Business Intelligence (BI) Archivos - Artyco
Qué son los modelos de atribución y cuáles utilizar

Qué son los modelos de atribución y cuáles utilizar

Has realizado tu plan de marketing, tienes definidas perfectamente tus estrategias y cada una de las acciones necesarias para poder conseguir los objetivos que te has marcado. El año avanza y poco a poco vas cumpliendo con los tiempos previstos, las acciones, y vas recogiendo los resultados. Sin embargo, ¿eres perfectamente consciente de cuáles de tus acciones están llevando a la conversión a tus clientes? ¿sabes en qué medida? Y ¿en qué fase del customer journey? Parece complicado ¿verdad? Todo esto se realiza con lo que se llama, modelos de atribución. ¿Quieres saber más sobre ellos? Allá vamos.

Si nos montamos en nuestra máquina del tiempo particular y nos trasladamos a los años 60, por ejemplo, era sencillo conocer qué canales de venta influían en una conversión. La publicidad en TV, la radio, prensa o PLV luchaban entre si para atribuirse los méritos de la venta final. Con sencillos tests y estudios de mercado, podíamos conocer qué medios y qué canales eran los que mejor nos funcionaban y así poder dirigir más inversión sobre estos en años siguientes.

Por desgracia o fortuna, depende de quién lo mire, todo esto ha cambiado. Con la entrada de los medios digitales, los canales y los medios han aumentado. El customer journey de cualquier consumidor se ha vuelto terriblemente complejo, y por tanto, para los profesionales del marketing, se nos ha complicado en gran medida la posibilidad de medir a cuál de nuestros partners atribuir el mérito de haber conseguido la conversión final.

Vamos a hacer un rápido repaso ¿Qué canales tenemos que tener ahora en cuenta? Estos:

  • Canales offline o tradicionales:
  • Televisión.
  • Radio.
  • Prensa.
  • Call Center.
  • Publicidad Exterior.
  • SMS.
  • Marketing Directo.
  • PLV
  • Marketing Promocional.
  • Canales online:
  • Email Marketing.
  • SEO.
  • Display.
  • SEM.
  • Enlaces directos.
  • Marketing de Afilización.
  • Comparadores online.
  • Medios Sociales.
  • Marketing de Influenciadores.

 

Los modelos de atribución sirven para poder asignar la conversión a un partner o al menos poder atribuir un porcentaje de atribución de la conversión final.

Seguro que a ti también te ha ocurrido que una mañana al levantarte tras haber estado la noche anterior viendo la televisión, y tras quedarte hipnotizado con el último spot del último Smartphone, mientras desayunas, decides coger tu móvil y buscarlo en Google para volver a verlo y saber más sobre él. Sin embargo, ves la hora y te das cuenta que llegas tarde al trabajo. Bloqueas el móvil y lo dejas aparcado para otro momento. En un descanso, entras en Facebook y te aparece un contenido patrocinado, donde te hablan sobre el nuevo modelo de ese mismo Smartphone y la comparativa respecto al anterior modelo. Te interesa, y entras. Te lo lees por encina, te gusta, pero tienes que seguir con tu trabajo. Al cabo de unos días, te llega un email en el que te anuncian el nuevo lanzamiento de ese Smartphone que tanto te gusta. Decides ir al punto de venta para tocarlo, ver su velocidad y que te resuelvan alguna duda. Allí te terminan de convencer y lo compras. ¿A qué partner debería la marca atribuir tu compra?

Los modelos de atribución no hacen otra cosa que permitir valorar los partners que hacen avanzar al consumidor en su customer journey.

Por tanto, podemos decir que un modelo de atribución es un conjunto de reglas por las cuales se asigna un determinado valor a los distintos canales por los que un usuario ha pasado antes de realizar una acción que interpretamos como una conversión.

Como hemos visto, los modelos de atribución van íntimamente ligados al Customer Journey, por tanto, lo primero que debes hacer es definir cuál es el customer journey en tu industria y los tiempos de este. Piensa que no es lo mismo el journey de un coche, en el cual tienes que pensarlo muy bien, recabar información de cada vehículo, visitar los concesionarios, estudiar los catálogos y preguntar a tu cuñado que sabe mucho de coches, hasta que te decides. Mientras que el journey de una camisa en un eCommerce, es mucho más rápido. Esto influirá a la hora de definir qué modelo de atribución utilizar.

A continuación, te muestro los principales modelos de atribución, los cuales se establecen en función de en qué momento de la interacción aplicas el mérito de la conversión.

 

Tipos de modelos de atribución

Modelos de atribución

Los principales modelos de atribución, ya preconcebidos, que se suelen utilizar son estos:

  1. Modelo de última interacción. Este se basa en que el último impacto que recibe el consumidor es el que le hace convertir. Este es el que te viene por defecto en cualquier herramienta de analítica web, y la verdad es que es demasiado simple. Puede que en algunos negocios sea así, pero parece demasiado obvio pensar que cualquier usuario convierte con la última interacción que tiene.

Modelo de última interacción

Modelo de última interacción

 

  1. Modelo de último clic indirecto. En este caso, se atribuye la conversión a la última campaña, previa a la conversión, teniendo en cuenta como campaña a todo aquello que atrae tráfico, a excepción del tráfico directo a la página web. Este modelo de atribución, desde mi punto de vista no tiene mucho sentido, ya que no tiene en cuenta todo el esfuerzo de branding realizado anteriormente, así como todas las campañas cuyo objetivo es crear tráfico directo, basadas también en el posicionamiento de marca y el recuerdo de esta, sin tener en cuenta todo el trabajo de fidelización. Podría valer para eCommerces que están comenzando y realizan acciones muy puntuales en el tiempo, sabiendo que en su mayor parte, las conversiones generadas vendrán a partir de esa acción que lleva al consumidor a la conversión final.

Modelo último clic indirecto

Modelo último clic indirecto

 

  1. Modelo de último clic de Google Ads. Lógicamente este modelo es sólo para tiendas online que les interesa medir la atribución de sus anuncios en Google Ads a sus conversiones. Como te habrás dado cuenta, este modelo no tiene en cuenta nada más, sirviendo exclusivamente para valorar este tipo de campañas.

Modelo de último clic de Google Ads

Modelo de último clic de Google Ads

 

  1. Modelo de primera interacción. Este modelo es justamente lo contrario al primero que hemos visto. En este caso se atribuye el 100% de la conversión al primer clic que hace el usuario en la conversión. Si el primero (última interacción) tenía poco sentido, este tiene aún menos, ya que en este caso no se tiene en cuenta todo lo demás que hace el usuario. Por así decirlo, en este modelo se piensa que la primera vez que entra en contacto el consumidor con nuestro eCommerce es decisivo para su conversión final. Para mi ese es un momento muy importante, pero para nada creo que sea el momento para atribuir la conversión final, ya que no tiene en cuenta el journey lógico de cualquier consumidor hoy día.

Modelo de primera interacción

Modelo de primera interacción

 

  1. Modelo lineal. Este modelo da el mismo peso a cualquier acción que se esté haciendo con el usuario para que llegue a la conversión. Desde mi punto de vista, utilizar este modelo y no utilizar ninguno es lo mismo, ya que no te arroja ninguna información que sea de valor para asignar cómo te están funcionando las campañas que realmente llevan a la conversión a tus clientes. Normalmente se utiliza para cuando una tienda online necesita mantener un contacto continuo con sus clientes, y más o menos tiene determinado que cada campaña influye de una manera muy similar en la conversión final. Si es tu caso utilízalo, pero ya te digo que desde mi punto de vista no es muy práctico.

Modelo lineal

Modelo lineal

 

  1. Modelo de deterioro del tiempo. Este modelo puede tener bastante sentido. Lo que hace es dar cada vez mayor peso a las acciones y contactos con la tienda online, a medida que se acercan a la conversión. Es decir, aquellas campañas que estén más alejadas en el tiempo a la conversión, menos valor tendrán. En Google Analytics, el tiempo predeterminado entre acción y acción es de 7 días. Esto quiere decir que un impacto que pase los 7 días de la conversión, tendrá la mitad de valor que uno que haya sido el día antes de la conversión. Estos días los podemos ajustar en el apartado de “Ventana al pasado”. Para saber qué tiempos poner, una buena idea es hacerlo en base al lapso de tiempo de los “Embudos multicanal”.

Modelo de deterioro en el tiempo

Modelo de deterioro en el tiempo

 

  1. Modelo según la posición. Este modelo es el que yo llamo, “ni para ti, ni para mi”. Este determina que tanto la primera interacción como la última son las más importantes en la misma proporción, pero además, no resta importancia a las interacciones que surgen entre ambas, pero a estas las atribuyen mucho menos valor. Este modelo puede tener su lógica, ¿verdad? Normalmente en una conversión, la primera interacción es básica, ya que cuando entras en el eCommercer por primera vez a través de una campaña, es porque realmente ha despertado tu interés. Esta primera interacción abarca la fase de awareness y consideración, y es fundamental para seguir recorriendo ese customer journey. La final, para mi, es también básica, ya que sin ella quizás no se llegara a convertir. Es cuando ya el cliente está en su fase de decisión, y esa última campaña dirigida a ese momento, es la que empuja a la venta final. Por supuesto, entre medias están otra serie de acciones que son fundamentales para dirigir a ese cliente potencial hacia esa fase de decisión, las cuales no tenemos que infravalorar. Aquí entra en juego el lead nurturing, el remarketing, etc, las cuales, sin ellas no podríamos llegar a la fase final de decisión. Sin embargo, es cierto que hay negocios en los que este modelo no se llega a ajustar tampoco a sus prioridades, ya que las fases intermedias son las que más importancia tienen en la venta de productos más racionados y de venta más a largo plazo.

Modelo según la posición

Modelo según la posición

 

  1. Modelo de atribución personalizado. Este tipo de modelos sólo están disponibles si disponemos de una herramienta de monitorización más potente, la cual nos permita definir en función de nuestra idiosincrasia el modelo de atribución exacto. Para saber cómo configurar y determinar qué modelo de atribución es el más adecuado a nuestras necesidades, lo ideal es comenzar trabajando con el modelo de deterioro en el tiempo. Este modelo nos irá dando información, la cual nos ayude a ir ajustando ese modelo de atribución más adaptado a nosotros.

 

Hay que tener en cuenta que crear un modelo de atribución para nuestro eCommerce es algo realmente complejo, el cual tendremos que estar tocando de vez en cuando, ya que necesita ajustarse en función de la experiencia con otros modelos y las estrategias y campañas que vayamos utilizando.

¿Te interesaría crear tus modelos de atribución para tu tienda online? Si quieres probar con ellos en Google Analytics, la ruta para llegar a ellos es esta: Administrar (icono de la rueda, abajo a la izquierda) > Vista > Y en Herramientas y elementos personales, Modelos de atribución. Para comenzar, tendrás que hacer clic en “+Modelo de atribución”.

En Artyco ayudamos a nuestros clientes a mejorar el conocimiento de lo que ocurre en su eCommerce, analizando su Data, creando Dashboards de Web Analytics y creando modelos de atribución adecuados para poder optimizar las campañas y la conversión en la tienda online. Un equipo de Business Intelligence ayuda a nuestros clientes a sacar provecho de todo esto y a crear modelos predictivos que hagan de tu tienda online una tienda mucho más eficiente. ¿Quieres aprovecharte tú también de ello? ¿Hablamos?

¿Quieres mejorar tu analítica web?

Te ayudamos a conocer al detalle lo que pasa en tu eCommerce y te añadimos modelos de atribución que te permitan optimizar tus campañas.

4 principales criterios para la segmentación de clientes

4 principales criterios para la segmentación de clientes

Antes de lanzarte a realizar cualquier plan de marketing o acción, es necesario que dividas a tus clientes en segmentos, los cuales te permitan afinar lo máximo posible en tu comunicación, principalmente por su homogeneidad en cuanto a diferentes criterios claves para tu negocio. Hay una gran variedad de criterios y cada sector, industria o empresa, puede manejar unos y otros, sin embargo, todos ellos pueden englobarse en 4 básicos. ¿Quieres saber cuáles? Entonces no dejes de leer este post.

Todos sabemos que uno de los principales motivos del éxito de una campaña de marketing radica en la capacidad de personalización del mensaje. Que el receptor de tu mensaje sienta que le estás hablando directamente a él, con su problemática actual y le ofrezcas la solución que anda buscando, como si fuera a medida, hace que la ratio de conversión de dicha acción suba bastante. Pero ¿cómo conseguir esa personalización?

El primer paso para personalizar un mensaje, cuando tienes una gran base de datos con perfiles diferentes, de ámbitos geográficos dispares y con posibilidades económicas e intereses de todo tipo, es segmentándolos. Lógicamente, ante una base de datos comunicable de 150.000 individuos, o incluso de 100, es materialmente imposible comunicarte con cada uno de ellos de manera personal, sin embargo, puedes lograrlo agrupándolos.

Pero ¿cómo crear esos grupos? ¿en base a qué? Estos grupos deben cumplir las siguientes características:

  • Ser identificables fácilmente para la empresa. Los segmentos deben de responder de forma diferente a los productos que ofrece la compañía.
  • Sustanciales, es decir, deben de tener un número suficiente de personas para ser rentables.
  • Diferentes entre sí en cuanto al comportamiento de compra.
  • Accesibles para la empresa, es decir, que ese segmento pueda comprar los productos o servicios que ofrece la empresa.

Para crear estos grupos o segmentos, es fundamental utilizar una serie de criterios de segmentación, o variables que definan a cada uno de esos grupos. Estos pueden ser, bien por razones sociodemográficas, como de comportamiento ante la compra. Estos criterios, se pueden clasificar siguiendo dos características:

1. Criterios generales o específicos. Los generales estarían relacionados con aquello que no tienen nada que ver con el tipo de producto o servicio que vayamos a vender. Siendo indiferente que vendamos helados o persianas. En cambio, los específicos son aquellos que tienen mucho que ver con el producto o servicio.

2. Criterios objetivos o subjetivos. Los objetivos son aquellos que son cuantificables, es decir, que se pueden medir. En cambio, los subjetivos son las variables más cualitativas.

De este modo, si combinamos estas clasificaciones, obtendríamos 4 criterios de segmentación de clientes para comenzar a realizar nuestras campañas de manera óptima.

 

Criterios para la segmentación de clientes

criterios segmentación de clientes

Teniendo en cuenta todo lo anterior y sabiendo que en función de la industria pueden surgir otros muchos criterios, a grandes rasgos, estos serían los 4 principales criterios para la segmentación de clientes.

1. Criterios generales objetivos.

Siguiendo la clasificación anterior, estos criterios corresponderían a variables independientes del producto o servicio que se venda, y cuantificables. Algunas de las variables de este tipo más usadas son:

  • Variables demográficas: edad, sexo, estado civil, tamaño del hogar…
  • Variables geográficas: región de residencia, si es un hábitat urbano o rural, clima…
  • Variables socioeconómicas: nivel de ingresos, nivel de educación y estudios, clase social, profesión…

2. Criterios generales subjetivos.

En este caso son los que corresponden a variables independientes del producto o servicio, y cualitativos o difícilmente medibles. Algunas de las más representativas en este sentido son:

  • La personalidad: Esta es muy difícil de medir, sin embargo, es fundamental a la hora de cómo toma decisiones de compra, así como la importancia que tiene, ya que es duradera en el tiempo. Ser optimista o pesimista, seguro o inseguro… es fundamental para muchas empresas, sin embargo, ¿cómo lo medirías?
  • El estilo de vida: Se refiere a cómo vive esa persona. Normalmente se tienen en cuenta tres características a la hora de clasificarlo:
    • A qué dedica el tiempo libre.
    • Intereses y gustos.
    • Opiniones de sí mismo y del mundo que le rodea.

3. Criterios específicos objetivos.

En este caso, sí están muy relacionados con el tipo de producto o servicio que vendas, y además, son perfectamente cuantificables y medibles. Normalmente, las variables que se tienen en cuenta para definir estos criterios son:

  • Cómo se usa el producto. Es interesante crear grupos en función de quién y cómo usan tu producto o servicio. Siempre se suele contar en este caso, lo que le ocurrió a Johnson & Johnson y su champú específico para niños. En un principio dirigido a estos, pero tras analizar su uso, descubrieron que las madres lo utilizaban también. Tras esto, tuvieron que crear un nuevo criterio de segmentación formado por madres y niños.
  • Situación de consumo. Es cuando segmentas en función de la situación en la que consume el mercado tu producto. Por ejemplo, un fabricante de azúcar puede segmentar su mercado y por tanto su producto, si va dirigido al consumo de un hogar, en cuyo caso sería con un packaging grande, un consumo industrial, con un packaging extragrande o un consumo en un bar, el cual vendría en paquetes individuales.
  • Categoría de usuario. Para esta variable, se suelen utilizar tres variables:
    • Clientes potenciales, es decir, aquellos que no nos han comprado, pero tienen la capacidad de hacerlo y están interesados en ello.
    • Exclientes, es decir, aquellos que nos compraron, pero han dejado de hacerlo.
    • Clientes regulares o aquellos que de forma regular compran nuestro producto.
  • El lugar de compra. Se puede segmentar el mercado en función de dónde adquieren tu producto. Por ejemplo, una fabricante de electrodomésticos puede segmentar su mercado en función de si compran la lavadora en hipermercados, en tiendas especializadas o a contratistas o reformistas de cocinas, entre otros.
  • El grado de lealtad o fidelidad hacia tu producto o marca. En este aspecto es fundamental tener bien medida la lealtad a través del Net Promoter Score o NPS. Si quieres saber más, te recomiendo que leas este post sobre métricas para la fidelización de clientes. En este caso, se pueden clasificar los clientes en 3 tipos:
    • Aquellos que son leales a la marca y que podrían actuar como embajadores de la misma.
    • Son los clientes satisfechos, pero que no han llegado a un nivel de entusiasmo tal que les haga recomendarnos.
    • Son los clientes insatisfechos y por tanto con riesgo real de verter opiniones negativas de la marca a terceros.

4. Criterios específicos subjetivos.

Estos son aquellos que tienen relación con el producto o servicio, pero que no son cuantificables y, por tanto, son difíciles de medir. Las variables a tener en cuenta son:

  • Las ventajas o beneficios buscados en el producto. En un mismo producto, los compradores pueden comprarlo buscando diferentes beneficios. Por ejemplo, los productos de soja, los cuales unos lo buscarán por salud al ser intolerantes a la lactosa, otros por cuidar la línea, otros por preferir los productos vegetales u otros por su sabor.
  • La percepción que tengan de tu producto o servicio. Tus consumidores pueden percibirte como una marca de lujo o como de nivel medio. Esa percepción influirá mucho en cómo comunicarte con esa tipología de consumidor.

 

Si has llegado hasta aquí, es porque realmente te interesa y te gustaría poner en práctica técnicas de segmentación de clientes. Una vez que ya tienes claro qué criterios utilizar en tu segmentación, la disposición de un CRM que te facilite las cosas va a ser clave. En Artyco llevamos más de dos décadas gestionando el CRM de empresas de primer nivel, ayudándoles a segmentar a sus clientes, con el objetivo de personalizar al máximo sus comunicaciones. ¿Hablamos?

 

¿Quieres segmentar tu base de datos?

En Artyco llevamos más de dos décadas ayudando a nuestros clientes a crear segmentaciones que les ayuden en sus comunicaciones.

Usos y aplicaciones de la Inteligencia Artificial en el Marketing

Usos y aplicaciones de la Inteligencia Artificial en el Marketing

Para quienes no estén demasiado introducidos en el tema, les parecerá que la Inteligencia Artificial es terreno de la ciencia ficción, sin embargo, desde que IBM Deep Blue jugó aquella partida de ajedrez con Kasparov, allá por mediados de los noventa, lo cierto es que esta, está en el día a día de nuestras vidas. La realidad es que la AI toma decisiones más rápida y eficientemente que los seres humanos, y está determinando el futuro de sectores como el Marketing, el Retail y la vida en las ciudades. ¿Quieres saber un poco más sobre esta y cómo se está aplicando? Entonces sigue leyendo.

Vivimos en una sociedad que se caracteriza por la abundancia y movimiento de datos, tanto personales como de comportamiento, generados a través de los medios sociales, el Internet de las Cosas, la navegación online o la información generada como consumidores en las diferentes marcas. El tratamiento de toda esta cantidad de datos se antoja imposible si no es a través de máquinas, siendo la Inteligencia Artificial de un valor fundamental para poder extraer conclusiones y hacer de estos datos, insights válidos para la toma de decisiones.

Como supondrás, es precisamente en el tratamiento de esos datos y su análisis, en donde la Inteligencia Artificial tiene su mayor aplicación en el marketing. Estos son los usos más frecuentes hoy día, de la inteligencia artificial en el marketing:

1. El Data Driven Marketing. Seguro que habrás leído sobre el Data Driven Marketing y cómo tomar decisiones en base a los datos y no en intuiciones como se venía haciendo hasta ahora. Precisamente es aquí, en el análisis de ese Big Data y con la creación de análisis predictivos, en donde la Inteligencia Artificial tiene mucho que decir, facilitando enormemente la visión de esos datos y el poder tomar decisiones basadas precisamente en eso, en datos, y no en intuiciones.

2. Automatización de procesos. Este es otro campo en el que cobra gran importancia la AI, ayudando para personalizar más y mejor las comunicaciones a los clientes y potenciales. En este caso, la utilización de herramientas de automatización que recojan datos de un CRM son muy necesarias. Los vídeos con campos dinámicos que tiran del CRM para que estos sean únicos en función de la información que se tiene del cliente en el CRM, son un claro ejemplo de acción de marketing que está revolucionando el año 2018.

3. Interacción personalizada. Precisamente en la búsqueda por segmentar, personalizar y automatizar procesos con los clientes, la inteligencia artificial ha propulsado la creación de los conocidos Chatbots. Estos han demostrado en los últimos tiempos su utilidad, siendo cada vez más utilizados por grandes compañías con un nivel de atención al cliente máximo. Actualmente se está trabajando en conseguir que los chatbots ofrezcan respuestas más emocionales, logrando empatizar con el usuario, con el fin de ofrecer un servicio mucho más humano y real, y por tanto, más satisfactorio.

4. Creación de contenidos. Existen redes neuronales artificiales capaces de replicar la estructura sináptica básica de un cerebro humano. A través de estas redes en sus fases más avanzadas, han logrado crear piezas originales de música y pintura, de una excelente calidad. El futuro prevé una creación de contenidos aplicados para el marketing, creados por dichas redes neuronales, así como piezas publicitarias que tengan en cuenta datos y respuestas emocionales de los clientes a los que se desea impactar.

5. Publicidad programática. Este tipo de publicidad no podría darse sin algoritmos predictivos, que permiten la automatización de las pujas PPC. Gracias al machine learning, estos algoritmos son capaces de aprender y mejorar de manera constante, con la consecuente optimización de la inversión publicitaria.

Si quieres conocer en profundidad qué es la Inteligencia Artificial y más usos en el marketing y el campo del Customer Intelligence, te recomiendo que eches un vistazo al post que escribí sobre Cómo hacer Customer Intelligence con Inteligencia artificial.

Estos son los campos más evidentes de uso de la inteligencia artificial en el mundo del marketing, sin embargo, hay otros que están empezando a revolucionar, sobre todo el sector Retail, y que me gustaría contaros.

 

Cómo la Inteligencia Artificial está revolucionando el sector Retail. El caso de Amazon Go.

Inteligencia Artificial en Amazon Go

Uno de los sectores que más estoy siguiendo últimamente por la revolución que está llevando a cabo y la “ruptura de esquemas” que ha supuesto a muchos “iluminados” del sector, es el del Retail.

Seguro que habrás oído hablar del “Retail Apocalypse” del cual se viene escribiendo hace ya tiempo. Este aboga por el fin de la tienda física, y la hegemonía de la venta online. Sin embargo, los datos nos dicen otra cosa. En el último año, los movimientos de los gigantes del comercio online van en una dirección inesperada para muchos. Estos están dirigiéndose hacia la tienda física, adoptando una estrategia O2O (online to offline). Tales son los casos de Amazon o Alibaba, como ejemplos más conocidos.

Según Laureano Turienzo Esteban, reconocido experto en Retail Internacional y Speaker, alrededor de un millón de tiendas están ya bajo la franquicia de JD.com y de Alibaba. Lo curioso de esto, es que su estrategia es local, ya que cada tienda recoge insigths locales, como por ejemplo, si en esa zona hay muchos bebés, o por el contrario, es una zona con muchas parejas sin hijos, pero con perro. Esto lo hacen de cara a personalizar su oferta relacionada con las necesidades de su ámbito geográfico. Estos puntos de venta además, están diseñados para hacer los pedidos de manera online a través de los Smartphones y recogerlos en su tienda de barrio. Toda esa inteligencia de negocio, ¿cómo la hacen? ¡Has acertado!

Este movimiento del online al offline (O2O), ha llevado, según el mismo autor, a que Amazon opere ya 600 tiendas físicas. ¿Te parecen muchas? Recuerda el dato que te acabo de dar en el párrafo anterior. ¡Alibaba opera ya en 600.000 tiendas físicas y JD.com 400.000! Es un hecho que la tendencia será a complementar lo online con el offline como una experiencia de compra diferente, pero que mantenga en cierto modo la forma de actuación del entorno online al que están acostumbrados los nuevos clientes que vienen: los clientes verdaderamente nativos digitales. Para ello, se convierte en necesaria la automatización, procesamiento de datos y análisis de cara a conocer mejor qué ofrecer, a qué clientes, y en qué momento.

Todo responsable de marketing debe tener siempre en cuenta, que los avances tecnológicos y científicos tan grandes que estamos experimentando en las últimas décadas, están consiguiendo que los cambios de generación sean cada vez más diferentes y significativos. De este modo, los Milenials (1982-2001) tienen menos que ver con la Generación Z (2001 a la fecha), que los Baby Boomers (1946-1960) con la Generación X (1961-1981), por ejemplo. Es por eso que estos avances tecnológicos y sociales se verán mucho más afectados por factores como:

  • El 5G, el cual se prevé hasta 100 veces más rápido que el 4G, alterando nuestra manera de navegar en cualquier sitio.
  • El Big Data. Como ya he comentado, cada vez se moverán más y más datos sobre las personas, su comportamiento, intereses, hábitos…
  • El Cloud. Al disponer de todo en una nube, afectará la manera de trabajar, de compartir contenidos…
  • El Internet de las Cosas nos reportará más y más data, el cual se podrá utilizar desde un punto de vista comercial, pero también desde un punto de vista de optimización de recursos personales y predicción.
  • La Inteligencia artificial, haciendo que todo lo anterior sea manejable y que reporte unas conclusiones de cara a tomar decisiones de valor.

Siguiendo esa visión y la estrategia de O2O, es muy interesante estudiar el caso de Amazon Go. Te lo cuento a continuación.

Aproximadamente hace dos años, Amazon abrió su primera librería física en un centro comercial de Seattle, siguiéndola otras tres más, en San Diego, Portland y Oregón. Sin embargo, el punto de inflexión lo dio hace relativamente poco, cuando abrió en los bajos de sus oficinas en Seattle, Amazon Go. Este movimiento de Amazon vino causado por la creencia desde la compañía de que hay ciertos productos que interesa más a los clientes buscarlos en las estanterías. Pero también es probable, que la empresa esté detrás de que la experiencia de cliente sea lo más parecida a “grab and go”, eliminando el proceso de pago, así como el tiempo de entrega típico del comercio online. La esencia de Amazon Go, según ellos es: “Hace cuatro años, comenzamos a preguntarnos: ¿Cómo serían las compras si pudieras entrar a una tienda, conseguir lo que quieres y simplemente irte?” Ante esta pregunta, se propusieron eliminar el cuello de botella que existe en todo establecimiento, el momento de pagar. En ciudades en las que el tiempo es más que oro, en las que pasas tu vida en el trabajo, en atascos y en colas para pagar, eliminar este hecho supone una gran ventaja para el público en general.

Amazon ha sabido leer el hecho de que, por primera vez en la historia, vive más gente en entorno urbanos que rurales. Según un estudio de Bank Of America Merrill Lynch, que analiza el auge de las ciudades inteligentes y su impacto en las economías de los países, alrededor del 55% de la población vive en ciudades, suponiendo una actividad económica de 53,56 billones de euros, estimando que para el 2050 aumentará hasta el 70% de la población.

Con estos datos detrás y el interés de unir cada vez más lo online con lo offline, Amazon se lanzó a esta aventura singular. ¿Cómo lo hizo? Para eliminar ese cuello de botella, es necesario establecer una nueva forma de pago. La solución era simple: cargándolo a la cuenta de Amazon de cada consumidor. Pero la facturación automática de los productos a una cuenta de Amazon implica rastrear los artículos y seguir el proceso de compra hasta su fin. Esto es, comporta el seguimiento de cada una de las personas que acceden a la tienda, de sus movimientos y elecciones, con las que ponen de manifiesto sus necesidades, gustos o preferencias. Esta manera de proceder conlleva también, una serie de costes en tecnología que permita monitorizar el espacio físico, a la vez que entrar en el ámbito privado del consumidor.

¿Cómo funciona Amazon Go? En definitiva, el modelo de tienda de Amazon Go está pensado para que el usuario/consumidor pasee por el establecimiento, coja los productos que desee y se marche sin más interacción. El pago, como he comentado, se hace de manera automática y digital, cargando a su cuenta, gracias a su smartphone. Para ello, el establecimiento cuenta con un sistema de pago que se activa nada más entrar el usuario en el establecimiento. Como es lógico, el usuario sólo necesita tener descargada la aplicación en su teléfono móvil.

Ahora viene lo realmente interesante. Para llevar a cabo todo este proceso que parece sencillo, se necesita un complejo sistema de Inteligencia Artificial, interviniendo el eye tracking o visión computarizada orientada al reconocimiento facial, el deep learning o los sensores de movimiento, entre otros.

Estos sensores, además de obtener la información necesaria para realizar los cobros, extraen pautas acerca del comportamiento de los consumidores. Un dato relevante en el análisis del modelo, ya que provee a la empresa de información valiosa para poder mejorar su servicio y llevar a cabo diferentes estrategias y acciones con el fin de aumentar sus ventas futuras. De hecho, de acuerdo a algunas estimaciones, Amazon obtiene un tercio de sus ganancias a través de productos que la gente compra por su sistema de recomendaciones, que no es otra cosa que inteligencia artificial basada en el uso de datos masivos.

Seguro que conoces que, hasta ahora, algunas tiendas utilizaban la inteligencia artificial, pero sólo para hacer pronósticos de demanda de productos. Amazon Go convierte la AI en el eje de toda la experiencia de compra. Te lo explico mejor. Es habitual encontrarnos con puntos de venta con detectores en la entrada, los cuales hacen un conteo de los clientes que entran en el establecimiento. Amazon Go además de contar de manera automática las personas que entran en su establecimiento, identifica a través de la aplicación de los dispositivos móviles, qué usuario ha entrado, registrando sus movimientos en el establecimiento e incorporándolo a su CRM, enriqueciendo la información que ya tiene registrada del cliente, como gustos, preferencias, histórico y posibles necesidades, con lo que haga en el espacio físico. Así, y de manera automática, se relaciona en la nube la información recabada sobre el cliente presencial con la de su perfil “social”, creado a través de referencias online y de otros métodos más tradicionales como las tarjetas de fidelización o los cupones descuento.

 

Sin duda, todos vivimos un momento especial, un momento en el que los avances tecnológicos pueden ayudar mucho a la personalización de la oferta, llegando a presentar a nuestros clientes aquello que necesitan, incluso antes de que estos sean conscientes de ello. Aquí, la Inteligencia Artificial y los equipos de Customer Intelligence orientados a negocio, tendrán una importante función. En Artyco contamos con un equipo de más de 8 personas trabajando para nuestros clientes. ¿Hablamos?

¿Quieres predecir tus ventas?

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

6 tips para realizar con éxito una segmentación de clientes

6 tips para realizar con éxito una segmentación de clientes

Cada persona es diferente, tiene sus propios intereses, gustos, comportamiento, y su valor para las empresas es diferente también. En la Era del Marketing one-to-one en la que vivimos, necesitaríamos realizar un mensaje diferente por persona, para llegar a esa personalización, sin embargo, en muchos casos, esto no es rentable para las empresas, siendo necesario agrupar a los clientes y potenciales en segmentos homogéneos en función de las variables que más interesen a la empresa en cuestión, de cara a poder realizar comunicaciones personalizadas rentables. Seguro que todo esto ya lo sabes, pero ¿realmente te funciona esa segmentación?, ¿la has creado de manera adecuada teniendo en cuenta los datos de que dispones? Sigue con este post, voy a descubrirte algo en lo que quizás no hayas pensado.

La segmentación de clientes se lleva haciendo en el mundo de la empresa desde tiempos inmemoriales. El artesano medieval tenía perfectamente identificados a quienes de sus clientes le daba un trato preferente por el nivel de sus encargos, el beneficio que le suponía o la recurrencia. También conocía quiénes tardaban en pagarle o le compraban en momentos muy puntuales. Lógicamente, su trabajo y su trato hacia ellos era totalmente diferente. Con el paso del tiempo y el desarrollo empresarial, este modo de proceder derivó en lo que se llama marketing relacional, el cual sufrió una gran transformación a raíz del desarrollo tecnológico, introduciendo el CRM como herramienta a través de la cual almacenar correctamente la información de clientes y potenciales y su posterior utilización de cara a analizar dicha información, realizar segmentaciones más precisas y rápidas, así como gestión de la comunicación.

Hoy día y con la democratización del uso de Internet, así como del avance de la tecnología, las empresas disponemos de datos tan variados como comportamiento de navegación del usuario, intereses, gustos personales, estado de ánimo… los cuales podemos incorporar a nuestro CRM y analizarlo a través de los expertos en ‘customer intelligence’, de cara a realizar segmentaciones precisas, así como previsiones o prescripciones.

Toda esta Big Data beneficia enormemente el conocimiento del consumidor, y por tanto la creación de segmentos más variados y eficaces para los objetivos de marketing planteados, pero ¿se realiza de la manera más correcta? A continuación, os dejo una serie de pasos a seguir para crear una segmentación de clientes eficaz.

6 tips para lograr realizar una segmentación de clientes exitosa.

6 pasos para segmentar clientes

La segmentación es una herramienta clave que te ayudará a conseguir los objetivos de marketing fijados, y en definitiva, a obtener más de un euro de ingresos por cada euro de inversión. Para ello necesitas seleccionar aquellos clientes y potenciales con más probabilidades de comprar, cuyas necesidades sean más fuertes y por el canal que más utilizan. Para ello te recomiendo seguir estos 6 consejos:

1. Antes de comenzar, define tu estrategia de segmentación.

Si, has leído bien. Como en todo, es necesario que tengas clara la estrategia a seguir en la segmentación. Antes de todo ello, tienes que preguntarte para qué la vas a realizar. Tu estrategia no puede ser la misma si lo que buscas es identificar necesidades de los clientes para luego hacerles propuestas más ajustadas a sus necesidades, o que tu objetivo sea identificar nuevos clientes objetivo, o fidelizar a los que ya tienes. Para ello es importante que la segmentación:

  • Refleje tu cartera de productos.
  • Esté correctamente estructurada.
  • Sirva para algo.
  • No tenga problemas de implantación.

 

2. Comienza analizando los clientes que tienes en tu base de datos.

Lo primero que debes hacer es conocer el patrón que tienen tus clientes y que determina por qué han elegido tu empresa o tu producto. Para ello, datos como el estilo de vida no sirve de nada. Para empezar, utiliza sus datos transaccionales y realiza un perfil de tus clientes por producto, por canal a través del cual realizan sus compras, por la duración de la relación con la marca o el producto, por su respuesta ante las comunicaciones de la marca, etc.

Una vez que tienes identificados a tus clientes en grupos, es hora de añadir datos sobre estilos de vida, así como datos geo-demográficos.

Con esta información montada e identificada, habrás conseguido formar lo que será, la estructura de los segmentos que acabarás utilizando.

 

3. Es momento de identificar el valor de tus clientes para la empresa.

Si lo piensas, el objetivo principal de realizar una segmentación de clientes está en encontrar qué valor aporta cada uno a tu empresa con el fin de aumentarlo e identificar aquellos que aportan un mayor valor, para clonarlos fuera, de cara a captación.

La forma de hacerlo es creándote un modelo de tres dimensiones, en el que las variables a tener en cuenta serían:

  • Valor económico: Aquí tendríamos en cuenta el beneficio que aporta a la empresa cada uno de los clientes, o si no tenemos esa cifra de negocio, los ingresos que aportan. Esto se puede medir tanto mensual como anual.
  • Potencial del cliente: Este valor se mide con un modelo de propensión, es decir, con este modelo se estima la probabilidad que tiene un cliente de comprar en un plazo determinado tu producto o servicio.
  • Grado de fidelización: Al igual que el caso anterior, se mide con un modelo de propensión, pero en este caso reflejando la probabilidad de que el cliente siga comprando tu producto.

El valor que obtengas de estas tres dimensiones te permitirá crearte un gráfico a través del cual poder agrupar a tus clientes y planificar la inversión para cada uno de los grupos.

 

4. Realiza una investigación de mercados dirigida a cada uno de los segmentos que has creado.

Lo habitual es comenzar por la investigación de mercados y en función de los resultados que esta nos dé, empezamos a agrupar los clientes. Sin embargo, ¿no tiene más sentido hacer una agrupación en función de los términos que acabamos de explicar en los puntos anteriores, para luego realizar la investigación de mercados dirigida a cada uno de los segmentos? De esta manera ya conocemos un poco mejor cada uno de los segmentos y podemos realizar la investigación acorde a los objetivos para cada una de ellas…

 

5. Identifica qué enfoque de segmentación quieres darle.

Si vas a realizar una segmentación, es porque quieres resolver un problema. Este puede ser, aumentar la fidelización de tus clientes o aumentar la venta cruzada, entre otros muchos posibles. Una vez ya tienes bastante bien identificados a tus clientes, agrupados de manera homogénea en función de las 3 dimensiones básicas, y sub-agrupados en función de los resultados que te ha aportado la investigación de mercados, es hora de volverlos a segmentar en función del problema que realmente quieres resolver, y para lo que te has decidido a realizar esta segmentación. A continuación, te nombro algunas de las segmentaciones más clásicas:

  • Segmentación socio y geo-demográfica. En esta tenemos que tener en cuenta el lugar de residencia, la edad, nivel cultural, composición del hogar, empleo, etc.
  • Segmentación de valor. En este determinas el valor actual, el potencial, y de su vida como cliente.
  • Segmentación conductual. Aquí tienes que tener en cuenta los datos relacionados con el uso del producto o servicio por parte de tus clientes.
  • Segmentación actitudinal y de necesidades. Aquí tienes que tener en cuenta las razones por las que los clientes utilizan los productos o servicios de tu empresa. Esta información la recoges a través de la investigación de mercados.
  • Segmentación de preferencias. Este es muy importante para llegar a tener éxito en tus campañas. Aquí tienes que identificar y tener en cuenta a la hora de segmentarles, sus preferencias en cuanto a canal de comunicación con ellos, su nivel de privacidad o en definitiva qué tipo de relaciones prefieren tus clientes que tengas con ellos.
  • Segmentación de estado del cliente. Aquí formas segmentos en función de la fase o ciclo en el que se encuentran tus clientes respecto a la relación con tu marca o tu producto.
  • Segmentación efímera. Este tipo de segmentaciones se hacen para aprovechar determinadas oportunidades que surgen a consecuencia de la coyuntura puntual de la economía, de algún evento o cualquier hecho del que se pueda sacar un aprovechamiento por parte de la empresa. Son por tanto, segmentos en tiempo real y que una vez realizada la campaña para la que se han creado, no tienen validez.

 

6. Es hora de diseñar acciones aprovechándote de las segmentaciones realizadas.

Con todo este proceso, habrás creado segmentos utilizando datos individuales de cada uno de tus clientes. De esta manera, todos los segmentos podrán ser aplicables, si tu base de datos lo permite, que es lo más normal. También es interesante que puedas utilizar varias segmentaciones en función del objetivo que tengas. Por ejemplo, si tu objetivo es la fidelización, tendrás que utilizar de una manera cruzada, tus segmentos sobre estado del cliente, valor del cliente, y actitudes o necesidades. Mientras que si lo que buscas es el aumento de la venta cruzada, tendrás que combinar segmentaciones como de estado del cliente, con segmentación efímera, incluyendo objetivos basados en el comportamiento del cliente y en modelos predictivos.

Lo que finalmente determinará el éxito de tus acciones a tus segmentos será además, que seas capaz de proponer promesas de valor diferentes a cada segmentación, y no sólo cambiando la forma del mensaje o el color y diseño del envío. Si quieres seguir profundizando en la segmentación, te recomiendo que eches un vistazo al post que escribí sobre Cómo clasificar y segmentar a tus clientes.

Como habrás supuesto, para poder realizar segmentaciones de una manera eficaz, es necesario que utilices un CRM adaptado a tu negocio, tus clientes y la estructura de tu compañía, el cual te posibilite estudiar la información que en él recoges, realizar segmentaciones y cruzarlas de cara a diseñar e implantar acciones de comunicación. En Artyco llevamos más de 22 años ofreciendo nuestros servicios de desarrolladores de CRM y consultoría estratégica de CRM, para clientes como Mercedes Benz, el Grupo Fiat o LG España. ¿Quieres sacar provecho a tu Data? Ponte en contacto con nosotros, seguro que podemos hacer grandes cosas juntos.

¿Quieres realizar segmentaciones eficaces?

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

Cómo hacer Customer Intelligence con inteligencia artificial

Cómo hacer Customer Intelligence con inteligencia artificial

Si eres de los que no se pierde un congreso de Marketing, te gusta asistir a ponencias en las que se hable de tendencias e innovación, o sigues posts relacionados con el Marketing y las nuevas tecnologías, seguro que ya has oído hablar y mucho, de la inteligencia artificial como herramienta en el marketing. Sin embargo, ¿te ha quedado claro qué es y cómo se puede utilizar de una manera realmente eficaz en nuestro sector? Sus aplicaciones son variadas. En este post te quiero contar qué es la AI, qué usos tiene y cómo hacer Customer Intelligence a través de ella.

Todo se remonta al año 1956, cuando se oyó hablar por primera de vez del término “Inteligencia Artificial”. Fue el informático estadounidense John McCarthy quien acuñó dicho término durante la Conferencia de Dartmouth.

La AI intenta comprender y explicar el funcionamiento mental de las personas, a través de algoritmos. De este modo, en el caso de las empresas, la AI permite mover grandes cantidades de datos, comprendiéndolos, identificando patrones, y obteniendo más información sobre esos datos, los cuales no se podrían gestionar del mismo modo por un ser humano.

La Inteligencia Artificial se puede clasificar en dos tipos: débil y fuerte. La débil es aquella que está diseñada y entrenada para realizar una tarea específica sencilla, tal y como hacen por ejemplo los asistentes personales virtuales (por ejemplo, Siri de Apple). En cambio, una fuerte es aquella que dispone de habilidades cognitivas, es decir, aquella que cuando se le presenta una tarea desconocida y compleja, aprende el modo de solucionarla, y lo realiza bien.

Un ejemplo claro en el campo del marketing, sería la automatización de procesos y la automatización de la analítica predictiva. No quiero meterme demasiado en tecnicismos, pero es necesario destacar la existencia de tres tipos de algoritmos, para así poder entender el proceso real del “Deep Learning”, fundamental en la AI en nuestro sector. Estos son los algoritmos:

  • De aprendizaje supervisado. En este tienes los datos etiquetados para que los patrones puedan ser detectados y utilizados para etiquetar nuevos conjuntos de datos.
  • De aprendizaje no supervisado. Aquí los conjuntos de datos no están etiquetados, siendo clasificados en función de similitudes o diferencias entre ellos.
  • De aprendizaje de refuerzo. En este último, los datos tampoco están etiquetados, pero el sistema de inteligencia artificial recibe retroalimentación después de realizar una o varias acciones. Este es el más potente de todos ellos, y el que más se está utilizando hoy día para el customer intelligence de esta nueva Era.

Como te puedes imaginar, las aplicaciones de la inteligencia artificial son amplias. Desde la sanidad, hasta la educación, pasando por el sector financiero y los negocios. Es de destacar en esta última, la importancia que está teniendo en las plataformas de CRM. Los algoritmos de aprendizaje automáticos, integrados en dichas herramientas de CRM, están permitiendo conocer mejor a los clientes, identificar de una manera más rápida y exacta sus patrones de conducta y predecir su comportamiento. El campo de los chatbots es otro en el que la AI está fuertemente introducida, siendo ya muchas páginas webs las que cuentan con estos para ofrecer respuesta automática a sus usuarios.

La inteligencia artificial en el campo del Customer Intelligence.

Customer intelligence para eCommerce

Todos tenemos claro que Internet lo ha cambiado todo. Los consumidores se han convertido con la democratización de Internet, en prosumidores, es decir, han dejado de consumir únicamente, para además, expresar su opinión y actuar como prescriptores de marcas y productos ante sus seguidores. Este nuevo consumidor, está más informado que nunca, es mucho más decidido, sabe lo que quiere, lo busca y lo compra, es internauta declarado, y sumamente participativo. Hoy día las compras son cada vez más accesibles, sin embargo, conocer qué ha llevado a esa persona a comprar, debido a todo esto, es algo mucho más complejo que antes.

Para conseguir conocer “la personalidad de compra” de un consumidor, necesitamos tener información de qué productos han comprado o visualizado anteriormente, lo que otros usuarios con perfiles similares han comprado y consultado, así como cuándo exactamente. Estos son algunos de los datos que se tienen en cuenta a la hora de hacer las recomendaciones de productos. Para llegar a ello, se recogen y analizan millones de datos sobre su comportamiento y sus preferencias, pudiendo llegar así a sugerencias “super exactas”, conociendo el sistema lo que nos gusta, incluso más que nosotros mismos.

Como ya he adelantado, para ello se utiliza el ‘Deep Learning’, a través del cual se pueden obtener con éxito grandes volúmenes de datos para el descubrimiento y la aplicación de conocimiento, así como para realizar predicciones, con entrenamiento “no supervisado”. Actualmente se está utilizando ‘Deep Learning’ para:

  • Encontrar artículos o productos, sólo a través de una imagen, en lugar de palabras clave.
  • Identificar logotipos en imágenes compartidas por los usuarios en las diferentes redes sociales.
  • Monitorización del comportamiento de los usuarios en un eCommerce ante cualquier evento, por ejemplo, el “Black Friday”.
  • Predecir las preferencias de los usuarios y en función de ellas, orientar la publicidad de esa plataforma online.
  • Identificación de clientes potenciales.
  • Recomendaciones a clientes, sugerencias y gestión de la relación con estos.
  • Identificación de sentimientos positivos y negativos, temas y palabras clave en textos.
  • Reconocimiento de rostros y emociones faciales.
  • O clasificación de vídeos entre otras muchas cosas.

De todas ellas, quizás a la que estamos más acostumbrados sea a las sugerencias y recomendaciones basadas en datos de comportamiento y navegación. Si tenemos que pensar en una plataforma online que hace esto, lo más probable es que la mayoría de nosotros pensamos inmediatamente en Amazon. Esto seguro que te suena: “Los clientes que compraron este producto también compraron”, o has encontrado amigos en Facebook a través de “Gente que podrías conocer”. Como puedes ver, son muchas las empresas que utilizan de alguna manera este recurso.

Sin embargo, esta técnica es cada vez más potente. Lo último que se está haciendo es utilizar el ‘Deep Learning’ para personalizar la experiencia del usuario al entrar de nuevo en una web, con la información de tan sólo una visita anterior. Junto con la analítica en tiempo real, los algoritmos de autoaprendizaje pueden mejorar las sugerencias hasta el punto de la predicción. YouTube por ejemplo, pone en cola los vídeos recomendados basados únicamente en el que actualmente estés viendo.

Seguro que ahora mismo te estás preguntando, pero ¿cómo funciona el ‘Deep Learning’? Imagina que estás buscando unos zapatos elegantes para el próximo evento que tienes a la vista. Los que utilizas habitualmente están un poco desgastados y crees que es buen momento para comprarte unos nuevos. Entras en la tienda online y buscas unos zapatos de vestir concretos. Una vez seleccionas un modelo de zapatos, el mecanismo de recomendaciones del eCommerce empieza a trabajar, recogiendo cada pieza de información. Comprueba el color del zapato, detalles de este, precio, talla, y otras muchas acciones posibles más. Esto se está midiendo y analizando en tiempo real, estudiando el sistema incluso el estado de ánimo para así poder además, realizar predicciones precisas de otros productos que puedan ser interesantes para ese usuario en concreto. De este modo, puede incluso hacerte sugerencias de venta cruzada y up-selling. Lo bueno es que todo esto sucede sin la intervención de ninguna persona, y en tiempo real.

Todos conocemos los plugins de fácil uso que se han venido utilizando en los últimos años para recomendar productos, en los que una persona establecía ciertos filtros como “Sugerir bolsos de cuero marrón estilo clásico para aquellas personas que estén viendo unos zapatos de vestir marrones de cuero”. Con inteligencia artificial, sustituiríamos esto por “nuestro sistema sabe que alguien que visita ropa femenina, compra joyas, pero además, aprende a detectar por sí mismo, a los hombres que desean comprar joyas para regalar”. Estos algoritmos simulan la forma de pensar de las personas, y aprenden en función del comportamiento que van observando, y todo sin ninguna intervención del ser humano.

Esta herramienta del Customer Intelligence, analizará innumerables datos, ininterrumpidamente, sin cansarse y dejando de lado cualquier emoción o prejuicio. Además, aprenderá y producirá decisiones lógicas, obedeciendo las órdenes de la marca, y siendo proactivo.

De acuerdo con Janrain & Harris Interactive, el 74% de los consumidores online se ven frustrados por el contenido que es irrelevante para sus necesidades en un sitio web. Es más, Infosys encontró que el 86% de los consumidores dicen que la personalización juega un papel relevante en sus decisiones de compra.

Este uso de la inteligencia artificial, el ‘Deep Learning’ y en definitiva, las recomendaciones en el entorno online, hace que se refuerce la relación de los usuarios con las marcas, y por tanto redunde en fidelización, mejorando la tasa de conversión y aumentando las ventas.

Como dijo Steve Jobs, “la gente no sabe lo que quiere hasta que se lo muestras”. Mostrémosle lo que necesitan y utilicemos esta inteligencia de negocio a favor de las ventas. En Artyco disponemos de un equipo especializado de Customer Intelligence dedicado a ‘Machine Learning’ y ‘Deep Learning’ con el cual ayudamos a clientes de primer nivel a aumentar sus ventas online, a través de las recomendaciones y las sugerencias. Si quieres aprovecharte de ello para tu negocio, ponte en contacto con nosotros, seguro que podemos aumentar mucho tus ventas.

 

¿Quieres predecir tus ventas?

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

Cómo mejorar la conversión de tus campañas a través del Data Driven Marketing

Cómo mejorar la conversión de tus campañas a través del Data Driven Marketing

El Data Driven Marketing es una disciplina que se encarga de aprovechar los datos generados y almacenados por una empresa sobre sus clientes, potenciales y comportamientos, para poder tomar decisiones adecuadas y conducir de manera correcta las campañas futuras de marketing. ¿No sabes cómo aplicar el Data Driven Marketing en tu empresa? Aquí te contamos cómo hacerlo.

Si es la primera vez que escuchas Data Driven Marketing, o es un concepto que aún no tienes del todo claro, te recomiendo que antes de seguir con este post, eches un ojo a otro que escribí sobre Qué es el Data Driven Marketing, donde además de contártelo todo sobre esta disciplina, te doy seis razones por las que utilizarlo. Si ya lo conoces y lo que buscas es cómo sacarle provecho en tu empresa, sigue adelante. Esto que te voy a contar te interesa.

Seguro que te preguntas ¿por qué se habla ahora tanto de Data Driven Marketing? Hasta hace pocos años, no se podía o no se sabía aprovechar toda la información de la que disponía una empresa, ya que se carecía de herramientas que te ayudaran a acceder y recoger información de una manera eficaz y rápida, y que además, te permitieran realizar análisis de comportamiento. Poco a poco y según han ido evolucionando esas herramientas, se ha ido dando una mayor importancia al análisis y a la toma de decisiones basadas en datos, propiciando este entorno. Con esta evolución, hoy día y a través del Data Driven Marketing, podemos crear algoritmos predictivos capaces de analizar una gran cantidad de variables al mismo tiempo, las cuales nos ayuden en esa toma de decisiones. Si quieres saber más sobre ello, puedes echar un vistazo al post que escribí sobre Qué es un análisis predictivo y cómo utilizarlo en Marketing.

Como podrás suponer, esta disciplina, gracias a estos avances, puede hacer mucho por mejorar el rendimiento de tus campañas. ¿Quieres saber por dónde empezar? Sigue leyendo.

Cómo hacer campañas más eficaces a través del Data Driven Marketing

Cómo hacer Data Driven Marketing

Para poder poner en marcha un buen plan basado en el Data Driven Marketing, antes debemos de crear una estrategia respecto a ello. ¿Qué pasos debemos seguir para definir esta estrategia?

1. Recopilación de datos. Es fundamental que definamos cómo vamos a recopilar los datos generados por los usuarios, sean clientes o potenciales a través de las diferentes fuentes de información (base de datos, redes sociales, compras, comportamiento web, interacciones con el usuario…). Esta fase es crítica y debemos tener muy bien definidos qué datos queremos recopilar. Ten en cuenta que los datos de “no compra” son tan importantes como los de compra, ya que estos últimos pueden ayudarnos a comprender muchos comportamientos del cliente. Para esta fase se hace imprescindible disponer de una buena herramienta que te permita poder gestionar toda esta información de una manera eficaz, rápida y útil. Esta herramienta es un CRM.

2. Interpretación de datos. Lo primero que debes de tener en cuenta es que los datos que habrás recogido se dividen en estructurados y no estructurados. Los estructurados son aquellos datos que son fácilmente ordenables, como por ejemplo la edad, el sexo, etc. Los no estructurados son por ejemplo, los comentarios en redes sociales, el sentimiento de esos contenidos, etc. Todos estos datos necesitan de un procesamiento y una depuración para determinar si aportan valor o no para la toma de decisiones de la empresa. Gracias a estos datos y la interpretación de los mismos, podremos crear patrones de comportamiento en nuestros usuarios. En este apartado cobra especial importancia disponer de una persona especializada en business intelligence. Se que es complicado encontrar esta figura en la mayoría de las empresas, pero no te preocupes, puedes subcontratar los servicios de customer intelligence.

3. Dar valor a esos datos. El último paso es utilizar esa información y cuadros de mando generados por los analistas, para crear estrategias de marketing que sirvan para adelantarse a las necesidades de los usuarios.

Si nunca has utilizado correctamente un CRM y si no dispones de un analista en tu equipo, quizás estés pensando que esto del Data Driven Marketing es demasiado complejo para tu negocio. Pero si te pregunto que si estás dispuesto a multiplicar por 13 los resultados generados por tu equipo de marketing, ¿qué me contestarías?

En el año 2014, el Massachusetts Institut of Technology (MIT) publicó un caso de estudio – “Big Data-Driven Marketing: How machine learning outperforms marketers` gut feelings”, donde explica al detalle un experimento realizado con una empresa de telefonía. En este experimento se compararon los ratios de conversión obtenidos para una campaña realizada bajo los criterios del departamento de marketing, y otra en base a un modelo algorítmico con más de 350 variables de metadatos, provenientes de los hábitos de comportamiento de sus clientes y datos en los medios sociales.

El resultado fue evidente. Mientras que para la primera campaña la tasa de conversión fue de un 0,5%, en la segunda campaña, esta fue del 6,42%. Su resultado por tanto, fue hasta diez veces superior.

Ahora, ¿sigues pensando lo mismo? Seguro que en estos momentos estás pensando en cómo aplicar el Data Driven Marketing… Para ello tienes que comenzar por lo más sencillo. Te lo explico.

 

Cómo incorporar el Data Driven Marketing en tu empresa

Data Driven Marketing en la empresa

Si estás concienciado en que es mejor tomar decisiones y crear campañas en base a datos, frente a intuiciones, ya tienes la mitad del camino recorrido.

Lo segundo que debes hacer es reestructurar la organización, asegurándote que todos los departamentos de tu empresa colaboren entre sí compartiendo información. Aquí el departamento comercial es clave, ya que son los que están en contacto directo con los clientes y los potenciales, y quienes pueden nutrir de una información con más valor a la base de datos de tu empresa.

Lo siguiente que debes hacer, es conseguir integrar toda esa información en un mismo lugar, desde donde puedan acceder cualquier miembro de la compañía, y pueda al mismo tiempo, ser analizada en su conjunto. Para ello, se hace imprescindible un CRM que te permita no sólo registrar en un mismo lugar dicha información, sino además poder analizarla eficientemente.

A continuación, empieza a analizar. Depura la información menos relevante, y confirma aquellos insights que te son realmente útiles. Clasifica a tus clientes en función de su rentabilidad y centra tus esfuerzos en esos grupos.

Si te atreves con los servicios de ‘customer intelligence’, recibirás cantidad de análisis y conclusiones sobre lo que intenta decirte tu base de datos, y que tú no sabes leer. En base a esas conclusiones y análisis, podrás dirigir más certeramente tus estrategias de marketing y en definitiva, podrás aumentar el ROI de tus campañas.

¿Quieres aplicar el Data Driven Marketing a tu negocio?, pero ¿prefieres que te lo resuelva una empresa con un equipo experto y especializado? Contacta con nosotros, podemos hacer mucho por tu negocio.

¿Quieres hacer comunicaciones más personalizadas a tus clientes?

Diseñamos e implantamos soluciones CRM y Social CRM para que conozcas mejor tus clientes y puedas aumentar tu ROI