Datos pequeños para grandes resultados.

Ya no es extraordinario, o al menos no lo juzgamos así, recibir por cualquier canal una oferta comercial que consideramos estar pensada especialmente para nosotros. Nada parece escapar a la atenta mirada de las compañías cuando se acercan a nuestro escritorio y nos dejan caer información sobre el último libro publicado en relación con la temática que más nos interesa, o del producto financiero que más se acomoda a nuestro perfil inversor, o de la ropa de moda que más se ajusta a nuestro gusto…

Lo que hace unos años se juzgaba como magia en manos de unas pocas empresas tecnológicas, en la actualidad puede estar al alcance de cualquiera que sepa definir, captar, guardar, ordenar y analizar información procedente del rastro de las acciones que realizan los clientes en cada punto de contacto entre estos y la empresa.

De hecho, el llamado “Big Data”, que formaba parte del lenguaje críptico manejado por un reducido grupo de informáticos y analistas de información, ya se ha incorporado al acervo del común de los mortales, tengan algo que ver o no con él. Pero, ya hemos hablado de ello alguna vez, la posesión de la información (en éste y otros muchos casos) no otorga el poder si no existe una estrategia adecuada, unos objetivos bien definidos, un procedimiento de análisis adecuado a esa estrategia y a esos objetivos y, sobre todo, una selección eficaz de los datos que pueden valer para la predecir lo que va a suceder. Sea un comportamiento de compra o la anticipación de una tendencia.

Disponer de un gran almacén de datos (data warehouse) es importante para guardar la mayor cantidad de información sociodemográfica de los clientes, así como la procedente de las transacciones que realizan a través de canales online y offline, la que se puede obtener de su interacción en redes sociales o a partir del rastro de navegación por diferentes webs.

Pero más importante es saber agregar la información en bases de datos más manejables (datamart) que permitan análisis más ágiles y con los indicadores necesarios para dar sentido a procesos de investigación sobre segmentos específicos de clientes, agrupados en conjuntos homogéneos por tipologías o perfiles que se aproximen a estándares ideales.

Lo más adecuado, una vez que se tienen esos grupos de clientes con similares conductas y niveles de reacción, es aplicar una serie de test que permitan definir las asociaciones que mejor funcionen a nivel de estímulo/respuesta o conversión. De tal manera que se vaya enriqueciendo la información en la base de datos de cada cliente para permitir inferir el retorno de la inversión que se puede obtener de cada uno de ellos.

De esta forma, en teoría, se podrá ajustar el ciclo de vida del producto al ciclo de vida del cliente así como a la evolución de sus necesidades, traducidas en demandas concretas. En este momento es cuando podemos hablar de marketing predictivo en la medida que el “big data” se pone al servicio de las estrategia de marketing para orientar las herramientas que garanticen un mejor resultado de ventas.

Así, se pondrán en marcha tres modelos (predictivo, descriptivo y de decisión) que han de tratar de no ser intrusivos en la obtención de la información inmiscuyéndose en la intimidad de los clientes (como, por ejemplo, la extraída de grandes compañías como Facebook). Pero de los que se obtienen grandes ventajas como son la realización de microsegmentaciones más precisas, la anticipación de comportamientos futuros de los clientes, la reducción de las tasas de abandono y, por tanto, el incremento de la lealtad de estos, el ajuste de la producción a la respuesta real del mercado, la facilitación de acciones de cross-selling y up-selling y, como consecuencia de todo ello, el aseguramiento de un futuro estable y con crecimiento sostenido de la empresa.

Mientras que el “big data”, como su propio nombre indica, surgió para analizar una enorme cantidad de datos con los que obtener determinados patrones predictivos, en la actualidad observamos la emergencia del “small data” o sistema para procesar información más sencilla y que tiene un carácter fundamentalmente cualitativo. Está referida a cuestiones más relacionadas con las opiniones, las emociones y las conductas diarias de los consumidores en decisiones que aparentemente nada tienen que ver con la actividad de la empresa pero que, en su conjunto o de forma aislada, definen oportunidades de negocio que sólo se pueden detectar por medios digitales y en tiempo real.

El “small data” son observaciones del comportamiento de los clientes aparentemente insignificantes que contienen atributos específicos que apuntan hacia una necesidad no satisfecha (M. Lindstrom) y que son capaces de generar ideas disruptivas o relaciones completamente nuevas con el cliente. Lo que es probable que genere una interacción más novedosa entre consumidor y empresa, sus productos o servicios, que redunde en una mejor experiencia individual de compra y una adecuada satisfacción de las expectativas de consumo, muy por encima de la valoración de variables como el precio o la conveniencia.

Mientras que el “big” observa datos, el “small” observa personas. Una diferencia importante a tener en cuenta para los tiempos que corren. ¿No les parece?

 

José Manuel Navarro Llena

@jmnllena

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *