91 640 41 50 hola@artyco.com
Cómo convertir los datos de Marketing en un activo de negocio

Cómo convertir los datos de Marketing en un activo de negocio

por | Mar 20, 2019 | Big Data, Business Intelligence (BI)

Sin duda, el marketing es el área en donde se mueve una mayor cantidad de datos. Con Internet como multiplicadora de información, y con la presencia de mayores vías para conocer cada vez más el comportamiento de las personas en el mundo offline, esa cantidad de datos de marketing es cada vez más asombrosa, pero ¿se están gestionando y utilizando correctamente? En este post quiero profundizar en la importancia de saber recoger y almacenar los datos de marketing adecuados para la toma de decisiones, y cómo hacer para que sean un activo de negocio. ¿Te interesa?

Hoy día, disponer de datos no es un problema. La dificultad está en saber de dónde recoger aquellos que te interesan, así como centrarte sólo en los que son críticos para lo que necesitas analizar. Ni más, ni menos.

Disponer de una herramienta que te ayude a gestionarlos y sacarles provecho, a priori, tampoco parece un problema, sin embargo, la mayoría de las empresas, ante el gran desembolso que supone una herramienta de este tipo, esperan que les aporte el suficiente conocimiento e insigths que les permita tener una contraprestación directa en su negocio. Y la verdad es que este hecho no se está produciendo en muchos de los casos.

Y la verdad es que la mayoría de las empresas invierten dinero en la recopilación de datos de marketing y su almacenamiento, sin embargo, una vez los tienen, no llegan a más con ellos, ya que no tienen una estrategia definida respecto a estos.

Es curioso que, realmente es el tratamiento de esos datos lo que va a aportar verdadero valor, haciendo de esa empresa, una compañía competitiva.

Situación actual de las empresas en cuanto al tratamiento de sus datos de marketing

Tratamiento de datos de marketing

La falta de inversión bien dirigida, el reducido conocimiento y la escasez de una cultura sobre los datos, hace que la mayoría de las empresas hoy día, no estén aprovechando correctamente los datos de marketing de los que disponen. A continuación, te expongo las principales situaciones que se dan en la mayoría de las empresas, en cuanto a los datos.

  1. Los silos de almacenaje de datos están sin conexión. El mayor problema al cual se están enfrentando la mayoría de las empresas que comenzaron hace tiempo su andadura en la recopilación de datos, es que han invertido grandes cantidades de dinero en herramientas para que actuaran como silos de almacenaje de datos, los cuales no disponen de la posibilidad de realizar combinaciones válidas de los unos con los otros. Al final tienen información valiosa distribuida en diferentes bases de datos, las cuales no pueden cruzar para analizar esa Data en global.
  2. CRMs desfasados. Aquellas empresas que implantaron un CRM, ahora en la Era Digital se han dado cuenta que ese CRM está totalmente desfasado respecto a su negocio tal y como es hoy día. Estas herramientas se han convertido en meras bases de datos de clientes, las cuales no están centradas en sacar valor de estos, no permitiendo introducir información en los nuevos canales que se han ido creando y en los cuales están interactuando cada día más.
  3. Falta de cultura de datos de los empleados. Otro gran problema al cual se están enfrentando las empresas, es la falta de cultura de datos de sus integrantes. Para la mayoría de los empleados de una empresa, los datos no son el core de su negocio, basando el éxito o fracaso de todo lo que hacen, en los resultados trimestrales, sin llegar a pensar a largo plazo y sin centrarse en el valor de los clientes a lo largo del tiempo.
  4. No evolucionar en la explotación de datos. Por lo general, las empresas que ya comenzaron a explotar sus datos repiten una y otra vez los mismos procesos, sin llegar a pensar en evolucionarlos.
  5. No tener como foco la marca. La mayoría de las personas que trabajan con datos, se centran en entregar los informes a su jefe. Para ellos, ese es uno de sus principales objetivos, cuando en lo que deberían de pensar es en hacer crecer la marca a través de sus reportes y las conclusiones que de ellos sacan.
  6. Tener una visión ‘campaign centric’. Las empresas pierden mucho tiempo y dinero en únicamente medir los resultados de las campañas, y perdiendo de ese modo, la visión customer centric, que es a donde debería de tender cualquier empresa que quiera triunfar. Esa obsesión por conocer cómo ha funcionado una campaña, hace en muchos casos, que no se preste la suficiente atención a conocer quién es el cliente, qué quiere, y cómo lo quiere.
  7. Falta de evolución. Cada año se empieza desde cero las campañas, sin tener en cuenta esos resultados medidos y qué se ha podido aprender de ellos. Por lo general, esos datos de marketing quedan en el informe pertinente como una tarea más y no se tienen en cuenta a la hora de planificar el siguiente año, y evolucionar.

Como ves, a pesar de que ya hay muchas empresas que son conscientes del potencial de los datos para su negocio, aún no le están sabiendo sacar todo el jugo que podrían sacarle. Sin embargo, tiene fácil solución. Vamos a por ella.

 

4 Tips para sacar provecho a los datos de marketing en beneficio del negocio

Tips para datos de marketing

Parece complicado, pero en el fondo no lo es tanto. Muchas veces, aplicando un poco de lógica y sentido común, tras dar un paso atrás para mirar con perspectiva la situación, todo se ve de una manera más sencilla.

Como todo se ve mejor por puntos, a continuación, te voy a ir nombrando aquellos que considero son básicos para poder conseguir dar la vuelta a tu problema con los datos de marketing y convertirlos en un activo, en lugar de un pasivo para tu negocio. Son estos:

 

#1. El lugar y la manera en la que almacenas los datos es primordial.

El almacenaje de datos es como los cimientos de una casa. Para que toda tu estrategia de datos tenga éxito, el lugar donde se almacenan tiene que cumplir con una serie de requisitos. El principal de todos ellos es que todos esos datos estén en un mismo lugar, y si eso no es posible, que al menos la empresa pueda tener acceso a ellos.

Muchas empresas comenzaron almacenando sus datos en CRMs antes de que llegara todo el ‘boom digital’. Tras ello, se lanzaron a la publicidad online, a través de la cual se fueron generando cantidades de datos sobre sus clientes en cuanto a navegación, intereses, clics, etc. Dicha información se recogía y almacenaba bien en las agencias de publicidad online, bien en DMPs (Data Management Platforms) o bien en empresas intermediarias que han creado redes de conexiones entorno a los datos, con el objetivo de venderlos a terceros. Justamente esa información es la que tiene más relación con el marketing, y la más complicada de obtener. Para ello, es necesario contar con empresas externas especializadas en el tratamiento, la activación y el análisis de los datos, las cuales permitan que el conocimiento del negocio y de los clientes de la empresa, quede dentro de esta.

 

#2. Analiza tu situación actual.

Seas el tipo de empresa que seas, es fundamental que analices muy bien en qué estado se encuentra tu compañía en este momento, y definas cuál es tu “gran objetivo”.

Si no sabes por dónde empezar o no tienes claro cuál debe ser tu “gran objetivo” te lo pongo fácil. Hoy día, el “gran objetivo” relacionado con los datos, al cual debe intentar llegar toda compañía, es el de la automatización. Para ello, es necesario, tal y como te comentaba en el punto anterior, disponer de toda la información en una misma base de datos, o al menos tenerla unida de algún modo. Para ello, te recomiendo que inviertas en un CDP (Customer Data Platform), el cual, lo que hace es precisamente unir la información de tu CRM con los datos que tengas en el DMP. Este te ayudará a conocer en qué situación estás, y poder comenzar a establecer una estrategia en cuanto a los datos.

 

#3. Crea un flujo de trabajo respecto a los datos.

Como he comentado, tener datos y más datos por tener, no puede ser tu objetivo, ya que los datos porqué sí no valen para nada. Tampoco tiene valor crear cuadros de mando de todo, y presentar dashboards por presentar. Al final lo que demandan las empresas, tal y como puedes leer en otro post que escribí sobre el tema y el cual te recomiendo (“Del Business Intelligence al Marketing Intelligence. Principales retos para implantarlo”), es que los datos y su análisis puedan sacar insights y conclusiones de valor que permitan conocer mejor a los clientes y poder establecer estrategias de marketing basadas en esos datos y esas conclusiones extraídas a través de los mismos.

El flujo que te recomiendo es este:

  • Recopilación de datos. Esta primera fase debe de estar integrada como parte de una estrategia concreta y dirigida hacia lo que queremos conseguir con estos datos. Una vez lo tengamos definido, los recopilaremos y los almacenaremos en el lugar correspondiente.
  • Procesamiento de datos. En el momento que se procesen los datos, se debe de tener siempre en mente, que estos sean accionables para la empresa, es decir, que puedan ser analizables y aprovechables por esta, además de que generen conocimiento.
  • Activación de datos. En esta fase, se debe de buscar convertir ese conocimiento adquirido en la fase anterior, en decisiones de valor para el negocio. Además, estas deben de procurar que se automaticen lo máximo posible.

Al final, todo este flujo debe de girar entorno al cliente, consiguiendo responder a las preguntas de ¿dónde está?, ¿cómo es?, ¿cómo impactarlo mejor?, ¿qué busca?…

 

#4. Evoluciona constantemente alrededor de los datos.

La mejor manera es a través de una CDP (Customer Data Platform) que te ayude a convertir tus datos en un activo de negocio. Esta herramienta te va a permitir también, mantener dentro de la empresa todo el conocimiento sobre ella y sus clientes, facilitándote crear previsiones y por tanto evolucionar entorno a ellas.

Gracias a toda esa información, ese conocimiento y ese valor para el negocio, podrás enfocarte en conseguir metas cada vez más ambiciosas, relacionadas quizás, con la innovación en la explotación de tus datos, por ejemplo.

 

En definitiva, debes de crear una cultura entorno al dato de marketing, que posibilite poner al cliente en el centro de tu estrategia. Esto es la base para llegar a ser una compañía Customer Centric.

 

¿Estás buscando crear conocimiento alrededor de tus clientes? Si la visión que tiene tu empresa es realizar auténticas estrategias Customer Centric, queremos hablar contigo. En Artyco tenemos equipos de Data Scientists y expertos en creación de estrategias centradas en el cliente, quienes no sólo a través de informes, sino también de conocimiento de valor para tu negocio, te ayudarán a tomar decisiones de marketing relevantes para tus clientes. ¿Hablamos?

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

Qué es un KPI en Marketing y cuál es la diferencia con las métricas

Qué es un KPI en Marketing y cuál es la diferencia con las métricas

por | Mar 7, 2019 | Business Intelligence (BI)

Un KPI es un indicador clave en el desempeño del negocio, el cual nos sirve para poder medir el éxito o el fracaso de nuestras acciones de marketing. Una métrica, sin embargo, es una medición, la cual no es clave para el negocio, pero que nos sirve para realizar un seguimiento de la acción que mide. En este post vamos a hablar no sólo de las diferencias entre uno y otro, sino también de la importancia que tienen en el marketing y la relación entre ambas para dar valor al trabajo del CMO. ¿Quieres profundizar un poco en ello? Vamos allá.

Si estás leyendo este post es porque consideras que la analítica es básica y fundamental para tu negocio. Siendo en el área del marketing aún más importante si cabe, ya que las diferentes acciones y campañas que vas lanzando a lo largo del año necesitan ser medidas, para conocer en qué proporción están participando de los resultados finales de la empresa.

Tanto los KPI (Key Performance Indicators) como las métricas, son medidas cuantificables de una actividad relacionada con el negocio, estando su principal diferencia en si se utilizan para un uso estratégico u operativo. Como sabrás, los KPI aportan un valor cuantificable asociado a un objetivo de negocio estratégico. Su resultado, lo que te viene a indicar, es si se ha cumplido ese objetivo estratégico o no.

Las métricas, por su parte, aportan también un valor cuantificable y medible, pero en este caso relacionados con el área más táctica de la empresa, siendo especialmente útiles para mediar las diferentes acciones que se realizan a lo largo del año en el área del marketing.

Algunos ejemplos claros de métricas serían:

  • La tasa de crecimiento de ventas. Es el resultado de dividir las ventas conseguidas en este año, entre las del año anterior, restarle al resultado 1, y multiplicarlo por 100 para obtener la tasa. Así, si este año hemos obtenido unas ventas por valor de 500.000 euros, frente a 400.000 del año anterior, dividiríamos 500.000 entre 400.000 y nos saldría 1,25. Le restaríamos 1, saliendo 0,25 y lo multiplicaríamos por 100, siendo la tasa del 25% de crecimiento. Esta métrica nos ayuda a conocer cuál ha sido el crecimiento o decrecimiento de ventas en la empresa, pero nunca este valor debe de ser un KPI, ya que no debe ir asociado a ningún objetivo estratégico dentro de la empresa. Sí como un indicador de rumbo.
  • El LTV (Life Time Value) o CLV (Customer Lifetime Value). Es el valor neto de los ingresos que nos genera un cliente durante el tiempo que es nuestro cliente. Se obtiene tras multiplicar el gasto medio que realiza el cliente en cada compra, la recurrencia de adquisión durante un año, y la vida del cliente (número de años que es nuestro cliente). De este modo, si un cliente gasta una media de 50 euros en un mes en nuestro eCommerce, compra 6 veces al año, y lleva haciéndolo desde hace 6 años, entonces su CLV sería de 1.800 €. Esta métrica tiene sentido para compararla con otra que es el CAC o coste de adquisición de cliente. Al comparar el CLV con el CAC, puedes conocer si ese cliente te ha sido rentable, ¿cómo? Si el CAC es menor al CLV, enhorabuena. Si no es así, te ha costado más conseguir ese cliente que la rentabilidad que te ha aportado. El CLV nunca debe ser un KPI, ya que como ocurre con el caso anterior, no debe ir asociado a un objetivo estratégico. Simplemente te ayuda a conocer el éxito de tus acciones para aumentar la compra por cliente y subir así ese CLV.
  • La notoriedad de marca. Esta representa la presencia que tu marca tiene en la mente de los consumidores. Medir esta notoriedad sólo se puede hacer a través de un grupo de métricas que te ayudan a conocer la situación de la misma. Métricas como el engagement, impresiones, número de menciones en RRSS, alcance y frecuencia, etc.

Por tanto, la diferencia más significativa entre KPI y métrica sería la conexión de la primera con los objetivos, frente a las otras con las acciones.

En cuanto a los objetivos, es importante que tengas en cuenta una cosa. Estos objetivos, necesariamente tienen que ser SMART o inteligentes, es decir, específicos (Specifics), medibles (Mesurables), alcanzables (Attainables), realistas (Realists) y oportunos (Timely). Y es que esos KPI que definas surgirán como una prolongación de estos objetivos SMART. Con el fin de saber si se han conseguido o no.

Escoger los KPI adecuados en tu estrategia, te permitirá medir adecuadamente la progresión de tus acciones, o por el contrario corregir la estrategia, si los resultados no son los que tú esperas.

Relación entre métrica de marketing y KPI

Relación entre métrica y KPI

Seguro que ya has leído antes que todos los KPI son métricas, pero no todas las métricas son KPI. Lo normal es que la empresa defina cuáles son sus objetivos básicos, y en función de ellos, determinar cuáles son los KPI que se van a necesitar para medir la consecución o no de estos objetivos.

Es importante saber que, dependiendo del tipo de empresa y de su plan estratégico, una misma métrica puede ser considerada como KPI o no. Por ejemplo, para un eCommerce que basa sus ingresos en la venta a través de este, el CPA o coste por adquisición, es un KPI fundamental ya que va a determinar cuánto nos cuesta conseguir una venta. En cambio, si la venta por Internet es marginal, en ese negocio, el CPA será simplemente una métrica a tener en cuenta.

A través de los KPI podemos descubrir que existe un problema, mientras que las métricas nos ayudan a comprender qué es lo que ha ocurrido, o el proceso. En muchos casos asignaremos KPI a la medición de la estrategia, y diferentes métricas a los procesos operativos que constituyen el despliegue de la misma.

Es interesante también, pensar que este sistema es totalmente dinámico y flexible en el sentido de que debemos revisar las métricas a menudo, y si alguna de ellas determinamos que es crítica para la consecución de los objetivos de negocio de la empresa, pasarla entonces a KPI. De igual modo, si vemos que un KPI no consigue llegar a ser real, o lo que es lo mismo, vemos que el objetivo que intenta medir se convierte en inalcanzable, ese KPI pasaría a ser una métrica.

 

El MROI como KPI fundamental en el marketing

Marketing Return On Investment

Si existe un KPI importante en marketing, este es el MROI (Marketing Return on Investment). Este te puede servir para medir una campaña en concreto, o bien para medir toda la actividad de marketing de tu compañía. Como seguramente sabrás, este se calcula restando a los ingresos, la inversión, y dividir el resultado por esa misma inversión. Si luego lo multiplicamos por 100, tendremos ese retorno de la inversión.

Vamos a poner un ejemplo super básico y simplificado del ROI, el cual puede complicarse todo lo que queramos. Por ejemplo, si hacemos una campaña en Google Ads en la cual invertimos 10.000 euros al año, habiendo ingresado a través de esta, 30.000 euros, nuestro ROI saldría de restar 30.000 menos 10.000 (20.000), dividirlo por 30.000 y multiplicarlo por 100. Nuestro ROI sería de un 66,67%. Este sería un ejemplo muy simplificado, tal y como he adelantado, ya que habría que añadir a los gastos de Google Ads, los gastos de la persona que gestiona los anuncios, por ejemplo, entre otros muchos, complicándose el cálculo bastante.

Este KPI es decisivo para cualquier departamento de marketing, ya que te va a permitir:

  • Justificar la inversión en Marketing. Si quieres introducir un producto o servicio en el mercado o aumentar las ventas, necesitarás invertir una buena cantidad de dinero en acciones de marketing que te ayuden a conseguir ese objetivo. Cualquier Director General de compañía necesita y te pedirá, conocer qué cantidad de la inversión ha respondido de una manera positiva en los resultados finales de la empresa.
  • Decidir en qué invertir y en qué dejar de hacerlo. Gracias al MROI podrás conocer cuáles de tus acciones han conseguido un balance positivo y han sido rentables para tu empresa, de tal forma que cuando tengas que planificar otra batería de acciones para el año siguiente, puedas repetir, incluso aumentar inversión en aquellas que te han dado resultados positivos, y dejar de hacerlo en las que no.
  • Comparar tu eficiencia de marketing con la competencia. Es cierto que este punto es muy complicado, ya que es difícil tener acceso a información de la competencia, y más en lo relacionado con la inversión publicitaria, pero en algunas campañas si que es posible. Por ejemplo, puedes acceder a ciertas inversiones publicitarias a través de datos de Infoadex, mientras que, para conocer datos sobre ventas, estos son accesibles gracias a Nielsen, Kantar u otras agencias que se dedican a ello.

Como habrás supuesto, para aprovecharte de este KPI, es necesario que planifiques adecuadamente por adelantado tus acciones de marketing en base a ello. Es decir, debes diseñar tus campañas de tal manera que sean medibles.

Pero no debes de quedarte sólo en eso. Los directores de marketing deben enfocarse no sólo en medir lo que ha ocurrido, sino también en “lo que ocurriría si”. Ese paso de ir un poquito más allá, es lo que te llevará del dato a la inteligencia, y de la inteligencia al conocimiento.

 

KPI para eCommerce

KPI y métricas para el eCommerce

Me gustaría proponerte una serie de métricas que pueden llegar a convertirse en KPI en función de tus objetivos de empresa, en el caso de que fueras un eCommerce. Con estas métricas que te propongo podrás conocer rápidamente y gracias a este seguimiento, el estado de salud de tu tienda online, así como el poder moverte variando tus estrategias en uno u otro sentido, en función de si están siendo positivos o negativos.

Ejemplos de KPI/métricas para eCommerce:

  • Fuentes de tráfico. Es fundamental para conocer por qué canales están viniendo tus visitas. Esta es más probable que sea una métrica antes que un KPI.
  • Visitantes únicos. Esta cifra te dará una visión real de cuántas personas navegan por tu eCommerce. Para tu tienda online puede ser un objetivo estratégico importante en el caso de conocer que si, por ejemplo, un 20% de las personas que visitan tu web acaban comprando, el aumentar ese número de visitantes únicos en un X%, repercutirá en un aumento proporcional en las ventas. Por tanto, podría ser un KPI interesante a tener en cuenta.
  • Total visitas. Normalmente suele ser una métrica, pero si uno de tus objetivos fundamentales es branding, puede que esta se convierta en KPI, ya que, si aumentas el número total de visitas de una manera significativa, indicará que estás aumentando tu conocimiento de marca. Sobre todo si esas visitas nuevas vienen como tráfico directo o por SEO con la palabra clave de tu marca.
  • Páginas vistas y páginas vistas por visita. Por lo general suele ser una métrica más que un KPI. Lo que te viene a indicar es el interés y el engagement que tiene tu eCommerce con el usuario.
  • Nuevos visitantes. Este puede ser un KPI importante si detectas que tu eCommerce está estancado en la venta realizada a través de los mismos clientes. Con el KPI de nuevos visitantes puedes obtener información sobre la validez o no de campañas de outbound marketing para captar nuevos clientes.
  • Tiempo de permanencia por visitante. Es una métrica que te indica si tu eCommerce engancha con el usuario, así como si tus campañas de marketing digital están atrayendo al público adecuado y no a usuarios que entran con unas expectativas que luego no se cumplen, abandonando rápidamente tu tienda online.
  • Coste por Lead (CPL). Es una métrica fundamental para determinar si tus campañas de marketing digital destinadas a captar leads, son rentables o si van mejorando.
  • Coste por adquisión (CPA). Un KPI fundamental en una tienda online, el cual te va a ayudar a conocer cuánto te está costando cada nuevo cliente, y así poder optimizar tus acciones de cara a que ese CPA sea mínimo.
  • % de abandonos del carrito de la compra. Este dato puede ser terriblemente significativo de cara a conocer, por ejemplo, el porqué de una bajada de ventas en tu tienda online. Si detectas que el porcentaje de abandono de tu carrito es excesivamente grande, podrás actuar en consecuencia y realizar cambios y acciones específicas para subsanarlo. Yo diría que por lo general es una métrica.
  • Número de clientes que se ponen en contacto con la tienda (email, webchat, teléfono…). Más que un KPI esta medida sería una métrica que te proporcione información sobre cuál es el nivel de atención al cliente que te están demandando tus usuarios. A esta métrica le puedes añadir el grado de satisfacción de dicho servicio, y así completar dicha información.
  • Beneficios netos. Un KPI puro y duro el cual te ofrecerá de un vistazo en que posición estás respecto a tu objetivo fundamental de negocio, que no es otro que el beneficio.
  • Ventas por hora, día, semana, mes… Depende de cómo plantees tus objetivos, este puede ser una métrica que te informe de cómo se comportan tus ventas en el tiempo, o un KPI que te indique si estás consiguiendo tus objetivos de ventas por día, semana o mes.
  • Total de pedidos por día, semana, mes… Ocurre lo mismo que en el punto anterior.
  • Valor medio del pedido. Uno de los objetivos clave de un eCommerce de cara a aumentar las ventas es incrementar el valor medio del pedido, utilizando para ello estrategias de upselling, por ejemplo. En estos casos, utilizar esta medida como KPI puede ser interesante.
  • Margen medio. Sin duda, este puede ser un dato crítico para el desarrollo final del negocio, ya que, a partir de ciertos márgenes, la labor comercial puede que no sea rentable. En función de cómo hayas establecido tus objetivos, esta medida puede ser un KPI o una métrica que te sirva de referencia.
  • % de conversión. La mejor manera de comprobar la eficacia de tus llamadas a la acción en tu página web, tus landings, tus descripciones de producto o cualquier otra acción on site que desarrolle tu eCommerce (Web Chat por ejemplo), es a través de este índice.
  • Pedidos de nuevos clientes frente a los clientes recurrentes. Un objetivo de empresa puede ser aumentar los pedidos de nuevos clientes, o por el contrario, aumentar la cifra en clientes actuales (fidelización). En ambos casos, sería un KPI interesante a tener en cuenta.
  • % de nuevos pedidos en relación con los nuevos usuarios. Para mí, en este caso es más una métrica que un KPI, ya que su cifra te va a dar una pista del índice de pedidos de los nuevos clientes de cara a hacer estimaciones que te ayuden a prever tu cifra final de ventas.
  • Tasa de devolución. Uno de los objetivos más importantes dentro de un eCommerce, es reducir significativamente las devoluciones, ya que estas ocasionan importantes costes. Este KPI es fundamental para ver si hemos llegado al objetivo marcado o no.

Si necesitas inspiración a la hora de saber qué tipo de KPI y métricas puedes utilizar en diferentes proyectos, aquí te dejo un par de enlaces a dos posts que escribí sobre ello que te pueden interesar: «Analítica en Medios Sociales. Métricas y KPIs más utilizadas«, y «Métricas y KPIS para fidelización de clientes«.

Recuerda que, si no mides lo que haces, no podrás conocer qué estás realizando bien y que no está funcionando. Sin embargo, caer en el error de establecer KPI y métricas de todo lo que se te ocurra puede llevarte a realizar un trabajo innecesario, y sin sentido. Para que un KPI y una métrica sirva para algo, esta debe ir alineada con unos objetivos medibles, no lo olvides.

¿Quieres olvidarte de toda esta medición y analítica? ¿Prefieres encargar todo esto a expertos? En Artyco podemos ayudarte.

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

Del Business Intelligence al Marketing Intelligence. Principales desafíos para implantarlo

Del Business Intelligence al Marketing Intelligence. Principales desafíos para implantarlo

por | Dic 11, 2018 | Business Intelligence (BI)

La inteligencia de negocio en función del tipo de empresa, puede vivir independientemente o bien puede estar integrada dentro de otro departamento. Pero lo que está claro es que esta tiene mucho en común con los sistemas de gestión de relaciones con el cliente, o lo que llamamos CRM. El avance de la tecnología, el desarrollo del machine learning y la IA, han potenciado enormemente esta disciplina, integrándose inevitablemente con los departamentos de marketing, creando lo que se llama el Marketing Intelligence, pero ¿están los Data Scientists preparados para este reto?, ¿son capaces los profesionales del marketing de manejar tal cantidad de datos? En este post te pondré en situación de hacia donde se tiende, así como de cuáles son los retos que deben superar las empresas para conseguirlo.

El CRM se compone de tres elementos fundamentales: el operativo, el cual es el responsable de los procesos de contacto con el cliente; el analítico, en el que se analizan los datos que de este se desprenden; y el comunicativo, centrado en todas las acciones necesarias para mantener un diálogo con el cliente (email marketing, SMS, teléfono…). Por lo general, la inteligencia de negocio está integrada dentro de la mayoría de CRMs, aportando analítica que permita sacar insights y conclusiones.

El trato personal con los clientes se ha reducido muchísimo en casi todos los negocios, debido a la popularización de Internet como medio de información y compra, entrando en juego, por tanto, otros medios de comunicación directa relacionados con este sistema digital. Uno de ellos, es sin duda el móvil, a través de los Smartphones.

Este hecho ha supuesto que los departamentos de marketing dispongan de mucha más información de la tenían hace una década. Esta se ha venido gestionando a través de Data Warehouses, sin embargo, los profesionales del marketing no disponían de la capacidad suficiente como para poder auto-gestionar dicha información con dichos sistemas, entrando en juego nuevos perfiles en el ecosistema de marketing. Perfiles más técnicos, expertos en bases de datos, y perfiles que supieran sacar conclusiones de grandes cantidades de datos.

Durante este tiempo, el experto en Data, el Data Scientist y el Marketing Specialist han convivido gracias a la inmadurez respecto al dato del sector y de las empresas. Sin embargo, esto está cambiando, y el mercado está exigiendo un salto de calidad al tratamiento de datos. Este salto de calidad iría más dirigido a los insigths y conclusiones sacadas a través de los datos. Insigths que muchas veces los analistas no son capaces de sacar debido a su falta de visión de marketing y de negocio, a la vez que los profesionales del marketing no consiguen verlos, debido a su escasa formación en estadística y lectura de datos.

Como he comentado, el mercado está madurando, y pide avances. A continuación, te cuento cuáles son los principales retos o desafíos con los que se va a encontrar cualquier empresa que quiera basar su negocio en los datos. Ha llegado el momento del Marketing Intelligence.

 

Principales desafíos para implantar una estructura de Marketing Intelligence

Marketing Intelligence

El paso de una estructura Business Intelligence clásica a otra Marketing Intelligence que te permita poder obtener verdadero conocimiento que te ayude a conocer mejor a tus consumidores, crear estrategias más eficaces, y realizar propuestas de valor realmente interesantes para la sociedad a la que te diriges, pasa por los siguientes desafíos.

DESAFÍO #1. El Big Data.

Tradicionalmente, en un sistema de Business Intelligence, las bases de datos que se utilizaban eran bases de datos relacionales, en las que los datos se organizan en base a tablas con filas (registros) y columnas (campos), las cuales están ligadas a través de relaciones en los casos en que contienen el mismo tipo de información. Para realizar consultas se hace a través de queries las cuales filtran los datos y dan al emisor de la consulta la información buscada. Todo esto se hace a través de un lenguaje llamado SQL.

Pues bien, todo esto se ha roto a consecuencia de la irrupción del Big Data, debido fundamentalmente a tres variables:

  1. El volumen de datos. El Big Data se caracteriza por la gran cantidad de datos que almacena y maneja. Tal es la cantidad de datos que pueden llegar a almacenar algunas compañías, que estos tienen que estar guardados en diferentes servidores. La solución actual a este problema, hoy por hoy, es Hadoop, que no es otra cosa que un framework de opensource que permite almacenar una gran cantidad de información, permitiendo realizar procesamientos y tareas de manera prácticamente ilimitada. Entre las principales ventajas que tiene un Hadoop están la capacidad de almacenamiento, el poder de procesamiento, la tolerancia a fallos, la flexibilidad, el bajo coste que supone y su escalabilidad.
  2. La velocidad. Fundamentalmente debido a la aparición del IoT (Internet of Things), en el cual es necesario recoger datos y gestionarlos en tiempo real, la velocidad en las bases de datos se hace muy necesaria. Esto se consigue almacenando los datos in-Memory, es decir, es como tenerlos en una memoria RAM, la cual permite acceder a ellos instantáneamente y realizar procesamientos extremadamente rápidos, ayudando así a analizar rápidamente grandes volúmenes masivos de datos en tiempo real a velocidades muy altas, y detectar patrones.
  3. La variedad. Los datos recogidos hoy día no son sólo numéricos o textuales, sino que además pueden ser, por ejemplo, imágenes. Al entrar las redes sociales en nuestras vidas, este elemento se ha convertido en primordial para muchas empresas en todo lo relacionado con el análisis y creación de perfiles, ya que las imágenes se han convertido en un elemento de comunicación primordial para los usuarios (véase el caso de Instagram).

En definitiva, la irrupción del Big Data ha supuesto que se dejen atrás las bases de datos relacionales SQL y se abran los brazos a otros sistemas no basados en el SQL, más anárquicos, pero a la vez más flexibles y rápidos, los cuales utilizan otro tipo de tecnología, como pueden ser los Data Lakes (Si quieres saber qué son los Data Lakes, te recomiendo que eches un vistazo a este post sobre “Dara Warehouse y Data Lake. Qué son y para qué sirven”). Aquí se abre una problemática importante para cualquier empresa, y es que es muy complicado encontrar a profesionales expertos en estos nuevos sistemas, los cuales puedan tener una visión de empresa y de marketing que puedan ayudar a sacar verdaderos insigths.

DESAFÍO #2. La visualización de los informes.

Un sistema tradicional de Business Intelligence está acostumbrado a tratar una serie de datos y acabar realizando informes sobre las conclusiones sacadas tras sus análisis. Estos los hacían en un principio a través de extensas presentaciones de Power Point, las cuales al final perdían su objetivo de informar, ya que el receptor de las mismas, se ahogaba en un “sinfín” de datos, números y gráficos de todo tipo. Debido a este hecho, se crearon los Dashboards o paneles a través de los cuales tener una visión general de lo que quieres conocer, de una manera más abreviada y visual. Soluciones como Tableau, Qlik o Power BI te ayudan a crear diagramas, mapas y una gran variedad de recursos sin necesidad de saber programar.

El reto para llegar a un Marketing Intelligence está en que esas personas que desarrollan este trabajo, generalmente estadísticos y matemáticos sin conocimientos de Marketing, sepan priorizar qué datos son los que verdaderamente se necesitan para sacar conclusiones realmente importantes para la toma de decisiones en marketing.

Uno de los principales errores que se suele cometer respecto a este asunto es que los Data Analysts plasman de manera automática lo que analizan, perdiendo en muchos casos evidencias o rastros que no dejarían atrás si tuvieran los conocimientos necesarios sobre el mercado, la marca, el porqué de ciertas estrategias de marketing y el porqué de las acciones realizadas.

Ese dashboard del futuro para obtener un verdadero Marketing Intelligence, debe ir más acorde con unos objetivos marcados por la dirección de marketing, unas kpi`s para cada objetivo y unas conclusiones que permitan tomar decisiones rápidas y eficaces.

DESAFÍO #3. La evolución del Marketing Digital.

Todos somos conscientes de los cambios que ha experimentado el Marketing Online en los últimos años. Sin duda, la irrupción de las redes sociales es uno de los hitos más importantes, tanto por crear una nueva manera comunicación con los usuarios, sino también como una nueva fuente de información de estos. El mobile marketing, es otra área la cual está llevando a otro salto hacia esta industria. El avance en el uso de Apps, el incremento de la navegación a través de este dispositivo, su uso como método de pago, son algunas de las características que están haciendo plantearse a las empresas sus anteriores estrategias.

En todo este proceso, el uso de un CRM que incluye el aspecto social, así como que permita automatizar acciones, se ha vuelto imprescindible para cualquier negocio que quiera crecer con su tiempo. En este avance, el inbound marketing y el uso de la publicidad nativa tienen mucho que decir, ya que ambos necesitan disponer de información precisa y en tiempo real de lo que está haciendo el usuario con la marca en el entorno online, de cara a captarle, nutrirle, convertirle y fidelizarle.

Ya son muchas las empresas, las que invierten cada vez más en estrategias de fidelización, y no sólo en captación, viendo como una estrategia de contenidos personalizados a clientes que ya conocen, puede ayudarles a fidelizarlos, a aumentar el gasto medio de ese cliente, y a que estos ayuden en la captación al actuar como prescriptores.

Todo este nuevo ecosistema y tendencia en las estrategias, es necesario conocerlo de cara a poder realizar una labor adecuada de marketing intelligence.

Y la verdad es que la mayor parte de toda esta responsabilidad actualmente la están soportando los equipos de Data Science. Estos equipos para pasar a ser Marketing Intelligence, deben de tener, además de las características habituales, las siguientes:

  • Ser capaces de plantear las preguntas adecuadas, ya que esto va a determinar que tiene los conocimientos técnicos y la capacidad de ver el problema, pudiendo traducir la visión estadística en recomendaciones para quién visualizará el informe.
  • Debe ser capaz de comunicar utilizando lo que se llama un storytelling. El Data Scientist debe ser consciente que debe salir de la abstracción matemática y dirigir los resultados a un fin o una acción. Debe saber que todos esos datos y resultados matemáticos sólo tienen sentido si conducen a una acción.
  • Debe tener amplios conocimientos de herramientas y técnicas estadísticas y de machine learning para la resolución de problemas.
  • Conocimientos de R y Phyton, pero además, conocimientos de distributed computing (computación distribuida), se hacen cada vez más necesarios debido al auge que va a tener en el futuro el procesamiento en paralelo utilizando un gran número de ordenadores.

 

¿Quieres hacer Marketing Intelligence? En Artyco contamos con un departamento de Data Analysts y Data Scientists acostumbrados a saber leer entre datos y sacar conclusiones para ayudar en la toma de decisiones de nuestros clientes. A través de nuestro CRM o el que utilice nuestro cliente, una estructura propia de Data Warehouse y herramientas analíticas y de visualización como Power BI, podemos ayudarte a conocer y sacar de los datos todo el partido que necesitas. ¿Hablamos?

¿Decisiones basadas en datos?

Nuestro equipo de Data Scientists te ayudan a sacar esos insights y conclusiones que necesitas para realizar campañas más eficaces y tomar decisiones más acertadas.

MAS INFORMACIÓN AHORA
Qué son los modelos de atribución y cuáles utilizar

Qué son los modelos de atribución y cuáles utilizar

por | Nov 7, 2018 | Business Intelligence (BI)

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.

MAS INFORMACIÓN AHORA
4 principales criterios para la segmentación de clientes

4 principales criterios para la segmentación de clientes

por | Sep 11, 2018 | Business Intelligence (BI), CRM y Social CRM

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?

 

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

Usos y aplicaciones de la Inteligencia Artificial en el Marketing

Usos y aplicaciones de la Inteligencia Artificial en el Marketing

por | Ago 1, 2018 | Business Intelligence (BI)

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.

MAS INFORMACIÓN AHORA