91 640 41 50 hola@artyco.com
Junior Data Analyst

Junior Data Analyst

Junior Data Analyst

En artyco  empresa perteneciente al grupo MioGroup, ofrecemos una propuesta de valor data-driven al mercado: somos expertos en analítica de datos de clientes y en el diseño y ejecución de estrategias basadas en el dato y en la relación cliente-organización. Gestionamos el ciclo completo del dato en el marketing relacional y lo hacemos para algunas de las principales empresas de este país.

Actualmente estamos buscando un Junior Data Analyst. Trabajarás junto al equipo Customer and Data Analytics (CDA) compuesto por compañeros con roles de Data Scientists y Data Analysts dedicados a diversos proyectos con alcances muy variados. Esta área de artyco está focalizado en el desarrollo, implantación, medición y mejora continua de procesos, análisis y algoritmos avanzados y tiene como objetivo la optimización de métricas clave en el negocio como puede ser el churn, la satisfacción de la cartera así como su recurrencia y rentabilidad, entre otros.

Nuestro foco son los clientes de nuestros clientes, sus relaciones con ellos, su comportamiento y su actividad y los datos que tengamos en todos sus touchpoints y actividades.

 

¿Qué harías en artyco?

  • Ayuda en el manejo y análisis de conjuntos de datos (bases de datos de cliente / CRM, datos de negocio, análisis web, campañas emailing y datos de e-commerce…etc)
  • Colaborar y aprender de la mano de equipos multidisciplinares según cada proyecto asignado: para la recogida, organización y análisis de información con mucha atención al detalle y a la precisión.
  • Uso de herramientas de Business Intelligence y visualización de datos (Salesforce, Power BI, Tableau…etc)
  • Soltura y agilidad en redactar y crear informes (en Power Point) sobre estudios de consumidor / targets o perfiles de usuario.

 

¿Qué conocimientos serán necesarios?

  • Creación de informes y presentaciones en Power Point.
  • Analítica de datos
  • Habilidades de comunicación y visualización de datos.
  • Titulación o cursando formaciones académicas en Marketing, ADE, Investigación de Mercados, Matemáticas, Estadística, Sociología… o similares, con foco o especialidad en marketing y análisis de datos.

 

¿Qué sería un plus para nosotros?

  • Perfil proactivo y comunicativo, que busque aprender y mejorar en su desarrollo profesional gracias a los proyectos que acometa.
  • Visión global, capaz de entender diferentes puntos de vista y analizar situaciones desde ángulos que proporcionen soluciones diferentes.
  • Tener conocimientos de matemáticas/estadística para analizar conjuntos de datos..

 

¿Qué buscamos en ti?:

  • Ganas de aprender y proactividad.
  • Buscamos a personas con mentes innovadoras, ideas diversas e interesadas en conectar el desarrollo profesional y la tecnología con los proyectos en los que participe.

Además de una serie de competencias clave acorde a los valores de artyco:

  • Aprendizaje continuo
  • Calidad del trabajo
  • Capacidad de aprender
  • Colaboración
  • Compromiso en la organización
  • Comunicación
  • Franqueza – Confiabilidad – Integridad
  • Nivel de compromiso- Disciplina personal – Productividad
  • Proactividad
  • Trabajo en equipo

 

¿Qué te ofrecemos?

  • Formar parte de un gran proyecto con mucho potencial y con historia
  • Proyectos interesantes y novedosos con clientes de primer orden
  • Modelos de trabajo muy flexibles (localización, horario y trabajo remoto)

¿Crees que puede ser un proyecto interesante para ti? Nos gustaría hablar contigo y contártelo de primera mano. ¿Charlamos? ¡Muchas gracias!

ENVÍA TU CV

    *Campos obligatorios.

    Experiencia mínima:

    1 año

    Nivel

    Empleado

    Salario:

    Según valía

    Junior Data Scientist

    Junior Data Scientist

    Junior Data Scientist

    En artyco, empresa perteneciente al grupo MioGroup ofrecemos una propuesta de valor data-driven al mercado: somos expertos en analítica de datos de clientes y en el diseño y ejecución de estrategias basadas en el dato y en la relación cliente-organización. Gestionamos el ciclo completo del dato en el marketing relacional y lo hacemos para algunas de las principales empresas de este país.

    Actualmente estamos buscando un Junior Data Scientist. Trabajarás junto al equipo Customer and Data Analytics (CDA) compuesto por compañeros con roles de Data Scientists y Data Analysts dedicados a diversos proyectos con alcances muy variados. Esta área de artyco está focalizado en el desarrollo, implantación, medición y mejora continua de procesos, análisis y algoritmos avanzados y tiene como objetivo la optimización de métricas clave en el negocio como puede ser el churn, la satisfacción de la cartera así como su recurrencia y rentabilidad, entre otros.

    Nuestro foco son los clientes de nuestros clientes, sus relaciones con ellos, su comportamiento y su actividad y los datos que tengamos en todos sus touchpoints y actividades.

     

    ¿Qué harías en artyco?

    • Análisis exploratorio de datos, identificando áreas de mejora u oportunidad y dar respuesta a preguntas de negocio.
    • Realización de análisis ad hoc extrayendo datos de diferentes fuentes.
    • Crear y desarrollar plataformas de recomendación y personalización para nuestros clientes.
    • Emplear soluciones de Machine Learning para resolver problemas en priorización, recomendación y personalización en las diferentes áreas de relación con el cliente: Fidelización, desarrollo de productos y servicios y soporte, para mejorar la experiencia de cliente y optimizar los esfuerzos de marketing, ventas y producto.
    • Implicarte en conversaciones técnicas y en procesos de brainstorming con el equipo para traducir problemas de negocio en soluciones técnicas y encontrar las mejores posibilidades de avance para los retos actuales.

     

    ¿Qué conocimientos serán necesarios?

    • Programa de Grado o superior en Informática, Matemáticas y/o Estadística con especialización en Machine Learning o campo similar.
    • Conocimiento de programación en Python o R, incluyendo módulos de Data Science y Deep Learning como pandas, numpy, tidyverse, scikit-learn, PySpark, tensorflow, keras, etc.
    • Familiarización con SQL.

     

    ¿Qué sería un plus para nosotros?

    • Conocimiento y manejo de herramientas de visualización de datos y diseño de dashboards (Tableau, PowerBI)
    • Mentalidad customer centric, afrontar retos, superar las limitaciones para impulsar cambios, estar al día en las innovaciones e impulsarlas de forma constante.

     

    ¿Qué buscamos en ti?:

    • Ganas de aprender y proactividad.
    • Buscamos a personas con mentes innovadoras, ideas diversas e interesadas en conectar el desarrollo profesional y la tecnología con los proyectos en los que participe.

    Además de una serie de competencias clave acorde a los valores de artyco:

    • Aprendizaje continuo
    • Calidad del trabajo
    • Capacidad de aprender
    • Colaboración
    • Compromiso en la organización
    • Comunicación
    • Franqueza – Confiabilidad – Integridad
    • Nivel de compromiso- Disciplina personal – Productividad
    • Proactividad
    • Trabajo en equipo

     

    ¿Qué te ofrecemos?

    • Formar parte de un gran proyecto con mucho potencial y con historia
    • Proyectos interesantes y novedosos con clientes de primer orden
    • Modelos de trabajo muy flexibles (localización, horario y trabajo remoto)

    ¿Crees que puede ser un proyecto interesante para ti? Nos gustaría hablar contigo y contártelo de primera mano. ¿Charlamos? ¡Muchas gracias!

    ENVÍA TU CV

      *Campos obligatorios.

      Experiencia mínima:

      1 año

      Nivel

      Empleado

      Salario:

      Según valía

      El futuro de los Contact Center pasa por la IA

      El futuro de los Contact Center pasa por la IA

      El futuro de los Contact Center pasa por la IA.

      Decir que el futuro del Contact Center pasa por la inteligencia artificial, no es ninguna novedad. Sin embargo, ¿sabes a qué se refiere?, ¿cuáles son los tres principales problemas a los que se enfrentan?, ¿cómo se adaptará el modelo de negocio del CC con la IA?, ¿de qué manera se verán beneficiados los centros autónomos de esta tecnología? Si estás planteándote darle un impulso a tu servicio de atención al cliente y de call center, contratar uno nuevo, o simplemente te dedicas a ello, creo que este post te puede ayudar. Vamos a por ello. 

      Los Contact Center siempre se han considerado un centro de costos y una fuente de frustración, tanto para las empresas como para los clientes. Aunque las empresas han utilizado BPO para reducir el costo de funcionamiento de un Contact Center, estos no han resuelto los problemas fundamentales.  

      Para que los Contact Center prosperen, las organizaciones deben resolver estos problemas. Pero, ¿cómo pueden hacer esto los Contact Center y los líderes de servicio al cliente? La respuesta está en la inteligencia artificial y la introducción de un centro de contacto autónomo. 

       

      Los 3 problemas fundamentales de un Contact Center.

      3 problemas del contact center

      A pesar de la subcontratación y los intentos de automatización, los Contact Center se han enfrentado históricamente a tres problemas importantes que aún persisten en la actualidad: 

      #1. Dificultad en pronosticar la oferta y la demanda. 

      Incluso con el CRM mejor que puedas manejar, es difícil para los Contact Center predecir con precisión los volúmenes de llamadas y tener siempre la cantidad perfecta de agentes en el personal para satisfacer la demanda. Los centros de contacto terminan con demasiados o muy pocos agentes, lo que genera costos más altos o tiempos de espera prolongados y experiencias deficientes para los clientes. 

      #2. Altas tasas de rotación. 

      El problema anterior se ve agravado por el hecho de que los agentes no permanecen en los Contact Center por mucho tiempo. Los centros de llamadas suelen tener una tasa de rotación promedio del 30% al 45%. Algunos, incluso tienen tasas de rotación de tres dígitos.  

      La rotación es tan alta porque la mayoría de los agentes prefieren un trabajo menos aburrido, es decir, cuando los agentes atienden demasiadas llamadas de manera repetitiva, de nivel 1 (muy básicas), estas pueden provocarles agotamiento. Ese agotamiento un día y otro, acaba implicando cambio de trabajo. 

      #3. Mala experiencia de cliente. 

      Cuanto más repetitivas sean las tareas, más difícil será para los agentes mantenerse concentrados y comprometidos. Como resultado, su calidad de trabajo y la experiencia del cliente se ven perjudicadas. 

       

      Si tu negocio tiene que ver con la atención al cliente, o tu marca trabaja habitualmente con este tipo de servicios, te habrás sentido identificado con cada punto que te acabo de comentar. Sin embargo, hay buenas noticias. No hay porqué resignarse a estos problemas, ya que la inteligencia artificial tiene mucho que decir al respecto. Te lo cuento. 

       

      En qué puede ayudar la Inteligencia Artificial para crear un nuevo modelo de Contact Center.

       

      Cómo ayuda la IA en un Contact Center

      Uno de los primeros puntos que se buscó trabajar con la IA fue el eliminar todas esas tareas repetitivas que tanto daño hacían a los centros de llamadas de los Contact Center. A través de bots fundamentados en inteligencia artificial, se lograría atender a los usuarios en fases de llamada “tipo 1”. Esta automatización orientada al servicio al cliente, sin embargo, no siempre ha tenido éxito, ya que, a cambio, ha frustrado en algunos casos a los clientes. El teléfono, en particular, ha sido difícil de automatizar porque requiere inteligencia artificial para procesar el contexto de la llamada de un cliente, comprender con precisión la solicitud y responder rápidamente. 

      Las empresas que han intentado desarrollar la IA de voz internamente, rara vez han logrado poner la tecnología en producción o procesar miles de llamadas con la IA. Por otro lado, las empresas que no han creado una solución personalizada han recurrido a los IVR (Respuesta de Voz Interactiva). Debido a que los IVR utilizan modelos de IA primitivos o reconocimiento fonético, requieren que los clientes aprendan su idioma, es decir, los clientes tienen que decir números, frases específicas o palabras clave que reconoce el IVR. Cuando los IVR no logran entender el problema, los clientes pasan a un agente y tienen que repetir el problema. Esto conduce a una mayor frustración. 

      Sin embargo, existe otro tipo de inteligencia más avanzada, es la de los Contact Center autónomos, quienes proporcionan una forma más eficaz de aprovechar la tecnología de inteligencia artificial para el servicio al cliente. Estos, utilizan el poder de la inteligencia artificial de voz, actúan como la primera línea de defensa al resolver problemas de servicio al cliente de nivel 1, sin sobrecargar a los agentes con llamadas repetitivas y de alto volumen, ni mantener a los clientes en espera. 

      Pero también ayudan a los agentes en llamadas más avanzadas, a través de, por ejemplo, la generación dinámica de argumentarios. Gracias a estos, el personal del contact center dispone además de una base de datos totalmente segmentada que le sirve para dirigir mejor las campañas y los argumentarios, y a través de un sistema de marcadores predictivos agilizar la toma de contacto.

      Otro aspecto fundamental, radica en lo relacionado con la experiencia de cliente, ya que a través de la inteligencia artificial, desde el momento en el que se está desempeñando la llamada, el sowtware de inteligencia, está realizando un análisis exhaustivo, el cual repercute en una mejora posterior del servicio y de experiencia de cliente.

      Y por último, todo lo relacionado con el conocimiento del cliente, en donde la IA permite extraer toda la información que tengamos en el CRM, analizarla y ayudarnos a comprender qué quieren estos en función de sus características demográficas, geográficas, sociográficas, e incluso psicográficas, ofreciéndonos esa información en el momento de realizar la llamada.

       

      También brindan a los clientes soporte omnicanal de múltiples experiencias a través de voz, SMS, dispositivos móviles y otros canales. Cuando la IA no puede resolver un problema, se escala a un agente y se comparte un resumen de la interacción con el agente virtual. Los clientes no tienen que repetirse, y el agente puede saltar directamente a resolver el problema. 

      De este modo, los contact center autónomos resuelven los 3 problemas fundamentales de los que he hablado anteriormente, de la siguiente manera: 

       

      #1. Los problemas de nivel 1 se resuelven de inmediato. 

      En este tipo de tareas repetitivas y predecibles, es en donde las máquinas mejor se comportan. Por ejemplo, buscar el estado de un envío, encontrar la ubicación de una sucursal cercana al cliente o informar sobre el estado de su suscripción, son algunas de las tareas que puedes eliminar por completo a tu equipo de agentes, gracias a la IA. De este modo, los agentes pueden dedicarse a resolver problemas más complejos. 

      #2. El número de agentes se ajusta a la previsión de demanda de llamadas. 

      La inteligencia artificial permite predecir los picos de llamada, pero lo que es mejor, al disponer de un filtrado automatizado de agentes virtuales, hace que el traspaso real a agentes, por ser consultas realmente fuera de lo común, se reduzcan, disponiendo el Contact Center de los agentes adecuados para no mantener en la espera a las llamadas entrantes. 

      #3. Mayor satisfacción del cliente. 

      A cualquier persona le da igual si le ayuda una máquina o una persona, siempre y cuando no tenga que esperar en obtener su solución al problema y este se resuelva lo más rápido posible. Con este sistema, cada llamada es respondida inmediatamente por la IA, y las llamadas son más rápidas y eficientes. Cuando se habla con una máquina, no hay charla. Los clientes tampoco tienen que esperar mientras los agentes ingresan información manualmente o navegan entre múltiples sistemas. Al conectarse a los CRM y al software del centro de contacto, la tecnología de inteligencia artificial encuentra y actualiza información al instante. También genera automáticamente notas de resumen para obtener información más detallada sobre las llamadas que ha atendido, reduciendo considerablemente la entrada de datos de forma manual a través de los agentes. 

       

      Como ves, la IA da un salto importante en la gestión y satisfacción en la atención al cliente. Seguro que te preguntarás, cómo empezar a ponerlo en marcha. Para ello, debes de tener bien claros cada uno de estos puntos: 

      • Identifica un caso de uso para la automatización. 
      • Determina qué sistemas deben integrarse. 
      • Asegúrate de que los datos estén actualizados y sean precisos. 
      • Implementa uno de los casos de uso y determina su valor desde el punto de vista comercial. 

       

      En artyco llevamos más de dos décadas trabajando por ofrecer una excelencia en la atención al cliente omnicanal, a través de un Contact Center propio con agentes especializados y con un nivel de rotación mínimo. La tecnología ha sido siempre nuestro buque insignia y a través de la cual hemos confiado el servicio a nuestros clientes, llegando a trabajar para muchas de las principales marcas al nivel internacional, como Mercedes-Benz, SEUR, LG Spain, British American Tobacco, Shiseido, Luftansa, Adeslas, Alcatel, McDonalds, Gallina Blanca, Metrovacesa, Fujitsu o el Grupo Fiat. ¿Quieres que te ayudemos con la atención al cliente o impulsemos tus ventas a través de nuestro contact center? 

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Cómo mejorar la CX con analítica predictiva.

      Cómo mejorar la CX con analítica predictiva.

      Cómo mejorar la CX con analítica predictiva.

      La mayoría de las compañías, hoy día, utilizan sistemas de encuestas para medir la experiencia de cliente con sus servicios y su marca. Sin embargo, esta metodología provoca una preocupación por aumentar constantemente la tasa de respuesta de esas encuestas, que es reducida, así como la obtención a tiempo, de los datos resultantes. Sin embargo, hay otras empresas que ya están utilizando los datos accesibles a través de la interacción con los usuarios y sus móviles, siempre de forma legal, para pasarlos por una analítica de datos, la cual les aporta inmediatez e incluso proactividad, repercutiendo directamente en el diseño de experiencias de cliente excelentes. ¿Quieres saber más sobre ello? Aquí te lo cuento.

      Las empresas que están más cerca de la analítica de datos, o que han sabido ver antes que otras, cómo puede ayudarles esta, están impulsando sus capacidades de análisis y datos, y aprovechando la información predictiva para conectarse más estrechamente con sus clientes, anticipar comportamientos e identificar problemas y oportunidades de CX en tiempo real. Estas empresas pueden comprender mejor sus interacciones con los clientes e incluso adelantarse a los problemas en sus customer journeys.

      En cuanto a los clientes, estos están obteniendo determinados beneficios, como por ejemplo la compensación rápida por el retraso de un vuelo. Los pioneros en el mundo de la analítica de la experiencia del cliente anuncian un cambio fundamental en la forma en que las empresas evalúan y dan forma a las experiencias de los clientes.

      A través de la analítica y la ciencia de datos, los programas de CX del futuro llegarán a ser holísticos, predictivos, precisos y claramente vinculados a los resultados comerciales. La evidencia sugiere que las ventajas serán sustanciales para las empresas que comiencen a desarrollar las capacidades, el talento y la estructura organizacional necesarios para esta transición. Aquellas empresas que sigan con los sistemas tradicionales se verán obligados a ponerse al día en los próximos años, sí o sí.

       

      Los 4 principales problemas que tienen las encuestas en la medición de la CX.

      4 Fallos de las encuestas de CX

      Si bien las encuestas en sí mismas son un medio válido para recopilar información sobre los clientes, se quedan cortas como herramienta de gestión para medir el rendimiento de CX e identificar y actuar sobre las oportunidades de CX.

      Para que las organizaciones lideren desde una posición customer centric, necesitan cada vez más una visión integral del recorrido completo del cliente, así como la capacidad de obtener un conocimiento profundo sobre lo que impulsa la experiencia del cliente. Necesitan señales inmediatas e individuales para tomar medidas «en el momento» y crear experiencias relevantes para cada cliente, y deben demostrar que las mejoras de experiencia en las que les gustaría invertir darán como resultado un ROI positivo.

      Con las encuestas tradicionales, esto no lo puedes lograr, ya que disponen de 4 fallos principales:

       

      #1. Ofrece un resultado limitado.

      La encuesta típica de CX muestra solo el 7% de los clientes de una empresa (según datos de McKinsey), lo que proporciona una visión extremadamente limitada de lo que los clientes experimentan y valoran.

      Pero los expertos y responsables de la experiencia de cliente son conscientes de ello, ya que aproximadamente el 87% de ellos muestran desconfianza respecto a que los datos que arrojan dichas encuestas respecto a la CX sean representativos para el total de su base de datos de clientes.

      #2. Implica ser reactivos.

      Las encuestas son una herramienta que te da una visión pasada, en un mundo donde los clientes esperan que sus inquietudes se resuelvan cada vez más rápidamente. La mayoría de los expertos han detectado la necesidad de actuar sobre los problemas de CX en tiempo real, sin embargo, todos son conscientes que lograrlo con los sistemas actuales es prácticamente imposible.

      #3. Dan insights ambiguos.

      A menudo, las encuestas no revelan las causas fundamentales del sentimiento del cliente. De hecho, las puntuaciones pueden variar en función de muchos factores externos, incluidos el sesgo geográfico, lo que dificulta realizar un análisis confiable de la causa raíz, utilizando solo encuestas.

      #4. Están desenfocados.

      Normalmente, las puntuaciones obtenidas tras una encuesta son asociadas a ciertos resultados comerciales, tras una iniciativa de CX originada a consecuencia de ello, sin embargo, lo cierto es que no hay evidencia clara de esa relación. Y es que, según McKinsey, sólo el 4% de las compañías que desarrollan el CX, tienen claro que su sistema les permite calcular el ROI de cada decisión de CX que toman.

       

      Como puedes ver, el sistema de encuesta no es tan fiable como nos gustaría. Para solucionarlo, entra en juego otro sistema el cual tiene en cuenta una mayor variedad de datos, ofreciendo un conocimiento predictivo del cliente, el cual logrará convertir esas desventajas en oportunidades. Vamos a verlo.

       

      El conocimiento predictivo del cliente es el futuro del CX

      La analítica predictiva para el CX

      ¿Por qué utilizar una encuesta para preguntar a los clientes sobre sus experiencias cuando los datos sobre las interacciones del cliente se pueden utilizar para predecir la satisfacción?

      Las empresas ahora tienen acceso a una gran variedad de conjuntos de datos:

      • Datos internos sobre interacciones con los clientes (tanto digitales como analógicos), transacciones y perfiles.
      • Conjuntos de datos de terceros ampliamente disponibles que cubren las actitudes de los clientes, los comportamientos y preferencias de compra y los comportamientos digitales, incluida la actividad en las redes sociales.
      • Y nuevos conjuntos de datos sobre la salud, el sentimiento y la ubicación de los clientes (en las tiendas, por ejemplo) generados por el Internet de las cosas (IoT).

      Con esta información, todo pasa por crear una plataforma predictiva de experiencia de cliente que conste de tres elementos clave:

       

      #1. Un Data Lake a nivel de cliente.

      Normalmente, de un cliente se pueden recopilar grandes cantidades de datos, como los propios sobre el cliente, financieros y operativos. Todos esos datos, deben de ser procesados y almacenados en una plataforma basada en la nube (Data Lake).

      Estos conjuntos de datos a nivel de cliente, completos, conectados y dinámicos, permiten a la organización mapear y rastrear el comportamiento del cliente a través de interacciones, transacciones y operaciones. En contra, las encuestas reflejan las opiniones de un subconjunto de clientes en un solo punto de su journey, en el pasado.

      Estos conjuntos de datos almacenados en Data Lakes, son los que permitirán acceder al mapeo general de la experiencia del usuario con la marca, así como poder iniciar un proceso de analítica y predicción.

       

      #2. Predictive customer scores.

      La mejor manera de detectar eventos específicos en el journey del cliente, así como realizar un seguimiento de qué influye en la satisfacción del cliente y el rendimiento comercial, es a través de la analítica y el uso de diferentes algoritmos de machine learning.

      Estos algoritmos, generan puntuaciones predictivas para cada uno de los clientes en función de las características de su journey con la marca. Este scoring a su vez, permite a la empresa predecir la satisfacción del cliente de manera individual y valorar los resultados, como los ingresos, la lealtad y el costo de servicio. En términos más generales, permite a los responsables de CX evaluar el ROI para inversiones de CX particulares y vincular directamente las iniciativas de experiencia de cliente con los resultados comerciales.

       

      #3. Motor de acción y conocimiento.

      Para poder gestionar todo esto, es necesario disponer de un sistema CRM que permita introducir información y conocimiento a toda aquella persona dentro de la compañía que esté involucrada en la CX. A través de este CRM, será posible compartir información y por medio de una conexión a una plataforma predictiva de CX lograr que la empresa mida y gestione mejor su rendimiento de experiencia de cliente, pero también predecir la satisfacción con el fin de tomar decisiones y lanzar acciones más ágilmente que repercutan en una mejora de dicha satisfacción predicha, en el caso de no ser la adecuada.

      De este modo, las plataformas predictivas de CX, se convierten en la base para vincular la experiencia de cliente con el valor y para construir acciones claras que ayuden a mejorarla de forma continua.

      En artyco podemos ayudarte a crear o implantar una plataforma que cumpla con tus objetivos, así como poner en marcha un sistema de analítica predictiva que te haga ir por delante en cuanto a la satisfacción individual de tus clientes en cada punto de su journey con tu marca. ¿Hablamos?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Qué es un MVP o producto mínimo viable y cómo construirlo.

      Qué es un MVP o producto mínimo viable y cómo construirlo.

      Qué es un MVP o producto mínimo viable y cómo construirlo.


      MVP (Minimum Viable Product) o producto mínimo viable, es un término que fue acuñado en el año 2001 por Frank Robinson, quien nunca esperó que ese término se convirtiera en lo que es hoy día para cualquier empresa de desarrollo de aplicaciones, o incluso, para cualquier compañía que lance un producto o servicio al mercado. En este post, te voy a contar qué es exactamente un producto mínimo viable, y sobre todo, cómo llegar a construirlo. Vamos a por ello.

      ¿Cuál es la base de cualquier producto mínimo viable (MVP)? Pues aunque no lo creas, el conocimiento y la comprensión de lo que necesitan los clientes. Sabiendo esto, estarás preparado para lograr ese producto más simple que la empresa está dispuesta a llevar al mercado, el cual además, te proporcionará información sobre las reacciones y comentarios de los clientes, ayudándote a mejorar el producto final que finalmente se acabe asentando en el mercado.

      Resumiendo, podríamos decir que un MVP es esa versión que recopila la máxima cantidad de análisis de las necesidades de tus clientes, para brindar un servicio eficaz con el mínimo esfuerzo. Y por tanto, “es la estrategia de marketing en la que se lanza al mercado un nuevo producto con una funcionalidad mínima, pero adecuado para atraer el interés de los compradores».

      Pero, ¿cuál puede ser el propósito de crear un producto mínimo viable y no directamente el definitivo? Muy sencillo. Generalmente suele ser por algunas de estas causas:

      • Querer entrar en el mercado con un presupuesto muy limitado.

      • Con un MVP, puedes rectificar cualquier problema, error, debilidad, sin que ello te suponga una gran pérdida. Generalmente cuando se busca conocer la viabilidad económica de un producto, este sistema es muy utilizado.
      • Para encontrar la audiencia adecuada.

      • El MVP podrá aportarte la información necesaria sobre cuál es la audiencia ideal para lo que estás creando, qué necesita y cómo transmitírselo, yendo a “tiro hecho” una vez desarrolles el producto definitivo.
      • Para crear un equilibrio entre las ofertas de la empresa y las necesidades de los clientes.

      • Cuando una empresa construye algo que realmente el mercado no demanda, es una ruina. Para evitar esto, precisamente es por lo que se crea el MVP, ya que la empresa puede salir con un mínimo e ir conociendo la verdadera necesidad de ese producto, las mejoras que demanda de él o la transformación total del mismo, ya que se descubre la verdadera necesidad del consumidor.
      • Para minimizar errores.

      • Otro objetivo principal de MVP es básicamente probar la hipótesis del producto que elimina los errores de la iteración ágil del producto en la etapa inicial.
      • Para recopilar comentarios de máxima calidad.

      • Obtener comentarios de los clientes es un papel fundamental para cualquier empresa, especialmente cuando se trata de una empresa nueva. Sin embargo, recopilar comentarios positivos siempre, es casi imposible. En algunos casos, recibir comentarios, incluso negativos, también puede ser un desafío. Por lo tanto, las empresas planifican un producto mínimo viable (MVP), ya que ayuda a dirigirse al grupo específico de usuarios y puede recopilar comentarios y respuestas de calidad.

      Ahora que ya sabemos qué es un mínimo producto viable, así como cuáles son las principales causas por las que son utilizados, vamos a ver de qué manera podemos construirlo, en siete pasos. Vamos a verlo.

      Cómo construir un Mínimo Producto Viable (MVP) en sólo 7 pasos.

      Cómo construir un Mínimo Producto Viable (MVP) en sólo 7 pasos.
      Como se suele decir, cada maestrillo tiene su librillo. Lo cierto, es que hay muchas maneras y pasos diferentes para construir un MVP. Esa metodología la crearás en función de tu experiencia, tu sector, tu producto o servicio, tu equipo… Sin embargo, por alguna hay que empezar, y esta que te voy a contar puede ayudarte mucho. Si ya estás trabajando con MVP, quizás esta forma que te voy a contar pueda aportarte ideas y ayudarte a mejorar tu proceso. Seguro que sí.

      En artyco, dividimos todo el proceso en 7 claros pasos. Son estos:

      #1. Momento de identificación de cuál es la necesidad de negocio.

      Hace tiempo se lanzó una encuesta para valorar el porqué del fracaso de muchas startups, y por lo visto, de 101 que se analizaron, el 42% fracasaron debido a que no realizaron un estudio previo de cuáles eran las verdaderas necesidades del mercado.

      Por tanto, el primer punto está claro. Lo primero que se debe de hacer es analizar muy bien qué está demandando el mercado y el consumidor, si la idea que tiene tu empresa resuelve una verdadera necesidad, y si aporta algo a la sociedad. Sólo de este modo, se aceptará con éxito en el mercado y se conseguirán los objetivos económicos que nos planteemos.

      En este proceso, es fundamental crear una propuesta de valor convincente, relacionada con esa necesidad detectada.

      A continuación, debes analizar no sólo las necesidades del cliente, sino también qué están haciendo los competidores en el mercado. Y si las necesidades son a corto o a largo plazo. Si es a largo plazo, ¿cuáles son los criterios de éxito? Esto ayudará a tomar decisiones sobre qué tipo de producto se necesita para prosperar.

      #2. Define la idea de una manera clara.

      Si buscas solucionar un problema de una persona con tu producto o servicio, lo lógico es que desarrolles de una manera clara tu idea. Para ello:

      • Hazte preguntas.
      • Intenta encontrar respuestas a esas preguntas.
      • Convierte soluciones en ideas para construir un producto.

      Algunas de las preguntas más frecuentes y que no deben de faltar, son:

      • ¿Cuál es el beneficio que obtendrá el usuario final, del producto o servicio que estamos definiendo?
      • ¿Cómo obtienen ese beneficio?
      • ¿Cómo accederán los clientes, con el menor esfuerzo posible, a comprar el producto mínimo?
      • ¿Cuál es la estimación inicial del producto?

      Respondiendo a estas preguntas, sin darte cuenta, te facilitará llegar a tener una mejor idea de cómo crear ese MVP ágil que deseas.

      #3. Selecciona el enfoque para tu MVP.

      Una vez que tengas una idea clara del producto viable de tu negocio, es el momento de seleccionar el enfoque que deseas llevar a cabo para el concepto del producto mínimo viable. Existen varios enfoques, aquí te presento 4 enfoques muy interesantes:

      Sin Producto MVP.

      Este enfoque se utiliza para validar una idea y obtener comentarios sin disponer del producto real. Se puede implementar de dos maneras:

      • Visualización de ideas.

      • Es una forma de hacer uso de estrategias publicitarias para evaluar la hipótesis de un producto viable potencial. Puedes ampliar este enfoque mediante la página de inicio, campañas en medios, encuestas, videos, artículos, boletines, una presentación, anuncios, etc. La mayor ventaja de visualizar ideas es que lleva menos tiempo, pero conlleva importantes costes.
      • Vende antes de construir.

      • Lanzar un producto para la preventa antes de producirlo es el objetivo principal de este método. Ayuda a obtener pruebas de que la demanda de su producto es alta y conduce a mayores inversiones por parte de los accionistas.

      Product Mockup MVP.

      Este es otro enfoque que te puede ayudar a ofrecer una parte de las características de tu producto potencial, mediante maquetas. Para crear maquetas de nuevos productos, hay dos formas correctas de poder hacerlo. Son estas:

      • Técnica Conserje.

      • Es una manera muy manual, en la que creas una maqueta y directamente te diriges al segmento de clientes en el que te quieres centrar y resuelves tus dudas preguntándoles. Airbnb es el mejor de los ejemplos de uso de este tipo de técnica. Ellos, crearon un emplazamiento vacacional y lo testaron entre su público, preguntándoles directamente, de persona a persona.
      • Técnica Mago de Oz.

      • Esta técnica lo que busca es aprender de la interacción con tus primeros clientes para construir el resto, en el caso de que ya tengas montada o preparada la capa de servicio. Este te ayuda a validar la propuesta de valor simulando la respuesta del sistema, como si fueras un mago sacando de la “chistera” la solución milagrosa, o moviendo las palancas detrás de un telón como el mago de Oz. Así lo hizo Zappos, quien en sus primeras ventas de zapatos, bajaba a la zapatería que tenía a los pies de su casa, compraba el zapato en cuestión, le cambiaba la caja y lo enviaba por correo. Eso le permitió testar su propuesta de valor y su servicio con clientes reales a un coste mínimo.

      MVP de función única.

      Este se basa en encontrar cuál es la funcionalidad de tu propuesta que satisface por sí misma el mayor porcentaje de la necesidad de tu cliente potencial. Una vez la identificas, te centras sobre ella, recoges información y vas escalando.

      MLP.

      Este se puede entender como una evolución del MVP. El ‘Minimun Lovable Product’, puede definirse como la versión de un nuevo producto que recibe la máxima cantidad de amor de sus primeros usuarios con el mínimo esfuerzo.

      Para poder llegar al MLP necesitamos tener una propuesta de valor bien definida, entender a nuestros usuarios potenciales y conocer cuáles son sus necesidades. Y resolver al menos una de manera brillante. Si conseguimos eso, tendrás un cliente enamorado. Habrás entrado en su cabeza (su top of mind) y te buscará para que le soluciones el resto.

      #4. Es el momento de considerar el proceso de diseño.

      En esta fase, debe de tenerse en cuenta, tanto la usabilidad, cómo lo práctico que es llegar a la compra final. Es necesario que definas bien el flujo de usuarios, desde su entrada, hasta su registro o compra.

      #5. Haz una lista de las principales características de tu MVP.

      Enumera cuáles son las principales funcionalidades o características y destaca sobre todas las demás, la que consideras que puede tener un mayor interés en el mercado, para colocarla en el escenario central de tu MVP.

      #6. Construye tu MVP.

      Recuerda que esta no es una oferta terminada, pero debe de satisfacer plenamente las demandas de los consumidores. Así que hazlo lo más simple, atractivo y amigable que puedas para el cliente, pero que le aporte lo que busca.

      #7. Mide y aprende.

      Este no es un proceso de una sola vez, sino algo en lo que debes de trabajar constantemente para seguir mejorando según vayas escalando tu producto. Gracias a esta medición desde el primer día, podrás lograr ese producto o servicio que sea todo un éxito entre los consumidores.

       

      Como has podido ver, crear un producto mínimo viable ágil (MVP) tiene más que ver con el análisis y la estrategia que con el desarrollo. Esto es algo que muy pocas compañías entienden, llegando al fracaso más absoluto. Para tener éxito, necesitas definir las características centrales del desarrollo del MVP y conocer bien a tu público. ¿Te ayudamos?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Ejemplos de caso de uso del Machine Learning en el Marketing Digital.

      Ejemplos de caso de uso del Machine Learning en el Marketing Digital.

      Ejemplos de caso de uso del Machine Learning en el Marketing Digital.

      Hace décadas, cuando alguien oía hablar de la inteligencia artificial, pensaba automáticamente en robots que invadían el mundo y sometían a las personas a su yugo. Sin embargo, hoy día, todos tenemos interiorizado lo positivo que es en la vida cotidiana. Gracias a ella, podemos comunicarnos con una web a través de un chatbot, o recibir promociones que se ajustan a nuestros hobbies e intereses, entre otras muchas cosas más. No obstante, para quienes ha supuesto un avance importante, ha sido para los responsables de marketing, quienes a través del machine learning en el marketing digital, tienen la oportunidad de tomar decisiones cruciales, rápidamente basadas en big data. De esto es de lo que te voy a hablar en este post. Vamos a verlo.

      El aprendizaje automático o machine learning (ML) es una clase de métodos de inteligencia artificial que se caracterizan por no brindar soluciones directas a problemas, sino sistemas de entrenamiento para aplicar soluciones.

      Podemos encontrarnos con una gran cantidad de métodos de aprendizaje automático, pero se suelen dividir en dos grupos principales: los que aprenden con un “maestro” y los que no.

      En el caso de los primeros, es una persona la que proporciona a la máquina datos iniciales en forma de pares de situación-solución. A continuación, el sistema de aprendizaje automático analiza estos pares y aprende a clasificar situaciones en función de soluciones conocidas. Un caso muy sencillo y que nos es útil a todos, es por ejemplo cuando el sistema aprende cuándo marcar como spam ciertos mensajes que nos llegan a nuestro buzón de correo electrónico.

      En el otro caso, es decir, cuando aprende sin maestro, la máquina recibe toda la información de una manera desordenada de situaciones sin soluciones, y aprende a clasificar esas situaciones en base a signos similares o diferentes, sin guía humana.

      En el campo que nos interesa, el del marketing digital, se utiliza el machine learning sobre todo para encontrar patrones en las actividades de los usuarios en un sitio web. Esto, ayuda a poder predecir el comportamiento futuro de esos usuarios y a optimizar rápidamente las campañas publicitarias.

      Por qué es eficaz el Machine Learning en el Marketing Digital.

      Ejemplos de uso de Machine Learning en el Marketing Digital.

      El objetivo del aprendizaje automático en el marketing no es otro que ayudar a tomar decisiones rápidas, basadas en grandes cantidades de datos (Big Data).

      El proceso de trabajo al respecto es el siguiente: los especialistas en ML crean una hipótesis, la prueban, la evalúan y la analizan. Aunque parezca sencillo, este trabajo es largo y complicado, y a veces, los resultados son incorrectos, porque la información está cambiando cada segundo.

      Por ejemplo, para evaluar 20 campañas publicitarias considerando 10 parámetros de comportamiento para cinco segmentos diferentes, un especialista necesitará aproximadamente cuatro horas. Si dicho análisis se lleva a cabo todos los días, el especialista dedicará precisamente la mitad de su tiempo a evaluar la calidad de las campañas. Cuando se usa el aprendizaje automático, la evaluación toma minutos y la cantidad de segmentos y parámetros de comportamiento es ilimitada.

      Gracias al Machine Learning, podemos responder más rápido a los cambios en la calidad del tráfico generado por campañas. El resultado, es que los responsables de marketing pueden dedicar más tiempo a crear hipótesis, en lugar de a realizar acciones rutinarias.

      Otro factor importante a tener en cuenta es la rapidez, pero por el hecho de que los datos caducan, y a medida que estos se vuelven obsoletos, el valor de los resultados que hemos obtenido disminuyen.

      Una persona no puede procesar los volúmenes de información que los sistemas analíticos recopilan un cuestión de minutos. A través de esos sistemas de ML, se pueden procesar cientos de solicitudes, organizarlas y proporcionar resultados en forma de una respuesta inmediata a una pregunta.

      ¿Qué beneficios tiene el Machine Learning para el trabajo diario en el Marketing Digital? Muy sencillo:

      • Mejora la calidad del análisis de datos.
      • Te permite analizar más datos en menos tiempo.
      • El sistema se adapta a cambios y nuevos datos.
      • Te permite automatizar los procesos de marketing y evitar el trabajo de rutina.
      • Hace todo lo anterior rápidamente.

      Ejemplos de uso de Machine Learning en el Marketing Digital.

      Por qué es eficaz el Machine Learning en el Marketing Digital.

      Existen una gran variedad de usos del aprendizaje automático en el campo del marketing digital, sin embargo, creo que los más interesantes o destacables son estos que te expongo a continuación:

      1. Sistemas de recomendación.

      Son los ya por todos conocidos, en los que se ofrece a los clientes los productos que les interesan en ese momento.

      Un sistema de recomendación predice cuáles son los productos que es más probable que compre un cliente. Con dicha información, genera notificaciones push y por correo electrónico, así como bloques de “productos recomendados” y “productos similares” en la web.

      El resultado de ello es que los usuarios ven ofertas personalizadas, lo que aumenta la probabilidad de que realicen la compra.

      Para conseguir esto, se suelen utilizar algoritmos K-means clustering.

      2. Segmentación por previsión

      El objetivo de las segmentaciones no es otro que poder utilizar el presupuesto publicitario solo en aquellos usuarios objetivo que merecen la pena o que tienen más probabilidades de comprar nuestro producto o servicio.

      Las segmentaciones más utilizadas son:

      • Creación de segmentos sobre los que orientar la publicidad, de tal modo que se muestre la publicidad a aquellos grupos con el mismo conjunto de atributos.
      • Segmentaciones que se activan mostrando anuncios a los usuarios, después de que realicen una determinada acción, como, por ejemplo, ver un producto o agregar un artículo al carrito de la compra.
      • Segmentación predictiva, en la que se muestran los anuncios a los usuarios en función de la probabilidad de que realicen la compra.

      La principal diferencia entre estos tipos de orientación es que la orientación predictiva utiliza todas las combinaciones posibles de decenas o cientos de parámetros de usuario con todos los valores posibles. Todos los demás tipos de orientación se basan en un número limitado de parámetros con ciertos rangos de valores.

      Lo que predice la segmentación de previsión es la probabilidad de que un usuario realice una compra en “n” días.

      El resultado de utilizar este tipo segmentaciones es que logras mostrar la publicidad a un público más específico, lo que aumenta la eficacia de las campañas.

      Los algoritmos más comunes para conseguir esto son: XGBoost , CATBoost, Decision Tree (si hay pocos datos disponibles o son evidentes pocos patrones).

      3. Previsión de LTV

      Los métodos más conocidos para calcular el valor de vida de un cliente, o LTV , se basan en el conocimiento del beneficio total de un cliente y el tiempo durante el cual el cliente ha estado interactuando con la empresa. Sin embargo, muchas veces es interesante conocer el LTV antes de que este se vaya, para así poder crear estrategias comerciales en función del resultado para cada cliente. En este caso, la única solución es predecir el LTV en función de los datos disponibles y agrupar por segmentos.

      Una vez que tienes los LTV previstos por cliente, y has creado los diferentes segmentos en función de este, se cargan los segmentos en el sistema que se utilice, y se automatizan los envíos de comunicaciones en función de la tasa de abandono de cada uno, con el objetivo de evitar esas fugas y aumentar al máximo el valor de cada cliente.

      Una vez has lanzado las campañas, se deberían de cargar los segmentos en Google Analytics utilizándolos para analizar la efectividad de las campañas publicitarias basadas en el LTV previsto.

      El resultado de aplicar este tipo de técnica es que puedes determinar el presupuesto publicitario por usuario en función del LTV, mejorando así la efectividad de las campañas.

      Los algoritmos comunes para este propósito suelen ser: XGBoost , SVM , Random Forest o Regresión Logística.

      4. Previsión de la tasa de abandono.

      El concepto de abandono o salida se refiere a los clientes que han dejado la empresa y por tanto, la pérdida de ingresos asociada. Por lo general, se expresa en términos porcentuales o monetarios.

      La previsión de la tasa de abandono permite responder a la intención de un cliente de abandonar su producto o servicio antes de que realmente lo haga. Lo cual es tremendamente útil para cualquier empresa, ya que puedes definir acciones para evitar que eso suceda.

      La manera de trabajarlo sería, crear diferentes segmentos en función de la probabilidad de abandono, y planificar y automatizar una serie de acciones para cada uno de esos segmentos.

      Gracias a esto, lo que consigues es mejorar la retención de clientes y por tanto, los beneficios de tu empresa.

      Los algoritmos más comunes para este propósito son: SVM, Regresión logística y otros algoritmos de clasificación.

      Como puedes ver, el machine learning no es algo tan complejo como pueda parecer al leer su nombre, estando bastante bien bajado a la realidad de cualquier empresa. Este está dirigido a obtener unas mejoras cuantificables y unos beneficios en cuanto a eficiencia de presupuestos, acciones de marketing y resultados.

      En artyco, trabajamos cada uno de estos puntos, logrando aumentar la rentabilidad de nuestros clientes día a día. ¿Quieres que lo hagamos contigo?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      El autoservicio en la atención al cliente, a través de bots e IA

      El autoservicio en la atención al cliente, a través de bots e IA

      El autoservicio en la atención al cliente, a través de bots e IA


      La pandemia ha acelerado de una manera impresionante la digitalización de las empresas, incluyendo a aquellas que dan servicios a compañías especializadas en atención al cliente mediante Contact Center. Esto ha propiciado en el sector, el desarrollo definitivo del machine learning o de canales como el Whatsapp. Es por ello que los bots se han introducido de manera evidente en todas estas nuevas tendencias, trabajando en la estrategia de contacto omnicanal de la marca. Sin embargo, no siempre son convenientes. Aquí te lo contamos todo.

      La experiencia de cliente es algo tenido en cuenta en las estrategias de cualquier empresa, hoy día. Todo lo que pueda ayudar a mejorarla será tenido en cuenta para su implantación, eso es indudable.

      Durante este periodo de pandemia, ha habido ciertos elementos que se han potenciado mucho más, en lo relacionado con la gestión de la relación con los clientes. Algunas de las más evidentes son el uso de bots, la autogestión, las herramientas basadas en machine learning o la propia incorporación de nuevos canales como Whatsapp a la gestión de la relación con los clientes.

      Autogestión con ayuda de un bot.

      Es evidente que uno de los retos a los que se enfrenta cualquier contact center, es saber cómo establecer los servicios de autogestión que ofrecen a sus clientes y aquellos que han de seguir siendo prestados por los agentes. Un reparto que debe hacerse teniendo en cuenta no automatizar aquellos con un elevado grado de personalización, por tratarse de servicios críticos y de alto valor para la empresa.

      Siguiendo esta idea, se debería de establecer un criterio o estrategia que fijaran un umbral para lo crítico, lo urgente y lo complejo.

      Por ejemplo, si la interacción que inicia un cliente consiste en resolver o entender algo complejo y además la consulta o transacción es crítica, el reto de resolverlo mediante un servicio online (sea a través de web, de bot o de app), es muy complejo y seguramente costoso.

      Del mismo modo, es necesario tener en cuenta el nivel de conocimiento tecnológico de los consumidores, así como la urgencia, ya que no es lo mismo una consulta habitual sobre un producto, que sobre un servicio de salud o una transacción de alta cantidad económica, en las que la urgencia y el nivel de atención influyen mucho. Resolver dudas sobre temas como estos, no pueden ser realizadas por bots.

      Según un estudio de Forrester, el 63% de los consumidores están satisfechos de recibir el servicio directamente de un chatbot, siempre y cuando tengan la opción de hablar con un humano si es necesario, ya que, al final, cuando hay que resolver un problema, lo termina haciendo una persona.

      Durante la pandemia, este tipo de asistentes virtuales para la atención al cliente (chatbots y voicebots) se han desarrollado exponencialmente, implantándose para absorber los picos de actividad y para ofrecer autoservicio 24/7. Sin embargo, aunque hay un recorrido muy prometedor para este tipo de tecnologías, no podemos, ni debemos, desechar por completo el componente humano en los contact centers.

      Al respecto, es interesante conocer que, durante los meses más álgidos de la pandemia, la atención al cliente en el ecommerce registró un crecimiento en la demanda de consultas a chatbots de hasta un 300%, según el estudio de la plataforma de IA Simbólica de Inbenta. Pero, ¿cuáles son los sectores de mayor implantación?

      Cuáles son los sectores en los que más se está dejando notar los bots.

      Fundamentalmente, los dos sectores en los que más demanda y actividad se está viendo en lo relacionado con los asistentes virtuales, son sin duda, la Administración Pública y el Retail.

      En el primero, estos se han dado cuenta de la importancia que tiene una buena atención al ciudadano, directa y sin esperas, así como continua a cualquier hora del día. Esto, unido a la sustitución del canal de comunicación presencial, frente al telemático, ha propiciado el crecimiento de estos sistemas en un sector tan rígido al cambio.

      En el Retail sin embargo, la crisis provocada por la pandemia, ha dirigido, a la fuerza, todo el mercado al mundo online. Este movimiento, ha provocado en muchas marcas, plantearse proyectos definitivos de implantación de este tipo de herramientas, que les ayuden a posicionarse adecuadamente y captar el mayor número de clientes posible, a través de este canal.

      Algunos sectores en los que se está apostando de una manera más evidente, por este tipo de automatización son:

      • Salud. En este sector, los asistentes virtuales han abierto un nuevo mundo para la atención personalizada al paciente, el diagnóstico con ayuda de inteligencia artificial, la teleasistencia, las operaciones remotas o el acceso al historial médico online.
      • Restauración. Se han automatizado servicios con los que se puede reservar mesa, hacer un pedido o conocer cuál es el mejor lugar para cenar o la ubicación de un restaurante.
      • Retail. Los bots se han convertido en una de las armas más poderosas para este sector, guiando a los usuarios desde la compra hasta el pago final. Beneficios como ahorros en costes o aumento de ventas son unos de los principales actores que los impulsan.
      • Turismo. Se da soporte a la búsqueda de información, compra de billetes y selección de alojamiento.
      • Telecomunicaciones. Se usan aplicaciones de inteligencia artificial en la posventa, gestión de pedidos, adquisición de productos y servicios y gestión de quejas y reclamaciones.

      Sin embargo y a pesar de todo, implantar un sistema como este requiere de un buen análisis en cuanto al ámbito de aplicación, objetivos del servicio, definición del proceso… los cuales dejen muy claro su uso.

      Pero, ¿cuáles son los pasos a seguir para automatizar un servicio de este tipo con éxito? Vamos a verlo.

      4 Pasos a seguir para automatizar tu relación al cliente con éxito.

      La tendencia es que van a ir aumentando de manera bastante importante, las consultas por canales no tradicionales. Sin embargo, no sirve de nada implantar herramientas de este tipo, sin tener antes bien previstas una serie de factores relacionados con el conocimiento del cliente, sus necesidades y su forma de comprar y consumir información que sólo te la dan los datos.

      Teniendo esto en cuenta, podemos decir que para tener éxito en la implantación de una automatización relacionada con la atención al cliente, debemos de seguir estos pasos:

      #1. Comprender y controlar el journey de tu cliente.

      Este es cada vez menos lineal y predecible, por tanto, cada vez es más importante conocerlo para poder anticiparte y ofrecerlo de una manera personal, y un trato excelente. Hoy día, es el propio cliente el que está proporcionando datos, y el objetivo es entender qué hace, por qué, y qué va a hacer en su viaje. Posibilitar ese entendimiento es factible gracias al poder de la inteligencia artificial y el aprendizaje automático o machine learning y a utilizar insights en tiempo real.

      #2. Preguntarse cómo desean los clientes ser atendidos.

      Los clientes quieren ser ellos mismos. No hay dos personas idénticas, ni dos momentos iguales. En cada conversación, el cliente decide los canales que más le apetecen o le gustan, la ventana en la que quiere conectar, el tipo de servicio/autoservicio, e incluso la tolerancia a la espera por una respuesta. Y al mismo tiempo, las organizaciones deben definir la conexión que quieren lograr con sus clientes, generadora de emociones, de lealtad y de afinidad a su marca.

      #3. Identificar al asesor más adecuado para atender al cliente de la mejor forma posible.

      Una vez definida la estrategia omnicanal, este es un paso imprescindible, ya que es aquí donde entra en juego el autoservicio, e implícitamente la adopción de asistentes virtuales para dar soporte al cliente en su viaje.

      Hay que tener en cuenta que automatización sin racionalización da lugar a experiencias segmentadas que llevan consigo el rechazo del cliente. Esto hace que a la hora de ofrecer autoservicio sea necesario hacer un análisis inteligente de la conversación, y mantener el criterio de unidad en la automatización en lo que respecta a la omnicanalidad. Debe darse un cambio sustancial en la forma de prestar servicio, evolucionando de la mera exposición de opciones a la detección de la intención en la conversación.

      Asistentes virtuales que entiendan contexto y necesidad, sustentados en IA (NPL, NLU). La adopción de este paradigma lleva consigo mejoras de la experiencia, mayor eficiencia operacional y un mejor retorno de inversión al poner los recursos más adecuados a las cuestiones de mayor valor para la compañía.

      #4. Creación del binomio hombre-máquina.

      Es importante recordar que una solución de autoservicio a través de inteligencia artificial se medirá no sólo por la capacidad de resolución de las necesidades de un cliente, sino por la calidad de los agentes a los que habrá que escalar la conversación cuando sea necesario. Aquí el binomio hombre-máquina cobra especial protagonismo, las empresas deberán combinar ambos en escenarios más complejos, brindando una experiencia fluida y positiva.

      El uso de estos sistemas de autoservicio, ha conseguido una reducción de un 15% en el tiempo de espera de las llamadas y un incremento de 4 puntos en el NPS, sin embargo, esto no puede ser posible sin una estrategia omnicanal, en la que esté muy presente el factor humano a quien derivar los casos más críticos, así como quiénes dirijan esa atención de acuerdo con los estándares de cada marca.

      En artyco llevamos años trabajando el servicio de atención al cliente de empresas del primer nivel, como Mercedes-Benz España o Bodegas Ramón Bilbao. ¿Necesitas que te ayudamos?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Qué va a suponer el ‘cookieless’ para el marketing.

      Qué va a suponer el ‘cookieless’ para el marketing.

      Qué va a suponer el ‘cookieless’ para el marketing.

      Google va a eliminar las cookies de terceros en Chrome. Del mismo modo, Apple eliminará el acceso a los identificadores de dispositivos iOS. Mientras, los responsables de marketing se preguntan cómo van a poder afinar a partir de ahora una buena parte de su publicidad online, si no van a tener unos informes sobre resultados de las campañas, apoyados en dichos datos que aportaban esas cookies… El escenario va a cambiar, pero eso no significa que no se pueda seguir funcionando desde el punto de vista de la publicidad digital. Aquí te contamos qué supone y cuáles son las opciones al ‘cookie-less’. Vamos allá.

      Todo comenzó en 2016, cuando se aprueba el Reglamento Europeo de Protección de Datos, que comienza su aplicación obligatoria en 2018. En ese mismo año, además, entra en vigor la Ley Orgánica de Protección de Datos. Con ella, los usuarios particulares y las organizaciones tuvieron claro que cualquier dato obtenido para hacer campañas necesitaba el consentimiento explícito de los primeros.

      Pero ha sido en 2020, cuando Google anunció que, siguiendo los pasos de otros navegadores como Safari y Firefox, eliminaría las cookies de tercera parte, con afectación, sobre todo, en la medición de las conversiones y la compra programática de los clientes.

      Google pretende así, ofrecer su navegador Chrome con mayor seguridad y privacidad, iniciando el proyecto Privacy Sandbox que, en líneas generales, pretende eliminar el soporte tecnológico para las cookies de seguimiento de terceros. Todo este proceso finalizará a finales de este año.

      Google además, ha declarado que no contempla la posibilidad de usar identificadores alternativos de rastreo y, teniendo en cuenta que Chrome tiene el 70% de la cuota de mercado, marcará claramente la tendencia.

      En medio de la confusión sobre qué hacer cuando Google lleve a cabo la eliminación de las cookies de terceros en Chrome, la información errónea que se está oyendo y leyendo al respecto nos está desconcertando a todos.

      Vamos a ver cuál ha sido hasta ahora la situación en cuanto a la intimidad del consumidor, la publicidad online o la efectividad publicitaria.

      Cuál era la situación hasta ahora respecto a las cookies

      Hemos convivido desde casi siempre con ellas, y ahora que nos dicen que nos van a dejar sin ellas, muchos responsables de marketing se asustan pensando que sus proyectos actuales en los que dichas cookies eran fundamentales, van a exigirles hacer un esfuerzo extra de creatividad y recursos para obtener los mismos resultados que antes. Sin embargo, el panorama no tiene porqué ser tan negro. Vamos a ver algunos aspectos esenciales al respecto.

      Intimidad

      No hay dudas de que las medidas adoptadas por Google y Apple aumentan la privacidad de los consumidores. En realidad, eso es algo bueno, después de años de recopilación de datos sin sentido por parte de empresas de tecnología publicitaria, violando la privacidad de los consumidores sin su conocimiento.

      Sin embargo, todas las empresas de tecnología publicitaria responden, argumentando que Google y Apple están abusando de sus poderes monopolísticos. Y eso es verdad, pero si lo piensas, ninguna otra entidad podría forzar los cambios necesarios para aumentar realmente la privacidad de los consumidores.

      Sin embargo, este aumento de la privacidad es relativo, porque Google todavía tiene muchos datos sobre los usuarios que están conectados constantemente a servicios gratuitos como Gmail, YouTube, dispositivos Android, etc., al igual que ocurre con Apple.

      Identidad y orientación de anuncios

      Las empresas de publicidad online, están argumentando que la pérdida de cookies third party, va a suponerles una importante pérdida en cuanto a su capacidad de orientar los anuncios al individuo, afectando por tanto, a su capacidad de generar ingresos vendiendo servicios basados en estas cookies, tales como segmentos de audiencia, segmentación por comportamiento, etc.

      El retargeting es un claro ejemplo en el que muchas empresas invierten importantes cantidades de dinero, mientras que la experiencia del cliente sufre a consecuencia de la persecución del artículo que precisamente ya ha comprado.

      Otro ejemplo está en la hiperorientación, en la que se utilizan una gran cantidad de parámetros de orientación, los cuales hacen que los anuncios sean más relevantes para los usuarios. Sin embargo, la investigación ha demostrado que no es así. De hecho, los consumidores ven demasiados anuncios que no son relevantes y por ello, han tomado medidas para protegerse, instalando bloqueadores de anuncios.

      Excesiva focalización y efectividad de la campaña

      La posibilidad en cuanto a segmentación que nos ofrecen los datos, ha dirigido a los responsables de marketing a invertir grandes cantidades de dinero en microcontactos con micronichos de potenciales clientes.

      Esto ha logrado obtener grandes resultados de conversión, sin embargo, han descuidado otras áreas como pueden ser la construcción de marca o la retención una vez han sido adquiridos. Estas dos áreas, dejan grandes sumas de beneficios a cualquier marca que las trabaje, y se han estado abandonando.

      Por ejemplo, las compañías farmacéuticas han estado tratando desesperadamente de dirigirse al 1% de “prescriptores altos”, médicos que ya prescriben una gran cantidad de su medicamento en particular. Estos anunciantes están descuidando mostrar anuncios al otro 99% de los médicos que son «poco o ningún prescriptor». Es posible que este grupo mucho más grande simplemente no conozca la compañía farmacéutica o su medicamento. Si los anunciantes farmacéuticos reequilibraran su gasto en publicidad digital para incluir más construcción de marca y menos focalización excesiva, podrían generar muchas más ventas.

      Cuál va a ser el contexto a partir de ahora y qué oportunidades surgen.

      Aunque en principio cueste verlo a primera vista, existen una serie de beneficios, que a su vez crean unas oportunidades para aquellos que nos dedicamos a los negocios digitales.

      Quizás, el más evidente sea el ahorro de costos y los mejores resultados que se van a obtener a partir de entonces.

      Este ahorro de costos viene fundamentalmente a través de la eliminación del fraude publicitario, el cual invertía grandes sumas de dinero en sitios web visitados únicamente por robots.

      Eliminar las cookies de terceros, también significa que los anunciantes tienen una oportunidad única de deshacer los malos hábitos de marketing digital de la última década, los cuales están relacionados, precisamente con este hecho. Ahora se centrarán las campañas en los mejores editores y plataformas, los cuales disponen de una audiencia contrastada y real.

      Recordemos que en 2020 la publicidad digital movió unos 260.000 M€.

      Como hemos comentado, el cookieless es sólo para las cookies de tercera parte, con lo cual no se eliminan todas ellas ni tampoco se dejará de analizar a los usuarios. La pregunta sería ¿qué métodos alternativos dispondremos?

      Hay diversas opciones:

      • Device ID. Asumiendo que los usuarios usan cada vez más los smartphones, cada móvil tendría su identificador, asociado a una cuenta de correo electrónico. Dicho identificador no se vería afectado por el cookieless y sería determinante para la publicidad programática.
      • La creación de un identificador universal por usuario. Para ello, todos los agentes implicados en el proceso de la publicidad digital compartirían y cruzarían sus informaciones.
      • Semantic AI. Esta es la solución de Weborama, a través de la cual proponen la segmentación precisa y segura con el análisis semántico de las lecturas de los usuarios de Internet. En la práctica, se recopilan las palabras de las URLs, se organizan en clústeres y categorías, y se activan segmentos.
      • Privacy Sandbox de Google. Resumiendo, la propuesta pretende que el navegador del usuario sea el que almacene y procese su información personal mediante APIs. Google insiste en que sería de forma anónima y mediante cohortes, es decir, agrupaciones de usuarios con preferencias similares resultantes de un algoritmo definido por la tecnológica. Pasaríamos de una segmentación individual a una grupal por intereses concretos.

      Hasta el momento, éstas son algunas de las alternativas propuestas. Resulta evidente que en los próximos meses veremos cómo evolucionan estas y otras propuestas, junto con su adopción en el mercado.

      A pesar de todo, queda claro que una estrategia adecuada para cualquier empresa, será empezar a generar datos propios o 1st party. Para ello, no sólo se deberá de disponer de una estrategia de captación adecuada, sino también de una estructura tecnológica que ayude a aprovechar esos datos para su análisis posterior. ¿Necesitas ayuda al respecto?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Cómo hacer Automatización de Marketing centrado en el cliente.

      Cómo hacer Automatización de Marketing centrado en el cliente.

      Cómo hacer Automatización de Marketing centrado en el cliente.


      Cada vez el marketing automation está más integrado dentro de las actividades cotidianas de cualquier departamento de marketing, sin embargo, en la mayoría de los casos, este se simplifica a la automatización como si de un robot se tratara, cuando esta sin una estrategia basada en datos de comportamiento del consumidor, no tiene ningún sentido. En este post voy a contarte cómo debe de ir unido el Marketing Automation a un conocimiento del cliente, el cual te ayude a mejorar de manera exponencial tus ventas. Vamos allá.

      Las empresas están empezando a entender cómo utilizar el MA (Marketing Automation) para «guiar» mejor a los clientes potenciales durante el ciclo de compra. Y para las marcas con necesidades de compradores algo más sofisticadas, las herramientas de automatización de marketing pueden proporcionar un buen medio para crear procesos sostenibles para el crecimiento continuo de los ingresos y los clientes potenciales de alta calidad.

      Sin embargo, incluso hoy, todavía hay obstáculos para la automatización del marketing:

      • Las experiencias de los clientes multicanal están fragmentadas y no siempre se corresponden bien con MA.
      • La automatización del marketing está condenada al fracaso si se basa en una máquina robótica de envío de correo electrónico.
      • Un enfoque en el cliente alineado con la automatización del marketing, requiere varias estrategias interconectadas para el cliente, el marketing, el contenido, la generación de clientes potenciales y la colaboración de ventas y marketing.
      • Desde la perspectiva de la empresa, lograr experiencias de cliente excelentes (o incluso buenas) puede parecer complicado, incluso efímero. Algunos programas de marketing hacen que la «experiencia del cliente» sea complicada, quizás hasta intrincada. Además, las soluciones de software se están desarrollando en torno a los procesos de marketing para la «gestión de la experiencia del cliente», donde puede haber demasiado énfasis en la parte de «gestión» y muy poco en lo que constituyen experiencias positivas o deseables desde la perspectiva del cliente.

      En todo ello, hay una automatización de marketing, la cual no tiene en cuenta lo más importante, al cliente, centrándose más en cómo se desarrolla la propia automatización.

      Sin embargo, para conseguir focalizarse en el cliente, sería necesario conocer lo que este necesita y quiere de los productos y servicios de la empresa. Y eso requerirá inteligencia profunda, medición y mejora constante, y análisis continuo para lograr resultados tangibles que beneficien al cliente y a la empresa.

      Un informe de Forrester de 2011 el cual aún sigue estando en vigor, indica claramente qué se necesita para tener éxito en la automatización de marketing:

      Que se necesita para tener exito en la automatizacion de marketing

      El cliente y los journeys como eje central en la automatización de marketing.

      Como hemos visto, para poder desempeñar una automatización de marketing más valiosa, se debe de comenzar por comprender a fondo a los clientes, y uno de los comienzos para lograrlo es a través de los customer journeys, los eventos desencadenantes, y los puntos de contacto clave, es decir, el Customer Journey Mapping.

      El Customer Journey Mapping es en este caso, una tarea importantísima para generar mejores experiencias de compra de los clientes y para agregar inteligencia a los planes de automatización de marketing.

      Esto significa mucha investigación, análisis y segmentación, actualizándola constantemente.

      De todo esto, quizás sea la segmentación de clientes la que más te puede ayudar a saber qué mapas necesitas realizar, y así crear diferentes experiencias en función del segmento. Esto te servirá para alejar aún más la automatización del marketing de una solución única no deseada para todos, focalizándola por tanto, en una por cada segmento detectado.

      El Customer Journey Mapping, te ayuda también a tomar mejores decisiones para alinear las estrategias y los procesos interconectados necesarios para mantener ese contacto constante con los clientes, en donde la automatización de marketing tiene un papel fundamental.

      Customer journey circular

      Como curiosidad, ten en cuenta que los Customer Journey no siempre son progresiones lineales, ya que pueden volver sobre sí mismos. Un consumidor puede volver a visitar las diferentes fases hasta que esté listo para pasar a las fases siguientes. Además, los ciclos de retroceso circular pueden ocurrir varias veces, agregando complejidad a la construcción de procesos de automatización de marketing efectivos.

      El flujo de touchpoints de la experiencia del cliente según Forrester tiene una forma similar a esta:

      flujo touchpoints automatizacion

      La importancia del Customer Intelligence: datos, integración y análisis.

      importancia del customer intelligence

      Para casi todos los aspectos del marketing, los datos son realmente importantes para lograr una eficacia sostenida. Ya lo hemos visto con el tema del Customer Journey Mapping.

      Para aprovecharse de los datos, se necesita que estos provengan de diferentes fuentes, tanto internas como externas, así como de medios sociales, debiendo de estar todos integrados con los procesos comerciales, con el fin de satisfacer la necesidad de información actualizada constante que se tiene sobre los clientes. Sólo se podrá lograr una segmentación útil, a través de estos esfuerzos de integración.

      Un factor clave en toda esta integración, es tu CRM y cómo este logra una interactuación de cara a extraer información necesaria como: necesidades y deseos del cliente, experiencia del cliente, datos de redes sociales de la empresa, campañas… Para que luego, el Marketing Automation ofrezca valor a través de envío de contenido personalizado y realmente útil para ese cliente. Aquí, el análisis detallado de las comunicaciones a lo largo del tiempo, te dará esa información fundamental de qué desea ahora y que necesitará en el futuro cercano.

      Sin embargo, ten presente que los procesos de automatización de marketing no tienen por qué terminar con clientes potenciales convertidos. En esta parte, lo que te quiero reflejar, es la importancia de la automatización del marketing en una fase también crucial para cualquier negocio, que es la retención.

      Como te comento, este puede ser utilizado además, para construir relaciones más fuertes con tus clientes y abrir la puerta a interacciones que conlleven nuevas compras, a través de la promoción de la marca por estos clientes, en lo que se llama prescripción.

      También, debes de ser consciente que los clientes pueden cambiar rápidamente, por tanto, debes de mantener al día los datos y la información, de cara a ser utilizada de manera efectiva en tus automatizaciones de marketing.

      Por último, debes de saber que, toda esa información que se ha sacado para la automatización, así como la que de ella se extraiga, debe ser compartida con el resto de sistemas de información de la empresa, de cara a ser aprovechada para otro tipo de campañas y acciones.

      Automatización de marketing + Inteligencia del cliente = Mucho contenido de calidad

      contenido calidad

      Resumiendo, para lograr una automatización de marketing realmente centrada en el cliente, los customer journeys mapping son esenciales. Para ello, es necesario una previa analítica de cliente, con una segmentación que te permita identificar qué CJM dibujar, para posteriormente y a través de inteligencia de negocio, utilizar los datos que almacenes en tu CRM, para crear automatizaciones inteligentes, tanto para captación, como para fidelización.

      Ahora nos queda la otra pata importante de todo este proceso, y es el qué, es decir, ¿qué enviamos a esos clientes interesados en nosotros?

      Un aspecto clave de la automatización del marketing es hacer coincidir el contenido o el mensaje correctos, con el cliente correcto, en la fase correcta del proceso de compra.

      De alguna manera, es más fácil decirlo que hacerlo, teniendo en cuenta lo que se necesita para comprender realmente al cliente. Para ello, será necesario desarrollar una gran cantidad de contenido muy creativo junto con analítica de cliente y procesos de decisión.

      Una manera interesante de completar esa información que ya se dispone del cliente, es añadiendo además, la que se pueda sacar de sus intereses respecto a qué ve en tu site. Para ello, es fundamental el contenido y su monitorización adecuada. De este modo, en función del contenido sobre el que muestre interés tu cliente o potencial, reflejado en tu CRM, podrás automatizar una serie de contenidos específicos acordes a ello.

      Este hecho irá estrechando la relación del cliente con tu marca. Por tanto, el sitio web es un elemento fundamental dentro de esta estrategia.

      Hace años, HubSpot realizó un estudio sobre el rediseño de sitios web. Lo que descubrieron fue que los responsables de marketing rediseñan sus sitios web con una frecuencia sorprendente. El 68% de las empresas rediseñaron su sitio web en los últimos 12 meses. La mayoría de ellas, por motivos de marca o porque «el sitio web anterior era antiguo» y la empresa «solo necesitaba modernizarse». Si lo piensas, ninguna de estas razones se centra especialmente en el cliente.

      Después de escuchar a los responsables de marketing, la encuesta también preguntó a los visitantes del sitio web qué pensaban. Los resultados fueron significativos. El 76% de los encuestados dijo que el factor más importante en el diseño de un sitio web es que «me facilita encontrar lo que quiero«. Entonces, ¿por qué tantas páginas de inicio están impulsadas por las necesidades de la empresa en lugar de las de los posibles clientes?

      Y es que, la solución más evidente está en los datos. Los correos electrónicos enviados a través de la automatización de marketing se activan mediante datos de clientes potenciales. Pero la mayoría de las herramientas de automatización de marketing se configuran por separado de las herramientas de contenido de un sitio web, por lo que los mismos datos no pueden activar el contenido del sitio web de manera similar. Y eso es una verdadera pena, ya que perdemos una oportunidad tremenda de acercarnos al consumidor.

      Si logras unir esa inteligencia de cliente, con la automatización de marketing en todas las áreas en las que puedes comunicarte con tu cliente y potencial, lograrás ofrecer un mensaje mucho más acertado, cercano y eficaz. Y tú, ¿estás cerrando este círculo? ¿te ayudamos?

      Emilio Fernández Lastra

      Chief Marketing Officer

      “Después de la hipoteca, el inbound marketing es la mejor
      herramienta para asegurar una relación a largo plazo”

      ¿Te ha parecido interesante lo que has leído?

      En artyco podemos ayudarte a conseguir tus objetivos

      ¿Hablamos?

      Si, quiero

      +34 916 404 150

      © Artyco comunicación y servicios - Todos los derechos reservados

      © Artyco comunicación y servicios - Todos los derechos reservados

      Sales Executive

      Sales Executive

      Sales Executive

      En artyco, empresa perteneciente al grupo MioGroup ofrecemos una propuesta de valor data-driven al mercado: somos expertos en analítica de datos de clientes y en el diseño y ejecución de estrategias basadas en el dato y en la relación cliente-organización. Gestionamos el ciclo completo del dato en el marketing relacional y lo hacemos para algunas de las principales empresas de este país.

      Actualmente estamos buscando un Sales Executive con especialización en ventas de servicios de CRM, Marketing Automation, Contact Center y Lead Management que nos ayude a dar a conocer lo que artyco puede ofrecer a sus clientes, ¿te interesa?

       

      Los conocimientos y experiencia imprescindibles que buscamos en ti, son:

      • CRM y Marketing Digital.
      • Servicios y campañas de Contact Center.
      • Experiencia multisectorial.
      • Uso de herramientas comerciales como Dynamics 365/Salesforce y Sales Navigator.
      • Usuario avanzado de herramientas de Office 365.

       

      Un plus para nosotros sería que además tuvieras:

      • Estudios de postgrado Dirección de Marketing y Gestión Comercial (GESCO), Marketing Management (MIM), Marketing Digital (MMD), Digital Business (MDB), Internet Business (MIBer) o similar.
      • Consultoría estratégica.
      • Nivel de inglés alto.

       

      Y estas serían tus principales funciones y responsabilidades:

      • Prospección comercial para la identificación y captación de nuevos clientes.
      • Gestión de leads.
      • Elaboración y presentación de propuestas a clientes.
      • Realización de demos.
      • Crecimiento de las ventas a través de la llegada de nuevos clientes.
      • Colaboración con el área de marketing y consultoría para la consecución de los objetivos fijados para el new business.

       

      ¿Qué competencias buscamos en ti?

      • Habilidades comerciales y de comunicación
      • Organizada y con rutinas comerciales
      • Colaborativa
      • Acostumbrado a trabajar por objetivos
      • Proactividad

      ¿Qué te podemos ofrecer?

      • Formar parte de un gran proyecto de cambio y crecimiento.
      • Jornada flexible.
      • Teletrabajo
      • Salario fijo + variable

      ¿Crees que puede ser un proyecto interesante para ti? Nos gustaría hablar contigo y contártelo de primera mano. ¿Charlamos? ¡Muchas gracias!

      ENVÍA TU CV

        *Campos obligatorios.

        Protección de datos personales

        Los datos personales que facilite en esta oferta, serán tratados por ARTYCO COMUNICACIÓN Y SERVICIOS, S.L con domicilio en C/ Playa de Liencres, 2 Edif. Londres, Oficina 1º 3, Parque Europa Empresarial, 28230 Las Rozas (Madrid),(en adelante, ARTYCO), con la finalidad de gestionar su solicitud de candidatura en el presente proceso de selección.
        La base jurídica que legitima este tratamiento es su consentimiento. Sus datos se conservarán durante el plazo de 1 año. Si no desea que sus datos sean conservados durante este plazo podrá ejercer su derecho de supresión o revocar su consentimiento. Sus datos personales no serán cedidos a terceras personas salvo obligación legal.
        Usted podrá ejercer en cualquier momento sus derechos de acceso, rectificación, oposición, supresión, limitación, portabilidad o revocar su consentimiento, dirigiendo una comunicación por escrito a la dirección postal indicada aportando fotocopia de su DNI o documento equivalente, identificándose como candidato y concretando su solicitud. Asimismo, en caso de considerar vulnerado su derecho a la protección de datos personales, podrá presentar una reclamación ante la Agencia Española de Protección de Datos (www.aepd.es).

        Share This