Tipos de análisis

Big Data

1
Tipos de análisis en customer
analytics
¿Qué tipos de análisis existen?

Creación de una vista de cliente 720º

Es la disponibilidad de acceso completo a un cliente desde todos los aspectos

(en línea + en la tienda). Aunque es difícil obtener acceso completo a todos
los canales, una selección de canales que comprenden los puntos de
contacto principales que unen los almacenes de datos permite que una
organización represente los atributos del cliente bajo una única entidad y
forme una conexión virtual. Este subconjunto selectivo comprende datos
internos generados a través de la aplicación, que forman la primera vista
360º, y la disponibilidad de información de usuario enriquecida de las redes
sociales se abre camino para el otro 360º. Combinando datos estructurados,
semiestructurados y no estructurados disponibles a través de aplicaciones
CRM, las órdenes y facturas, registros de servicio al cliente y registros de
llamadas, calificaciones y comentarios proporcionados en la compra,
publicaciones y tweets a través de las redes sociales, la ubicación
demográfica y los detalles del censo, presenta una imagen general del
cliente. La expansión de cada canal ofrece una mejor perspectiva.

Figura 1: Segmentación de clientes

Fuente: Molina, 2017, https://goo.gl/4k6whr

Se puede acceder a un cliente conectado a través de las aplicaciones

actualmente suscritas, lo que promueve estrategias como anuncios

2
publicitarios que son comunes en los sitios de redes sociales. Esta conexión
también aumenta la posibilidad de realizar ventas cruzadas de productos de
interés expresados por el mismo cliente a través de otros medios. El uso de
técnicas de procesamiento de lenguaje natural (PNL) ayuda a identificar los
términos clave y sus puntajes de similitud con el enfoque de la organización.
El análisis de sentimiento brinda una opinión de la expresión de interés del
cliente. Puede ser a través de reseñas o incluso una publicación social
después de la compra.

Segmentación de clientes

La segmentación de clientes tiene como objetivo tratar a cada cliente por

separado y proporcionar una vista personalizada de las ofertas. Uno de los
enfoques más comunes incluye la agrupación de la población del cliente en
diferentes niveles según sus acciones.

En un entorno big data donde hay miles de millones de clientes, se prefieren

los modelos de propensión porque pueden manejar grandes cantidades de
datos y dar buena precisión. Se logra un sentido de categorización de alto
nivel agrupando los datos en subconjuntos más pequeños. Las
recomendaciones de productos (basadas en Collaborative/Content filtering
o un enfoque híbrido) son más efectivas cuando se conoce una imagen clara
en la segmentación. Con la información obtenida, se puede proporcionar
una mejor elección de preferencias.

Figura 2: Segmentación de mercados

Fuente: Hidalgo Solís, 2013, https://goo.gl/hM9BGY

3
También hay motivos para identificar a los clientes a medida que llegan a la
puerta y hacer un seguimiento de los nuevos clientes para lograr la
segmentación en tiempo real.

Compromiso y retención de clientes

El origen de la cotización es una relación relacionada con la salud, pero otra

forma de expresarlo es comprender realmente las necesidades del cliente y
atenderlo con la mayor relevancia y la menor latencia posible.

El mejor ejemplo de compromiso proviene de los juegos. La encuesta de

Boston RetailPartners sugiere alrededor del 87 % del plan de emplear la
gamificación para mejorar la participación de los clientes. Las
comparaciones dinámicas de productos también harán que los clientes
obtengan una sensación de satisfacción en las compras.

Al igual que los modelos de propensión, los modelos de elevación ayudan a

determinar si es probable que un cliente visite de nuevo si se envían cupones
de descuento u ofertas especiales (el típico buy-3-get-1 gratis). El análisis de
la población y la selección de los clientes que tienen la máxima probabilidad
de estar interesados están dirigidos. Esto también puede ayudar a los
minoristas a impulsar la relación con el cliente si lanzan esquemas únicos
una semana antes de eventos especiales (como cumpleaños, aniversarios,
festivales, etcétera).

Otro factor que es crucial para las empresas es el cálculo de la rotación.

Churn/Predicción de desgaste determina si es probable que el cliente se
agote (es decir, dejar). Las decisiones sucesivas tomadas por un cliente
(acción/inacción) se modelan y el siguiente paso se puede predecir si es
probable que el cliente sea retenido o perdido.

Figura 3: Compromiso y retención de clientes

Desgaste de
cliente
Compromiso
de cliente

Fuente: elaboración propia

4
Casi todas las organizaciones tienen como objetivo maximizar sus ganancias,
para lo cual un factor directo es la atención positiva del cliente. Una forma
destacada de lograr esto es garantizar un aumento continuo en la
participación del cliente, lo que a su vez hace que la tasa de desgaste
disminuya, como se representó anteriormente.

Gestión de inventario inteligente

La vinculación de los datos generados a través de las interacciones cliente-
producto (pedidos, revisiones, clics a páginas, etcétera) y las transacciones
generadas por proveedores pueden ser utilizadas por los sistemas de gestión
para controlar el pedido y la distribución de productos a lo largo de la cadena
de suministro extendida de una compañía. A través de análisis predictivos es
posible observar las correlaciones y las relaciones entre los elementos de
datos y las decisiones de la cadena de suministro y tomar decisiones como
la demanda actual de un producto, la localidad de compras frecuentes,
etcétera.

Los modelos que se crean mediante entrenamiento supervisado

generalmente predicen la incertidumbre de la demanda futura. Los modelos
se mejoran de manera iterativa al reducir las tasas de error entre las
realizaciones predichas y reales de las demandas de los clientes. Frecuentes
técnicas de reglamentos de asociación conducen a un mejor control de
inventario.

¿Qué hace que toda la idea sea factible?

Los datos ya recopilados a lo largo de los años (o incluso en segundos hoy en
día) están a la espera de ser analizados.

La disponibilidad de marcos y paquetes (tanto de propiedad como de código

abierto, cuyo enfoque está aumentando actualmente) proporciona una
gestión y un análisis eficientes de cantidades masivas de datos:

 Simplificación y desarrollo rápido de soluciones analíticas avanzadas

utilizando tecnologías modernas de generación de informes y
aprendizaje automático / modelos.
 Escalabilidad elástica en la nube que supera los límites de la
computación y el almacenamiento.
 La necesidad de más analistas de datos y científicos ha llevado a muchos
individuos a tomar cursos de ciencias de datos y ahora están lo
suficientemente equipados para la tarea.

5
 Evolución en la próxima fase principal de los estándares de
telecomunicaciones móviles.

Hasta hace una década, el tiempo se dedicaba principalmente al desarrollo

del producto, la configuración y el mantenimiento de la infraestructura para
la implementación de aplicaciones y la recopilación de datos. Los tiempos
modernos son tales que la infraestructura está disponible en un minuto
(gracias a los servicios basados en la nube), el desarrollo y la implementación
tienen un tiempo mínimo y los datos generados constantemente por los
clientes ahora se almacenan de forma segura.

Expandir el almacenamiento para acomodar terabytes de datos ya no es una

preocupación por los enormes costos debido a la disminución de los precios
de almacenamiento. Muchas organizaciones prefieren migrar a la
arquitectura distribuida para que la velocidad haya superado el
almacenamiento.

6
Bibliografía de referencias
Molina, A. (2017). Segmentación de Clientes en la PYME - TeamleaderCRM.
Recuperado de https://blog.teamleader.es/segmentacion-de-clientes

Hidalgo Solís, J. (2013). ¿Qué es segmentación de mercados? Recuperado de

https://marcandoanalisis.com/2013/11/20/que-es-segmentacion-de-
mercados/

[Imagen sin título sobre Segmentación de clientes]. (2017). Recuperada de

https://blog.teamleader.es/segmentacion-de-clientes

[Imagen sin título sobre Segmentación de mercados]. (2013). Recuperada de

xxxxxlinkxxxxx

[Imagen sin título sobre Compromiso y retención de clientes]. (s. f.).