Trabajar con los Datos - Parte II

• Tenga en cuenta que los datos de sus clientes son un activo corporativo. Esto no sólo significa dedicar a los datos de la misma infraestructura y el presupuesto que a otros activos de la empresa, sino también significa reconocer la gestión de datos como una competencia básica de la organización. Determinar si su empresa tiene una única arquitectura y únicas normas en lugar de definir  la fuente de los datos y traducirla en conocimiento significativo del negocio. Es importante comprender que los recursos y el presupuesto que ha dedicado a la gestión de datos, no son solo un componente de CRM, sino un arma competitiva global.

• No se olvide de los procesos de negocio. Las mejoras no comienzan y terminan con los datos correctos. La gestión eficaz y la mejora de relaciones con los clientes tienen mucho que ver con mejorar los procesos de trabajo de como hace el análisis de datos. Realizar CRM analítico consiste en entender cómo los clientes interactúan con usted y utilizar esto para perfeccionar los procesos de negocio buscando que les proporcione una mejor experiencia, ya sea en Internet o en sus tiendas. Así que cuidado con el vendedor o consultor que propone el análisis como el final del juego. El CRM analítico se debe utilizar para mejorar los procesos de negocio, optimizar los flujos de trabajo, establecer políticas sólidas, y acelerar las compras del cliente. Los procesos de negocio sólidos son la manera más rápida de obtener un retorno en la inversión hecha en CRM.

En una encuesta reciente de empresas que participan en los programas de CRM, META Group y encuestas IMT se observan entre los encuestados la intención de aumentar sus inversiones en el análisis de marketing como resultado de la implementación de CRM operacional. El problema es que el término "análisis de marketing" puede significar cualquier cosa, por ejemplo, la generación de una simple lista de recomendaciones de productos. Después de todo, la diversidad y riqueza de los datos relacionados con los clientes es directamente proporcional a la gama de opciones que una empresa tiene sobre el análisis.

El muy utilizado término "vista de 360 ​​grados" se extiende más allá de los datos del cliente para su empresa. Utilizar los datos de la web y los no web para impulsar mejores relaciones con clientes y proveedores deben traducirse no sólo en ahorro de costes, sino también en la generación de ingresos reales. La clave está en el rango de datos disponibles en toda la empresa sobre sus clientes, así como en su exactitud. El factor diferenciador está en cómo se utilizan los datos de manera estratégica.

La integración tan ampliamente aclamada como un imperativo para un CRM tiene mucho que ver con los sistemas y procesos de negocio al igual que como lo hace con los datos. La comunicación con los clientes, no sólo debe ser eficaz, debe ser transparente. La percepción del cliente lo es todo, y los clientes deben percibir que su empresa aplica normas de servicio inteligente independientemente del canal de preferencia del cliente, del producto deseado, o solicitud de servicio. Sólo usted sabe cómo se traduce esta inteligencia antes de iniciar el mensaje correcto a los clientes.

Recuerde que ni Roma ni una infraestructura de CRM de la empresa se construyeron en un día.

Trabajar con los Datos - Parte I

La Integración de datos de toda la compañía, y especialmente con los datos de análisis sofisticados donde nos podemos diferenciar de la competencia, es un objetivo noble de un CRM. Incluso las empresas con millones de dólares en los presupuestos de TI todavía lidian con ese desafío. Aprender de sus errores es un buen primer paso, principalmente considerando algunas de las sugerencias siguientes:

• No subestime la integración de datos.  La integración de datos de los clientes puede significar la diferencia entre una decisión que aleja a un cliente o una que desencadena una lealtad a largo plazo. Pero incluso los mejores productos de la suite CRM no ofrecen respuestas fáciles sobre cómo integrar datos dispares alrededor de su empresa. Hable con los proveedores acerca de sus bases de datos y sus procesos sistemáticos como localización, recogida, modelado, limpieza y carga de datos en su almacén de datos. Y recuerde: Una interfaz de usuario es inútil si los datos son incorrectos.

• Tenga cuidado con los "datos sucios". Los Usuarios de negocios que necesitan información de clientes pueden tener un mayor nivel de cuidado sobre los datos si entienden los orígenes de estos. Una vez escuché a un usuario declarar que él "nunca utilizaría los datos", tras enterarse de esos datos provenían de un sistema de facturación de una empresa arcaica, conocida por tener problemas de datos. Entender las definiciones de datos y las reglas de negocio antes de implementar un CRM es la forma más segura de garantizar a los usuarios que van utilizar lo que se les ofrece. Una buena práctica es la de llevar a cabo diálogos y discusiones de definición de terminología de datos con grupos de usuarios multi-funcionales para asegurar una terminología común, idealmente, antes de que el desarrollo de CRM comience.

• Si su empresa tiene un almacén de datos, reinvierta en ella ahora. En 1999, uno de los "Tres Grandes" fabricantes de automóviles EE.UU. informe que, invirtió US $ 50 millones en su infraestructura de almacenamiento de datos en un intento de centralizar los datos de sus clientes y reforzar la calidad de los datos antes de lanzar su programa de CRM. A pesar de que tenía poca experiencia en procesos institucionalizados de gestión de clientes, los directivos de la compañía de, sin embargo entendieron que, debido a las complejas relaciones con sus distribuidores y sus controladores no podrían arrancar su CRM, sin una sola versión de los datos críticos.

• Saber quién realizara el análisis de los datos. Hay una brecha enorme entre el usuario ocasional que hace clic para acceder a las cifras de ingresos a fin de mes y el estadístico que trabaja con los datos para llegar a conclusiones que pueden resultar en cambios estratégicos del negocio. Es básico en los usuarios que realicen efectivamente CRM analítico, entender los datos que están viendo, y los que se generan de los resultados de su trabajo. Evite el dato (demasiado común) "interesante pero no relevante", donde los usuarios simplemente juegan entre los datos de los clientes sin objetivos definidos o acciones que resulten de estos análisis. Por ello es importante clasificar el conjunto de usuarios finales  y considerar el establecimiento de políticas que dictan los controles de privacidad, las limitaciones del sistema de seguridad, y las herramientas adecuadas de análisis para cada grupo.

• Traducir el análisis a la acción. Muchas empresas con bases de datos muy grandes y herramientas de usuario final realmente buenas, sin embargo ignoran lo que sus datos les dicen. A pesar de tener información de sus clientes valiosos, siguen dependiendo de manera desproporcionada en la información de sus vendedores para generar clientes potenciales y en las reuniones para jugar golf para fomentar alianzas comerciales. Conozca sus actuales iniciativas centradas en el cliente y cuáles podrían ser mejoradas con el análisis. Este análisis puede dar lugar a muchas recomendaciones para mejorar.  A veces, esto simplemente significa empoderar a los empresarios para que realicen el análisis y puedan hacer realidad sus propias resoluciones. Y a veces se requiere la creación de nuevos procesos internos para asegurar que los conocimientos impulsen mejores tácticas de negocios.

Data Mining - Personalizacion y Filtrado Colaborativo - Parte III

Fijacion Dinámica de Precios

La Fijación dinámica de precios en realidad aprovecha la tecnología de CRM y los datos detallados de los clientes para que una empresa, por ejemplo, pueda comparar el deseo de los compradores del producto con su capacidad percibida de pagar por ese producto. Por primera vez, los consumidores son los que compiten por la mejor oferta.

Existen los argumentos a favor y en contra de la fijación dinámica de precios como la de plantear dudas de privacidad de los consumidores, así como la buena voluntad de ambos. Después de todo, más de un comprador compra en el sitio web de una empresa, cuanta más información tiene sobre el sitio que el comprador y el débil poder de negociación del comprador.

En los últimos años, las aerolíneas fueron acusadas ​​habitualmente de aumentar sus tarifas en línea para los viajeros  frecuentes  (sus clientes más fieles) que son más propensos a volar con un transportista en particular debido a las ventajas del millaje gratuito. Coca Cola fue acusada de haber estado considerando una máquina expendedora que elevaria el precio de las bebidas cuando la temperatura del medio ambiente se eleve.

En la defensa de fijación dinámica de precios, las tiendas han realizado esa práctica desde hace años. Farmacias se ha colocado el precio más alto a los medicamentos para el resfriado en los climas fríos, y la escasez de Sony Playstation 2 unidades de la Navidad de su lanzamiento hizo que los precios se elevaran de forma pronunciada. (Kmart utilizo la escasez como una forma de premiar a los clientes leales en primer lugar, la disponibilidad de Playstation fue relacionada a la dirección a los compradores leales en el sitio web de la compañía Bluelight.com.) En el mundo de la Web, donde en los datos de consumo se puede incluir la dirección de origen de los compradores, el nivel de ingresos, el número de los niños, e incluso su decisión de comprar un producto,  la fijación dinámica de precios, junto con otra serie de técnicas de personalización, se pueden implementar con mayor rapidez y con un mayor número de compradores.

Bueno o malo, el experimento de fijación dinámica de precios de Amazon podría haber pasado desapercibida por completo si no hubiera sido por ... la Web. En un giro irónico, los participantes en un chat de Internet empezaron a comparar sus recibos de cine y descubrieron que los precios pagados parecían más altos que los de los clientes habituales. Amazon cobró la fijación dinámica de precios fue simplemente una prueba y negó planes para formalizar la práctica. Sin embargo, el ejemplo demuestra que la Web ha afectado tanto a las comunicaciones empresariales y sociales hasta el punto que incluso CRM veces puede ser un arma de doble filo.

Data Mining - Personalizacion y Filtrado Colaborativo - Parte II

Filtrado Colaborativo

El otro tipo de personalización es la adaptación de personalización. Más comúnmente conocido como el filtrado colaborativo, este tipo de personalización es más inteligente, ya que observa comportamientos de los clientes y los aplica a las nuevas circunstancias. Por ejemplo, si en un jardín e-tailer con filtrado colaborativo observa que los consumidores tienden a comprar a bajo costo las flores perennes, al mismo tiempo que las herramientas de jardinería en el sitio Web puede comenzar sugiriendo un área de sugerencias a todos los clientes que compran las plantas tipo bulbo. El Filtrado colaborativo utiliza el comportamiento de otros visitantes "similares" a los visitantes regulares como base para sus recomendaciones. Las herramientas de filtrado Colaborativo son a menudo más complejas, y por lo tanto este es más caro, que el basado en las normas de personalización.

El ejemplo más célebre de filtrado colaborativo es cuando no la compra por Amazon.com, en el que los resultados de compras anteriores del comprador son combinados con la geografía en la que este se ubica, para sugerir a los lectores que viven en su barrio y tienen intereses similares que cosas pueden estar leyendo. Este análisis similar de la compra de los consumidores más inteligente hace que se convierta a Amazon como su preferencia, y hace más preciso aún las recomendaciones del sitio. Varios clientes de Amazon.com que conozco son los cazadores de oportunidades en los sitios Web de otros durante las promociones especiales, pero siempre regresan a Amazon porque "ellos los conocen mejor".

Tal vez el trazado más revelador en la personalización es que el usuario sabe lo que está pasando. Los visitantes a la Web proporcionan normalmente voluntariamente información personal a sitios Web donde se cree que habrá algún tipo de quid pro quo: la compañía utilizará la información para proporcionar un servicio de valor añadido, tales como descuentos periódicos o de interés especial boletines. Algunos sitios pueden personalizar el contenido sin que el comprador sepa que los productos que está viendo son diferentes de las de los compañeros de los compradores, que podrían tener diferentes perfiles y preferencias.

Los distribuidores de Internet que combinan eCRM con los datos del cliente y la personalización detallada avanzada pueden personalizar los diseños de contenidos y la pantalla para los visitantes individuales buscando aumentar la vistosidad del sitio y la propensión de los compradores para comprar.

Por otro lado, las empresas, tales como Lands End, simplemente preguntar a los clientes lo que les gusta, o no al hacer una compra. La empresa muestra a los visitantes de su Web combinaciones de productos diversos y solicita su opinión. Esta práctica es diferente de la "inferencia" de personalización en el que una empresa aplica una lógica compleja para inferir las preferencias de un cliente y simplemente almacena las respuestas del cliente a las preguntas o encuestas, por lo que las respuestas forman parte de su perfil para que puedan ser utilizados para la venta cruzada de sus productos adicionales.

Aunque esta información parece bastante inocua es equivalente a la reorganización de diseño de un almacén o tienda real basado en la forma en que el comprador le gusta moverse por la tienda, también puede tener usos más controvertidos.

Amazon.com también mostro que se podía realizar la venta de la misma película en DVD a precios diferentes a los compradores diferentes. Esta práctica, conocida como fijación dinámica de precios, se volvió el concepto de elección del consumidor en su mente. La Web, famosa por ofrecer a los compradores la oportunidad de encontrar la mejor oferta con un simple clic del ratón, permite ahora a los vendedores la oportunidad de diferenciar a los consumidores y su sensibilidad a los precios.

Data Mining - Personalizacion y Filtrado - Parte I

Personalización y filtrado colaborativo

Personalización, Es la práctica de adaptar las comunicaciones directamente a un segmento de clientes o, cada vez, a un cliente individual. La premisa de la personalización es que, mediante la recopilación de datos suficientes de los clientes, una empresa puede poner a las necesidades únicas de un individuo, tanto ahora como en el futuro. Las Comunicaciones personalizadas es la principal técnica a través del cual las empresas pueden convencer a los clientes que ellos entienden y que su información que la empresa utiliza a menudo gracias a la explícita autorización del cliente, y que esta es de beneficio mutuo. El objetivo es ofrecer recomendaciones precisas de productos, contenidos orientados a las preferencias individuales, y promociones dirigidas a los visitantes y Web individuales en tiempo real.

Cuando se hace bien, la personalización significa no sólo mantener la lealtad de los clientes, sino también las compras que vez mayores de estos. Se aprovecha la información detallada acerca de las personas y puede dictar algunas decisiones tácticas.

Por ejemplo: Los temas de análisis que siguen en una farmacia minorista de comercio electrónico sugieren que nivel de detalle y de personalización de cada resultado conjuntamente con cuales tácticas puede implementar:

• ¿Para las personas que han comprado o manifestado su interés en los suplementos de vitamina A, que otros productos son propensos a comprar?

• ¿Qué tan probable es para el cliente X comprar medicamentos en línea?

• ¿Qué otros elementos es probable que incluya en la cesta de la compra de un comprador si compra, por ejemplo, un descongestionante?

• ¿Qué productos son más similares a las gotas X que el cliente eligió?

La personalización puede adoptar diversas formas. Puede implicar la personalización de páginas Web actuales, incluyendo buscar un sitio Web nuevo  y la sensación, de acuerdo con las características favorecidas por un visitante individual. Muchos sitios web permiten al visitante personalizar el sitio según sus preferencias, eliminando las variaciones de forma lo que le permite una ventana de privacidad en la empresa.

¿Utiliza la función de búsqueda a menudo? Mueva la ventana de búsqueda a la parte superior de la página. Como la personalización, la localización puede enfocar el contenido del sitio según el área geográfica del visitante.

Tenga en cuenta que los ejemplos de personalización sirven como elementos de predicción para el e-tailer. De hecho, la mayoría del software de personalización consiste en algoritmos específicos de minería de datos. Los dos tipos principales de personalización son las reglas de personalización basada en la personalización y en la adaptación.

La Basada en reglas de personalización aprovecha las reglas establecidas que dictan, por ejemplo, que los productos pueden ser adquiridos en conjunto o si una determinada página web debe preceder o seguir a otro. Cuando un visitante de un sitio web de software compra, el sitio podría sugerir que compre la guía oficial antes de ir a la pantalla de pago. Basado en reglas de personalización más a menudo implican reglas que han sido codificadas en el software. Por esta razón, a menudo es difícil de mantener y de apoyar.

Mineria de Datos - Analisis de Clics - Parte II

La última opción es quizás la más interesante: en lugar de limitarse a examinar los patrones de un cliente de navegación y tratando de adivinar qué acciones tomar, el minorista puede combinar los patrones con más datos del cliente especifico y las compras anteriores de la misma categoría, los principales datos demográficos y psicográficos , o su puntuación de valor de la vida, por ejemplo-para proporcionar una visión holística del valor de los clientes y sus intereses. Podría haber sido un comprador de una sola vez, sólo que se había perdido, pero en otros casos, un cliente de alto valor podría haber dejado el sitio en múltiples ocasiones. Un mensaje de correo electrónico o el envío de cupones electrónicos buscando como objetivo uno de los productos dejados en un carro de compra anterior-podría hacer toda la diferencia la próxima vez que el cliente decide iniciar la sesión.

El siguiente escenario, en base a un estudio de caso en la vida real, muestra cómo los datos de seguimiento de clics, cuando se integra con otros datos clave de la empresa, mejora las oportunidades para personalizar las comunicaciones de los clientes.

La mayoría de los gerentes de marketing no se buscan los clickstreams individual. Pero la comprensión de la navegación de los clientes alrededor de un sitio puede ayudar a una empresa decidir la forma de atraerlo de nuevo.

Usted tiene varias opciones. La táctica habitual de una empresa para todos los visitantes registrados que visitan el sitio, pero no hacen una compra, es enviarle por correo un cupón de $ 5 de descuento en un nuevo par de lentes (gafas) de moda. Probablemente el cupón ira a la basura tan pronto como llegó.

Una mejor opción podría ser enviarle un e-mail al visitante con un código de descuento, un cupón tiene un código único para que nadie, pero el cliente dado puede canjear por $ 10 de descuento en un nuevo par de contactos duros o tres pares de lentes desechables (un modelo predictivo podría confirmar esto como el mejor curso de acción). Su beneficio de los lentes de contacto suele ser bueno, y el comprador parecía estar a punto de hacer una compra. Además, e-mail la oferta es una opción de menor costo que el servicio postal y probablemente se traduciría en el tiempo de respuesta más rápido.

Junto con esta táctica más personalizada, también se puede controlar el sitio Web de referencia para otros compradores ya que se refiere a que han investigado como comprar lentes de contacto. Si la actividad de comprar lentes de contacto es particularmente alta, usted podría considerar la colocación de un anuncio o banner más personalizado en el sitio e incluso ofrecer mejores incentivos financieros cuando nuevos clientes de lentes de contacto, hagan clic.

Con la estrategia de e-mail, el cliente es más probable que regrese al sitio y ya está casi garantizada una compra. Ganar-ganar, ¿verdad?.

El problema con este escenario es que a pesar de ese análisis, este sigue siendo peligroso. El hecho de que usted está buscando sólo un punto de contacto único con el cliente y puede significar grandes problemas y malas decisiones. Si su base de datos de seguimiento de clics que figuran en esta historia no contempla todo el comportamiento de los compradores, las cosas podrían resultar de otra manera. Usted tendría que obtener más información sobre el cliente, y entonces sabrías lo siguiente:

• Esta no es la primera visita del cliente a su sitio Web.

• Ha realizado tres compras en otras tres ocasiones distintas.

• Los productos que ha comprado han estado a la venta.

En resumen, usted entenderá que el visitante web es lo que se conoce como un "cazador de oportunidades", alguien que sólo compra productos de bajo margen cuando están siendo promovidos. No de venta cruzada, no venta regular, no es la verdadera lealtad. Volverá otra vez, también, cuando se encuentra con la rebaja siguiente.

Si usted tuviera esta información, sería fácil entender la táctica de marketing óptima para este cliente: No hacer nada. Cualquier tipo de marketing adicional con el sería una mala inversión. Por supuesto, usted está perfectamente contento de tener este retorno de los clientes a su sitio por su propia voluntad. Pero debe pensar en el hecho de que ya ha invertido demasiado dinero en un cliente rentable, y que no puede permitirse que la siguiente transacción no sea rentable. Cada vez que un minorista de precios subsidia los productos para los cazadores de oportunidades, está perdiendo la oportunidad de vender ese producto a un cliente más valioso.

Mineria de Datos - Analisis de Clics - Parte I

Análisis de clics

Los departamentos de Tecnologia específicamente los encargados de trabajar con las Web-Page, se han convertido vertiginosamente en capturadores de clickstreams (los datos que dejan la huella de un visitante en todo el sitio web). Los Clickstreams denotan cómo el usuario llegó al lugar, cuánto tiempo se quedó, lo que hizo durante su visita, y cuando regresó. Son el equivalente a una cámara de grabación en una tienda de un comprador y cada uno de sus movimientos.

Los datos almacenados, por lo general son clics, se transforman como parte del almacén de datos de una empresa o en un almacén de datos de navegación dedicado a veces llamado "datos WebHouse", y es cada vez mayor su uso por las empresas en las actividades de comercio electrónico.

Esto hace que las empresas y los comerciantes,  busquen que su sitio Web sea lo más "pegajoso" como sea posible y han comenzado a analizar datos de navegación y a conjeturar por qué los clientes pueden abandonar el lugar antes de tiempo. Las compañías han intensificado su análisis para determinar el valor de los carritos de compras abandonados. Cuando un cliente deja el lugar en medio de un viaje de compras, sea cual sea la razón, la empresa busca para ver qué productos estaban en el carro. Los datos se comparan con datos similares de otros carros abandonados para examinar:

• ¿Cuánto representaría el ingreso de los carros abandonados (en otras palabras, la cantidad de ingresos se ha perdido debido a la salida anticipada del cliente)?

• Si los productos en el carro eran de gran utilidad, cuales son los elementos que lo componen y si eso puede ocasionar la pérdida de liderazgo.

• Si los mismos productos que se encuentran en otros carros abandonados.

• El volumen de los productos y el número de categorías de productos en el carrito.

• Si la factura total de los carros abandonados constantemente cayó dentro de un rango determinado de dinero.

• ¿En qué momento durante el viaje de compras el carro fue abandonado en realidad (cuando el cliente vio los gastos de envío? Cuando el sitio requiere de una encuesta personal antes de confirmar la compra?)

El resultado de este análisis pueden desencadenar algunas teorías interesantes. Por ejemplo, tal vez ninguno de los productos en el carro era lo suficientemente atractivo para un cliente en particular que lo motivarla a seguir comprando. O que el cliente se dejo intimidar por las consultas frecuentes preguntandole si estaba listo para salir. O posiblemente, que al llegar a un total de dinero en particular, el cliente pensaba que era mejor realizar el viaje de compra y comprarlo en vivo. Finalmente, tal vez el número o la mezcla de productos en el carrito recordó a los clientes de otro sitio que ofrece un descuento más pronunciada para las compras similares.

Es cierto que algunas de estas teorías son meras conjeturas. Pero cuando se examina con regularidad y con las métricas consistentes, los clickstreams pueden revelar algunos patrones interesantes. El hecho es que, sea cual sea la razón del cliente para salir del sitio y abandonar un carro lleno de mercancía, el e-tailer puede tomar una variedad de acciones basadas en los resultados duros y extrapolaciones ciertas. El e-tailer puede utilizar estos resultados para ajustar el diseño y el contenido de su sitio Web y continuar realizando seguimiento de las mejoras resultantes. Los patrones pueden indicar afinidades de productos, lo que sugiere la venta cruzada o de las estrategias de up-selling. Y cuando se combina con la demografía de los clientes, la psicografía, y comportamientos del pasado, los datos de navegación pueden traer la comprensión del comportamiento del cliente a un nivel completamente nuevo.

Mantener un enfoque en el cliente:

Aunque los requisitos impulsados por la selección de tecnología es sin duda una de las mejores prácticas de CRM, la forma de hacerlo es diferente, dependiendo del tipo de CRM. Los puristas dirían que el CRM debe estar siempre alineados con los objetivos estratégicos, pero mantener ese rigor en la planificación de una solución CRM en torno a la estrategia corporativa, sin embargo podría ser una exageración. Después de todo, simplemente el despliegue de automatización de fuerza de ventas para sus vendedores nacionales a veces cede ante la necesidad de una venta.

Tener una visión de la amplitud de la funcionalidad final del CRM es un paso importante para seguir adelante. Tener una estrategia de CRM, y saber la respuesta a las preguntas clave del desarrollo, le ayudará en la comprensión de la selección de tecnología y lo que su empresa tendrá que hacer para ponerlo en práctica.

Aunque crítico, simplemente tener una lista de requerimientos de negocio, sin embrago no es suficiente información para comenzar a evaluar las tecnologías de CRM. Los requisitos de negocio deben conducir una serie de requisitos funcionales. La diferencia entre ambos es que a pesar de un requisito de negocio describe lo que el cliente "necesita” o “el problema" que el CRM debe resolver, un requisito funcional describe la forma de resolverlo. Y es la definición de estos requisitos funcionales que harán de su elección de tecnologías una labor mucho más fácil. Una estrategia de negocios centrada en el cliente impulsa una serie de requisitos de CRM (por ejemplo, "La capacidad para monitorear el éxito de las campañas de marketing "). Estos requisitos a su vez provocan las capacidades específicas funcionales (por ejemplo, "Modelo de respuesta a la campaña"). Y, cuando la funcionalidad se entiende, una lista de productos se pueden asignar a cada función específica.

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.