Archivo de la etiqueta: Owned Data

¿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

Big Data, Customer Engagement, Cloud y otros cool-tismos del montón

No seré yo quien aquí y ahora vaya en contra de determinadas tendencias, especialmente las que tienen que ver con cambios o novedades tecnológicas. Sin llegar a ser siempre y para todo un early-adopter, tampoco soy de los que pone reticencias a utilizar lo más novedoso. Todo lo contrario. A nivel particular, me gustan los gadgets tecnológicos, trastear con ellos y poner a prueba todas sus features; sobre todo si tienen una utilidad real para el día a día de las personas o de las empresas.

Pero sí intentaré “poner en su sitio” algunas (nuevas) etiquetas, “palabros” y “cool-tismos” de moda que intentan convencernos y, sobre todo vendernos, la bondad de todo ello olvidando, intencionadamente, por descuido o por desconocimiento,  que:

  1. Eso que representa la nueva etiqueta ya existía hace mucho tiempo atrás. Por lo tanto, “el qué” no es nada nuevo.
  2. Lo transcendental no está en la etiqueta o su significado, sino en el “para qué sirve”; el resto, es humo.

Es curioso observar que todas esas etiquetas, “palabros ” y “cool-tismos” tiene una directa y estrecha relación con Internet y lo digital. Y ya se sabe: si algún “cool-tismo” está de moda y no lo repites una cuentas veces en la conferencia o foro de turno es que no estás en la onda o no te enteras de nada (o ambas cosas a la vez).

A continuación algunos ejemplos.

Big Data vs. (Owned) Data

Es el gran “cool-tismo” del momento: ¡BIG DATA!. En este caso sí que aporta algo nuevo respecto DATA (sin BIG). En concreto, como ya apunté en Inboung Marketing y la inteligencia en tiempo real:

  • Es cierto que lo digital está propiciando la aparición de nuevos flujos y conjuntos de datos inexistentes o de imposible / difícil acceso hasta la fecha.
  • Estos nuevos flujos y conjuntos de datos podemos utilizarlos, potencialmente, para tomar más y mejores decisiones en tiempo real.

Pero la gran pregunta es: ¿todos estos datos PARA QUÉ sirven? El problema no está/estará en tener los datos, poder procesarlos y analizarlos en tiempo real para tomar la mejor decisión.  La gran dificultad es saber qué datos quieres y para qué los quieres. ¿Lo sabes? ¿Lo tienes claro? Si la respuesta es no, pasa a mi recomendación.

Mi recomendación: exprime al máximo tus propios datos (Owned Data):

(Extracto de “Para que sirve el Big 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?”

(…)

Customer Engagement vs. Fidelización de clientes

Todavía no he sido capaz de averiguar qué diferencia hay entre conseguir el engagement de los clientes o tener clientes que sean fieles con tu marca.

Si para una empresa  (síntesis del capítulo “The Economics of Customer Loyalty” del “legendario” libro The Loyalty effect escrito por Fred Reichheld y publicado en 1996) un cliente fiel es aquel que permanece más tiempo, compra más productos, es menos sensible al precio y posibles fallos en el servicio y, finalmente, trae nuevos clientes mediante referencias, ¿por qué desde hace 4-5 años tenemos que hablar de customer engagement? Leo que “Customer Engagement aims at long-term engagement, encouraging customer loyalty and advocacy through word-of-mouth”?

Si alguien encuentra la diferencia, por favor, que me la explique. Para siempre agradecido.

ASP vs. Cloud Computing

ASP responde a Application Service Provider. En castellano, Proveedores de Servicios de Aplicación. Este concepto apareció a finales de los 90 para identificar aquellas empresas que ofrecían servicios de computación a sus clientes a través de una red; también se denominó SaaS (Software as a Service o Software a demanda). En 1999 un estudio de la consultora Booz.Allen ya hacía pronósticos de un crecimiento X10 del negocio de los ASPs entre 1999 y 2003.

De nuevo, en los últimos años, aparece y se sobre-utiliza el término Cloud Computing. Todo tiene que ser (o estar en) Cloud, sino, no vale. Leo esta definición: Cloud computing involves computing over a network, where a program or application may run on many connected computers at the same time”.

Y de nuevo me asalta la pregunta: ¿por qué una nueva etiqueta para un concepto ya existente? ¿Es más moderno? ¿Es más cool? ¿Aporta algo nuevo en su concepción o aplicación? La respuesta es otra vez “no”.

Pero, repito, si alguien me hace ver lo contrario, se lo agradeceré.

Marketing vs. Marketing digital

Ya hace algunos años que el Marketing parece que sólo puede ser digital. Y lo más terrible, quienes dicen conocer las técnicas digitales “marketinianas” y las utilizan para auto-proclamarse experto en “X” (sustituir “X” por SEO, SEM, retargeting, google analytics, redes sociales, e-mail marketing, e-commerce, afiliados, …) a menudo carecen de lo fundamental: los conceptos, conocimientos mínimos y práctica de Marketing.

Y esto no parece que vaya a parar ni a frenarse. Al contrario, casi seguro que irá a más. ¿Por qué?. Os invito a que busquéis en Google algo así como “curso” o “posgrado” o “master” + “marketing digital”. Si buceamos un poco en los resultados que obtenemos, muy pocos  de esos cursos / posgrados / masters… , repito, muy pocos, contienen en su programa una base conceptual y práctica de Marketing “a secas” (sin digital).

Es como si pretendemos que un niño aprenda directamente a hacer divisiones con la calculadora sin haber dedicado previamente tiempo alguno en que entienda el concepto (repartir algo en “n” partes) y que pueda deducir y decidir ante qué problemas / situaciones debe realizar una división o cualquier otra operación aritmética.

Eso es lo que está pasando con el Marketing desde que Internet y lo digital lo “han contaminado”: la técnica, el adjetivo (lo digital) ha engullido al concepto, al sustantivo (el Marketing).

Mi recomendación: empieza por EL MARKETING (sí, en mayúsculas).

Transformación digital vs. Informática&Redes

Parece ser que la transformación digital también empezó con la eclosión de Internet y cuando nos pusimos todos (o la mayoría) de acuerdo que es la revolución económica, social, cultural,  … cibernética del siglo XXI.

Para una empresa, la transformación digital no es más (¡ni menos!) que rediseñar los procesos de negocio de la organización teniendo en cuenta cómo lo digital puede contribuir en mejoras de su productividad y competitividad. O, en otras palabras, cómo aprovechar las tecnologías de la informática (lenguajes de programación, bases de datos, etc.) y las redes de comunicaciones (protocolos, dispositivos, etc.), para automatizar tareas y transmitir eficazmente datos / información entre los ordenadores-dispositivos y las personas (empleados, clientes, proveedores, partners,  …) que interactúan a través de ellos.

Entonces, si esto es así, también se me ocurre que ya se transformaron digitalmente aquellos bancos que hace más de 30-40 años sustituyeron los apuntes escritos a mano en una libreta por los ordenadores que registraban el saldo y todos los movimientos de forma automática; o cuando esos mismos bancos, decidieron poner cajeros para que sus clientes pudieran auto-servirse las 24h del día. También supuso una transformación digital la sustitución de los blocs de notas donde los dependientes de las tiendas iban apuntando las ventas que hacían (para controlar la reposición y el inventario de productos) por aquellos ordenadores-caja con “pistola láser” que eran capaces de leer un código de barras y actualizar todo automáticamente y gestionar el cobro. Un ejemplo más: también es transformación digital el uso de aquel dispositivo inalámbrico donde el camarero apunta el pedido de sus comensales y automática y de forma instantánea llega como por arte de magia al cocinero; ya no hace falta que el camarero le lleve en mano la nota al cocinero ni que éste le pregunte al camarero qué es lo que ha escrito cuando no lo entiende.

Todas esas empresas tuvieron que rediseñar sus procesos para producir / prestar / servir más y mejores productos y servicios a sus clientes a través de la utilización de nuevas tecnologías que, fundamentalmente, transformaron lo “analógico” en “digital” y les permite ser más eficientes y tener clientes más fieles y satisfechos (perdón, quería decir clientes con más engagement).

Dicho lo cual, espero haber dejado algo más claro que la transformación digital ha sido, es y será un aspecto fundamental para que las empresas perduren en el tiempo; y que ni el qué ni el cómo afrontar dicha transformación digital ha sido ni es monopolio de Internet ni de algunas empresas de consultoría que divulgan y construyen discursos a su alrededor.

Insisto, la transformación digital consistió y consistirá (aprovechando la digitalización y las tecnologías asociadas a ella) en el rediseño de los procesos de negocio (de compras, de producción y logística, de ventas, de marketing, de atención al cliente, etc.) que pueden desembocar en una reducción de costes, en un nuevo o mejor servicio para el cliente o incluso en un cambio por completo en el modelo de negocio.

Aunque no suene muy cool, lo que realmente se necesitan son analistas de procesos con mucho talento y visión de negocio, y no pseudo-gurús-digitales que de cada diez palabras que pronuncian, más de la mitad son “cool-tismos”.

Mi recomendación: huye de ellos.

Para ir acabando …

Aunque se me ocurre algún ejemplo más lo dejaré aquí. No quisiera aburriros, si es que no lo he conseguido ya.

Desde aquí, mi pequeño rincón de la reflexión y el conocimiento compartido, acabo proponiendo que nos olvidemos de las etiquetas, “palabros” y “cool-tismos”. Y apelo a los conceptos, las bases del conocimiento y, más que nunca, al back to basics como el futuro de la visión y gestión en los (nuevos) negocios.

P.S.: Esta entrada no hubiera sido posible sin los años de vida acumulados por su autor… lo cual no tiene un especial mérito.

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