Luisa Restrepo, Business & Retail Manager, nos habla sobre el Marketing 360º, la analítica predictiva y el customer journey.
En un entorno en constante cambio, las retailers están en primera línea para hacer frente a los nuevos desafíos y a la demanda cambiante. Los nuevos competidores, los clientes altamente informados y la innovación sin precedentes de los productos son algunas de las principales razones por las que este sector está evolucionando y usando el Data Analytics como activo estratégico.
Visión 360º
Al combinar rápidamente todos los datos relevantes de los clientes procedentes de los CRM, los ERP, las tarjetas de fidelización, los sistemas de punto de venta (POS) o los datos de redes sociales, es posible comprender plenamente el perfil completo del cliente, su historia, su contexto y todas sus preferencias actuales y posiblemente futuras.
Concretamente, los tickets de compra son un auténtico filón de información. Supone un indicador del número de clientes y del volumen de ventas, pero también de la experiencia de usuario.
Analizar los datos de un ticket de compra supone la oportunidad de hacer recomendaciones personalizadas, basadas en compras o consultas anteriores del propio cliente o de clientes que hayan hecho compras similares. El ticket, también es un eje sobre el cual se pueden generar cupones personalizados, se obtiene información de valor para campañas de marketing digital, la posibilidad de alimentar un algoritmo que detecte anomalías en caja, un proxy para controlar el stock en tiempo real y muchas más aplicaciones.
Por otro lado, gracias al advanced analytics podemos clusterizar a los clientes y examinar cómo reaccionan a las campañas de marketing. Con estos insights se pueden diseñar campañas mucho más efectivas personalizando los mensajes, ofertas y con ello, optimizar el ROI de las campañas. Del mismo modo, podremos calcular el customer life time value para centrar nuestro presupuesto en aumentar el valor de los clientes más fieles y con mayor propensión a gastar más y por otro lado, retener a los clientes con mayor posibilidad de abandonarnos gracias a modelos predictivos de tipo churn.
Optimización del Customer Journey
Todos los movimientos del customer journey, tanto físicos como digitales, son mapeados, almacenados y procesados con data analytics para una mejor toma de decisiones. Se cuenta con una amplia variedad de touchpoints que arrojan información sobre el cliente como las redes sociales, la web, tarjetas de pago, sistemas avanzados de puntos de venta o soluciones para medir tráfico con el que cuenta cada tienda.
Con toda esta información, no sólo es posible entender el pasado, sino también predecir las futuras acciones de nuestros clientes. Hoy en día, se puede rastrear su comportamiento a través de los diferentes canales, combinando datos online y offline, en lugar de almacenar y analizar esta información en silos . Diseñando y optimizando el customer journey podemos identificar su comportamiento dentro de la tienda viendo qué recorrido hace y cuáles son sus zonas favoritas recurrentes.
Esta información, junto con la ubicación idónea de los productos más adecuados, nos permite construir un entorno basado en datos para aprovechar al máximo todas las áreas de contacto con nuestros clientes, maximizando el valor añadido de ese journey.
Pricing y gestión del inventario
La estrategia de precios a este punto resulta clave. Identificar el precio "ideal” sigue siendo una tarea bastante compleja dado que un precio demasiado alto puede destruir la cuota de mercado y unos precios demasiado bajos pueden dilapidar el margen y atraer a clientes poco fieles que solo compren por el precio. Una buena estrategia de pricing, ayuda a ofrecer precios ajustados e incluso dinámicos y aplicar promociones totalmente personalizadas en tiempo real.
Por otro lado, todos los datos con los que contemos pueden ser integrados, lo que nos permite abordar otro gran desafío del retail: la gestión del inventario. El análisis predictivo ayuda a comprender la cantidad adecuada de stock disponible para evitar el agotamiento del stock sin crear una pila interminable de artículos de baja rotación y deterioro. Los modelos analíticos te sugerirán qué productos pedir y en qué cantidad, centrándose en la eliminación del espacio desperdiciado, los costes generales y la incertidumbre, y reduciendo al mismo tiempo el número de compras basadas en un presentimiento o en la confianza exclusiva en los pedidos anteriores.
El análisis predictivo puede ayudar a los retailers a adelantarse a las preferencias de los clientes y a descubrir eficientemente las tendencias de venta emergentes, al tiempo que se reducen los costes de inventario. Esto se hace garantizando que el stock correcto está en la tienda correcta, por lo tanto, se aumentan las ventas en lugar de reducir los costes.