Qué es un análisis predictivo y cómo utilizarlo en marketing

Qué es un análisis predictivo y cómo utilizarlo en marketing

Como respuesta al titular de este post, podríamos decir que el análisis predictivo nos permite a través de los datos, conocer por adelantado el comportamiento de los consumidores en referencia al objeto de estudio. Parece lógico ¿verdad? Sin embargo ese no es su único fin. El fin último del análisis predictivo no es tanto predecir, que es importante, sino conocer cómo podemos influir con acciones y qué probabilidades tienen que ser determinantes ante ese suceso predicho. ¿Estás confuso? Sigue leyendo este post, creo que te puede descubrir algunas cosas interesantes.

Para ponernos en situación, vamos a definir primero qué es un análisis predictivo. El análisis predictivo forma parte de lo que se llama analítica avanzada, la cual busca a través de análisis estadísticos, predecir sucesos futuros estudiando los sucesos pasados. Los profesionales del Big Data suelen referirse a ello como “bolas de cristal”, ya que al igual que hacen las videntes, con dichos modelos se busca predecir qué ocurrirá. Sin embargo, como ya hemos adelantado antes, esta metáfora no es del todo válida, ya que lo que buscamos en marketing es que no se cumplan los pronósticos de nuestros modelos de análisis predictivos, si no nos interesa, utilizando acciones que nos ayuden a obtener los resultados que sí queremos. Te lo explico mejor.

Para construir una inteligencia de negocio, es necesario recoger el mayor número de datos posible y saber diferenciar el dato que aporta valor sobre la paja. Los datos que nos podemos encontrar los dividimos en: datos estructurados y no estructurados.

Datos estructurados son aquellos que se pueden ordenar y tratar perfectamente, algunos ejemplos de datos estructurados más comunes son: la edad, el género, el estado civil, nivel de ingresos, etc. Datos no estructurados son aquellos que no se pueden ordenar y clasificar, sin una estructura clara, como por ejemplo, los contenidos en las redes sociales, incluso elementos que se pueden derivar de sus contenidos, como por ejemplo el sentimiento de sus publicaciones.

De este modo, y a través de los datos necesarios, podremos averiguar y anticipar resultados y comportamientos, que nos permitan ser proactivos. Aquí está la diferencia de valor: en ser proactivos. Esto es una gran ventaja, ya que podremos tomar decisiones de actuación basadas en datos y no en suposiciones.

La analítica prescriptiva va un poco más allá y nos sugiere acciones que podemos poner en marcha, a raíz de las predicciones y sus implicaciones. Aquí es donde tiene especial valor para el marketing esta ciencia. De nada nos sirve conocer que va a ocurrir algo que no interesa a la empresa, si paralelamente no estudiamos qué habría que hacer para que ese comportamiento cambie y sea el que nos interesa.

Por tanto, podríamos decir que el análisis predictivo no tiene como objeto último conocer qué puede pasar, si no crear modelos de análisis predictivos que se construyan usando técnicas matemáticas y de inteligencia artificial, permitiendo inferir cómo se comportará en el futuro una variable (predecida) en función de una serie de variables predictoras.

Ya tenemos claro qué es y qué no es, ahora vamos al grano: cuál es el proceso, qué ventajas tiene y dónde podemos aplicarlo.

 

El proceso de la analítica predictiva.

Procesos puesta en marcha análisis predictivos

Como todo proceso, este está compuesto por diferentes fases.

1. Definición del proyecto. Aquí debes establecer cuáles son tus objetivos, es decir, para qué vas a hacer esto. Además, debes determinar las fuentes de datos que vas a utilizar, las decisiones, los resultados y el alcance que esperas obtener como resultado de tus esfuerzos.

2. Recogida de datos. Este es el momento en el que obtenemos los datos. Una vez los hemos recogido, tratamos la información y la transformamos en una estructura comprensible para así poder usarla posteriormente.

3. Tratamiento de datos. Consiste en el proceso de inspeccionar, limpiar, transformar y clasificar los datos con el objetivo de descubrir información útil, que te permitirá llegar a conclusiones.

4. Análisis estadístico. Esto te permitirá a través de estadísticas descriptivas conocer los primeros resultados y conclusiones, además de identificar probabilidades de comportamiento.

5. Modelación predictiva. Esta fase te da la oportunidad de crear, de forma automática, modelos predictivos.

6. Puesta en marcha de los modelos predictivos. Es la última fase, en la que puedes desplegar los resultados analíticos de las decisiones de cada día, construyendo un proceso para obtener resultados e informes que nos permitan llegar a la automatización de decisiones.

 

Ventajas y aplicaciones de la analítica predictiva.

Ventajas analítica predictiva

Puestos en situación y una vez sabemos qué es la analítica predictiva y cuál es su proceso, imagino que te harás una idea de sus ventajas y dónde aplicarla. Estas son las que se me ocurren a mí.

Principales ventajas de la analítica predictiva:

1. Te ayuda a prevenir la rotación, detectando señales tempranas de insatisfacción. De este modo, puedes crear segmentos de clientes en función del riesgo mayor o menor, de pérdida. De este modo, podrás aplicar acciones correctoras oportunas, aumentando con ello la retención y los ingresos.

2. Te permite maximizar el valor del ciclo de vida del cliente (CLV). Con la analítica predictiva podrás identificar segmentos de clientes con alto valor y así planificar acciones de marketing estableciendo las oportunas estrategias de coss /up selling más adecuadas.

3. Identificar nuevos segmentos de clientes con alto potencial. ¿Qué significa esto? Si sabes quiénes de tus clientes tienen la capacidad de aumentar sus compras, dirígete a ellos con acciones oportunas y aumenta los ingresos.

4. Planificar adecuadamente tus campañas, dándole el enfoque idóneo para cada uno de los segmentos. Analizando todos los datos de que dispones, como patrones de compra, comportamiento, navegación web, interacciones en redes sociales, etc, podrás definir cuáles son los mejores momentos y canales a través de los que comunicarte con tus clientes.

5. Poder predecir el rendimiento de cada campaña en función del canal. Gracias a los análisis predictivos puedes analizar los hábitos de compra y comportamiento online, ayudándote a predecir el rendimiento de la campaña en cada canal.

6. Crear recomendaciones de producto (cross/up selling) en función del histórico de compras de cada cliente. Se puede utilizar el conocimiento histórico de compras por cliente e identificar productos o servicios con alto potencial de venta por cliente.

7. Predecir momentos valle y así poder efectuar campañas para reducir esa bajada de ventas. Gracias a estos análisis, predecimos cuáles son los momentos en los que hay una bajada de ventas y así poder actuar sobre ello por adelantado, reduciendo al máximo posible esa circunstancia.

8. Reducir la tasa de abandono de clientes o de la cesta de la compra. Sigue la línea del primer punto, donde hablábamos de prevenir la rotación, detectando señales tempranas de insatisfacción. Identificando qué clientes tienen más probabilidades de abandonar la compra, puedes intervenir sobre ellos evitando que esto suceda.

9. Identificar probabilidad de compra. Crear segmentos de clientes en función de su probabilidad de compra y así comunicarte con ellos de manera diferente en función de esta.

 

Veamos ahora algunas de sus aplicaciones:

  1. Analítica de la gestión de las relaciones con los clientes (CRM).

Estos análisis tienen una importante actuación a lo largo del ciclo de vida de los clientes. Desde el momento de la adquisición y crecimiento de la relación, hasta incluso el momento de la retención y la reconquista. En este sentido, los análisis predictivos nos permitirán conseguir los objetivos de CRM en cuanto a campañas de marketing, ventas y atención al cliente.

  1. En el ámbito sanitario.

Estos análisis pueden utilizarse de manera muy eficiente en el sector de la sanidad, para determinar los pacientes que están en riesgo de desarrollar, en base a sus datos, algunas enfermedades como asma, diabetes y otras patologías. También puede ser utilizado para ver el resultado de un nuevo tratamiento.

  1. Analítica de recopilación de datos.

Las aplicaciones de análisis predictivo, además se pueden emplear para la optimización de la asignación de recursos de datos, identificando bien a las agencias de recolección, las estrategias de contacto y las acciones legales, para incrementar la recuperación de la información y reducir los costes de la recogida de datos.

  1. Detección del fraude.

Aunque parezca raro, la analítica predictiva, tiene una importante utilidad en la detección de transacciones fraudulentas, tanto online como offline, robos de identidades y reclamaciones de seguros falsas.

  1. Gestión del riesgo.

Las aplicaciones de analítica predictiva también pueden usarse para predecir la mejor cartera para maximizar el retorno en el modelo de valoración de precios de los activos financieros, conocidos como CAPM o Capital Assets Pricing Model.

 

Interesante, ¿verdad? No tengo duda de que si has llegado hasta aquí es porque te interesa mucho poder poner en práctica en tu negocio estos modelos predictivos. Normalmente, este tipo de trabajo lo realiza un departamento de Business Intelligence el cual no muchas empresas se pueden permitir. En Artyco disponemos de un gran equipo de expertos en crear ventajas y oportunidades a empresas, a través del Customer Intelligence y la analítica predictiva. Si quieres que te ayudemos, no dudes en ponerte en contacto con nosotros.

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus ventas maximizando tus resultados.

MAS INFORMACIÓN AHORA
Cómo clasificar y segmentar a tus clientes

Cómo clasificar y segmentar a tus clientes

Clasificar a los diferentes clientes y potenciales es una labor necesaria para toda organización si se busca mejorar la rentabilidad. Para poder realizar dicha clasificación es necesario conocer cuáles son los criterios que se van a utilizar para clasificarlos, así como de qué manera vamos a analizarlos y evaluar si esa clasificación es la adecuada. ¿Quieres saber cómo hacerlo?

Los clientes pueden ser clasificados por el estatus, por el volumen de compras en un período de tiempo determinado (por ejemplo: Anual), por su antigüedad, por la frecuencia de compra, por las líneas de productos que compran, por su grado de influencia, etc. La decisión de utilizar uno u otro criterio, depende de los aspectos que se considere son determinantes para la empresa y que permiten enriquecer el análisis de estos.

La clasificación de clientes permitirá segmentar y seleccionar las estrategias a aplicar, las actividades a desarrollar, y en última estancia, los esfuerzos y recursos que se dedicarán a cada tipo de cliente acorde al tipo de relación que se desee tener con cada uno. El análisis por tipo de clientes permitirá identificar los clientes de mayor proyección para el crecimiento y sostenibilidad del negocio. Como puedes ver, el poder clasificar a tus clientes y potenciales, es una labor fundamental si quieres hacer las cosas bien. ¿Cómo clasificarlos?

Aquí te muestro la clasificación más común según el estatus:

1. Clientes actuales. Son aquellos que te compran periódicamente, bien sean empresas o particulares. En definitiva, son aquellos que sostienen tu negocio.

2. Clientes activos. Son aquellos que hacen compras con cierta frecuencia y que lo hicieron recientemente o en un periodo de tiempo establecido por la empresa. Este periodo de tiempo dependerá del tipo de empresa o el producto.

3. Clientes inactivos. Son clientes que han realizado compras, pero fuera del periodo establecido por la empresa. Son clientes a los cuales se puede recurrir en algún momento, de cara a que vuelvan a comprarnos, previo análisis del motivo de la baja, la frecuencia de compra, etc.

4. Clientes potenciales. Son aquellos que no han realizado compras a la empresa, pero que han mostrado interés a través de la solicitud de información, petición de presupuesto, y que cuentan con capacidad de compra pudiendo convertirse en cualquier momento en generadores de ingresos para la empresa.

5. Clientes probables. Son clientes que no han comprado nunca a la empresa, y que no han manifestado interés en nosotros. Sin embargo, por sus características consideramos que podrían convertirse en generadores de ingresos a futuro.

Segmentación por ventas

Otra clasificación muy común, es la que se realiza en función del volumen de ventas.

Para poder realizar esta clasificación, hay que partir de la premisa del 80/20, es decir, el 80% de tus ventas las realizan el 20% de tus clientes. En función de esto, los clasificaríamos de la siguiente manera:

1. Clientes Top. Son aquellos clientes que generan un volumen de ventas muy por encima de la media. Estos deberían ser los menos. Lo interesante de conocerlos perfectamente, está en que podremos definir nuestros esfuerzos y recursos en función de dicho criterio.

2. Clientes Grandes. Clientes que generan un volumen de ventas medio-alto. Son importantes, pero no representan el volumen de los Top.

3. Clientes Medios. Son aquello clientes que generan un volumen de ventas medio.

4. Clientes Bajos. Son aquellos cuyas ventas están muy por debajo del promedio.

 

Otra manera de clasificar a nuestros clientes, sería a través de la frecuencia de compra. Lo ideal es determinar una frecuencia de compra promedio, y a partir de ahí clasificar a nuestros clientes:

1. Clientes frecuentes. Es muy importante cuidar muy especialmente a los clientes de compra frecuente y darles un trato preferencial que les haga sentirse valorados y mantener de esta forma su nivel de compras.

2. Clientes habituales. A estos conviene mantenerlos con un excelente nivel de satisfacción generando actividades que propicien un aumento en la frecuencia.

3. Clientes ocasionales. Si bien es cierto que los clientes ocasionales merecen recibir un buen servicio como todo cliente, el nivel de inversión y atención a destinar, será menor que el suministrado a los clientes más rentables para la compañía.

 

Una vez tenemos clasificados a nuestros clientes, si queremos desarrollar una estrategia de marketing efectiva, debemos realizar segmentaciones. Para ello hay que tener en cuenta que, a pesar de haber clasificado a nuestros clientes, cada cliente esté en el grupo que esté, tiene necesidades e intereses únicos y diferentes. Lo ideal sería poder comunicarte de tú a tú con ellos, sin embargo no es práctico. Para ello, lo que necesitamos hacer es agrupar a nuestros clientes en función de ciertas variables. Es decir, segmentarlos.

Para poder segmentar a nuestros clientes, se hace necesario disponer de una base de datos (CRM) que recoja al menos las ventas, qué productos ha adquirido, frecuencia y cantidades. Pero además, debemos de recoger en esa base de datos (CRM), información relacionada con el marketing, como potencial de demanda, evolución y tendencias del mercado o canal de captación online, entre otros muchos. En el caso de que sea segmentación de empresas, también deberíamos recoger información como actividad, volumen, dónde está ubicada o dónde opera, características del decisor, etc. Por último, para poder completar esa segmentación, es necesario usar técnicas estadísticas multivariantes o de data mining para el análisis de datos.

Al final lo que buscamos con la segmentación, es conocer el tipo de clientes que tenemos, y la estrategia que podemos seguir con cada uno de ellos. Esto es lo que llamaríamos, la segmentación estratégica.

 

Ejemplos de segmentación estratégica

segmentacion estrategica

1. Segmentación en función de los objetivos de rentabilidad por cliente. Por ejemplo, si queremos reducir un 5% la tasa de abandono de clientes relacionados con los servicios de telecomunicaciones, será necesario realizar una segmentación estratégica de clientes, la cual nos determine quiénes de ellos, en función de determinadas variables, tienen mayores probabilidades de abandonar. De esa manera, podremos realizar acciones concretas sobre ese segmento, y evitar dicho abandono.

2. Segmentación para establecer una estrategia de formatos. Es decir, si una tienda de moda se plantea crecer, puede estudiar varias alternativas: abrir nuevas tiendas bajo el mismo concepto; o diversificar con nuevas tiendas Factory dirigidas a aquellos clientes que se están perdiendo debido a la variable precio. En este caso, el haber podido identificar quienes de sus clientes se mueven por el precio y quienes no, les dará la respuesta.

3. Segmentación para optimizar el surtido. Esta estrategia de segmentación es especialmente interesante para el sector Retail, donde necesitan seleccionar bien el surtido de sus tiendas, de cara a aumentar el volumen del carro medio. Para ello, deben conocer qué variables son más sensibles a la hora de la compra y así determinar hacia qué tipo de clientes dirigen su estrategia, con el objetivo de conseguir la mayor rentabilidad.

4. Segmentación de cara a lanzar nuevos productos o servicios. Aquí podríamos responder a la pregunta de: ¿qué segmentos se beneficiarían del lanzamiento de este nuevo producto?, ¿para qué tipo de clientes diseñamos la App? ¿qué retorno preveo de cada segmento si lanzo este nuevo servicio?

5. Segmentación en una estrategia de redimensionamiento. En entornos de crisis, cuando tienes que reducir tiendas, servicios o productos, el conocer cuál es el ‘core’ de la empresa en función de una segmentación que te aporte dicha información, es de gran valor. Para responder a esta pregunta, lo lógico es segmentar a tus clientes en función del margen que nos aporte y así poder decidir.

 

Ejemplos de segmentación más operativa

segmentacion estrategica

1. Segmentación en función del CLTV (Customer Lifetime Value) o valor de vida del cliente. Muchas veces calculamos el ROI de nuestro marketing sin tener en cuenta el valor del ciclo de vida de este, tomando como valor la conversión de manera aislada, como si fueran clientes diferentes. El poder realizar segmentaciones basadas en este valor, nos puede ofrecer una información mucho mayor al ROI.

2. Segmentación en función de dimensiones de producto, rentabilidad por clientes, sociodemográficos, etc. Este tipo de segmentación nos ayudaría a realizar campañas de relación con los clientes, personalizadas para cada segmento, redundando en mejores tasas en las Kpi`s correspondientes, como OR, CTR, etc, mejorando como consecuencia el ROI.

3. Segmentación de comunicaciones con los clientes. Con un sencillo análisis de frecuencia, la recencia (días transcurridos desde la última compra), el valor monetario, entre otras variables, nos permitirían segmentar las comunicaciones y medir retornos con mayor precisión, además de no ‘quemar’ el canal.

4. Segmentación a través de datos sociales y de geocodificación. Hoy día con la información que nos dan los medios sociales, podemos obtener nuevos indicadores que nos permitan segmentar clientes de una manera mucho más precisa, con datos de intereses, preferencias, gustos, etc.

5. Segmentación combinada con algoritmos de asociación. Esta es especialmente útil para e-commerce. Es lo que vemos a menudo sobre “recomendaciones” para la próxima compra. Esta información está basada en el histórico de productos asociados en las transacciones de los clientes. Personalizaríamos la oferta más atractiva para cada cliente, mejorando así los ratios de conversión.

¿Quieres hacer segmentaciones?

Te ayudamos a conocer el comportamiento de tus clientes, clasificarlos, segmentarlos y fidelizarlos, maximizando tus resultados.

MAS INFORMACIÓN AHORA
¿Qué es el Data Driven Marketing?

¿Qué es el Data Driven Marketing?

Según un estudio realizado por IBM, el 80% de los responsables de marketing toman sus decisiones siguiendo su instinto y basándose en su experiencia. En la actualidad vivimos en la sociedad del dato, donde el Big Data y la capacidad de las empresas de ordenar ese exceso de información y poder utilizarlo para tomar decisiones, es una realidad. Precisamente en este sentido, el Data Driven Marketing puede ayudar a tu empresa.

Todos los directores de Marketing saben que las decisiones hay que tomarlas en base a datos y modelos predictivos, sin embargo, el día a día o la imposibilidad de poder gestionar esos datos y conseguir esos análisis predictivos, hace que la mayoría acabe utilizando el recurso de la experiencia y la intuición. Todos caemos en el error de pensar que lo que nosotros solemos hacer es lo que hace la mayoría de las personas, sin embargo, esa opinión está terriblemente sesgada. Si no quieres caer en este error, echa un vistazo al Data Driven Marketing.

 

El Data Driven Marketing, ¿qué es?

que es data driven marketing

El Data Driven Marketing lo podríamos definir como el conjunto de conocimientos y decisiones que emergen del análisis de datos provenientes de fuentes internas y externas, acerca de los consumidores. Es decir, el uso correcto de la información de clientes y potenciales de cara a conocerles mejor, y poder comunicarte con ellos de manera más personalizada. Se trata, en definitiva, de convertir el dato en conocimiento y el conocimiento en rentabilidad.

El problema hasta hoy día, es que las empresas disponen de una gran cantidad de información, la cual sigue aumentando gracias a los medios sociales, la navegación web, etc. Más y más información, la cual muy pocas empresas logran aprovechar.

Hasta ahora, se carecía de herramientas capaces de acceder y recoger información precisa e individualizada acerca de los patrones de comportamiento de los usuarios, así como gran parte de la información recopilada por las empresas ni siquiera se utilizaba para la toma de decisiones, por el hecho de que no se sabe cómo analizarla. Otro de los principales problemas era que buena parte de los responsables de marketing y ventas tienen el hábito adquirido de tomar las decisiones basadas en su instinto y experiencia, tal y como adelantábamos, en lugar de utilizar los datos y evidencias contrastadas.

Con el avance de las nuevas tecnologías, el Data Driven Marketing a través de plataformas destinadas para ello, ha comenzado a cobrar importancia en las empresas que quieren utilizar los datos de que disponen. Las cuatro necesidades básicas que han incitado al despegue definitivo del Data Driven son estas:

1. La búsqueda continua por maximizar el retorno de la inversión. Conociendo la respuesta exacta de nuestro target a nuestros impactos, podremos ser mucho más eficaces y reducir así el coste de inversión.

2. Conseguir una mayor visibilidad. Si conocemos mejor qué resultados nos aporta la publicidad más visual, como el display, podremos perderle el miedo a invertir en ella, al conocer exactamente qué papel juega en nuestra inversión.

3. El poder alinear los objetivos de la empresa con las necesidades reales del público digital. Con Internet, el usuario controla el proceso de compra. La empresa debería intentar encajar su oferta comercial y no justo lo contrario, hacer que el cliente encaje con lo que la empresa intenta vender.

4. Aumentar el volumen de datos que podemos obtener de los canales online. Es importante ser eficaces no sólo en la recogida de datos, sino también en la gestión y tratamiento de ese Big Data. De esa manera, crear modelos que incluyan todas las variables necesarias para sacar provecho a esa información. Siempre disponiendo de un personal preparado.

5. Girar definitivamente hacia una visión customer-centric. El Data Driven Marketing es la máxima expresión del enfoque hacia el usuario. La empresa no debe perder nunca esa visión de colocar al cliente en el centro de su vida. Para ello necesita conocerle, y para conocerle necesita información.

 

Data Driven Marketing y Machine Learning

Con Internet, el volumen de información que manejamos sobre nuestros clientes, crece cada año de forma exponencial. Resulta absurdo que intentemos tomar decisiones basadas en esos datos, si no podemos asimilarlos de manera racional.

Para poder hacer frente a tal cantidad de información, necesitamos de los algoritmos en los análisis de datos. Gracias a la tecnología que aplica este tipo de algoritmos, podemos sacar conclusiones y correlacionar la información de una manera más precisa y acertada de lo que podríamos hacer por nuestros propios medios. Utilizando Machine Learning, podremos obtener información que nos ayude a saber cuál de las decisiones a tomar, tiene más probabilidades de generar un impacto positivo en nuestras campañas de marketing.

Según una encuesta de Adweek de 2015, en la cual preguntaba a los responsables de marketing, para qué pensaban utilizar estos datos, las respuestas fueron:

  • 66% para la utilización de contenido personalizado.
  • 40% para aumentar sus habilidades en la gestión y tratamiento del Big Data.
  • 36% para trabajar en la retención y fidelización de clientes.
  • 36% para hacer más eficientes los canales digitales.

Seguro que te encuentras entre al menos una de las opciones…

 

Qué beneficios tiene el Data Driven Marketing

Como habrás podido suponer hasta el momento, es una técnica muy potente, con la cual puedes principalmente:

  1. Reducir el tiempo en la toma de decisiones estratégicas y tácticas.
  2. Te ayuda a probar las campañas de marketing con resultados y métricas en tiempo real que permiten adoptar medidas correctivas de cara a su mejora.
  3. Te permite personalizar los mensajes y ofertas para mejorar la experiencia de cliente y aumentar así su fidelización.
  4. Consigues predecir el comportamiento de los consumidores y te permite responder de forma inmediata a las acciones de los consumidores.
  5. Mejora la selección del target.
  6. Optimiza la integración de canales cruzados.

 

Qué necesitas para aplicar el Data Driven Marketing

como empezar con el data driven marketing

Como estamos viendo, el Data Driven Marketing nos ayudará a crear estrategias digitales basadas en datos. Para ello necesitamos:

1. Un modelo de datos que sea capaz de analizar y registrar gran cantidad de datos (big data).

2. Un equipo preparado para la gestión de las necesidades (análisis de la información, redacción de copy, creación de piezas publicitarias, actualización de contenidos, …).

3. Una prueba de concepto sobre una parte manejable de la información para determinar el nivel de confiabilidad del sistema.

 

Parece sencillo, pero lo cierto es que la mayoría de las empresas hispanohablantes están muy a la cola en la implantación de este tipo de tecnología. ¿Estás aplicando con éxito el Data Driven Marketing en tu empresa? Cuéntanos cómo te va, nos encanta escuchar casos de éxito.

:-)

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Cómo predecir el cambio de marca

Cómo predecir el cambio de marca

El 9 de enero de 2017 la revista especializada “Nature Human Behaviour” publicó un estudio sobre el desarrollo de un modelo estadístico para predecir el momento en el que un consumidor está más dispuesto a cambiar de marca. Parece increíble, pero entre otras cosas, se ha descubierto que el miedo a lo desconocido es lo que realmente impide al consumidor probar nuevas marcas y productos. Pero cuando se decide y prueba, esta nueva opción tiene que satisfacerle, si no volverá a su círculo de confort.

Los científicos que han trabajado en ello, de la University College de Londres, para explicar las conclusiones de su estudio ponen el ejemplo de las abejas. Una abeja de miel, cuando está recogiendo néctar en una flor, y sigue un camino concreto, tiene que elegir en un momento dado, seguir ese camino o explorar uno nuevo. Esto lo hace en base a la incertidumbre, es decir, si existe una alta incertidumbre, el cambio tendrá menos probabilidades de suceder. Con los consumidores sucede algo muy similar.

Para evaluar bien este hecho, se examinaron los hábitos de compra de más de 280.000 individuos anónimos en los supermercados, durante varios años. Descubrieron, entre otras cosas, que los consumidores prefieren los cupones (incentivo para el cambio) para lanzarse a explorar productos nuevos, cuando estos se encontraban preparados para cambiar de marca o producto. Estos hallazgos demostraban además, que los incentivos relacionados con tener una vida saludable, incrementaban sus impulsos de cambio, pero ¿cómo llegamos a ese momento de cambio?, y ¿cómo sabemos que ese momento ha llegado?

En el estudio ponen de ejemplo el cambio de un restaurante. Todos nosotros tenemos un restaurante favorito, ¿verdad? Encontrar uno que sea mejor, requiere una actitud positiva hacia la exploración de nuevas alternativas. Por tanto, el momento de la exploración es fundamental. En el estudio comentan que la tasa de exploración debería aumentar a medida que la incertidumbre se acerca a la bondad relativa de aumentar opciones. Por ejemplo, se podría dar una segunda oportunidad a un restaurante ya conocido, después de un año, ya que podemos pensar que el servicio puede haber mejorado. Así reducimos la incertidumbre y nuestra tasa aumenta. Sin embargo, según los estudios, influye más en el cambio un incentivo monetario objetivo que uno subjetivo relativo a la propuesta gastronómica, por poner un ejemplo. Al final, todo depende de la dopamina frontal en los circuitos cerebrales, la cual actúa más en estos incentivos monetarios objetivos.

Los factores subjetivos al final son interpretativos, algo que no ocurre con los objetivos, como los descuentos y los cupones. Los factores subjetivos, sin embargo, sirven para reafirmar la decisión tomada a través de estos factores objetivos.

Para confirmar esto, reunieron a una muestra de individuos que testaron diferentes tipos de mermeladas. Al seleccionar una de ellas, el equipo de investigación cambiaba la mermelada por otra diferente. En el momento de justificar su elección y volverla a testar, este no identificaba el cambio. Todas las razones de la elección que daban, iban encaminadas a justificar dicha elección. Este tipo de comportamiento de búsqueda de la coherencia, está en línea con la preferencia de la gente por la información que sea consistente con sus puntos de vista actuales y el comportamiento que han tenido.

Según el estudio, la exploración en el individuo es estructurada y no aleatoria como se podría pensar, variando la probabilidad de exploración en función de la historia reciente de elección. Esto quiere decir que se pueden sacar modelos predictivos. En relación al tiempo pasado necesario para explorar nuevas marcas, comentan que una vez realizan el cambio de marca o producto, ese “contador” se pondría a cero, y habría que volver a pasar por un proceso nuevo hasta llegar a otro punto óptimo para volver a explorar otra nueva opción.

Tesco, una importante cadena de supermercados del Reino Unido, proporcionó aproximadamente 283.000 conjuntos de datos totalmente anónimos, cada uno representando las compras de un consumidor, dentro de una categoría de producto específica, durante un período de 250 semanas, involucrando 152 visitas a la tienda de media. Examinaron cómo los compradores individuales exploran las opciones de producto dentro de seis categorías de productos diferentes: cervezas, panes, cafés, papel higiénico, detergentes de lavado y yogures.

Entre los resultados que obtuvieron, vieron que por ejemplo, un comprador puede preferir la cerveza y explotar (probar) la marca A para una serie de visitas a la tienda antes de explorar la marca B. Se comprobó que, minimizando la incertidumbre, el periodo de exploración de una nueva marca se reducía. Además, la tasa global de exploración era estable en el tiempo, siendo común a todos los individuos.

Otra conclusión que se sacó, fue que las personas exploran menos cuánto más tiempo han estado probando un producto y marca en concreto. Es decir, si consigues fidelizar a un cliente, su tiempo de exploración se alargaría indefinidamente.

gráfica tiempo exploración-prueba de producto

Fuente del gráfico: “Nature Human Behaviour”

 

Pero no todos los individuos somos iguales, aunque nos comportemos de manera similar. Para tener en cuenta esto, fue necesario integrar en el modelo, diferentes variables de comportamiento que influyen en el proceso exploratorio. Esto determinó que las estrategias que tienen los consumidores para explorar, suelen ser en general relacionadas con el grado de impulsividad, síntomas depresivos, la edad… que afectan para llegar de una manera u otra a la fase de cambio de marca o producto.

Los cupones como factor decisivo en el cambio de marca.

Los cupones y descuentos monetarios, como factores objetivos en el cambio de marca, son decisivos, tal y como vimos antes. Al analizarlo por separado, estudiaron cómo los consumidores reaccionaban hacia cupones de descuento de productos, donde recibían puntos en una tarjeta de bonificación o descuentos en los precios de compra de un producto promocionado.  Se observó que los consumidores canjean los cupones para explorar productos más rápidamente. Esto es normalmente, cuando llevan poco tiempo probando una marca concreta. Por el contrario, los consumidores que ya compran esa marca en concreto desde hacía poco (ya estaban inmersos en la fase de prueba de ese producto o marca), canjean los cupones para pasar la fase de prueba de la marca en menos tiempo y llegar así más rápido a la fase de exploración de nuevo.

Para validar este estudio sobre los cupones, se realizó un cupón para café instantáneo en 8.623 hogares seleccionados al azar que compraban regularmente este tipo de producto. Utilizando un modelo de regresión logística se ajustó el grupo para predecir la probabilidad de canje de cupones, dependiendo de la fase de tiempo de prueba de producto en el que estuviera cada individuo. Aquí no hicieron otra cosa que confirmar que había relación en el uso del cupón, en función de si el individuo estaba en fase de exploración de productos o ya era consumidor de esta marca.

Conclusiones del estudio

Una lección básica que se desprende de esta investigación, es que las personas entran periódicamente en situaciones de exploración, con una probabilidad predecible, creando una ventana de oportunidad para modificar el comportamiento.

Este estudio ha borrado algunas creencias de muchos expertos en marketing, que decían que la principal reticencia a cambiar de producto o marca por parte del consumidor, se debía principalmente a la intensidad de la comunicación de la marca. Sin embargo, según los investigadores del London University College, nuestro pasado instintivo y animal es el que nos impide buscar nuevas marcas y productos.

Así, nuestros antepasados omnívoros se enfrentaron a un mundo en el que muchas de las cosas que podían comer eran perjudiciales. De este modo, lo único que les daba seguridad era repetir varias veces un mismo alimento para comprobar que no se producía ningún efecto negativo y, por tanto, era seguro.  Aunque las estanterías de los supermercados contienen poco peligro, ese miedo a lo desconocido sigue guiando nuestras elecciones, y se puede predecir.

La fidelización en este proceso, tiene una importancia extrema. Si conseguimos, a través de comunicación e incentivos objetivos, muy ajustados al perfil de esos consumidores que se encuentran en el proceso de cambio, y logramos prolongar el consumo de nuestra marca, podremos extender su periodo de consumo y por tanto fidelizarle. Todo va dirigido a hacer sentir seguro a nuestro consumidor, y así que le sea más arriesgado probar otra marca, permaneciendo con nosotros.

¿Tu empresa hace customer intelligence? Cuéntanos en qué estáis trabajando, seguro que podemos ayudaros.

 

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Cómo fortalecer la relación con los clientes de forma inteligente

Cómo fortalecer la relación con los clientes de forma inteligente

Qué perfecto sería poder conocer tanto a nuestros clientes, como el tendero del barrio conoce nuestros gustos, tras años y años de compras. ¿Qué mejor manera de fidelizar a las personas que creando estos fuertes lazos de unión? Sin embargo, cuando nos dirigimos a un número mayor de personas, perdemos ese feedback de relación entre clientes y comerciantes, que caracteriza a los pequeños comercios. No obstante, no estamos tan lejos de tratar de conseguir estos resultados. La manera más inteligente de obtener todo este sabio conocimiento es mediante el análisis de los hábitos del consumidor, saber con qué frecuencia compran, qué compran, etc.

Ya no se basa en segmentar a los clientes, sino en personalizarlos, identificando cuándo tienen una necesidad, pero no sólo eso, lo más importante es determinar bien con qué producto, canal y mensaje debemos impactarle. Por ejemplo, si estudiamos los posibles periodos de renovación de un vehículo, podemos saber qué individuos son susceptibles de compra. Sin embargo, no sirve de nada tener una necesidad, si no se sabe llegar adecuadamente al consumidor.

Imaginemos que sabemos a qué personas nos tenemos que comunicar, pero, decidimos comunicarnos de manera uniforme a todos ellos, sin estudiar qué canales nos acercan más a ellos. Por ejemplo, por email. Quizá el señor García, que está pensando en renovar su vehículo, no utiliza el correo electrónico. Es posible que nuestra competencia tenga esto en cuenta, y sepa que el señor García está disponible únicamente al medio día, porque tiene su descanso laboral. Nuestro competidor acaba satisfaciendo la necesidad del cliente y haciendo que deje de formar parte “de los nuestros”.

¿Y si pudiéramos invertir esta situación y adelantarnos a nuestros competidores?, pero ¿cómo se puede hacer esto? Muy simple, sabiendo, por ejemplo, que nuestro cliente no lee los emails, pero sí responde al teléfono. Esto lo averiguamos con un estudio que analice las preferencias de canal de comunicación por cliente. Ya sabemos que su canal preferido de comunicación es la llamada telefónica. Cuando le llamemos por teléfono, si además le invitamos a asistir al concesionario más cercano, porque sabemos por nuestros análisis que ha entrado en su periodo de renovación de vehículo, le daremos un empuje más. ¿Y si justo en ese momento hay una feria del automóvil? Podemos invitarle a dicha feria y que nos visite allí. Pero todavía podemos ir más lejos. El señor García asiste a la feria y allí le ofrecemos un servicio de wifi gratuito logándose a nuestra red. Él podrá usar su Smartphone, y nosotros podremos saber, gracias a herramientas de Marketing wifi, que el señor García es hombre, vive en Barcelona y le interesa la tecnología y el deporte (gracias a sus perfiles sociales) y además, y esto es aún mejor, podemos saber que ha estado mucho tiempo cerca de uno de nuestros preciosos vehículos rojo pasión que tenemos expuesto en la feria. En ese preciso instante podremos impactarle con información relevante sobre ese mismo vehículo que ha estado mirando más de la cuenta, e influir así en su decisión final de compra.

Este es sólo uno de los ejemplos que se pueden hacer para fortalecer nuestra relación con los clientes.

Relación empresa con cliente

Un ejemplo interesante es lo que hace el gigante Amazon con sus recomendaciones personalizadas para cada cliente. Lógicamente los resultados que aparecen no son por pura suerte, existen algoritmos que consiguen obtener los gustos de los consumidores, y además, buscar productos relacionados o complementarios. De esta manera incentivan el crosselling, e incluso a veces, el upselling.

Dentro de todo este mundo que parece adivinar nuestro próximo paso, se encuentra una cantidad masiva de datos, la cual, se necesita almacenar y procesar. Esta parte es lo que se conoce como Big Data. Una vez procesada toda la información, gracias a los nuevos algoritmos de Machine Learning y Deep Learning, los científicos de datos, o data scientist, nos encargamos de obtener conocimiento de toda esa cantidad de datos, para poder tomar decisiones, cada vez más acertadas.

El siguiente paso, y en lo que estamos trabajando, es en modelos predictivos que nos ayuden, ya no sólo a conocer los deseos y necesidades de los clientes, si no a adelantarnos a ellos. Parece ciencia ficción, pero ¿no lo parecía hace décadas, poder tener acceso a millones de sitios con información de todo tipo, desde tu propia casa?

¿Quieres predecir tus ventas?

Te ayudamos a conocer el comportamiento de tus clientes, a fidelizarlos y a predecir sus compras maximizando tus resultados.

MAS INFORMACIÓN AHORA
Los 5 mejores posts de Marketing del 2016

Los 5 mejores posts de Marketing del 2016

Se nos ha ido un año: un año lleno de retos, proyectos únicos y crecimiento junto a nuestros clientes. En nuestro blog hemos ido reflejando nuestras inquietudes sobre crm, las tendencias del sector, los últimos avances y novedades sobre el marketing digital, así como nuestros últimos descubrimientos sobre customer intelligence.

En el post de hoy os recopilamos “lo mejor del 2016”, ya que no queremos dejar pasar aquellos contenidos que más os han gustado y que más habéis visitado y compartido. Os presentamos nuestros 5 mejores posts sobre marketing del 2016.

 

1. Principales diferencias entre Business Intelligence y Big Data

Diferencias entre Big Data y Business IntelligenceEn los últimos años una de las palabras que más se escucha en el sector es sin duda “Big Data”. Mucha gente la relaciona inmediatamente con el Business Intelligence, pero ¿tienen realmente algo que ver? Nuestra compañera Desiree Martínez nos aclara cualquier duda que pudiéramos tener, sin dejar de lado la gran importancia que tienen ambas para cualquier empresa que quiera servirse de los datos para aumentar sus ventas. Sin duda un “must” para quien quiera ordenar mentalmente conceptos.

Leer más >>

 

2. Prioridades de tecnología para el CIO en el 2016 según Gartner

Prioridades tecnológicas 2016Abrimos el 2016 con este post, informando a todos nuestros lectores sobre cuáles podrían ser las tendencias tecnológicas más predominantes para ese año. Un año después, nos damos cuenta que nuestras predicciones, basadas en Gartner, tenían mucho fundamento. ¿Quieres comprobarlo? Échale un vistazo.

Leer más >>

 

3. ¿Sabes qué es el Social Profiling? ¿Y el Social Listening?

Social profiling y social listeningOtro artículo de nuestra compañera Desiree Martínez, donde nos ayuda a conocer qué son el Social Profiling y el Social Listenig. En este post nos descubre sus diferencias, y además nos enumera cuáles son las principales ventajas de usar uno u otro, para cualquier empresa. Ambas esenciales para completar el Social CRM de cualquier empresa interesada en sacar provecho a los datos de sus clientes.

Leer más >>

4. El presidente de InfoAdex: “2016 y 2017 van a ser años de recuperación”.

Estudio Infoadex 2016

En este post en el que nos hacemos eco del Estudio Infoadex sobre inversión y consumo en los medios de comunicación durante el año 2015, reflejamos todas las cifras relevantes para el sector de la comunicación publicitaria. Como bien dice el titular del mismo, son el reflejo de una recuperación económica, la cual deja entrever la coexistencia entre los medios convencionales y los digitales, obligando a los departamentos de marketing de las empresas anunciantes, a realizar planes globales de comunicación. Si ya conoces los datos del 2016 y necesitas compararlos con los del año pasado, no dejes de leer nuestro quinto post más visto.

Leer más >>

 

5. Cómo el machine learning está detrás de las cosas más cotidianas

Machine learning y customer intelligenceSi queréis saber qué hay detrás del Business Intelligence, este es el post que estáis buscando. En él os contemos un resumen de la intervención de dos de nuestras especialistas en Customer Intelligence en el curso de la UCM “Matemáticas para el mundo y para la sociedad”. En su ponencia hablaron de redes bayesianas, “Machine learning” y las matemáticas que hay detrás, todo con el fin de demostrar como afectar a la toma de decisiones en las empresas que saben utilizarlo. Sin lugar a dudas un post muy técnico, pero que te ayudará a entender todo lo que hay detrás del dato inteligente, y lo importante que es disponer de personal cualificado que sepa traducir estos datos en negocio.

Leer más >>

 

Un año más, nuestro post más leído del año 2016 sigue siendo “Barreras de la comunicación“, escrito en el 2013. No podemos dejar de incluirlo en nuestra lista, a pesar de no estar escrito este pasado año, ya que sigue estando de total actualidad. A la vista está…

Barreras de la comunicación

Barreras de comunicaciónEn este post nuestro compañero Juan Carlos de la Torre, hace un repaso a qué supone la comunicación y el entorno social para el ser humano, y cómo influye en nuestro día a día. Nos acerca al sentido más amplio de lo que es la comunicación, qué tipos de comunicación nos podemos encontrar, así como las barreras más frecuentes que tenemos para comunicarnos. Su conclusión nos acercará a conocer cómo influye en nuestro Social CRM o Social business, y en definitiva, todo lo referente a nuestro Big Data. Un post que merece la pena repasar.

Leer más >>