¿Cómo conocer a 1.000.000 de clientes a la vez? Customer Analytics

¿Cómo conocer a 1.000.000 de clientes a la vez? Customer Analytics

Customer Analytics para conocer mejor a tu cliente

Nuestros clientes cada día exigen mayor personalización de nuestros productos y servicios. Pero, ¿cómo podemos saber lo que quieren? ¿cómo podemos descubrir qué quieren? ¿cómo responder a sus necesidades en un tiempo razonable?

La respuesta es sencilla: Customer Analytics

La analítica de los datos de cliente con foco en el comportamiento de estos es básica.

Hasta ahora se tendía a utilizar la analítica de datos para temas financieros y contables; visualización de crecimiento de ventas, por ubicación, por canales de distribución, etc.

Pero, ¿cuándo hemos analizado el comportamiento del cliente? Nunca.

Esta tendencia surge del mundo digital, primero de los grandes jugadores de Internet (Amazon, Google, Facebook, etc.) y rápidamente copiada por todos los demás. El Customer Analytics es tan potente que es el pilar de la transformación digital en muchas empresas.

¿En qué consiste el Customer Analytics?

Customer Analytics es construir un sistema informacional sobre el comportamiento del cliente a lo largo de todas las interacciones que podamos capturar. Por tanto, de cara a plantear un proyecto de Customer Analytics tendremos que tener en cuenta:

1. Captura de la información

Tenemos muchas fuentes de información que las que podemos recoger información de interacciones con el cliente:

  • Llamadas a atención al cliente (banca, telco, retail, seguros)
  • Veces que visita nuestra tienda/sucursal (retail, banca)
  • Veces que entra en nuestra web o en nuestra app móvil (banca, telco, retail)
  • Transacciones (banca, telco, etc.)
  • Tarjeta de fidelización
  • Etc.

2. Transporte de la información

Muchas veces damos por hecho que el transporte de la información desde donde se genera hasta donde la almacenamos es sencillo, pero y si estamos recogiendo un cuenta personas en un parque, o matriculas en un garaje…

Aquí deberemos hacer un poco de ingeniería de telecomunicaciones y utilizar la mejor relación entre ancho de banda, disponibilidad, cobertura, tecnologías, latencia, etc.

3. Almacenaje de la información

Gracias a los servicios en la nube como AWS o AZURE, no suele ser un problema. Pero tenemos que tener cuidado con la velocidad de llenado o la cantidad de información que capturamos, ya que puede llegar a ser inmanejable o mejor dicho, “impagable” para nuestro modelo de negocio.

4. Limpieza e enriquecimiento de la información

La información sin contextualizar no sirve de mucho. Aquí es donde entramos los informáticos para cruzar información, completar, inferir los huecos de información que se producen. Hay que tener en cuenta que los sistemas no son perfectos, ya sea por que hay datos que se introducen manualmente, o por que hay cortes de cobertura de datos o deja de funcionar el sistema de captura, etc.

5. Modelado de los datos

Gracias al modelado de datos vamos a imprimir una lógica de comportamiento a los datos que tenemos. Estrategias como matrices RFM, indicadores sintéticos o árboles de decisión, nos permitirán hacer agrupaciones o clusterizaciones de comportamientos de los clientes, que finalmente nos darán tipologías que querremos manejar.

6. Interpretación y planificación de acciones

Una vez que tenemos a los clientes tipificados por sus comportamientos, ahora tenemos que planificar el “qué” queremos hacer nosotros cuando detectemos que un cliente “haga algo”.

Por ejemplo clásico:

Cuando un cliente está en una web de hoteles más de 10 minutos mirando un hotel (es un cliente que está indeciso y se lo está pensando), entonces sacamos un banner con “Acaban de reservar una habitación aquí. ¡Date prisa!”

7. Automatización de acciones a través de disparadores basados en datos

Una vez que tenemos los tipos de clientes, los estados de comportamiento, y las acciones que deseamos, tenemos que programar las interacciones, generalmente integrando este sistema informacional con un canal de venta o postventa: web, llamadas Outbound, un globo/alerta en la app móvil, una oferta personalizad, etc.

Como hemos visto el hacer Customer Analytics implica estudio, analítica, ingeniería y automatización; un conjunto de disciplinas que dominamos en Inycom.

Inycom

Leave A Reply