91 640 41 50 hola@artyco.com
Cómo el Deep Learning puede ayudarte en tu estrategia online

Cómo el Deep Learning puede ayudarte en tu estrategia online

El Big Data y los algoritmos avanzados se han convertido en un gran aliado para el mundo del Marketing. Son numerosas las aplicaciones que los análisis de datos proporcionan a la hora de optimizar cada una de las acciones que realizamos para alcanzar nuestros objetivos de Marketing.

Muchas de las grandes marcas ya llevan un tiempo trabajando en análisis predictivos para maximizar cada euro de las partidas de sus presupuestos. En este contexto, vemos como las segmentaciones están cada vez más afinadas estratégicamente para impactar aquellos usuarios que tienen mayor probabilidad de compra o premiar aquellos que tienen más valor con el fin de aumentar su satisfacción.

En este sentido, es esencial tener un control exhaustivo sobre nuestras bases de datos de clientes y las interacciones que hacen con la marca para sacar mayor partido a los datos, para que nos revelen conclusiones de valor, con el fin actuar de la manera más eficiente con cada uno de ellos.

Pero, no hay que olvidar qué les interesa a nuestros usuarios más allá del comportamiento que presentan con nuestros productos o comunicaciones. Los consumidores cada vez tienen más poder sobre sus decisiones de compra y las de otros usuarios, son conscientes de que sus opiniones han tomado protagonismo y visibilidad en el entorno digital y las redes sociales son un factor crítico de influencia que afectan directamente sobre el comportamiento de nuestros clientes y potenciales.

Numerosas herramientas de Social Listening, son capaces de mostrarnos una panorámica sobre lo que los consumidores opinan sobre nuestras marcas y las de la competencia, rastreando las menciones que se comparten en el mundo online. Pero, en una Era en la que la imagen está cobrando cada vez más protagonismo y redes sociales como Instagram que cuenta con 400 millones de usuarios mensuales activos, con un total de 40 mil millones de fotos y 3,5 mil millones de fotos por día, es un tesoro que no muchos están aprovechando.

Con el Big Data en boca de todas las empresas, los negocios que tienen presencia online viven con la necesidad de tener cuantos más datos mejor, eso les resta capacidad y tiempo para programar y re-programar, entrando en juego el aprendizaje automático, es decir el «machine learning«.

Los gigantes de Internet han entrado de lleno en este mundo del «Machine Learning«, ofreciendo servicios en la nube para construir aplicaciones que aprenden a partir de los datos que ingieren. Hoy en día, este está al alcance de cualquier programador, el cual sólo tiene que supervisar qué está bien y qué está mal de lo que aprende de manera automática. La disciplina del aprendizaje automático está en plena ebullición gracias a su aplicación en el mundo del Big Data y el IoT, y por supuesto, el marketing online no escapa de ello. Sin embargo, podemos ir un paso más allá: el Deep Learning.

El Deep Learning, posiblemente sea el futuro del aprendizaje no supervisado, es decir, sin la necesidad de que haya un humano indicando qué está bien y qué está mal de lo aprendido. En este paradigma, los algoritmos son capaces de aprender sin intervención humana previa, sacando ellos mismos las conclusiones acerca de la semántica embebida en los datos.

El Deep Learning utiliza estructuras lógicas que se asemejan en mayor medida a la organización del sistema nervioso de los mamíferos, y que se compone de un número de niveles jerárquicos. En el nivel inicial de la jerarquía la red aprende algo simple y luego envía esta información al siguiente nivel. El siguiente nivel toma esta información sencilla, la combina, compone una información algo un poco más compleja, y se lo pasa al tercer nivel, y así sucesivamente.

Técnicas como el Deep Learning pueden ayudarnos, por ejemplo, a aplicar estudios innovadores de reconocimiento de imágenes automático en tiempo real, para realizar un seguimiento de marca, también en material visual y audiovisual. Sus posibilidades son numerosas, vamos a ver alguna de ellas en el campo del Marketing Online.

Deep Learning en el marketing digital

¿Qué puede aportar el Deep Learning en nuestra estrategia online?

El Deep Learning no deja de asombrar a los expertos, y sus aplicaciones son cada día más numerosas. Entre las principales aplicadas a lo que es el Marketing Digital, podemos destacar las siguientes:

  • Monitorizar en tiempo real las reacciones en los canales online durante el lanzamiento de productos.
  • Ayudarnos a orientar nuestros anuncios y predecir las preferencias de los clientes.
  • Predecir mejor la probabilidad de que el usuario haga clic en una llamada a la acción.
  • Conseguir recomendaciones de producto más precisas por cliente.
  • Conseguir anuncios de retargeting más personalizados.
  • Identificar y hacer seguimiento de los niveles de engagement de los clientes, sus opiniones y su actitud en diferentes canales online.

Quién sabe hacia dónde avanzará la aplicación de estos algoritmos avanzados en el mundo del Marketing. Lo que sí está claro es que debemos aprovechar todo el potencial que nos ofrece en la actualidad para sacar mayor rendimiento y rentabilidad a nuestras estrategias online.

En Artyco disponemos de un departamento de customer intelligence centrado en aportar inteligencia al marketing de nuestros clientes. ¿Quieres conocer qué podemos hacer por tu negocio?

¿Quieres hacer marketing inteligente?

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

Qué es un análisis predictivo y cómo utilizarlo en marketing

Qué es un análisis predictivo y cómo utilizarlo en marketing

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

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

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

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

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

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

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

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

 

El proceso de la analítica predictiva.

Procesos puesta en marcha análisis predictivos

Como todo proceso, este está compuesto por diferentes fases.

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

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

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

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

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

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

 

Ventajas y aplicaciones de la analítica predictiva.

Ventajas analítica predictiva

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

Principales ventajas de la analítica predictiva:

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

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

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

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

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

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

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

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

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

 

Veamos ahora algunas de sus aplicaciones:

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

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

  1. En el ámbito sanitario.

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

  1. Analítica de recopilación de datos.

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

  1. Detección del fraude.

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

  1. Gestión del riesgo.

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

 

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

¿Quieres predecir tus ventas?

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

Descargar entrada en PDF

Error: Formulario de contacto no encontrado.

¿Qué es el Data Driven Marketing?

¿Qué es el Data Driven Marketing?

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

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

 

El Data Driven Marketing, ¿qué es?

que es data driven marketing

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

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

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

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

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

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

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

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

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

 

Data Driven Marketing y Machine Learning

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

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

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

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

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

 

Qué beneficios tiene el Data Driven Marketing

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

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

 

Qué necesitas para aplicar el Data Driven Marketing

como empezar con el data driven marketing

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

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

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

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

 

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

🙂

¿Quieres predecir tus ventas?

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

Cómo predecir el cambio de marca

Cómo predecir el cambio de marca

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

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

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

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

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

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

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

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

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

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

gráfica tiempo exploración-prueba de producto

Fuente del gráfico: «Nature Human Behaviour»

 

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

Los cupones como factor decisivo en el cambio de marca.

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

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

Conclusiones del estudio

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

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

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

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

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

 

¿Quieres predecir tus ventas?

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

¿Qué predecimos con el Marketing?

¿Qué predecimos con el Marketing?

El poder que aporta conocer con antelación los pasos que van a seguir tus clientes antes de que los realicen, es esencial para contemplar la reacción de los usuarios hacia mensajes promocionales o adelantarse a la pérdida de los mismos. Es una tendencia que el marketing lleva años trabajando y se han conseguido varios logros en este campo.

El análisis de los mercados, los productos y los usuarios ha conseguido ir más allá, gracias a la aplicación de métodos científicos, con el fin de conocer y predecir la conducta del usuario. En este sentido la información histórica y los antecedentes combinados con la implementación de algoritmos nos ayuda a descubrir predicciones de las futuras tendencias.

Estas técnicas aportan muchas ventajas a las empresas a la hora de tomar decisiones estratégicas, basadas en el conocimiento del comportamiento del usuario y la probabilidad de éxito de cada acción. A continuación, vamos analizar qué podemos llegar a predecir con el Marketing:

La conducta del consumidor: A los datos genéricos como la edad, sexo, lugar de procedencia…, se le suman matices psicológicos como el comportamiento social, el tiempo expuesto ante un producto o impacto publicitario o variables emocionales como el tono utilizado, colores o música.

Este análisis tan avanzado de la conducta del consumidor nos posibilita identificar y potenciar los pasos claves en el proceso de compra, definiendo así un Customer Journey que optimice la experiencia de los usuarios.

Resultados de campañas: Entendiendo los resultados de campañas anteriores y teniendo en cuenta cada variable implicada en cada acción (medio, tipo de comunicación, canal, día de la semana…), podemos llegar a optimizar las campañas y conocer la reacción del público ante los mensajes promocionales en cada momento y, por lo tanto, el éxito o fracaso de las campañas.

Aceptación de contenido en Redes Sociales: El contenido es una pieza clave en cualquier estrategia de Marketing, por ello, observar y analizar cómo actúan con determinados textos, imágenes, vídeos, … Puede ayudarnos a conseguir más engagement con nuestros seguidores y aportarles experiencias positivas a través de nuestro contenido en Social Media.

Real Time Marketing: El RTM consiste en ser capaz de predecir las necesidades del consumidor o potencial cliente y anticiparse a ellas. Darle lo que necesita, justo en el momento en que lo necesita.  Gracias al conocimiento que tenemos de la actuación previa de los usuarios somos capaces de interactuar en el momento adecuado, con un mensaje relevante y personalizado.

Estas son las ventajas más destacadas de la predicción del Marketing, aunque todavía quedan muchas áreas que explorar. Estamos seguro que el 2017 esta tendencia se convertirá en uno de los puntos clave en cualquier estrategia de Marketing. En ARTYCO el equipo de Customer Intelligence ya trabaja con nuestros clientes para ofrecer análisis de gran cantidad de datos con el fin de aportar una base científica a las decisiones estratégicas.