Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE LA REINVENCIN
Fn la nlira
Sepa qu quieren
sus clientes antes
que ellos mismos
Los minoristas necesitan abordar
a los clientes con la oferta.
adecuada en el momento correcto.
A continuacin indicamos cmo
definir la "'prxima mejor oferta".
por Thomas H. Davenport,
Leandro Dalle Mule y John Lucker
os compradores
solan confiar
en un vendedor conocido, como
por ejemplo el propietario
de
la tienda de artculos generales
del vecindario,
para ayudarles a encontrar justo lo que andaban buscando. Al sacar conclusiones segn lo que saba
o por lo que rpidamente
deduca del cliente, era capaz de
localizar el producto perfecto y,
con frec1,1encia, sugerir artculos
adicionales que el cliente ni siquiera haba considerado. Es una
situacin poco corriente. Los consumidores distrados de la actualidad, bombardeados con informacin y opciones, muchas veces
luchan para encontrar los productos o servicios que mejor satisfagan sus necesidades. El personal de la sala de ventas de muchos
establecimientos minoristas, que es escaso y con frecuencia est
mal informado, no puede empezar a reproducir exactamente el
toque pers~JDaldel cual los compradores dependieron alguna vez;
adems, los consumidores siguen estando completamente solos
al hacer compras en lnea.
Esta lamentable situacin est cambiando. Los avances en
. la tecnologa
de la informacin,
la recopilacin
de datos y el
EN LA MIRA
DE LA REINVENCIN
Qu es Lo
que crea
una prxima
mejor oferta?
La "prxima
mejor
oferta" se usa cada vez
ms para referirse
a una pl'opuesta personalizada basada en
LOS ATRIBUTOS Y EL
COMPORTAMIENTO
DE LOS CLIENTES
(demografa,
de compras)
historial
El CONTEXTO DE LA
COMPRA
(tradicionales,
en linea)
CARACTERSTICAS DEL
PRODUCTO O SERVICIO
(estilo de zapato,
tipo de hipoteca)
LAS METAS ESTRATGICAS DE LA ORGANIZACiN
(aumentar
desarrollar
las ventas,
la lealtad
del cliente)
Las NBO se disean
mayor
frecuencia
con
para
(recomendaciones
de
Linkedln y Facebook)
A pesar del nombre,
una
oferta",
nuevos clientes
arriendos.
a realizar descuentos
por varios
Recopilar datos
Para crear una NBO eficaz, debe recopilar e integrar
datos detallados sobre los clientes, las ofertas y las circunstancias en las que se hacen las compras.
Conozca a sus clientes, La informacin valiosa
para adaptar las NBO puede ser bastante bsica y adquirirse o derivarse fcilmente: edad, sexo, cantidad
de hijos, direccin particular, ingresos o activos y
estilo de vida psicogrfico e informacin conductu al. Las compras anteriores son a menudo la nica
mejor gua para saber lo que un cliente va a comprar
a continuacin, pero dicha informacin puede ser
ms difcil de captar, especialmente desde canales
sin conexin. Los programas de lealtad como los de
Tesco pueden ser una herramienta poderosa para
hacer un seguimiento de los patrones de compra de
los consumidores.
Incluso cuando las empresas trabajan (y a veces
luchan) por adquirir estos conocidos tipos de datos
del cliente, la creciente disponibilidad de la informacin social, mvil y de ubicacin (SoMoLo) crea
nuevos grupos de datos importantes que se deben
explotar. Las empresas estn empezando a crear ofertas segn el lugar donde se encuentre un cliente en
un momento dado, lo que dicen sus publicaciones
en medios sociales acerca de sus intereses e incluso lo
que sus amigos compran o debaten en lnea.
Un ejemplo es Foursquare, que hace ofertas personalizadas segn la cantidad de veces en que los clientes hayan "ingresado" a una tienda minorista determinada. Otra es Walmart, la cual adquiri la empresa
emergente de tecnologa de medios sociales Kosmix
para unirse a su unidad de estrategas digtales recin
formada, @WalmartLabs, en la capitalizacin de los
datos SoMoLo del consumidor para sus ofertas. Entre
los proyectos de la unidad se encuentra la bsqueda
de formas de predecir las compras en Walmart.com
por parte de los compradores, segn sus intereses
en los medios sociales. Walmart est tambin investigando las tecnologas basadas en la ubicacin que
ayudarn a los clientes a encontrar los productos en
EN LA MIRA DE LA REINVENCIN
una gran cantidad de tiempo y esfuerzo en la recopilacin de los atributos de los productos por cuenta propia.
Zappos tiene tres departamentos que trabajan para optirnizar las bsquedas de los clientes y crear las ofertas
ms eficaces para sus lneas de zapatos. Aunque los atributos se limiten a tipo de producto, estilo, color, marca y
precio, un zapato puede tener cualquiera de los ms de
40 patrones de materiales: aperlado, granulado, de rayas,
cachemira, con dibujo de puntos o a cuadros, solo por
nombrar unos pocos. Sin un sistema para abordar dicha
clasificacin detallada de los atributos de los productos,
no es posible que Zappos sepa que un cliente ha comprado a menudo un estampado de cachemira, por lo que
no saba que debe incluir productos estampados de cachemira en las NEOpara ese cliente.
Igualmente, si no se tienen buenos sistemas de clasificacin, los almaceneros no podrn determinar fcilmente qu productos atraen a los clientes aventureros,
preocupados de la salud o avaros. Cuando Tesco desea
identificar productos que atraen a paladares osados,
comienza con algo ampliamente aceptado como una
eleccin audaz en un pas determinado -pasta de curry
verde en el Reino Unido, tal vez- y luego analiza las
otras compras que hacen los compradores de la eleccin audaz. Si los clientes que compran pasta de curry
tambin compran frecuentemente calamar o pesto de
CREAR LA NBO
NBO a
SEPA QU QUIEREN
Analizar y ejecutar
Las primeras NBO predictivas fueron creadas por Amazan y atras empresas en lnea que desarrallaron afertas del tipo. "las persanas que campraran esta tambin
campraron aquella", basadas en carrelacianes de las
compras relativamente simples; no. dependan de un
canacimienta esencial del cliente ni de las atributas
del producto., y as eran ms bien un instrumento. ineficaz. Hasta cierta punta, las afertas ms especficas
se basan en el campartamienta de campra anteriar de
un cliente, pero inclusa dichas afertas san papularmente aleatarias. Si campra un libro o.un CD para un
amiga que no. camparte sus gustas, ella puede fcilmente desviar las futuras afertas que reciba.
Las empresas que han recapilada infarmacin de
manera sistemtica sabre sus clientes,Jas atributas de
las productas y las cantextas de las campras, pueden
hacer afertas mucha ms safisticadas y eficaces. El
anlisis estadstica y el madelada predictiva pueden
crear un tesaro de datas sintticas a partir de estas
fuentes de informacin sin procesar para, por ejemplo, medir la probabilidad de que un cliente responda
a una aferta de venta con descuento que se enve a
su dispositivo mvil. La segmentacin por conducta
y otros anlisis de datos avanzados que representan
simultneamente
la demografa, las actitudes y los
patrones de compra del cliente, adems de otros factores relacianados, pueden ayudar a identificar a los
clientes con mayor probabilidad de desercin. Can
la ayuda de esta informacin y un valor de vigencia esperado para el cliente, una organizacin puede
determinar si sus NBO para ese cliente fomentarn o
desalentarn
SUS CLIENTES
ANTES
HBR.ORG
EN LA MIRA
DE LA REINVENCIN
HBR.ORG
Aprender y evolucionar
La creacin de NBO es una ciencia inexacta, pero que
mejora constantemente. Como ocurre con cualquier
ciencia, requiere experimentacin. Algun!ls ofertas
funcionarn mejor que otras; las empresas deben me56 Harvard BusineSS Review Febrero 2012
P'~
~
Thomas
Davenport
es el distinguido
profesor
de
tecnologaH. de
la informacin
y administracin
de la