Llegamos a ustedes gracias a:



Reportajes y análisis

Aumentando la lealtad del cliente

Las conjeturas ya no importan. Las empresas inteligentes están utilizando software de análisis de negocios para mejorar la lealtad del cliente.

[07/09/2012] En el actual mercado altamente competitivo y rápidamente cambiante, las empresas ya no pueden confiar en el instinto, las conjeturas o "negociar como siempre". En todas las industrias, las empresas están recurriendo a los análisis de datos para responder con rapidez y precisión; e incluso predecir, el comportamiento del comprador, en su afán por aumentar sus ingresos mientras se asegura la lealtad del cliente.
El deseo de comprometerse con los clientes con mayor eficacia es alimentado en parte por lo que muchos ven como un cambio en el poder de los vendedores hacia los compradores, gracias a las redes sociales y al auge de la informática móvil. De hecho, en el más reciente estudio de IBM, Global CEO Study, más del 70% de los CEO dijeron que estaban buscando una mejor comprensión de las necesidades de cada cliente y una mayor capacidad de respuesta a esos deseos. Y de acuerdo con IDC, el mercado mundial de software de análisis de negocios creció un 14% en el 2011, frente al 11,6% del año anterior, y está programado para tener un crecimiento compuesto del 9,8% anual de aquí al 2016.
He aquí un vistazo a las dos empresas que se esfuerzan por captar la lealtad de sus clientes a través del uso de análisis.
Combatiendo la agitación de los clientes
Para los proveedores de servicios inalámbricos, la agitación de los clientes puede ser mortal. Según un estudio de Strategy Analytics, a finales del 2011, el porcentaje de clientes de telefonía móvil que cambiaban de proveedores de servicios cada año alcanzó el 44%, su nivel más alto.
T-Mobile es una compañía que ha estado sintiendo ese golpe. Reducida por AT&T y Verizon Wireless en cuota de mercado, la empresa estaba perdiendo un cliente por cada cliente que ganaba a principios del 2012, según una declaración del ex CEO, Philipp Humm a principios de este año. Para contrarrestar esa tendencia, T-Mobile está cavando en los datos de sus clientes para comprender mejor el comportamiento del comprador y, más precisamente, apuntar a las necesidades del cliente.
"Los clientes tienen muchas opciones dinámicas en este momento", señala Alison Bessho, directora de sistemas empresariales de TI de T-Mobile. "Se pueden sentir intrigados con facilidad por algo nuevo de otra empresa, por lo que para mantenerlos contentos, siempre estamos buscando maneras creativas para darles algo nuevo y diferente".
Para ello, T-Mobile utiliza una base de datos de Teradata y herramientas de análisis de SAS para recoger y analizar los datos de los clientes, incluyendo tarifas de los planes actuales, el número de planes de la familia frente a los planes individuales, calificaciones crediticias, las métricas de uso de red y estadísticas de la comparación de la cantidad de tiempo en llamadas de voz y de mensajes de texto. A continuación, segmenta la base de clientes, desarrolla campañas focalizadas para diferentes perfiles de clientes y presenta ofertas a través de sus diversos canales de venta, incluyendo tiendas, centros de llamadas y sitios web.
El equipo de marketing luego analiza cómo los clientes responden a estas campañas para proyectar rendimientos financieros y ajustar las ofertas. Para ello, se alimenta de datos del dispositivo de análisis de datos en tiempo real Hana, de SAP, que utiliza in-memory computing para realizar análisis rápidos en grandes conjuntos de datos. Esto permite que los modeladores de estadísticas y analistas de negocio consulten los datos y -si encuentran algo inesperado- hagan una consulta adicional, sin la intervención de TI.
"No tiene que pensar qué tipo de análisis vas a hacer o imaginar las tablas de agregación que se generarán con las soluciones tradicionales de BI", señala Bessho. Además, los datos se pueden cargar con más rapidez en el dispositivo que en las plataformas analíticas tradicionales, y las consultas corren 55 veces más rápido que con una base de datos tradicional. Esa velocidad alienta a que los analistas exploren creativamente, añade.
"Gran parte del beneficio es encontrar lo desconocido", indica Bessho. "Ellos obtienen un resultado sorprendente, y quieren profundizar en los datos de maneras que nunca hubieran imaginado. Así que es importante que la herramienta sea sensible, y corte a través de las filas de datos con rapidez".
Los analistas ahora pueden determinar los tipos de campañas que funcionan mejor para diferentes grupos de clientes. "Ahora sabemos cómo ir a los diferentes clientes con diferentes ofertas", señala Bessho. Por ejemplo, una forma de segmentar a los clientes es por la cercanía del término de sus contratos. Sabiendo esto -así como qué tipo de planes tienen, cuáles son sus calificaciones de crédito, y dónde viven- T-Mobile puede, por ejemplo, enviar ofertas telefónicas de actualización a los clientes antiguos, y ofertas sobre los diferentes planes para los clientes más nuevos.
Estas ofertas pueden salir a través de mensajes de texto, correo electrónico, call center o tiendas físicas. "Cuando el cliente está al teléfono o entra a la tienda, obtenemos datos más frescos con el fin de ayudar a que los representantes seleccionen la mejor oferta, en ese momento", señala Bessho. "Podemos tomar ventaja de los datos históricos, así como los datos dinámicos, para crear ofertas personalizadas sobre la base de las tendencias y comportamientos del cliente".
Asimismo, T-Mobile también utiliza las herramientas de Business Objects para producir tableros de control e informes operacionales detallados para los líderes de marketing. Pronto pondrá en marcha una capacidad de inteligencia de negocios móvil, para que los ejecutivos de marketing puedan ver el rendimiento actual de las campañas de marketing en sus tablets.
T-Mobile aún enfrenta desafíos, como la necesidad de recuperarse de su fallido acuerdo de compra con AT&T y la salida de su CEO en junio. Pero la compañía está apostando en la información sobre el cliente para reforzar sus perspectivas de futuro. Planea agregar al sistema más de 300 atributos de datos del cliente con la finalidad de profundizar y ampliar sus capacidades analíticas, y también agregará entradas de los medios sociales. En el primer trimestre del 2012, T-Mobile vio 187 mil adiciones netas de clientes, frente a las 99 mil pérdidas netas de clientes en el primer trimestre del 2011. "Nuestro objetivo es reducir la pérdida de clientes, mejorar la lealtad, ventas adicionales y venta cruzada de nuevos dispositivos y planes de tarifas, y hacer que los clientes sean más felices, mientras se alcanzan mejores resultados financieros", señala Bessho.
Un nuevo enfoque de lealtad
Para las tiendas de comestibles, el concepto de "lealtad" históricamente ha estado ligado a la "tarjeta de fidelidad" -esas tarjetas laminadas ubicuas que les dan descuentos automáticos a los compradores. Pero las fuerzas del mercado están llevando a que tiendas de comestibles como SuperValu pongan en un nivel superior a sus estrategias de fidelización de clientes.
Según Wesley Story, vicepresidente del grupo de insights y lealtad del consumidor en SuperValu, la competencia se está calentando, sobre todo a medida que más minoristas -desde los hipermercados hasta las tiendas de descuento- añaden productos comestibles a sus estantes.
Hace unos dos años, SuperValu lanzó un esfuerzo para ser más enfocado en el cliente mediante la creación de un ambiente de compras sin problemas, ofrecer alimentos recién preparados y más líneas de productos que encajen con los gustos locales.
Los datos del cliente que se recogen de las tarjetas de fidelidad es la clave para esta estrategia, señala Story, porque revela las tendencias de compra y los cambios demográficos. "Si no tenemos cuidado, de repente el cliente -que era su objetivo- ya no vive cerca", añade.
De acuerdo con un estudio realizado por RIS News e IDC Retail Insights, la mercadería localizada y la personalización de las interacciones ha impulsado a la inteligencia y el análisis empresarial -en particular, las capacidades de memoria, datos de electrodomésticos y capacidades de computación- hacia la parte superior de la lista de prioridades para la tienda de comestibles en relación con la lealtad del cliente.
Durante mucho tiempo SuperValu ha utilizado un almacén de datos de Teradata y herramientas tradicionales de BI para analizar las transacciones y los datos del cliente. Sin embargo, recientemente estableció un laboratorio de análisis de Big Data para dar cabida a consultas ad hoc más rápidas y más complejas sobre todos los tipos de datos, incluyendo datos no estructurados de los medios sociales. Las herramientas del laboratorio incluyen al dispositivo Aster de Teradata, que recoge los datos de los sistemas operativos y los coloca en una base de datos, que no es de producción, optimizada para el análisis; Hadoop, una plataforma de código abierto que utiliza procesamiento paralelo para analizar grandes volúmenes de datos con rapidez; y una herramienta de visualización de Tableau Software diseñada para el rápido despliegue de cuadros de mando que mezclan varios tipos de datos, incluyendo la información de fuentes externas.
Con esta configuración, SuperValu ya no necesita saber la cantidad de datos que serán estructurados o qué preguntas debe hacer. "Si una consulta no funciona, podemos simplemente tirarla a la basura, ya que la inversión es mínima en comparación con semanas y meses de desarrollo", señala Story.
La tienda de comestibles ya está en mejores condiciones de mantener los elementos populares en stock al estudiar los datos fuera de stock de su sistema de gestión de inventario, tiempos máximos de compra de los datos de sus transacciones, los niveles de dotación de personal del sistema de administración del trabajo, y la percepción de los clientes de su sistema "voz del cliente". Se ha determinado que ciertas tiendas necesitan hacer una reposición a mitad del día para darle cabida a la avalancha de tráfico de entre las 16:00 y las 18:00hrs. "Algo de esto es Retail 101. Pero antes, no sabíamos exactamente los niveles de dotación de personal necesarios para las tiendas, o los niveles de percepción de los clientes", añade Story.
Analytics también permite que SuperValu se comprometa con los clientes a través del medio más eficaz, ya sea por correo electrónico, mensajes de texto, aplicaciones móviles o medios sociales, agrega Story. El enfoque de la vieja escuela era preguntarles a los clientes qué canal preferían; sin embargo, es mucho más preciso observar su comportamiento, añade. Por lo tanto, para un cliente muy digital, aumente la actividad donde ellos responden más -tal vez los medios sociales o mensajes de texto- y colóquelo en donde ellos son menos activos, como el correo electrónico y el correo postal.
El análisis predictivo es el próximo paso, explica Story. La tienda de alimentos está experimentando con la segmentación de clientes y prediciendo su comportamiento mediante la superposición de tarjetas de fidelización con datos demográficos, psico gráficos, información económica y de comportamiento de los proveedores externos. Al ver, por ejemplo, los efectos de la recesión sobre los patrones de compra, SuperValu puede predecir mejor qué clientes se cambiarán a los artículos de menor precio durante la recesión, y ofrecerles proactivamente marcas para ellos. La compañía también está llegando a los consumidores digitales a través de aplicaciones móviles y medios sociales.
"Esa es la salsa secreta", señala Story. "Juntar todo para entender lo que son las amortizaciones, cómo las ofrecemos, a través de qué vehículo se les ofreció, dónde fueron redimidos, en qué canales han estado más activos los clientes -y su influencia de medios sociales si son consumidores muy conectados".
María Brandel, Computerworld (EE.UU.)