), son las personas y las ofertas que mejor se ajustan. Para ello, resulta fundamental trabajar con dos elementos:

  • Cookies: información que envía un sitio web (app, web, etc.) que es almacenada en el navegador del usuario, de forma que así el sitio web puede consultar la actividad previa del usuario. Esto hace que podamos saber el histórico de relación con mi web de un usuario dado.
  • Comportamiento del visitante: el comportamiento web es una de las grandes áreas donde el Big Data está trabajando. El denominado Clickstream Analysis, monitoriza los patrones de navegación con objeto de entender sus preferencias y segmentar las mismas. Y, así podremos ofrecer anuncios e impactos eficaces a través del análisis del flujo de clicks.

Si bien es cierto que las cookies tienen sus limitaciones (no siempre podemos disponer de esa información), con el Big Data ya están apareciendo nuevas maneras de obtención de datos de usuario (aplicaciones que monitorizan de manera remota especialmente). Por lo tanto, tomemos como válida esta explicación, a pesar de que hay muchos otros métodos de obtención de datos del usuario y que por lo tanto la herramienta de captura de datos pudiera cambiar. Esto no es realmente crítico por lo tanto en una estrategia de retargeting.

Lo que sí es crítico es el scoring y la elección de los perfiles candidatos ideales para una acción de retargeting dada. Es decir, lo que resulta crítico en una estrategia de retargeting es la calidad de las listas de candidatos a los que impactar. Y aquí es donde entra el Business Analytics del que hablábamos en la entrada anterior. Las reglas de elegibilidad de estos perfiles se van actualizando en base a su efectividad (un aprendizaje automático, vamos). Son muchas las variables que entran en juego en la elegibilidad (edad, frecuencia del contacto anterior, interacciones, comportamiento -abandono de carritos de la compra, visitantes más o menos recientes, compradores, recientes, etc.-, tipo de comportamiento en los puntos de contacto, dispositivo desde el que se ha conectado, localización, histórico productos, etc.).

¿Y cómo se hace esto del scoring? Bueno, básicamente se trata de situaciones de aplicación de los métodos de decisión multicriterio. Son los que tradicionalmente se han venido utilizando. Métodos que ayuda a formalizar los problemas complejos de decisión, y a tomar decisiones más coherentes. Es decir, tenemos muchas variables que afectan a la decisión a tomar (las variables que listábamos en el párrafo anterior), y cada una de ellas tiene un “peso” o “influencia” en la efectividad de la elección final diferente. Unos pesos, que además, se van camabiando en el tiempo según vamos aprendiendo de su efectividad. La formulación algebraica general sería:

Opt z = (z1(x), z2(x), …, zn(x))

Sin embargo, y sobre todo enriqueciéndose del sector financiero, en los últimos años hay una serie de modelos econométricos que permiten construir modelos de scoring para segmentar clientes en dos o más grupos:

  • Modelos de regresión multivariante
  • Análisis discriminante (árboles de decisión, análisis factorial, clúster, et.)
  • Redes neuronales
  • Métodos de programación lineal, donde quedaría encajado los métodos de optimización y simulación como el de decisión multicriterio que anteriormente exponíamos.

¿Y por qué acciones apostar? Bueno, esta pregunta daría para otro post. Podemos resumirlas en las siguientes:

  • Site retargeting: cuando visitamos un sitio web, éste pone una cookie en nuestro navegador, y a partir de ahí veremos anuncios en todas las esquinas que veamos en Internet. Es el clásico y décano en la materia.
  • Retargeting dinámico: una variante de la anterior, usada especialmente en e-commerce (de hecho la usa mucho Amazon), que permite una mayor personalización por hacerse de manera dinámica.
  • Social retargeting: se basa también en cookies, pero en lugar de mostrar anuncios en la red display de cualquier esquina de Internet, lo haremos en sitios sociales (Facebook y su red FBX o Twitter y su Twitter Tailored Audiences).
  • Email retargeting: relacionado con las newsletters, campañas de email marketing y ofertas.
  • Search retargeting: enviar publicidad a usuarios en función de sus búsquedas (palabras clave) en los buscadores.
  • CRM retargeting: grandes plataformas de retargeting que permiten comparar listas de email de tu propiedad con enormes cookie pools disponibles por la plataforma.

De todo lo anterior, me gustaría destacar el Social retargeting, por el auge que está teniendo el Social Paid Media (que hemos destacado al comienzo). Facebook ocupa el primer puesto del ranking en número de usuarios, con 1.400 millones
 activos al mes (y con una estrategia de monetización cada más fuerte, y subiendo en bolsa); seguido muy de cerca por YouTube, que supera los 1.000 millones. Linkedin y Twitter han alcanzado los 364 y 302 millones de usuarios, respectivamente. Facebook nos permite dirigirnos a personas por acciones, intereses y hábitos de consumo; Twitter por intereses y perfiles similares; Linkedin por áreas de trabajo y puestos desempeñados; Youtube sobre la base de la sesión de navegación; el email marketing, en base a la interacción con los contenidos que le hubiéramos hecho llegar, etc. Cada canal, un mundo por explocar. Y el Social retargeting, una muy interesante opción para cualquier empresa.

Por último, indicar que todo esto que hemos explicado sería imposible de realizar con un desarrollo adhoc o herramientas simples. Necesitamos una herramienta de Marketing Automationante la gran cantidad de datos que se deben generar, y luego explotar. Aquí dejo una lista con las 50 mejores. Para proyectos específicos de retargeting, se suele hablar de usar AdRoll. No obstante, dado el auge que tiene Hubspot y su estrategia de Inbound Marketing, yo creo que muchas organizaciones debieran apostar por ello. Es una herramienta más genérica, por lo que nos exigiría trabajo de adaptación, pero también más estratégica la relación y la apuesta de la empresa por el Inbound.

En definitiva, hemos del retargeting, como una estrategia digital y un enfoque de captación de nuevos clientes más acorde a una era de múltiples impactos y puntos de contacto.