La recomendación personalizada “one to one”: Big Data y la nueva era del márketing

La recomendación personalizada “one to one”: Big Data y la nueva era del márketing

Los departamentos de Márketing que antes se adapten al Big Data disfrutarán de ventaja competitiva, más capacidad de crecimiento y mejor margen de respuesta a los cambios. Esta afirmación es una realidad en el mundo online, donde ya hay ejemplos claros en los que el Big Data y los algoritmos de machine learning están superando todas las tácticas y estrategias tradicionales.

Actualmente, un usuario no dedica más de unos segundos a leer una newsletter o a navegar por una tienda online. Por ello, en los entornos de e-commerce son cruciales las estrategias orientadas a reducir el esfuerzo del usuario para encontrar productos de su agrado, ya que es fundamental para incentivar la compra y facilitar que se puedan localizar, de forma rápida y ágil, aquellos productos que más se adaptan al perfil del potencial cliente. Cada vez más se busca la experiencia de anticipar la oferta al usuario antes de que este tenga clara su necesidad o deseo de comprar. Este nuevo escenario implica a todos los departamentos de la empresa, desde el Márketing hasta el de Logística. Grandes pioneros como Amazon ya llevan años aplicando el valor de utilizar el Big Data en su día a día no solo como una herramienta de trabajo más para la toma de decisiones, sino como un elemento clave en la cultura empresarial. El conocimiento está en los datos y las respuestas están allí; la clave es saber qué preguntas hacer a los datos.

En el e-commerce, la optimización es una ventaja competitiva clave, y uno de los grandes retos para los portales es la alta rotación de productos: aparecen muchas ofertas nuevas cada día y están activas durante un período de tiempo muy limitado. Muchos de estos e-commerce son únicamente portales de venta, no controlan el stock del producto e incentivan las ventas a través del envío de newsletters diarias de fidelización.

El contenido de los e-mails y comunicaciones, históricamente, se ha intentado segmentar en función de las características básicas de cada usuario, pero es ahora –con la explotación de las nuevas técnicas del Big Data– cuando se puede ir un paso más allá en la personalización.

Los sistemas clásicos de recomendación están pensados para catálogos extensos, posiblemente homogéneos, de productos en los que la rotación es baja y en los que se acumula un gran histórico de ventas para cada ítem.

El problema aparece cuando estos supuestos no pueden cumplirse. Los famosos portales de flash sales, las cadenas de fast fashion y las páginas de ventas last minute hacen inservibles los sistemas tradicionales e imponen dos nuevos retos:

✦ Alta rotación de productos. Cada día salen a la venta referencias de las que no había ningún histórico anterior.

✦ Baja duración de las ofertas. Las ofertas están disponibles durante pocos días, acumulando gran parte de las ventas el día del lanzamiento.

Los sistemas de recomendación más avanzados se han diseñado intentando cubrir las carencias de los sistemas clásicos, dando mejor uso a la gran cantidad de información que los comercios electrónicos y tradicionales estaban empezando a almacenar. Los algoritmos que se desarrollan son capaces de representar las preferencias de cada usuario con un elevado nivel de abstracción y de generalizar con éxito este conocimiento en nuevos entornos, incluyendo nuevos productos y potenciales clientes.

Mediante algoritmos de aprendizaje automático, el sistema es capaz de recomendar de forma exitosa un conjunto de productos el mismo día de su lanzamiento (antes de que se haya producido ninguna compra de un producto nunca antes vendido o promocionado). Los algoritmos más avanzados no generan segmentos o agrupaciones, sino que cada newsletter, mensaje u otro tipo de interacción (incluyendo cupones u otros descuentos) es único y diseñado específicamente para cada usuario.

El sistema aprende de forma autónoma de cada compra, clic y visita, mejorando de ese modo las recomendaciones, sin necesidad de intervención externa ni mantenimiento. A pesar de su elevado grado de automatismo, estos sistemas también permiten la inclusión de reglas expertas que modulan las recomendaciones y permiten adaptar el algoritmo a la realidad de cada negocio.

La decisión de compra se ve influida por otras dimensiones, aparte de la afinidad del usuario con el producto. Aspectos como el precio, el descuento, el tiempo transcurrido desde la última interacción, las características sociodemográficas del usuario o de su zona de residencia, el perfil profesional o las valoraciones de productos pueden ser factores determinantes para anticipar la predisposición a la compra.

Mientras que la mayoría de sistemas no tienen en cuenta estas dimensiones adicionales, los sistemas de recomendación avanzados crecen en complejidad y sofisticación a medida que se dispone de más y mejor información sobre sus usuarios. Cada pieza de información encuentra su lugar en el motor analítico, siendo un factor más para afinar la recomendación, permitiendo detectar qué usuarios son más sensibles a precio o descuento o cuáles realizan desembolsos económicos más importantes.

Estos sistemas se aplican a múltiples entornos de negocios online, retailers, flash sales o clasificados, servicios que consiguen incrementar los ingresos generados por la newsletter entre un 10% y un 20% según la tipología de e-commerce. Este incremento tiene dos orígenes:

✦ Mayor conversión de las newsletters (es decir, más usuarios convertidos en clientes).

✦ Mayor gasto medio por compra.

Finalmente, un modelo abierto y completo de recomendación personalizada es un modelo que explora, clasifica e intenta deducir las preferencias y la propensión a la compra de todos los clientes actuales y futuros.

Este conocimiento es valioso más allá del márketing o de la gestión del cliente. Abre la puerta a nuevas posibilidades de negocio y reduce los costes de gestión e implementación de las estrategias de márketing, promoción y pricing. Genera nuevos canales de integración con el sector de operaciones y logística (adaptando de forma selectiva la promoción de productos a los niveles de stock) y mejora la comprensión del proceso de venta y las predicciones sobre el mismo.

VER TODOS LOS ARTÍCULOS
DE LA REVISTA

0 Comentarios

No hay comentarios ni opinones sobre este contenido. Sé el primero en opinar

Planeta de Agostini Formación, S.L.U., tratará tus datos personales para gestionar la relación contigo y para remitirte, por cualquier medio, información y comunicaciones comerciales sobre nuestros productos y servicios similares a los solicitados. Los datos sólo se cederán a empresas de nuestro grupo si nos das tu consentimiento y nunca a empresas ajenas al mismo. Tienes derecho a acceder, rectificar y suprimir los datos, así como a otros derechos, como se explica en nuestra política de privacidad.

También te puede interesar

Business Review  | 1 Oct 2016 SIN DEFINIR

Riesgos y limitaciones económicas del consumo colaborativo

A pesar de su innegable potencial, el futuro de la llamada “economía colaborativa” debe observarse con cautela. Se alertan ciertas dificultades, como el vacío legal al que se enfrentan sus empresas frente a las tradicionales. Asimismo, existen factores que condicionan el éxito del producto o servicio, tales como el precio, los costes de transacción, el ciclo de vida y la frecuencia de uso. ¿Cuál es la rentabilidad y el crecimiento de este modelo de negocio, que cerró el año pasado con más de siete mil quinientas plataformas en todo el mundo, y qué riesgos ha de solventar? El modelo de negocio que pone en contacto a particulares para...

Por Guillermo De Haro, María Cereijo

Business & Technology  | 1 Sep 2016 SIN DEFINIR

Haga que los pequeños pasos se sumen para conseguir grandes ganancias

Un viejo proverbio africano habla sobre la mejor manera de comerse a un elefante. La solución, por supuesto, es hacerlo bocado a bocado. Utilice las siguientes estrategias de “bocado” para devorar su volumen de trabajo: ✦ Llame a una persona más cada día. Cinco llamadas más a la semana se convertirán en 250 o más llamadas cada año. Tanto si está llamando a clientes, vendedores o compañeros de trabajo, la atención adicional que les preste se convertirá en impresionantes ganancias. ✦ Pase un día de cada mes desarrollando sus habilidades. Invierta en usted mismo pasando algo de tiempo fuera del trabajo aprendiendo nuevas habilidades, y...

Por Harvard Deusto

Business & Technology  | 1 Sep 2016 SIN DEFINIR

Impulse el éxito con reuniones mejoradas

La actitud de su equipo en la sala de reuniones puede ser el mayor obstáculo para lograr mejoras en el lugar de trabajo. Adopte las siguientes prácticas para superar el estado actual de la situación: ✦ Hable menos. La persona con mayor rango de la sala no debería ser la única que hable. El motivo: Si es así, los demás dudan a la hora de intervenir, independientemente de su nivel de experiencia. Pídale a un compañero de confianza que en la próxima reunión cronometre sus intervenciones. Si se pasa hablando más del 25% del tiempo de la reunión, reduzca sus intervenciones y escuche más. ✦ Escuche a los empleados de menor rango. Una vez un...

Por Harvard Deusto

?>