Customer analytics


¿Qué supone de disruptivo el hecho de que las empresas basen sus estrategias en evidencia? ¿Qué tipo de compañeros hemos de elegir en el camino hacia la lealtad de nuestros clientes? ¿Sabemos en qué momento de su vida está nuestro cliente?

No, no nos hemos vuelto locos en Sngular Data&Analytics, lo que pasa es que estas son solo algunas de las preguntas que nos hicimos ayer en el seminario de Customer Analytics que realizamos y con el que contamos para ello con Josep Curto.

Y es que, para empezar a hacer analítica de nuestros clientes, tenemos que tener en cuenta varias cosas, como, por ejemplo:

·        ¿Usas la intuición y experiencia para ofrecer tus productos a tus clientes?

·        ¿Conoces a tus clientes tal y como ellos te están diciendo cómo son?

·        ¿Sabes hacer las preguntas adecuadas a tus clientes?

Harvard Business Review (HBR) indicaba ya en su artículo de 2010 The future of decisión making que los algoritmos, datos y computación cognitiva van a determinar qué hacer en las compañías, ya que la intuición con la que tradicionalmente se trabajaba representa un 46% de fallos en el resultado de la toma de decisiones de una compañía.

Así que, Josep Curto indicó en el seminario que las empresas que basan sus decisiones en los datos nos permiten mejorar las relaciones con ellos siempre y cuando usemos el método científico, o lo que es lo mismo: la evidencia.

Este método científico no es, ni más ni menos, que el método, observación, prueba, error, y vuelta a empezar; y aunque parece sencillo, en realidad requiere de un cambio de mentalidad organizativa que nada tiene que ver con la implementación de la explotación del dato en un área determinada como es el departamento de marketing.

Pero, ¿qué es necesario para implementar esta estrategia dentro de la compañía? Pues si ya hemos pasado el filtro de la implantación de una estrategia basada en datos (Data-Driven Organization) y han desaparecido los silos departamentales en cuanto a la gestión del dato, es el momento de ver qué datos tenemos, cómo los tenemos y qué queremos conseguir con ellos.

El cliente hace lo que quiere con nuestra marca y nosotros debemos sacar el mayor provecho de todo lo que nos dice para satisfacerle.

 

MEANINGCLOUD: LA SOLUCIÓN DE SNGULAR PARA TU CAMINO HACIA EL ÉXITO

En este sentido, entre un proveedor de productos o servicios y sus clientes se establece un diálogo constante al que ya no podemos hacer oídos sordos. La década actual ha visto nacer una cantidad abrumadora de plataformas de comunicación, cada una con su propio público y sus propios lenguajes. Así que, por un lado, el cliente se ve beneficiado por tener a su disposición muchos canales para expresar sus opiniones y, por otro lado, las empresas disponen de una fuente de datos muy valiosa y abundante para tomar decisiones.

Sin embargo, para desarrollar una estrategia de negocio efectiva a partir de lo que ahora llamamos la «Voz del Cliente», hay que tener en cuenta cuatro factores determinantes:

·        Los recursos necesarios para procesar grandes volúmenes de datos.

·        El tiempo, en todas sus dimensiones.

·        La variedad de formatos, estructurados y no estructurados.

·        El carácter espontáneo de ciertos tipos de información.


Es evidente que cuanta más información tengamos a nuestra disposición, más recursos vamos a necesitar para sacarle partido. ¿Estamos seguros de que todos los datos generados en torno a nuestros productos tienen un valor real para la empresa? Y puesto que sea así, ¿cuánto tiempo requiere su análisis? En esta era digital, la toma de decisiones no se puede llevar a cabo solamente a partir de bases de datos almacenadas, hay que tener en cuenta también —y quizás priorizar— la información generada en tiempo real.

Estos conceptos y las dificultades que conllevan para las empresas constituyen la introducción de la charla impartida por Antonio Matarranz, Director de Marketing y Ventas en Sngular Data & Analytics.

Una compañía de éxito tiene que ser capaz de procesar grandes cantidades de datos y centrarse exclusivamente en los que aportan información útil. Estos datos, denominados insights, son la clave de una analítica ágil. Nuestra empresa y los productos que ofrecemos están sometidos al juicio constante de diversos actores, ya sean clientes, usuarios o desarrolladores: ser capaces de reorientar la estrategia de negocio a partir de este feedback es lo que marca la diferencia en el camino hacia el éxito.

La información que nos llega a través de los nuevos medios sociales no tiene una estructura predefinida como puede ser la de un formulario o de una encuesta. Por esta razón, hay que tener en cuenta que, para aprovechar todo tipo de contenido, es preciso clasificarlo en función de criterios preestablecidos: de esta manera, es posible comparar datos de formatos distintos que hablan de la misma temática (un producto, un aspecto de la atención al cliente, una incidencia en las instalaciones, etc.).

Todas las dificultades mencionadas a la hora de analizar la información están implícitas en el concepto de big data. La naturaleza muy variada de los datos, junto con el carácter espontáneo de ciertas aportaciones o el almacenamiento de información no solicitada (transacciones, geolocalización, información biométrica y un largo etcétera) nos exigen buscar patrones que nos permitan localizar los insights en un tiempo razonable —y así prescindir de lo que ralentizaría el proceso de análisis— y darles un formato adecuado para visualizar lo que realmente nos interesa.

La ventaja que nos ofrecen la analítica de texto y la clasificación de los datos no estructurados es, ni más ni menos, la posibilidad de conseguir insights valiosos de distintas plataformas (tuits, encuestas, conversaciones sociales, puntos de contacto con el cliente) a través de un análisis coherente y enfocado a nuestras necesidades reales.

 

Por ejemplo, ¿escuchamos a nuestros clientes?  Enseñamos como ejemplo la voz del cliente en el sector de seguros y dimos respuesta a las diferentes dimensiones en las que el cliente toma contacto con la marca. ¿Los clientes están hablando mal de la aseguradora? ¿Están pensando cancelar un seguro contratado y cambiar de proveedor? El modelo de análisis permite localizar señales de riesgo como estos y tomar medidas inmediatas. Con MeaningCloud se pueden identificar amenazas tanto reales como potenciales, por lo que es una herramienta decisiva para desarrollar estrategias de marketing predictivo.

Disfruta de las presentaciones de Josep Curto y Antonio Matarranz.




Y si quieres ver el Seminario completo, aquí tienes el vídeo