Kyocera, empresa japonesa fundada en 1959, dedicada a la fabricación de cerámica de alta tecnología, componentes electrónicos, células solares y equipos de oficina, centrada en un negocio B2B, tenía la necesidad de conocer la probabilidad de avanzar por el funnel de ventas, de los leads que le iban llegando a través de sus diferentes campañas, de cara a poder realizar una presentación de una propuesta comercial.

Entre los objetivos que marcaron, estaba incrementar el número de citas de calidad, y mejorar las ratios de conversión a lo largo del embudo.

Para ello, desde artyco lo primero que hicimos fue tratar las diferentes bases de datos y fuentes de información para generar un modelo de predicción frente a si ese lead se puede considerar una oportunidad o no. Este modelo, iría mejorando con machine learning, llegando poco a poco y a través de la experiencia a unos niveles de predicción cada vez más óptimos.

Para lograrlo, había que segmentar la base de datos de clientes, creando una agrupación sencilla de segmentos. La variable que definía cada segmento, era la probabilidad de que el potencial pasara a ser considerado como una oportunidad. Esta probabilidad la sacamos a través de un algoritmo escogido mediante técnicas de machine learning.

A toda esta información, se le añadieron fuentes de información internas y externas, enriqueciendo aún más el modelo y creando algo más eficiente.

Se logró crear un modelo de predicción preciso que repartía los leads en 5 segmentos en función de lo calientes que fueran (probabilidad de avanzar en el funnel), y se creó una automatización para ir repartiendo esos leads.

Esto permitió a Kyocera ir optimizando sus campañas de inbound y outbound, haciéndolas cada vez más precisas y efectivas.