Después de varios post hablando sobre analítica digital, herramientas, y medición en diversos negocios, me gustaría hoy ir un paso más allá en el modelo de madurez de la analítica digital hacia el tercer nivel. Es el nivel que pasamos cuando centramos la medición en el cliente. Se conoce como Customer Analytics. La idea es entender la conducta del cliente y ayudar al negocio a optimizar la relación con él, con los distintos perfiles de clientes que tenemos.
La realidad es muy compleja, y los modelos que creamos al final son una versión simplificada de ésta, por lo que podemos comprender cosas pero siempre teniendo en cuenta que las condiciones pueden haber cambiado: los modelos matemáticos pueden fallar.
Una de las restricciones que tenemos en el análisis, es el número de recursos y el tiempo que dedicamos a generar información. Siempre hay que controlar, primero, qué ha pasado (qué costes tenemos y qué estoy ganando), y luego, ya podemos centrarnos en entender bien al cliente y su relación con los productos que tenemos, con nuestros entornos, con lo que estamos ofreciendo, así como la interacción que tenemos con ellos.
Esta parte no podemos abordarla sin incorporar los datos de clientes, identificando quiénes son, cuándo vienen, qué buscan, qué compran… y esta información no la tenemos en las herramientas de analítica digital. Hay que integrar diversas fuentes donde tenemos las diferentes interacciones que suceden con nuestros clientes. Estamos en una época fascinante donde podemos integrar hardware, software, algoritmos, para no solamente registrar qué interactúa con nosotros, sino además cómo lo hace. En otras palabras, intentar registrar sus emociones para con nosotros.
De esto es lo que trata Customer Analytics realmente, de saber el valor que le generamos al cliente y qué valor nos generan a su vez ellos. Lo ideal es poder predecir y prevenir a partir de las interacciones con los clientes, identificando las acciones a realizar (las “next best actions” por ejemplo). Para aumentar a la vez el beneficio de la organización y la satisfacción del cliente.
Esto no es fácil de parametrizar, pero el punto de partida es entender bien el sector o la industria de la organización, para estudiar a fondo cada interacción con el cliente, así como los canales por dónde se realiza. Entonces, hay que digitalizar estos canales, para entender el Customer Journey aplicado al sector de la empresa, y poder actuar en cada una de las interacciones de dicho Customer Journey.
Se han de combinar diferentes técnicas, la complejidad del dato irá poco a poco aumentando y el conocimiento dependerá, ya no solamente del comportamiento del cliente, sino de cómo reacciona, de sus emociones, e incluso de su personalidad. Cada vez se amplía más el número de disciplinas que intervienen en el Customer Analytics, y cada vez tenemos más datos que nos ayudan a confeccionar el puzzle de cómo son nuestros clientes, de en qué momento se encuentran y por qué.
La clusterización de los clientes cada vez es más variada y compleja; inicialmente se tratarán las grandes cantidades de clientes. Pero el objetivo, será crear experiencias para el usuario lo más atinadas posibles, por lo que cada vez iremos a más y más detalle para personalizar lo más posible esta segmentación, en base a un abanico más y más interesante, y cercano a la realidad. Cada matiz enriquecerá el modelo de clientes.
Obviamente, algunos sectores o empresas lo tienen más fácil que otros. Nos viene por ejemplo a la mente Netflix, que es mucho más interesante o goza de mayor popularidad entre los clientes. Pero.. ¿qué pasa con aquellas empresas, como una energética por ejemplo, que ahora mismo está en el candelero y no precisamente por razones positivas?, ¿cómo se puede enfocar el Customer Analytics para una empresa que “no mola”?
Lo ideal entonces es encontrar lo que el analista llama “los puntos de dolor”. Es decir, identificar lo que estamos haciendo muy mal (el cierre de la venta, el servicio postventa, …) y usar estas herramientas para comunicar, para acercarnos al cliente y que identifique nuestro valor. La analítica forma parte de este mensaje pero no es el fin, el proceso de analizar es largo y tedioso, pero la recompensa vale la pena.
El analista parte de un modelo, como hemos comentado, más genérico con los datos de los que dispone habitualmente, como por ejemplo, los datos de navegación de un usuario en un sitio web. Pero el objetivo es ir transformando la organización para que esté orientada a datos. Entonces, realmente su valor es ir enriqueciendo este modelo con datos que obtengamos de cada punto de interacción con el cliente, vengan del departamento que vengan. Así tendremos la visión de 360 grados para entender bien el Customer Journey de verdad, con toda la información. Esto nos lleva a tener una sensibilidad para con el cliente que definitivamente, nos va a ayudar a hacer mejor las cosas, con más eficiencia.
Identificar las prioridades, sabiendo que trabajando sobre ellas el siguiente paso es más fácil, nos ayudará a implementar con la herramienta, obteniendo una buena cultura de datos. Y seguiremos midiendo cada acción que realicemos. Para predecir el futuro, no siempre tenemos que medir el pasado, ya que las condiciones del pasado no tienen por qué perdurar en el futuro.
El Customer Analytics nos permitirá conocer a los clientes y hacer mejor las cosas. El proceso es continuo, y se va avanzando de forma sólida, experimentando y probando cosas diferentes con distintos grupos de clientes para no quedarnos anclados en el pasado, y seguir revolucionando el futuro en base a los datos.
Si quieres ahondar más en detalle en el tema de Customer Analytics, aquí tienes mi podcast, grabado junto a Josep Curto, fundador y CEO de Delfos Research, además de consultor, analista y profesor.
