CRM Analítico para Gerentes de Ventas‏

Que debe tener un buen CRM para permitir a los Gerentes y/o Supervisor hacer un buen trabajo analítico.

El impacto positivo (o negativo) que un gerente puede tener en sus representantes es considerable. Un pequeño aumento en la productividad de un representante puede tener un impacto significante en la

rentabilidad y efectividad del equipo en general. Y para que el gerente sea lo más productivo posible él necesita hacer coaching con representantes de su equipo. Habilidad individual y del grupo tiene que ser mapeada y comparada con resultados reales. Esto permitirá que el gerente se enfoque en verdaderos motivadores de desarrollo que aumentaran la efectividad y el alcance de objetivos.

Por tanto cada gerente tiene que tener acceso a informaciones accionables. Estos tienen que ser una combinación de datos cualitativos y cuantitativos que han sido correlacionados en datos relacionados, proveyendo una visión general del impacto de ventas. Solamente asegurando que las actividades sean enfocadas en lo que es urgente e importante podremos esperar un aumento en la efectividad. Para ello necesitamos capturar el tipo correcto de datos y continuamente medir mejoras sin importar el cambio que ocurre.

Aunque existen muchas soluciones de software y/o que permiten creaciones de gráficos para analizar datos, Las empresas de ventas deberían estar buscando soluciones que ayuden a evitar la regla “80/20” adonde 80% de los usuarios solamente utilizan 20% de la aplicación.  Este problema se manifestó inicialmente en la solución CRM a medida que creció en complejidad, el mismo desafío se aplica cuando empresas dedicadas a ventas son tentadas a utilizar las herramientas de informes “gratuitas” incluidas en muchos CRM.

Un buen punto de partida para evaluar la solución de CRM dirigida a desarrollar Inteligencia de Tácticas de Ventas seria evaluar los siguientes factores:

1. ¿Es abierto? Datos cualitativos y cuantitativos de varias fuentes necesitan ser importados y correlacionados para formar datos relacionados. Esto permite que los Gerentes de Ventas tengan discusiones tácticas más relevantes con los representantes. La cantidad de correlación que un gerente tiene que hacer manualmente tiene que ser minimizada librándole más tiempo para desarrollo de estrategias.

2. ¿Esto le provee la información necesaria al gerente de ventas? O solamente la información necesaria para realizar tareas específicas. Si en el futuro más datos son necesarios se puede reconfigurar sin problemas. Pero ¿para qué complicar una solución que está hecha para simplificar una serie de procesos? El objetivo es limitar la solución para ser comprensiva pero relevante a la tarea, que permita reducir costo y maximizar impacto.

3. ¿Está integrada al modelo de ventas? La estructura del modelo de ventas es crucial en la creación de consistencia en todos los equipos de ventas. Sin esta consistencia cualquier aporte (coaching, capacitación, mensaje) pierde contexto y cohesión haciendo que la evaluación y la comparación a través de la organización sea muy difícil. Tenemos que asegurar que los gerentes midan sus representantes de la misma forma, utilizando la misma norma. Cualquier análisis de indicadores claves de desempeño serán entonces objetivos y estarán alineados a través de toda la organización.

4. ¿Es fácil de utilizar? Cualquier importación de datos tiene que ser completamente automatizada con una frecuencia predeterminada. Los datos tienen que ser presentados en un formato de tarea específica, como por ejemplo, si la actividad del día es coaching, entonces con un clic con el botón del mouse se muestran todos los datos relevantes relacionados a esta actividad en particular. Necesitamos asegurarnos que los gerentes tengan todo lo que necesitan para una tarea específica en un solo sitio.

5. ¿Es flexible? La solución debe permitir que los gerentes de ventas tengan flexibilidad para usar los datos disponibles y puedan comparar estos para tener una visión del trabajo en el campo. También debe permitir supervisión de datos específicos y actividades resultantes; como aumento (o disminución) en indicadores claves de desempeño (KPIs) después de una inversión en un representante, como podría ser una capacitación adicional, actividad de coaching, o nuevo mensaje o estrategia promocional de mercadeo.

6. ¿Es accesible? Los gerentes de ventas necesitan tener acceso a la información del negocio independiente si tienen acceso a wi-fi o red de datos disponible. Pocos modelos de clientes satisfacen los criterios que permiten un limitado uso de aparatos móviles, como un Netbook o iPad, pero permite conectividad de acceso cuando no conectado también.

Los principales tipos de análisis de datos

Estimados Lectores desde hoy tenemos un pequeño cambio de nuestro formato, a solicitud de muchos de ustedes cambiamos el fondo del blog para permitir una lectura más agradable , por ello temporalmente estamos utilizando una plantilla predeterminada mientras actualizamos una version propia, espero que este pequeño cambio se traduzca en un mejor aprovechamiento de la información que regularmente compartimos con ustedes.

Como hemos explicado, la integración de CRM operacional y analítico se aplica en todos los canales. De hecho, destaca allí. Pero la Web es más que un canal de comunicación para la mayoría de las empresas, es una rica fuente de datos, ofreciendo información de los clientes un comportamiento que no tiene igual en el mundo físico. Algunas nuevas técnicas de análisis aprovechan los datos de toda la empresa, y otros se basan sobre todo en los datos recopilados en la Web.

OLAP

A pesar de sus variadas interpretaciones, "Data Mining" ha adquirido un encanto casi místico en la última década. Aunque su interpretación generalizada es como una actividad asociada con la consulta de datos, la minería de datos es una sub-categoría de análisis altamente especializados que tiene aplicaciones específicas, tanto dentro como fuera del CRM.

De hecho, la práctica de procesamiento analítico en línea, conocido como OLAP se ha convertido en el tipo más popular de análisis de apoyo a las decisiones, permitiendo que el empresario promedio pueda explorar los datos en línea con el objetivo de centrarse en los datos detallados en un nivel inferior de la jerarquía de datos.

La mayoría de las veces, esto significa generar un informe en línea, análisis de los resultados, y la presentación de una consulta más detallada a fin de comprender los datos del resultado.

OLAP generalmente se centra en proporcionar un conjunto de atributos de datos de una base de datos organizada en torno a ciertas dimensiones, tales como la hora y el lugar. Así, un usuario puede solicitar los ingresos regionales de ventas para todos los productos de cuidado para bebés, por región o por tienda. Se puede solicitar un informe detallado de los ingresos regionales por cada mes dentro de un trimestre.

Aunque OLAP es generalmente agrupado en el rubro de minería de datos, que normalmente se basa en datos que han sido resumidos de acuerdo a las dimensiones particulares. La minería de datos consiste en la identificación de patrones significativos y reglas de datos detallados, por lo general de grandes cantidades de datos. Así, en lugar de analizar los segmentos de clientes para determinar la probable rotación, se examinan los clientes individuales, tocando cada uno de los millones de registros en una base de datos.

El Análisis OLAP requiere que el analista tiene una consulta o una hipótesis en mente, pero la minería de datos puede generar información para mostrar patrones y relaciones, sin que el analista sepa acerca de ellos. La minería de datos pueden identificar grupos de clientes que compran productos similares, por ejemplo: los trabajadores de oficina que realizan las labores en el hogar que compran PCs, fuentes de alimentación, toner, cables de la impresora, papeleras, y el café. Con una herramienta de OLAP, el analista tiene que adivinar que productos compra un trabajador de oficina en casa y luego identificar cuáles son los clientes que hacen esa compra.

Este análisis OLAP normalmente examina agrupaciones y categorías, tales como ordenadores, cables de la impresora y el tóner (relacionados con productos de informática), pero puede que no reconozca productos fuera de esta categoría, como el café y papeleras.

CRM Analítico - Integrando Datos

A medida que los clientes se convierten en compradores más conocedores, comienzan a combinar sus hábitos de compra y servicio. Un ejecutivo muy ocupado compra un juego de video de su hijo en la web en la oficina, sin embargo, puede comprobar el estado de su orden en su teléfono mientras se dirige al centro comercial para comprar un nuevo juego de palos de golf. Del mismo modo, un agente de atención al cliente tiene que entender quien está en el otro extremo del equipo cuando coge el auricular o inicia un chat en vivo. Los clientes que llaman a una línea telefónica gratuita o a número 800 para hacer una compra no le importan que sus sistemas no estén integrados, ellos suponen que su empresa sabe que ellos han hecho compras anteriores en su sitio Web. En resumen, esperan que usted sepa quiénes son.

Caso de datos integrados

Tomemos el caso en que un grupo de marketing que ha puesto en marcha un CRM para dirigir sus campañas de marketing de forma más efectiva. Mediante el seguimiento de patrones específicos de compra, marketing puede segmentar a los clientes y luego enviarles por correo electrónico a los clientes una promoción dirigida en función a las características de ese segmento. En este caso de estudio en particular se ha visto una elevación del 7 por ciento en las ventas como resultado de la implementación de esta estrategia.

Mientras tanto, un cliente del departamento de servicios trabaja con una herramienta de otro fabricante de CRM hecha para manejar la automatización del centro de llamadas. Las Informaciones sobre las interacciones se cargan desde el sistema de call center a una base de datos utilizada por un analista en el departamento de servicio al cliente para evaluar las resoluciones o tickets. El analista recoge los comentarios de los clientes después del envío de correos de los clientes que han registrado un cierto tipo de queja.

Aunque ambas herramientas de CRM han traducido mejoras en sus respectivos departamentos, la situación en su conjunto es realmente arriesgada.

De Marketing y atención al cliente son bien intencionados sus esfuerzos por mejorar las comunicaciones con sus respectivos clientes. ¿Pero qué pasa si el cliente es la misma persona?

El riesgo aquí es que el departamento de marketing podría no reconocer cuando los clientes dentro de su segmento objetivo han contactado con el centro de llamadas con problemas acerca de un producto popular y si los clientes están contentos con la empresa. En tal circunstancia, la venta cruzada de otros productos podría hacer más daño que bien.

Por el contrario, la persona encargada de dar respuesta a una queja no puede reconocer que el cliente en el teléfono ha hecho varias compras en la última semana y pertenece a un grupo dorado de clientes de de la empresa.

El escalar varias veces una queja de este cliente podría significar la pérdida de un cliente de alto valor. De hecho, aplicar las mismas reglas a cada cliente es arriesgado, ya que pondrá a esta empresa detrás de sus competidores, que se esfuerzan por diferenciar los clientes y su tratamiento de los mismos.

Entender la interacción más reciente del cliente o punto de contacto con la empresa (era o no con el centro de llamadas), puede ayudar a la persona encargada de dar respuesta a determinar cómo satisfacer mejor las necesidades de ese cliente. Aún más importante es el conocimiento de que el cliente tiene un rico historial de compras. (De hecho, una historia de la orden detallada es fundamental para la comprensión de cuándo y cómo un cliente adquiere un producto, si es regularmente comprador de los productos vendidos en esa orden, y si responde a las promociones.)

El Historial de compras se puede combinar con otro tipo de información, como por ejemplo si el cliente se ha mudado recientemente, si tiene los niños en edad universitaria, si consume a menudo, y poder establecer a que pertenecen los altos índices en la escala de valor para el cliente. Dicha información se puede resumir como un perfil de cliente en la pantalla de la persona que de atención (personal o telefónica) o que la muestre como un "screen pop" tan pronto como el sistema de call center reconoce el número de teléfono del cliente entrante.

Este escenario es un problema creciente para las empresas, el despliegue de CRM. En su prisa por adoptar programas de fidelización de clientes y aumentar las tasas de retención, los departamentos de marketing están adquiriendo las herramientas de CRM, sin conversar o establecer alianzas con otras áreas de la empresa. Del mismo modo, los centros de atención al cliente, cuya plataformas existentes de centros de llamadas pueden incluir capacidades adicionales de CRM y que es probable que ya han establecido comunicaciones con los clientes, los procedimientos pueden no tener en cuenta las necesidades de sus contrapartes en las ventas o de marketing antes de formalizar sus iniciativas de CRM propio.

Este problema suele deberse a una política de la compañía, pero más a menudo se debe más a diversos problemas logísticos y de infraestructura que a la necesidad de un mayor nivel de conocimiento del cliente.

La falla es que la relación con el cliente se entiende como algo basado en un subconjunto de las interacciones reales de los clientes con la empresa. La compañía implementa CRM y las decisiones se basan en un subconjunto de estas interacciones. Las decisiones resultantes por ejemplo, de marketing enviando una encuesta de satisfacción unas pocas semanas después de la encuesta de atención al cliente fuera enviada, podría terminar molestando a los clientes en lugar de inculcar la lealtad.

Está claro que aunque las empresas podrían estar de acuerdo en que necesitan un CRM, muchos no están de acuerdo en las razones.

CRM y el DATA WAREHOUSE 2da PARTE

La venta a los clientes existentes es mucho más fácil y más rentable. Lo mejor que puede hacerse es comunicarse con ellos. La capacidad de aprovechar los datos de los clientes que enfrentan los sistemas para realizar el análisis de back-office ha demostrado ser directamente proporcional al éxito de una empresa en la mejora de la lealtad del cliente.

Tal vez el problema más difícil que plantean los entornos de CRM es que impiden que la empresa tenga el conocimiento de ciertos hechos potencialmente críticos. Está claro que algunas de las preguntas de negocio importantes no pueden ser fáciles de contestar.

• Un gerente no puede seguir la historia de reclamos de un cliente antes de intentar la venta cruzada de un producto.

• El personal de comercialización no quiere solicitar a los clientes que se atrasan el pago de sus facturas.

• Un representante de cuenta no tiene idea de si un cliente clave para su negocio ha respondido a ciertas promociones básicas.

• Un analista de atención al cliente no puede medir el historial de quejas en contra de los ingresos por ventas de un producto determinado.

• Un analista de datos de marketing carece de los datos necesarios para entender el papel de los vendedores en los clientes en el segmento con mayor ingresos por ventas.

• Un ejecutivo de servicio al cliente no puede obtener un informe periódico sobre los puntajes promedio de los clientes en una encuesta de satisfacción para cada segmento de clientes.

La información del cliente que puede dar respuestas a las preguntas de negocio en estas y otras preguntas pueden orientar las decisiones clave sobre el trato al cliente, técnicas de venta, y las estrategias futuras de promoción, entre otros. Al integrar los datos operacionales de CRM con información de alrededor de la empresa, las empresas pueden comenzar a realizar CRM analítico y, con ello, hacer que realmente estas respuestas estén centradas en el cliente a la hora de tomar las decisiones empresariales.

La práctica del análisis de datos es anterior incluso a las de crear bases de datos y trasciende el almacenamiento de datos y el CRM. Además, es una disciplina variada que va desde consultas estándar hasta el análisis estadístico de modelos predictivos complejos.

CRM, DATA WAREHOUSE Y CRM ANALITICO

Muchos proveedores de CRM han incorporado el análisis, de ahí el término "CRM analítico" en sus productos, ofreciendo así a los usuarios la capacidad no sólo para llevar a cabo los procesos clave de negocio CRM, sino también para aplicar la inteligencia de negocios para que las funciones del CRM sean más precisas y de mayor valor.

Por ejemplo, existen soluciones que han incorporado modelos de predicción en su conjunto de herramientas para proporcionar listas de los clientes más propensos a responder a una campaña de comercialización. Otros proveedores de productos de CRM han incorporado patrones de reconocimiento de compra en sus ofertas, permitiendo al personal de marketing y ventas comparar a los clientes con sus comportamientos por lo que puede colocar nuevos productos a un público óptimo.

La principal diferencia entre el CRM operacional y analítico, es que CRM analítico es el único medio por el cual una empresa puede mantener una relación progresiva con un cliente en las relaciones de ese cliente con la empresa. Esto significa ser capaces de seguir una serie de acciones de clientes y eventos a través del tiempo, utilizando los datos de los sistemas de CRM operacional, así como de otros sistemas empresariales.

La visión de 360 grados del CRM Analítico enfatiza la comunicación con los clientes a través de los diferentes canales basados en la optimización de las interacciones personalizadas, por ejemplo a través de una nueva campaña de marketing o de la historia de la queja de un usuario que llama a nuestra línea de contacto.

Esto ofrece la capacidad de mejorar la segmentación de los clientes y desplegar comunicaciones a estos que son verdaderamente uno a uno. Las empresas con capacidades de CRM operacional y analítico están cambiando las estrategias de negocio para:

• Recompensar a los clientes con descuentos personalizados y aprovechando las ventajas en el uso de canales de bajo costo.

• Proactivamente ofrecer productos y servicios que se ajustan a las necesidades de un cliente determinado en base a lo que el cliente ya ha comprado.

• Aumentar las tasas de compra, personalizando el contenido en función del perfil del visitante Web.

• Ajuste por cliente de los gastos de marketing basados en los resultados su valor de vida útil.

• Analizar las combinaciones de puntos de contacto a través de los canales para predecir un cliente la próxima compra probable de un cliente.

• Relacionar el tráfico de Internet a los visitantes individuales y segmentos de clientes para entender mejor el uso Web y mejorar su diseño.

• Asignar a los clientes de más alto nivel representantes que entiendan su historia y sus preferencias.

Una persona de marketing puede observar los datos de contacto de un cliente a través de los mismos recursos utilizados por la fuerza de ventas. Asimismo, los analistas de la empresa pueden acceder a un portal centralizado de CRM para ver una serie de datos relacionados con el cliente sin tener que cambiar las herramientas de aplicación.

Un ejemplo de ello es la empresa Oracle que continúa mejorando su suite integrada de herramientas, que incluye, desde la personalización de sitios web para tienda de autoservicio para clientes, a los sistemas Siebel, que además de ofrecer una amplia gama de servicios, marketing, automatización de fuerza de ventas, y el análisis de las capacidades, también proporciona su funcionalidad Siebel Handheld para avanzar en su capacidad multimodal.

CRM y el DATA WAREHOUSE

Las empresas aunque tienen las mejores intenciones suelen equivocarse cuando se trata de ofrecer almacenamiento de datos y las capacidades de inteligencia de negocios que acompañan a los usuarios de su negocio. Por un lado, el departamento de TI entiende que los datos no pueden estar divorciados de la estrategia de CRM y el almacén de datos corporativo es la fuente ideal de información del sistema CRM. Por otro lado, la comunidad empresarial está presionando para una rápida victoria y no importa de dónde proceden los datos, siempre y cuando lo consigan rápido, así el negocio comienza a utilizar su aplicación de CRM sin una visión de cómo conducir los procesos de negocio.

Las áreas de Tecnología de la Información se apresuran a proporcionar datos de la empresa a la aplicación CRM sin entender que los datos apoyan las acciones y los procesos de negocio que la empresa quiere mejorar. Los empresarios siguen preguntando que falta para que todo esté terminado.

Así comienza la pendiente resbaladiza de la solución de CRM. Estos sistemas de CRM representan la realidad creciente para muchas empresas, incluso aquellas con sólidas infraestructuras de datos. Cuando llega el momento de integrar sistemas dispares, hay más trabajo y más a menudo más gastos que si en la implantación del CRM se hubiera construido todo el almacén de datos por primera vez.

Los almacenes de datos proporcionan una rica fuente de análisis para una amplia gama de temas, centrados en el cliente y lo contrario. Existen algunos que contienen datos de defectos de los productos, las demandas de mejoras, antecedentes, entre otra información. De hecho, hay miles de almacenes de datos que no implican la gestión de relaciones con los clientes.

El almacenamiento de datos aprovechando la información del cliente existente en toda la empresa es, sin duda una de las mejores prácticas de CRM.

Las compañías están descubriendo rápidamente con sus clientes que los esfuerzos de la gestión de relaciones no tienen mucho valor si no incluyen el análisis posterior.

¿Qué hay en detrás del nombre CRM?

Independientemente del tipo de CRM que una empresa está estudiando, el denominador común es motivar a los clientes adecuados para continuar haciendo negocios con usted.

Otra distinción importante es que tipo de CRM, "operativo" o "analítico". La distinción es importante, porque habla de las tácticas de una empresa está en la aplicación de su estrategia de CRM. No hay una respuesta correcta a la aplicación CRM, siempre y cuando los requerimientos del negocio sean acordes con la iniciativa.

El CRM operacional, también conocido como "front-office", consiste en enfocarse en las áreas donde el contacto directo con los clientes se produce. Nos referiremos a estas interacciones con el cliente como "momentos claves". Un momento clave puede ser un contacto de entrada (por ejemplo, una llamada a la línea directa de atención al cliente de la empresa) o un contacto de salida (por ejemplo, un sistema de ventas por llamadas o una promoción por e-mail). La mayoría de los autores describen que los productos de CRM existentes en el mercado hoy en día caen en la categoría operacional.

El CRM operacional permite y optimiza las comunicaciones desde y hacia los clientes, pero esto no significa necesariamente que optimizar el servicio. El hecho de que un cliente de la banca compruebe que el equilibrio en su sitio Web no es seguro y su información no es tan concluyente como se establece en él, prefiere no realizar sus transacciones en el sector. Pero, ¿cómo estar seguro?

CRM Analítico, también conocido como "back-office" o CRM "estratégico", implica la comprensión de las actividades de los clientes que se produjeron en la oficina. La parte Analítica de este CRM requiere de una tecnología (para compilar y procesar las montañas de datos de los clientes, con la idea de facilitar el análisis) y nuevos procesos de negocio (para afinar de cara al cliente, prácticas para incrementar la lealtad y rentabilidad).

Bajo la presión de los analistas y expertos de la industria, la mayoría de los proveedores de CRM de hoy están abocados o a la creación de capacidades analíticas de CRM o de asociación con Business Intelligence (BI) para incorporar el análisis de los proveedores en sus ofertas de productos.