Archivo de la etiqueta: CRM analítico

¿Para qué sirve la segmentación por hábitos de compra de los clientes?

En nuestro viaje hacia un modelo de desarrollo rentable de clientes (Orientación hacia el cliente… rentablemente), después de haber hecho una primera parada en la segmentación por valor (¿Para qué sirve la segmentación por valor de los clientes?),  la siguiente estación, casi tan ineludible como la primera, es la segmentación por hábitos de compra de los clientes o también denominada por patrones de consumo.

Si la segmentación por valor respondía a la pregunta de ¿cuáles son nuestros clientes “buenos” y “malos”?, en este caso, la segmentación por hábitos de compra nos responderá a la pregunta ¿cómo compran nuestros clientes?

El concepto

Conceptualmente,  al igual que cualquier proceso de segmentación, la segmentación por hábitos de compra nos permite identificar y cuantificar grupos de individuos (o empresas) que presentan un comportamiento de compra homogéneo, respecto los productos / servicios que componen el portafolio de la empresa, entre los individuos pertenecientes al mismo grupo y dispar entre individuos de grupos distintos.

Definiciones más amplias incluirían también, además de la dimensión producto, otras variables de segmentación relacionadas con el comportamiento ante las compras: los momentos de compra, los canales de compra utilizados u otros criterios específicos de la propia empresa o su sector.

Algunos ejemplos

A continuación se relacionan, a modo de ejemplo, posibles criterios generales de segmentación por hábitos de compra para algunos sectores de actividad.

  1. Supermercado: las secciones/familias de los productos (congelados, frescos, bebidas, limpieza, bazar, …), día de la compra (laborable, fin de semana, …).
  2. Aerolíneas: el destino (nacional, internacional), el trayecto (ida o ida/vuelta), el día del viaje (laboral, fin de semana / festivo).
  3. Moda: la línea de producto (hombre, mujer, niños, accesorios) y canal utilizado (tienda física, on-line, ).
  4. Formación: temática del curso (marketing, operaciones, finanzas, …), modo (presencial, on-line, semi-presencial, …), tipo de curso (máster, grado, postgrado, cápsula formativa, ad-hoc, …), día-hora de la semana que recibe el curso (compatible laboral, no compatible laboral, …).
  5. Alojamiento: destino respecto lugar de residencia (nacional, internacional), tipo de alojamiento (hotel, apartamento, …),  tipología de días (laborables, escapada fin de semana, vacacional, …).

Óbviamente, la selección y combinación de los criterios de segmentación se tendrán que ajustar al caso concreto de cada empresa. Este aspecto será clave para que los segmentos resultantes sean fácilmente compresibles y útiles en términos de acción comercial.

Algunos aspectos “técnicos”

  1. Para considerar la existencia de un perfil de comportamiento de compra claramente definido se deben fijar unos umbrales mínimos de compra / consumo y/o antigüedad de los clientes.
  2. El criterio de segmentación según familias de productos / servicios comprados requiere que el portafolio esté razonablemente estructurado (familias, subfamilias, ….). No tendría ningún sentido segmentar en base a centenares o miles de referencias de producto. Un número “lógico” de familias que permitiría obtener un número de segmentos consistentes y operativos, estaría en torno a las 4-10 familias de productos distintas.
  3.  La identificación de segmentos debe realizarse teniendo en cuenta el peso relativo (%) de cada criterio / variable de segmentación utilizada (familias de productos, momentos de consumo, canales de compra, ….) respecto el valor total de la compra. Realizarlo en términos absolutos (cuánto compra/consume) “escondería” el objetivo que se persigue: saber CÓMO consumen los clientes.  No nos olvidemos que es la segmentación por valor la que nos aporta la visión del CUÁNTO consumen los clientes.

Pero, ¿para qué sirve la segmentación por hábitos de compra?

Si partimos de que la disciplina de Marketing tiene como gran objetivo la satisfacción de las necesidades y preferencias de consumo de los clientes, no se me ocurre una mejor manera de saber cuáles son dichas necesidades y preferencias que analizando lo que ya me están comprando mis propios clientes.

En otras palabras, si no dispongo de más información que las compras de los productos que realizan mis clientes (¡esta información siempre está disponible!), la mejor aproximación a sus necesidades y preferencias de consumo consiste en lo que actualmente me están comprando.

Los beneficios que obtenemos son:

Aumentar las ventas y la fidelidad de clientes

Algunos de nuestros clientes es posible que tengan necesidades que no quedan reflejadas en las compras que realizan en mi empresa ya que una parte de dichas compras las realizan entre los competidores.

Si estos clientes no satisfechos se “parecen” (según ciertas variables de caracterización) a mis mejores clientes (los que sí puedo saber / suponer que compran todo o casi todo a mi empresa) podríamos inducir que el potencial de compra de los primeros también es “parecido”.

La segmentación por hábitos de compra  dará las “pistas” necesarias (y en la mayoría de ocasiones suficientes) para alcanzar el valor potencial. En concreto, nos apuntará:

  • Cuáles son los nuevos productos /servicios que probablemente comprarían.
  • Cuál es la cantidad / unidades de los productos / servicios (nuevos o no) que comprarían.

Por lo tanto, se abre aquí una oportunidad “inteligente” para dirigirnos a los clientes no satisfechos al 100% por mi empresa con una oferta que satisfaga sus necesidades, ya sea potenciando el consumo, todavía bajo, de los productos que me compran (“up-selling”) o incentivando la compra de nuevos productos todavía no consumidos por dichos clientes (venta cruzada o “cross-selling”).

El aumento de dicho consumo supondrá una mayor vinculación con la marca y, a medio-largo plazo, un mayor grado de fidelidad.

Diseño de oferta

Conocer el “mix” (mezcla, combinación) de productos que consumen los diferentes segmentos identificados, permitirá, el ajuste de la oferta a las necesidades reales detectadas.

Posibles vías para ello serían:

  • La paquetización de productos distintos (“bundle”): combinación de producto “perfectas”.
  • La paquetización de un mismo producto (“bono”): incluir el número adecuado de unidades de un producto determinado.
  • La promoción conjunta o venta cruzada (sin necesidad de paquetizarlos) de productos “afines” entre sí.

En resumen

Saber qué necesita cada cliente supone el punto de partida para:

  • Identificar clientes no satisfechos respecto su potencial de compra: tenemos indicios ciertos que su patrón de consumo puede ser “superior” al actual.
  • Diseñar y proponer una oferta que no puedan rechazar: dicha oferta se basa en comportamiento reales de clientes “parecidos”.

Y todo esto con nuestros propios datos (“Owned Data”), con los datos de las compras de nuestros clientes: información disponible, real, actualizada, precisa, estructurada, barata y única (ningún competidor la tiene).

La segmentación por hábitos de compra constituye, conjuntamente con la segmentación por valor, la base imprescindible para mejorar nuestra toma de decisiones e incidir significativamente en los resultados de negocio de la empresa.

Y tú, ¿sabes cómo compran tus clientes? ¿Sabes cuál es su potencial de compra? ¿Sabes como conseguirlo?

Share Button

¿Para qué sirve la segmentación por valor de los clientes?

Como ya comenté en mi anterior entrada Orientación hacia el cliente… rentablemente uno de los ejes sobre los que debe pivotar la implantación de un modelo de desarrollo rentable de clientes es el Conocimiento de Clientes y, dentro de este  ámbito, también denominado Inteligencia de Clientes o Customer Intelligence, ocupa un papel preponderante la segmentación por valor de los clientes.

No es opcional que la implantación de una estrategia de CRM o de un Plan de Fidelización tome como punto de partida la segmentación por valor de la cartera de clientes. Repito, no es opcional.

Pero calcular la métrica del valor de los clientes puede ser un ejercicio más o menos complejo (y completo) según diversos aspectos que decidiremos en el propio proceso de definición. Entre otros:

¿A qué nivel “económico” queremos realizar el cálculo del valor?

  • Una primera versión más o menos “reducida” y sencilla sería calcularlo a nivel de facturación.
  • Otra más compleja sería en términos de rentabilidad a través del cálculo de un margen comercial relativo a cada cliente; es decir, construir una (mini)cuenta de resultados a nivel de cada cliente.

¿Sobre qué “distancia temporal y espacial” relativa a la marca queremos realizar el cálculo?

  • Así podremos calcular el valor actual o valor cierto correspondiente al consumo actual con la marca.
  • El valor potencial inmediato o valor cierto total correspondiente al consumo actual del cliente con la marca más el que también ya está realizando con otros competidores (estimación) y que podríamos considerar alcanzable en un futuro más o menos inmediato a través del desarrollo del cliente (cross y up-selling). Conocer el valor potencial inmediato nos permite calcular el share-of-wallet, la participación -share- que tenemos en cada cliente: dividir el valor actual con la marca entre dicho valor potencial inmediato.
  • El Lifetime Value o valor global esperado de un cliente correspondiente al consumo que realiza a lo largo de toda su relación con la marca; alcanzar este valor no sólo implica desarrollar el cliente sino también conseguir que permanezca con la marca durante toda su vida como tal.

Generalmente, dichas decisiones dependen del grado de precisión que queramos alcanzar en el cálculo del valor que, a su vez, depende en gran medida de la disponibilidad de los datos. Por ejemplo:

    • En el caso de realizar un  cálculo de valor en términos de margen comercial, debemos disponer de los costes directos a nivel de cada cliente asociados al mantenimiento de la relación (costes de servir al cliente, …).
    • Así mismo, para calcular el valor potencial inmediato debemos haber realizado previamente algún estudio de mercado (con su correspondiente trabajo de campo) y/o disponer de suficiente volumen e histórico de datos económicos reales de los clientes actuales que nos permita relacionar sus características “exógenas” generales (género, edad, renta disponible, … para personas individuales; o número de empleados, sector de actividad, número de sedes, … para empresas) y otras propias del sector, con la facturación o el margen potencial.
    • Por último, para determinar el Lifetime Value, debemos tener calculada la tasa de baja de nuestros clientes (ver Los estados y bajas de los clientes) para, a partir de ella, estimar la vida media de cada cliente o la del segmento de clientes al cual pertenece; también tendremos que saber el coste de adquisición de cada cliente.

No olvidemos que el objetivo principal de la métrica de valor de los clientes es poder diferenciar los clientes “buenos” de los “malos”. Por lo tanto, más importante que conseguir la precisión máxima en el cálculo del valor es que éste nos sirva como indicador de la bondad comparativa entre clientes. Un último apunte “técnico”: no caigamos en el error de utilizar datos “medios” (costes medios de adquisición de clientes, costes medios de servir al cliente, …) ya que no conseguiríamos que el cálculo establezca diferencias entre los clientes según su valor: todos los clientes, en media, son / serían iguales.

Pero, ¿para qué sirve la segmentación por valor de los clientes?

Pues bien, dejando de momento de lado entrar en más detalles “técnicos” del cálculo del valor de los clientes, me gustaría centrar esta entrada en lo realmente relevante cuando desarrollamos cualquier proyecto de Inteligencia de Clientes y, en particular, cuando ya disponemos de la segmentación por valor: ¿para qué sirve?

Como ya he avanzado en otras ocasiones, el conocimiento sin acción comercial no tiene ningún sentido, es completamente estéril. Sólo cuando somos capaces de utilizar dicho conocimiento en términos de acción comercial que genere valor para el cliente y la compañía tendrá sentido la inversión que hayamos realizado para obtener un mayor conocimiento de nuestros clientes.

En el caso de la segmentación por valor explicaré “para qué sirve” clasificando sus utilidades / aplicaciones en tres sentidos:

Identificar

Poder diferenciar los clientes buenos de los que no lo son tanto nos permite ofrecer condiciones especiales en la oferta de captación, de desarrollo (venta cruzada) o fidelización / retención A QUIEN más “lo merece”. Algunos ejemplos:

    • Dirigir los esfuerzos de captación (inversión en comunicación, elección del canal, promoción, …) a aquellos clientes potenciales que sabemos pueden tener un mayor valor futuro.
    • Limitar el incremento de precio de un producto según el valor de los clientes.
    • Ofrecer un 10% de descuento adicional en la compra de un producto o en la renovación de la suscripción de un servicio a los clientes de mayor valor.

Priorizar

Ante una capacidad limitada de recursos técnicos o humanos, ORDENAR su uso en función del valor de los clientes. Algunos ejemplos:

    • En una acción telefónica de retención proactiva, llamar primero a los clientes con mayor probabilidad de abandono y mayor valor.
    • En un servicio de post-venta, prestarlo de forma preferencial y con medios propios a los clientes de mayor valor.
    • Priorizar la respuesta a las llamadas, emails o interacciones en los medios sociales de los clientes de mayor valor.

Cuantificar

Para determinar CUÁNTO invertir en cada cliente o  segmento de clientes dados.  A diferencia de las aplicaciones descritas anteriormente, para este uso concreto sí que es requisito imprescindible que la métrica de cálculo del valor del cliente sea lo más precisa posible.

    • Limitar la inversión a realizar al retorno y plazos previstos según el valor / margen calculado.

En resumen

Todo lo anterior tiene sentido en la medida que es ineludible que:

  1. No todos los clientes son iguales: su valor nos permite diferenciarlos.
  2. Los recursos técnicos, humanos y económicos de cualquier empresa son limitados / finitos. ¿Alguien conoce alguna que esto no sea así?
  3. Como consecuencia de ello, tenemos que hacer un uso inteligente (es decir, eficiente) de los recursos disponibles: a partir de lo que tenemos, demos a cada cliente lo que se merece… según su valor.

Una vez más, se trata de aplicar el sentido común, en este caso, a la gestión de los clientes y los recursos que destinamos a la creación y mantenimiento de las relaciones con ellos que, recordemos, deben ser duraderas, rentables y satisfactorias para ambas partes. ¡No lo olvidemos!

Share Button

TEST: ¿Debes fidelizar a los clientes de tu empresa?

Aunque la respuesta a la pregunta que titula esta entrada parece obvia (“¡Por supuesto!”), no está de más buscar algún “mecanismo” que permita conseguir dicha respuesta de una forma objetiva/científica.

El mecanismo que propongo no es otro que el de responder a una serie de preguntas a través de una puntuación del 0 (bajo) al 10 (alto). Como en los tests de personalidad, si la puntuación total obtenida es alta querrá decir, en este caso, que sí que te conviene fidelizar a los clientes de tu empresa.

Son sólo 6 preguntas que se deben responder en el contexto del mercado donde opera vuestra empresa. 

TEST: ¿Deberías fidelizar a los clientes de tu empresa? 

¡Vamos a ello! Recuerda: 0 es bajo y 10 es alto.

  1. ¿Cuál es tu coste de captación de clientes?
  2. ¿Cuál es la probabilidad de que se produzcan ventas repetitivas/recurrentes?
  3. ¿Cuál es la probabilidad de que se produzcan ventas de otros productos/servicios (cross-selling)?
  4. ¿Cuál es la probabilidad de captar nuevos clientes a través de las recomendaciones de los clientes actuales?
  5. ¿Cuál es la sensibilidad al precio de los clientes?
  6. ¿Cuál es el ahorro de costes con un cliente actual conocido?

Si la puntuación total ha dado un resultado superior a 40 puntos ó has respondido un mínimo de 4 preguntas con una puntuación igual o superior a 8, significa que tu empresa tiene mucho que ganar (o dejar de perder) si fideliza a sus clientes.

Beneficios de tener clientes fieles

Reducción de los costes de captación

  • Mejor identificación de los clientes que son de interés para la empresa: que sean “clones” a los clientes más fieles.
  • Tendremos que captar menos nuevos clientes: al tener pocas/menos bajas de clientes no tendremos que “compensar” con más nuevas altas.
  • El coste de captación de nuevos clientes lo asumen, en parte, mis propios clientes (gracias a las recomendaciones de mis “clientes vendedores”).

Aumento de la rentabilidad de los clientes actuales

  • Los clientes fieles tienen una mayor frecuencia o volumen de compra de productos y servicios habituales.
  • También compran productos y servicios no habituales.
  • Los clientes fieles aceptan un sobreprecio ya que valoran otros aspectos de la marca/empresa (vínculos emocionales).
  • También suponen un menor coste para conseguir su atención y conocimiento mutuo (como empresa sé lo qué quiere, cuándo y cómo lo quiere).

¿Quieres monetizar los datos de tus clientes?

Fidelizar a tus clientes desde el desconocimiento no es posible. Es en tu base de datos donde reside una información real, actualizada, en general estructurada, barata y única (no la tiene la competencia).

El reto es convertir todos esos datos, a través del Customer Intelligence, en conocimiento útil que te permita definir la mejor estrategia y ejecutar los planes de fidelización adecuados para tus clientes.

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