Como comentábamos en anteriores blogs, continuamos hablando de Advanced Marketing Analytics, en este caso, sobre casos de uso que podemos encontrarnos cuando hablamos de una estrategia de marketing analítico avanzado.
Las aplicaciones de estas técnicas avanzadas permiten encontrar las respuestas a las preguntas clave del negocio, por lo que podrían ser múltiples y variadas en función del sector en el que nos encontremos.
A continuación, enmarcamos las técnicas más habituales a lo largo de todo el customer journey de cliente, con las que podremos optimizar nuestros esfuerzos de marketing en todas y cada una de las etapas del customer journey.
ETAPA DE CAPTACIÓN:
- Funnel – identificación de pain points y fugas
- Análisis de recurrencia y afinidad
- Lead scoring
- Modelos de atribución
ETAPA DE ACTIVACIÓN:
- Path to conversion
- Identificación de palancas de activación
- Segmentación estratégica de clientes
- CRO – Diseño de experimentos
- Sistemas de recomendación
- Análisis de vinculación o reglas de asociación
ETAPA DE RETENCIÓN:
- Análisis de clientes según RFM
- Análisis de relevancia de factores en el proceso de compra
- Identificación de palancas de retención a lo largo del Customer journey
- Cálculo del Customer Lifetime Value (CLV)
- Análisis del churn o desvinculación de clientes
ETAPA DE CAPTACIÓN
01 FUNNEL – IDENTIFICACIÓN DE PAIN POINTS Y FUGAS
Análisis detallado del funnel incluyendo los formularios de captación del site para identificar posibles pain points o puntos de fuga, que estén provocando dudas o, en su caso, llamadas de consulta al call center. Además, también podremos identificar aspectos que puedan generar pérdida de leads a lo largo del funnel.
02 ANÁLISIS DE RECURRENCIA Y AFINIDAD
Analizar las peculiaridades de nuestros usuarios más afines, las secuencias de canales y touchpoints que dan lugar a mayor número de visitas o leads. Esto nos ayudará a perfilar y conocer en profundidad aquellas características de nuestros usuarios más afines a nuestro contenido, y a su vez, el tipo de contenido que consigue vincular en mayor medida a cada segmento de usuarios.
03 LEAD SCORING
Los distintos modelos de regresión que aplicamos proporcionan información sobre la efectividad de diferentes campañas y canales. Esto nos ayuda a predecir no sólo qué usuarios tienen más probabilidades de interesarse por nuestros productos y servicios, sino a través de qué canales tenemos más posibilidades de llegar a ellos, lo que permite maximizar los canales que ofrecen las mejores probabilidades de generar ingresos significativos.
04 MODELOS DE ATRIBUCIÓN
Constituyen el conjunto de reglas que determina cómo se asigna el crédito por ventas y conversiones a los puntos de contacto en las rutas de conversión. Podremos elegir entre los distintos tipos de modelos, que a grandes rasgos varían en función de la posición de cada interacción, en función del tiempo o personalizados.
ETAPA DE ACTIVACIÓN
01 PATH TO CONVERSION
Analizar en profundidad las secuencias de canales y touchpoints que dan lugar a mayor número de conversiones. Esto nos ayudará a optimizar la inversión en los distintos canales para planificar una eficaz y eficiente estrategia de marketing multicanal.
02 IDENTIFICACIÓN DE PALANCAS DE ACTIVACIÓN
Aunque la predicción de conversiones no es una tarea sencilla; la disponibilidad de una gran cantidad de datos históricos sobre la navegación del usuario nos puede permitir identificar aquellos comportamientos tempranos asociados con una conversión futura.
Además, esta técnica también se puede aplicar para descubrir las dimensiones o combinación de factores relativos al perfil o comportamiento de nuestros visitantes que tienen un mayor impacto en la conversión.
03 SEGMENTACIÓN ESTRATÉGICA DE CLIENTES
La aplicación del análisis estadístico posibilita la Identificación de segmentos de clientes con perfiles/comportamientos similares de navegación y/o conversión, para la creación de estrategias diferenciadas de cara a una mejor orientación de nuestras campañas de marketing. Estos grupos se forman naturalmente en base a una distancia matemática calculada entre las diferentes características. Los clientes con puntuaciones similares se agruparán formando los segmentos sobre los que podremos incidir.
04 CRO – DISEÑO DE EXPERIMENTOS
Los sitios web y las aplicaciones móviles están formados por combinaciones de elementos modificables (posición o color de un botón, diseño de un banner, literales, precios,…) que se optimizan mediante test multivariantes.
Los conocidos test A/B y también los test multivariantes son una técnica para probar una hipótesis en la que se pueden ir modificando múltiples variables. El objetivo es determinar qué combinación de variaciones funciona mejor entre todas las combinaciones posibles.
05 SISTEMAS DE RECOMENDACIÓN
Los sistemas de recomendación o motores de recomendación buscan predecir la “calificación” o “preferencia” que un usuario daría a un producto, basándose en las calificaciones o compras de otros usuarios que el sistema ha considerado similares a él.
06 ANÁLISIS DE VINCULACIÓN O REGLAS DE ASOCIACIÓN
Constituyen un método para impulsar el cross-selling mediante el descubrimiento de relaciones interesantes entre productos comprados simultáneamente.
Por ejemplo, la regla {mantequilla, mermelada} ==> {pan de molde} que podríamos encontrar en los datos de ventas de un supermercado indicaría que si un cliente compra mantequilla y mermelada el mismo día, es probable que también compre pan de molde. En el sector bancario, las reglas de asociación se utilizan para detectar patrones asociados con el fraude. Y el análisis de vinculación se realiza para identificar casos de fraude adicionales.
El desafío aquí es identificar el orden correcto en el que se deben promocionar los productos, los segmentos de clientes correctos y el lapso de tiempo óptimo entre las distintas promociones.
ETAPA DE RETENCIÓN
01 ANÁLISIS DE CLIENTES SEGÚN RFM
Mediante la cualificación y clasificación de toda la base de datos de clientes según estas tres variables (Recency, Frecuency y Monetary Value) y su adecuada ponderación, podremos obtener un scoring de clientes, que nos permitirá tomar decisiones dinámicas en función de las necesidades de negocio.
02 ANÁLISIS DE RELEVANCIA DE FACTORES EN EL PROCESO DE COMPRA
Trataremos de identificar variables o hitos de navegación que influyan en mayor medida en la generación de conversiones a lo largo del proceso de compra. Esto nos ayudará a incrementar el valor medio de cliente y en la priorización de nuestros esfuerzos de marketing según las variables que hayamos detectado que resulten más relevantes para el negocio.
03 IDENTIFICACIÓN DE PALANCAS DE RETENCIÓN A LO LARGO DEL CUSTOMER JOURNEY
Analizando el ciclo de vida de nuestros clientes en torno a nuestra marca y activos digitales, podemos tratar de identificar cuáles pueden ser las palancas de fidelización en aquellos clientes con mayor propensión a la renovación y/o adquisición de productos de otras categorías.
04 CÁLCULO DEL CUSTOMER LIFETIME VALUE
Existen diversas fórmulas y técnicas mediante las cuales y en función del historial de transacciones de nuestros clientes, podemos estimar el valor que puede generar para nuestra compañía a lo largo de su relación con nuestra marca.
En base a esto, podremos minimizar el gasto en clientes no rentables, optimizar los canales de adquisición y buscar reactivar a clientes con mayor probabilidad de ser rentables.
05 ANÁLISIS DEL CHURN O DESVINCULACIÓN DE CLIENTES
Cuando una empresa pierde clientes, necesita atraer nuevos clientes para reemplazar la pérdida de ingresos. Esto puede resultar muy caro, porque los costes de adquisición de nuevos clientes suelen ser mucho más elevados que retener a los ya existentes.
El análisis predictivo ayuda a prevenir la pérdida de clientes en nuestra base de clientes, al identificar signos de insatisfacción e identificar aquellos clientes o segmentos de clientes que tienen mayor riesgo de irse.
Analizando la inmensa cantidad de eventos que vamos registrando sobre cada uno de los usuarios de la web; y siempre que seamos capaces de registrar adecuadamente el momento en el que un cliente decide prescindir de nuestros servicios. Trataremos de identificar cuáles de nuestros actuales clientes tienen mayor probabilidad de abandono.
Por último, cabe decir que la aplicación de algunas de estas soluciones, sobre todo aquellas orientadas en la elaboración de un modelo predictivo o prescriptivo, si bien están basadas en la aplicación de métodos científicos, no siempre permiten garantizar una efectividad del 100% en todos los casos, por lo que su implementación y parametrización puede considerarse un verdadero arte, que como los buenos vinos, mejora con el tiempo.
Pero sin duda, contar con profesionales con la visión de negocio adecuada y la capacitación técnica que requieren algunas de estas aplicaciones aumenta significativamente las probabilidades de éxito.
Configuración de cookies