Todas las entradas de toni | @martibarbera

El Director de Marketing del futuro

Hace algún tiempo Foxize School me pidió que participará en un documento colaborativo para dar mi visión acerca de cómo será el Director de Marketing del futuro. Aquí la tienes.

«El Director de Marketing del futuro será SENSIBLE 

  1.  Socialmente, al entorno social que le rodea. Buscará el impacto social de su actividad, integrando de forma natural en la estrategia y la táctica de Marketing  elementos propios de la Responsabilidad Social Corporativa, bastante «cosmética y clásica» en el pasado, más real y sincera, obligatoriamente, en el futuro.
  2. Con el conocimiento de sus clientes. Saber más y mejor de sus clientes, para satisfacerlos, sorprenderlos, facilitarles la vida, quererlos, hacerles felices. En definitiva, se orientará  a convivir con sus clientes en un espacio temporal “infinito”.
  3. Con su propia organización. Entenderá y cuantificará el impacto en las personas, procesos y sistemas, y eso hará posible que las cosas sucedan dentro (de la empresa/entidad) y tengan el resultado esperado fuera (en el mercado, en sus clientes).
  4. Económicamente, a los números. Para asegurar la viabilidad futura, de su empresa/entidad. No querer entender / saber de números no será nunca más opcional.»
Share Button

¿Para qué sirve el Big Data?

Recupero aquí el artículo que recientemente escribí y publicó MarketingDirecto.com.

«Ya hace algún tiempo que escuché aquella frase de que el Big Data es como el tema del sexo en el colegio: todos hablan de él pero pocos saben qué es. También leo repetidamente que el concepto de Big Data es indisoluble al “nuevo mundo hiperconectado” de personas-dispositivos que utilizan, generan y publican datos/contenidos a través de infinidad de aplicaciones y en los medios sociales. Unos datos que podemos caracterizar con la triple “V”:

  1. Mucho más Volumen de datos.
  2. Mucha más Variedad según su origen y su naturaleza (estructurados y no estructurados).
  3. Mucha más Velocidad en su actualización.

A partir de aquí, podemos concebir Big Data como la capacidad para agregar esas colosales, variadas y velozmente cambiantes cantidades de datos, estructurarlos y tratarlos para su análisis. Así, mediante modelos y técnicas estadísticas, se pueden entender mejor las relaciones causa-efecto entre dichos datos en un pasado más o menos reciente para determinar las mejores decisiones en tiempo real o de un futuro más o menos inmediato.

Si hablamos de relaciones con nuestros clientes, el ámbito de aplicación de esas decisiones serían las estrategias, políticas y acciones de captación, fidelización y retención de los clientes. En otras palabras, decisiones que conciernen a las funciones de Marketing, Ventas, Atención y Soporte al Cliente, todas ellas con incidencia directa en el ciclo de vida de nuestros clientes.

Pues bien, revisado el concepto y si dirigimos la vista 10-15 años atrás en el tiempo, nos daremos cuenta de que Big Data no difiere en nada con respecto a la situación de las empresas que por aquel entonces iniciaban su andadura en la implantación de tecnologías y metodologías que permitieran registrar, tratar y analizar los volúmenes, la variedad y la velocidad de cambio de sus propios datos, Owned Data.

Fue a finales de los 90 e inicios de los años 2000 cuando aparecieron y poco a poco se fueron extendiendo tecnologías de base de datos (datawarehouse), técnicas de análisis estadístico avanzado y minería de datos que, acompañadas de determinadas metodologías de análisis, permitían desarrollar y explotar comercialmente modelos de conocimiento de clientes o, también denominado, Customer Intelligence. Dichos modelos nos han permitido, entre otros, obtener indicadores a nivel de cada cliente tan vitales como la probabilidad de abandono (para prevenirlo proactivamente y alargar la vida media de los clientes), la propensión a la compra de un determinado producto (para mejorar la venta cruzada e incrementar el ingreso medio por cliente) o el valor potencial (para la aplicación de políticas de atención y fidelización segmentadas que permitan optimizar costes). Y todo ello a través de nuestro Owned Data y con un objetivo fundamental: mejorar la rentabilidad de la empresa.

No lo negaré. Es evidente que este “nuevo mundo hiperconectado” al cual eludía anteriormente está suponiendo un triple salto mortal respecto la situación precedente. Tanto en términos de complejidad tecnológica, metodológica y legal como también de riqueza, de precisión y de aplicación del nuevo conocimiento al cual nos enfrentamos. Pero el concepto primario, en esos términos de soluciones tecnológicas y metodológicas que se necesitaron entonces y que ahora se precisan, es del todo idéntico. Y ello es así porque dos razones:

  1. El dato, dato era, es y será.
  2. La necesidad que subyace para las empresas sigue siendo exactamente la misma: necesitan una inteligencia analítica para una toma de decisiones más acertada y en tiempo real.

La diferencia, de momento, está únicamente en el grado de madurez de dichas soluciones: las de hace 10-15 años, las del Owned Data, están perfectamente consolidadas, mientras que las actuales, las del Big Data, acaban de nacer y está casi todo por hacer y mucho más, por demostrar su eficacia. Y, aunque no dudo que así será, llegado a este punto, parece obvio preguntarnos: ¿estamos aprovechando al máximo nuestro Owned Data?

No debemos olvidar que es en nuestros datos donde reside una información real, actualizada, precisa, en general estructurada, barata y única (ningún competidor la tiene). ¿Sabemos hasta dónde podemos llegar con nuestros datos para mejorar nuestra toma de decisiones e incidir significativamente en los resultados de negocio de nuestra empresa?

Si la respuesta es no, antes de virar el rumbo hacia el Big Data, ¿no deberíamos incidir más en cómo exprimir al máximo nuestros propios datos y el conocimiento útil que en ellos se atesora?

Por otro lado, ¿sabemos encajar el nuevo conocimiento que me proporcionaría el Big Data en mi modelo de desarrollo rentable de clientes?:

  • ¿A quién nos dirigiremos (segmentación)?
  • ¿Qué ofreceremos (propuesta de valor)?
  • ¿Cómo lo ofreceremos (modelo de relación entre canales)?
  • ¿Cuándo lo ofreceremos (plan de contactos)?

Muchas preguntas, puramente de negocio, que tenemos que resolver antes de enfrentarnos a la implementación de novedosas tecnologías que, sin desdeñarlas y en paralelo, necesitan tiempo para madurar y consolidarse.

Recordemos que sólo bajo el enfoque de “qué voy a hacer de forma rentable” tendrá sentido buscar más y mejor conocimiento útil, sea en el Big Data o sea en el Owned Data. Porque el objetivo para las empresas, aunque sólo sea como garantía higiénica de su supervivencia futura, tampoco ha cambiado: “no se trata de ser más sabias, sino de ser más ricas”.

Y tú, ¿ya sabes cuáles son los principales modelos de conocimiento de clientes a través de Owned Data? ¿Sabes cómo utilizarlos para la mejora de resultados en captación, fidelización y retención de clientes?»

Share Button

Customer Intelligence aplicada a la venta

Tradicionalmente la propensión a la compra a determinados productos / servicios, ofertas y/o promociones de nuestros clientes actuales o potenciales se puede determinar a través del desarrollo de modelos de conocimiento de clientes o Customer Intelligence.

La complejidad de estos modelos depende de diferentes factores, tales como la información disponible, las capacidades analítico– técnicas, el talento humano e incluso la propia cultura de la organización, entre otros.

Pero, ¿cuáles son los modelos de conocimiento de clientes que nos ayudan a incrementar las ventas y cómo podemos aplicarlos?

Básicamente, a través de estos modelos podemos obtener:

  • La probabilidad o score de compra asignada a cada cliente: permite ordenar / priorizar el público objetivo de mayor a menor probabilidad de compra. Se trata de un modelo que predice QUIÉNES SON las personas o empresas más adecuadas para ser incluidas en el target de nuestra acción comercial.
  • El perfil del segmento al cual pertenece cada cliente según sus características: permite describir CÓMO SON, en base a una serie de variables disponibles, los clientes que mejor encajan con un determinado producto / servicio y facilita, a su vez, la definición de los aspectos más tácticos de la acción comercial (comunicación, canal, …). Por lo tanto, podemos también seleccionar las personas o empresas que cumplen una serie de condiciones aplicables a las variables internas disponibles (deben ser conocidas para poder ser aplicable a toda nuestra cartera de clientes). En el caso de personas: edad, antigüedad, género, número de hijos, tenencia y/o uso de productos/servicios, nivel de renta, etc. ; para el caso de empresas: sector de actividad, facturación, número de empleados, número de sedes, etc.

Aunque lo ideal es contar con ambos “grados” de conocimiento, probabilidad de compra (quiénes son) y perfil del segmento (cómo son), pueden desarrollarse y utilizarse de forma independiente.

En general, el desarrollo de Customer Intelligence conlleva el uso de técnicas y metodologías propias de la estadística avanzada y minería de datos (datamining) y requiere de una gestión a nivel de proyecto cuya duración no suele ser inferior a los 2-3 meses.

Una vez desarrollados los modelos, su explotación técnico-analítica consiste en la ejecución periódica (según la naturaleza y necesidad del propio modelo) de los algoritmos de cálculo  que determinan la probabilidad o el perfil a nivel individual de cada cliente. Así mismo, también periódicamente (anualmente, p.e.) la Customer Intelligence debe ser ajustada («reentrenaminetos») en base a los resultados obtenidos en su utilización en las acciones comerciales o, simplemente, debido a las situaciones cambiantes propias de cualquier empresa y/o mercado.

Todo ello, el desarrollo inicial y su explotación técnico-analítica y ajustes periódicos, se realizan dentro de un entorno analítico de datos integrados con foco en el cliente denominado “CRM analítico” o “Datamart de Marketing”. La disponibilidad y construcción correcta de dicho entorno es fundamental para poder desarrollar Customer Intelligence.

Bajo este enfoque, la función de Customer Intelligence asume el desarrollo, mantenimiento y explotación técnico-analítica de los modelos y, gracias a la misma, la función de Marketing de Producto / Clientes dispone de un conocimiento añadido que le permite una mayor precisión en el diseño de la oferta y en la planificación y ejecución de las acciones comerciales, tanto para la nueva captación de clientes sobre el mercado potencial como para el desarrollo – cross-selling – y la fidelización de los clientes de su cartera actual.

La explotación comercial consiste en el diseño y puesta en marcha de campañas que se concretarán en la ejecución de determinadas acciones comerciales que podemos clasificar en salientes o entrantes.

  • En una acción saliente o pull, dada una oferta y el segmento de clientes que mejor se adecua a la misma (clientes con mayor propensión a la compra), la comunicación con el cliente se produce a instancias de la empresa: telemarketing, e-mailing, sms, correo postal, …
  • Por el contrario, en una acción entrante o push, la empresa aprovecha la interacción con el cliente que él mismo ha originado (llamada entrante, navegación por la web, visita a un punto de venta presencial, …). En estas situaciones el canal (Call Center, web e-commerce, tienda, …) debe disponer, a través de la ficha 360º del cliente –the 360º customer view-, de la información de propensión de compra (previamente calculada) y/o su perfil de segmento (también previamente calculado) que el asesor comercial (físico o virtual) utiliza para ofrecer/presentar la oferta más adecuada.

Cómo mejorar la gestión operativa de las acciones comerciales y en qué situaciones se hace imprescindible la utilización de un sistema de gestión de campañas será motivo de una próxima entrada.

Share Button

Hacia el «Total CRM»

Empezaré este blog con una entrada que expresa un anhelo: que todas las empresas alcancen el «Total CRM». Y para ello, transcribiré un artículo que fue publicado recientemente en MarketingDirecto.

«Todavía hoy en día cuando las empresas se enfrentan a un proyecto de implantación de una estrategia de CRM, a menudo se formulan, como primera y única pregunta, cuál será el software, la herramienta informática que deben poner en marcha. En consecuencia, elegida la opción informática, su implantación se centra y se confunde con la de un proyecto de clara naturaleza tecnológica. Así pues, la metodología para su implantación consistirá básicamente en el establecimiento de un calendario que aborda las diferentes fases del ciclo de vida del software, desde la definición inicial de requerimientos y su especificación, pasando por el diseño tecnológico y su desarrollo/programación, para finalizar con la puesta en producción que, si sigue habiendo presupuesto y los plazos no se han visto superados en exceso, se acompañará de la formación y pruebas de usuarios del nuevo aplicativo.

Desde este punto de vista informático todo ello es necesario, no hay ninguna duda. Pero desde el punto de vista del negocio la metodología debe ser otra. Implantar una estrategia de negocio centrada en el cliente significa “romper” con ciertas prácticas que acostumbran a estar muy arraigadas a la propia cultura de la organización. Modificar dicha cultura acaba suponiendo el reto más difícil a superar en la implantación de una estrategia de CRM. Me refiero a una cultura basada en claros síntomas que deben de ser tratados con urgencia, tales como: focalización en la captación de nuevos clientes vs. la fidelización, confrontación entre canales comerciales, ocultación de información departamental, fragmentación excesiva de los procesos de relación con el cliente entre diferentes áreas impidiendo una visión integral de todas la interacciones ante una misma necesidad del cliente, inexistencia de políticas comerciales, de atención y de servicio al cliente alineadas y coherentes entre sí, … etc.

Dichos síntomas que, trasladados al día a día, suponen auténticos hábitos en la conducta de las personas de la organización, requieren de cierta metodología para ser modificados y, en muchas ocasiones, eliminados de raíz. Para ello, primero tendremos que identificar claramente las “piezas” de nuestra estrategia CRM, cuáles son y en qué orden las queremos poner en marcha. A continuación, tendremos que identificar las personas que, desde el primer momento, deben participar no sólo como representantes funcionales de ciertos departamentos sino como evangelizadores y responsables finales de impulsar y conseguir, dentro de su área de responsabilidad, la consolidación de las nuevas “reglas de juego”. También deberemos promover programas de comunicación y formación que vayan mucho más allá de la nueva aplicación informática; el foco debe estar en los cambios de los procesos que se materializan en nuevos procedimientos operativos que inciden directamente en la relación con el cliente y no en las nuevas funcionalidades del nuevo software.

En resumen, la implantación de una estrategia de CRM es un proyecto de (trans)formación, de implantación de una nueva forma de trabajar, de una nueva forma de hacer las cosas que afecta a la totalidad la organización. Esta (trans)formación la denominaremos “Total CRM”. Si ello no se consigue no debemos “culpabilizar” al sistema. Lo que habrá fallado es la metodología para gestionar el cambio cultural y operativo al cual nos enfrentamos.»

Share Button