Hasta hace no demasiado tiempo, la analítica cumplía una función simplemente descriptiva. Se basaba en los datos recogidos a lo largo del tiempo y de las transacciones para responder a las consultas de los usuarios de negocio. Pero esto ha cambiado mucho gracias a la analítica predictiva y los nuevos medios y usos actuales.
Si quieres aprender ¿cómo aumentar las ventas gracias a la analítica predictiva?, este fantástico y completo post de Luisa María Pérez (Digital Marketing Manager de Logicalis Spain), te será de gran ayuda.
Créditos fotográficos: grandeduc
¿Cuánto se venderá este mes? ¿Cómo planificar el inventario? ¿Qué artículos promocionar?
Se trata de preguntas que, a veces, quedaban sin respuesta o con una poco fiable, más basada en lo sucedido en el pasado o en intuiciones. La inteligencia empresarial veía su ámbito limitado a esos registros históricos que le impedían adquirir un mejor conocimiento del presente y ni siquiera permitían pensar en el futuro.
La analítica predictiva es la cara más visible del análisis avanzado y el artífice de una nueva forma de trabajar en muchas organizaciones. Este conjunto de técnicas y herramientas se basan en la estadística, la minería de datos e incluso la inteligencia artificial para explotar el potencial de Big Data.
Los grandes datos se vuelven accesibles cuando se cuenta con los instrumentos que permiten viajar al núcleo de la información para extraer todo el valor que se encierra en cada bit. Y, en este ámbito, la analítica predictiva no sólo no supone la culminación de la nueva inteligencia de negocio, sino que es sólo el comienzo del camino.
En sus procesos de transformación digital, las empresas parten de esa visibilidad y del nivel de conocimiento que les aporta predictive analytics pero, cuando reúnen las capacidades suficientes y avanzan en su proceso de madurez tecnológica, descubren la necesidad de alcanzar nuevas cotas, a donde la analítica prescriptiva, el IoT o las soluciones cognitivas les permiten llegar. Aunque eso ya es otra historia.
Comprender al cliente: la visión customer 360 que entrega la analítica predictiva
Anticipación y proactividad son las dos principales cualidades que se derivan del uso de la analítica predictiva. Ambas alimentan una tercera, realmente decisiva para el éxito del negocio en términos de resultados de ventas: la versión única de la verdad. Con los clientes, a veces sucede que cada área de la empresa termina elaborando su propio perfil. El área de marketing los ve de una forma, la comercial de otra y el servicio post venta a su manera, siendo todas distintas entre ellas.
Esto supone un problema para las organizaciones al que la analítica predictiva, junto con una adecuada gestión de datos maestros y un sólido gobierno de los mismos, contribuye a resolver. Porque el cliente es uno y, para él, la empresa también supone algo único, entre lo que no diferencia ni por canales, ni por áreas, ni por la persona que le atendió o el dispositivo empleado para llevar a cabo dicha interacción.
Para conocer bien a cada consumidor, usuario o cliente potencial hay que investigar en los datos disponibles. Primero se debe recurrir a los que ya se tienen almacenados, normalmente históricos y transaccionales. Pero no son suficientes para poder conocer de verdad al cliente, ni mucho menos para comprenderle.
La analítica predictiva hace una relevante aportación a la versión única de la verdad al ofrecer a las empresas la capacidad de rastrear a los clientes y sus comunicaciones en todos los canales. Hoy día, existen muchas modalidades de análisis que permiten conseguirlo:
- Análisis de sentimiento.
- Análisis de texto.
- Minería de opinión.
En función del segmento de clientes a estudiar, de los diferentes perfiles y de las redes sociales y fuentes más interesantes para el negocio, la organización deberá decidir cuáles escoger. En cualquier caso, los beneficios resultan evidentes y producen consecuencias positivas que van desde la eficiencia en costes y la optimización de las comunicaciones internas, hasta otras como:
- Niveles mejorados de servicio al cliente.
- Mayor efectividad en la retención de clientes.
- Tasas de conversión más elevadas.
- Valor total superior de la vida del cliente.
Todas ellas se traducen en el aumento de las ventas en base al aprovechamiento del conocimiento (información y datos) que entrega analytics. Aunque, para llegar hasta ahí el sistema necesita nutrirse de datos, información que se extrae de diversos canales y que termina quedando a disposición de todos los usuarios de negocio desde un repositorio centralizado, como un data warehouse o un data lake (o ambos, en las arquitecturas de las empresas más maduras, tecnológicamente hablando). Sin la información procedente de las opiniones de los usuarios en un foro o sin haber interpretado adecuadamente el tono con el que se escribe un tweet no sería posible conocer al cliente, completar esa base central de información ni poder trabajar en torno a ella.
Actualmente, gracias a la analítica predictiva un agente comercial no sólo sabe lo que el cliente al que se dispone a llamar consume, ni cada cuánto tiempo suele comprar determinados artículos. Su visión sobre el cliente ya no queda limitada a poder anticipar qué productos adquirirá al mismo tiempo en qué día de la semana, presumiblemente, estará más receptivo para facilitar el cierre de una venta.
Los resultados comerciales mejoran porque la información que se consume dentro de la organización está completa y contextualizada, realmente se conoce al cliente y se pueden predecir sus decisiones, sus motivaciones y, con un margen de error mínimo, anticiparse a sus necesidades.
Tener visibilidad sobre el ciclo de compra: La eficiencia de extremo a extremo se basa en datos
La visibilidad sobre el ciclo de compra es una cuestión de constancia y planificación. En primer lugar, hace falta saber qué datos se precisan, qué fuentes merece la pena analizar y hasta dónde se debe invertir en calidad de datos. No toda la información es igual de útil, ni todas las fuentes relevantes en la misma medida y, de igual forma, aunque es necesario que los datos para el consumo sean fiables, consistentes, completos y exactos, es importante saber medir en qué punto los esfuerzos en materia de data quality dejan de ser rentables.
¿Sabes qué datos hacen falta para tener éxito?
Un esfuerzo constante de recogida de datos bien dirigida, realizado en base a una buena planificación que determina qué volúmenes merece la pena almacenar, procesar y analizar y cuáles serán las fuentes elegidas para extraer todo ese conocimiento potencial, es el punto de partida.
Créditos fotográficos: TimArbaev
Para construir una base de datos sobre cada cliente que sirva de utilidad a la hora de tomar decisiones tácticas y estratégicas que se alineen con los objetivos del negocio hay que disponer de métricas. Éstas son las que permitirán comprender lo que sucede a lo largo de ese proceso que se denomina embudo de ventas (funnel).
Ese recorrido que cada persona hace hasta llegar a comprar un producto o contratar un servicio comienza con la etapa de toma de conciencia (lo que en inglés se denomina awareness). En ese momento, ese cliente potencial no necesariamente busca servicios o productos específicos, sólo está interesado en conocer el negocio y lo que le puede ofrecer.
Puede darse el caso de que ese usuario ni siquiera sepa que tiene un problema por resolver, ya que esa fase es la siguiente, en la que se diferencia de los clientes potenciales menos maduros por empezar a buscar soluciones para satisfacer sus necesidades.
En el primer estadio (la toma de conciencia), para sentar las bases de lo que en el futuro pueden convertirse en ventas, la empresa sólo tiene que preocuparse por:
- Tener presencia en redes sociales: gracias a la analítica predictiva se puede saber en cuáles y en qué medida.
- Contar con una página web optimizada y que tenga en cuenta los principios que rigen el SEO: usando la analítica predictiva es sencillo descubrir cuáles son las palabras clave más empleadas para la búsqueda por parte de usuarios con perfiles similares a los del cliente ideal.
- Diseñar su sitio web de forma que sea amigable e intuitivo: gracias a la analítica predictiva es posible conocer en qué momento los usuarios abandonan la web y hacia dónde van, por ejemplo.
Pero, para adecuarse a lo que un registro que quiere soluciones necesita, tendrá que poner a su disposición las herramientas adecuadas, las que le permitirán satisfacer ese deseo que son, por ejemplo:
- Artículos especializados.
- Infografías.
- Guías e ebooks.
- Otros contenidos descargables de carácter informativo.
La transparencia y el expertise van ayudando a madurar a ese usuario interesado en lo que la empresa puede ofrecerle. A través de la oferta de contenido realmente útil se gana su confianza y, al mismo tiempo, se puede continuar recabando datos sobre cada cliente potencial:
- Qué tipo de contenidos le interesan más.
- Qué secciones de la web ha visitado con mayor asiduidad.
- Si es subscriptor o no.
Al conocer el comportamiento del usuario en línea y cotejar esa información con datos demográficos y con los históricos de la empresa, la analítica predictiva permite al agente comercial formarse una idea muy precisa de cómo es esa persona y qué es lo que busca.
Después de días o semanas, el recorrido a través de las distintas etapas del embudo de ventas varía, puesto que no existe una duración estándar del ciclo de compra: cada cliente es distinto; el contacto comercial tiene un alto índice de probabilidad de dar los resultados esperados. De esta forma:
- Se ahorran esfuerzos, porque no se llama hasta que el cliente no está listo para esa conversación.
- Aumenta la eficiencia de la labor comercial, porque el cliente potencial ya llega preparado, conociendo el producto y a la empresa; y, además, el agente le conoce bien y sabe cómo enfocar el proceso de cierre de la venta.
- Se entrega una experiencia única y totalmente personalizada, algo que la visión 360 de cliente y la visibilidad de extremo a extremo de su ciclo de compra permiten; un hito sólo accesible para quienes ponen la analítica predictiva al servicio de su negocio.
Pero, no basta con tener los datos que hacen posible este tipo de logros, sino que también es necesario plantearse otra cuestión:
¿Tienes claro quién necesita esos datos dentro de la organización?
Una vez que toda la maquinaria está en marcha, has hecho la elección tecnológica acertada y las soluciones de analítica predictiva se han implementado, has de asegurarte de llegar al nivel de empoderamiento usuario.
El éxito en las ventas dependerá, en gran medida, de la autonomía de los agentes comerciales a la hora de poder acceder a la información que les permitirá resolver sus propias dudas. En vez de depender del área de IT para cada consulta, un sistema que les haga más independientes estará, al mismo tiempo, mejorando la calidad de la experiencia del cliente.
Un trato más personalizado es uno de los frutos de la visibilidad sobre el ciclo de compra del cliente que permite analytics. El comercial, seguramente, no contactará telefónicamente con un consumidor que está en la etapa de descubrimiento puesto que esa decisión no sería beneficiosa para ninguno de los dos. Podría suponer la pérdida de una venta potencial.
Sin embargo, sí que buscará una interacción más cercana con quienes están en la fase de decisión, una vez ya han recorrido todas las etapas previas del ciclo de compra. En ese momento, su aportación hará que el cliente conecte aún más con la marca y consiga:
- Resolver sus dudas.
- Conocer cuáles son sus mejores opciones.
- Tomar una decisión de compra.
En las ventas, llegar a tiempo es una victoria y la analítica predictiva ofrece esa ventaja a las organizaciones que tienen las capacidades para poder aprovechar los datos en su favor de este modo.
Cada segundo cuenta a la hora de ponerse un paso por delante de los clientes y de posicionarse dejando atrás a la competencia.
¿Tienes claro cómo explotar el valor de la analítica predictiva en tu organización? ¿Cuentas con las herramientas necesarias? ¿Ya has diseñado un plan para Big Data para que de este modo, las capacidades de los usuarios de la organización consigan diferenciarla por la experiencia que entregan a los clientes?
Imagen de «datos» de Shutterstock