Con un consumo que no logra escaparle a la crisis, las empresas apuestan al uso de la tecnología para mejorar sus ventas. Los casos argentinos
a frase “conocé bien a tu cliente” está grabada a fuego en la mente de todo aquel que lleve adelante un negocio.
Históricamente, la relación entre empresas y consumidores basó esa premisa en el campo de lo empírico: sólo a través de la interacción “cara a cara” se podía llegar a conocerlo mejor y, por ende, tentarlo con un producto o servicio.
La combinación de inteligencia artificial y big data produjo un fenómeno digno de los escritos de Nostradamus: hoy se es capaz de predecir con altísimo grado de exactitud lo que un cliente quiere incluso antes de que este lo sepa.
El uso de modelos predictivos se ha transformado en la norma: si bien requieren de una fuerte inversión en investigación y desarrollo, traen aparejados importantísimas mejoras en los niveles de ventas y abaratan costos de marketing, entre otras tantas ventajas.
Esto suma un ingrediente extra en el mercado argentino, signado por un escenario recesivo que obliga a las compañías a utilizar todas las herramientas al alcance para paliar las caídas en la comercialización.
A modo de repaso, el consumo masivo se desplomó un impactante 9% en junio respecto al mismo mes del año pasado. Más aun, el primer semestre de 2019 cerró con un desplome del 8% promedio, según se desprende del análisis Consumer Insigths que realiza trimestralmente la División Worldpanel de Kantar.
En este marco, cada vez más empresas toman conciencia de que la solución pasa por la tecnología. Según un estudio elaborado por Juniper Research, en 2019 el gasto global en inteligencia artificial del comercio minorista ascenderá a u$s3.600 millones, y crecerá hasta alcanzar u$s 12.000 millones en 2023, cuando se espera que más de 325.000 empresas hayan implementado innovaciones tecnológicas.
No se trata de un fenómeno exclusivo del retail: toda compañía que posea datos de sus usuarios y la capacidad de procesarlos, está avanzado en la implementación de estas plataformas. En definitiva, se busca la customización total de la experiencia de consumo: como sacado de un cuento de ciencia ficción, la oferta se adapta a la medida de cada persona.
El segmento del retail es un precursor en la implementación de soluciones predictivas. La competencia con el comercio online obligó a las cadenas “físicas” a amoldarse a un nuevo esquema de innovación para atraer clientes y echar mano de la omnicanalidad (la integración de todos los canales existentes para que un cliente que inició una comunicación -o un proceso de compra- por uno de ellos pueda continuarlo en otro).
Los ejemplos abundan y se extienden a diversos sectores. Uno es el caso de IRSA, que cerró un acuerdo con Microsoft para que la firma estadounidense aporte herramientas tecnológicas tendientes a modernizar el negocio de los shoppings en el país.
Actualmente, más de 90 millones de personas visitan anualmente los 14 centros comerciales que posee en Argentina, incluidos Abasto, Alto Palermo, DOT, Distrito Arco y Patio Bullrich, entre otros.
En diálogo con iProUP, Damián Fernández, CIO de IRSA, afirma: “Armamos un data warehouse (almacén de datos) para linkear los distintos servicios que utilizan los clientes, las marcas que ellos prefieren y los consumos que realizan o quieren hacer, entre otros parámetros”.
“Con esta información, comenzamos a armar modelos predictivos para analizar y entender los tipos de consumo. Somos grandes generadores de campañas y lo que buscamos es ser muy eficientes en lo que quieren escuchar”, destaca el ejecutivo.
En total, más de 1, 8 millones de personas ya aportaron datos a través de distintas vías, lo que llevó a la firma a refinar sus propuestas comerciales hacia campañas mucho más certeras.
Un detalle interesante de la propuesta es que las más de 1.000 marcas que operan con el holding pueden acceder a un portal exclusivo para disponer de esta tecnología y mejorar su performance. Allí, IRSA ofrece información sobre campañas de marketing, ventas, tráfico de público en los distintos establecimientos, entre otros parámetros.
Su visión, compartida por la empresa, es que el centro comercial dejó de ser un espacio para comprar. Más bien, “es un lugar de reunión, para comer o bien de coworking al que venís a trabajar. La información nos permite predecir y entender qué busca la gente y para qué”.
Fernández considera que la influencia de los modelos predictivos es tal que “se redefine lo que se entiende como un shopping, incluso en lo que se establece como modelo de negocio”.
Los supermercados no se quedaron fuera de esta “ola transformadora”. En alianza con la firma local BrainDW, Cencosud (Jumbo, Disco, Vea, Easy y Blaistein), Walmart y Sodimac también utilizan inteligencia artificial basada en el análisis de datos de sus consumidores.
Roberto Cibrián Campoy, director de BrainDW, afirma a iProUP: “La plataforma tiene un motor de inteligencia online que trabaja en tiempo real. Captura datos y va realizando un seguimiento de cada una de las actividades que los usuarios realizan, qué artículos miran, cuáles agregan al carro, cuáles terminan comprando, qué búsquedas efectúan, los últimos productos que visitan y cuáles son sus categorías favoritas”.
De esta manera, se logra afinar la identificación del perfil de cada persona y se crean audiencias en función de ello. Esto, a su vez, constituye la base fundamental a partir de la cual se determinan las recomendaciones de un abanico de productos.
“La capacidad de responder en tiempo real permite reconocer, entre otras cosas, que búsqueda está realizando online. En base a las palabras que utiliza se le muestra un banner dinámico con ofertas de mayor a menor, o lo más visto en las últimas 48 horas”.
Para Cibrián Campoy, este tipo de solución -que también es utilizada por cadenas como Cetrogar, Musimundo, Arredo y Sportline- “impulsa de modo notable las tasas de conversión de los sitios de eCommerce, ya que presenta contenidos más relevantes a los usuarios que buscan determinados artículos”.
En pocas palabras: más se conoce a los consumidores, mayores son la posibilidades de crecen en ventas, ya que se logra identificar lo que realmente buscan.
Los bancos, a la vanguardia
La banca no es ajena a la masificación de sistemas predictivos. La gran cantidad de datos que poseen, al combinarse con su cartera de productos, da como resultado soluciones capaces de entregar productos exactamente en el momento en que sus clientes lo requieren.
Banco Galicia es una de las entidades que está la vanguardia de este tipo de soluciones. En concreto, aplica a su soluciones de home y mobile banking la tecnología necesaria para afinar sus predicciones. “Es un cambio de paradigma, un motor de decisión aplicado en varios canales del banco”, explica a iProUP Pablo Fernández, jefe del Lab de Innovación de la compañía.
“Cuando entrás a tu home banking, el sistema mira variables como el consumo efectuado, datos Quiero (programa de puntos), aspectos demográficos, día y hora… y en 200 milisegundos te ofrece la oferta más relevante para tu perfil”, explica. Y añade: “En un mundo marcado por la inmediatez, se trabaja con el micromomento. Hay que ser relevante y personalizado las 24 horas”.
En el pasado, este tipo de propuestas a los usuarios se realizaba en base a sus consumos históricos, lo que no solo demandaba más tiempo (al no disponer de soluciones cloud y plataformas de inteligencia artificial) sino que además era menos relevante a las necesidades concretas del cliente, que son, según Fernández, ancladas en el día a día.
“Cuanto más real time se puede trabajar, más relevante sos para el usuario”, revela el especialista. Toda esta ingeniería también se aplica al marketing: predecir qué necesita el cliente ayuda a encarar campañas de mailing más personalizadas e inteligentes, efectivas y, sobre todo, atractivas. “Cada vez más hay que hacer foco en los datos”, subraya.
Esto se refleja en la conformación de distintas áreas internas de analiticas y modelos, junto a un “squad de datos”. Incluso, recientemente lanzó un “datatón”, un hackatón en el que equipos de cualquier lugar del mundo compiten por el desafío de predecir la próxima compra de un cliente utilizando datos abiertos de su navegación web.
El gran desafío de esta estrategia es cómo organizar esta información. Esto implica mucho más trabajo para el área de datos, pero los resultados, a la larga, son infinitamente más precisos. Todo sea para mejorar, hasta en el más mínimo detalle, la propuesta comercial de la entidad.
Streaming más predictivo
Predecir los gustos de los espectadores asegura a las plataformas de streaming una mayor fidelidad de sus suscriptores, ya que tienen mayores chances de consumir aquello que realmente les interesa y no darse de baja inmediatamente.
Famosos son los casos de Netflix y Spotify, los grandes referentes de esta industria, que usan modelos predictivos para sugerir contenidos adaptados 100% a los gustos de cada usuario. La ecuación es sencilla: un cliente satisfecho con lo que ve es alguien que sigue pagando su suscripción mensual.
En Argentina, Qubit implementó una solución similar, para que cada persona reciba recomendaciones de películas y documentales lo más cercanas posibles a sus gustos. La personalización de la plataforma llevó a modificar los carruseles que muestran contenido con herramientas de machine learning y big data para mejorar la experiencia de uso.
A la hora de enriquecer y agregar variables a estos algoritmos de predicción, es de vital importancia la metadata de los contenidos alojados en el servicio. Esto incluye fuentes propias de Qubit, como géneros, keywords, actores, directores, año, país, tipo suscripción o duración del contenido.
“Los resultados inmediatos se vieron en la cantidad de películas reproducidas mensualmente. También mejoró la cantidad de usuarios nuevos registrados que veían películas en los primeros días, algo fundamental para que no se den de baja en poco tiempo”, subraya a iProUP Luciano Ordoñez, co-founder de 7Puentes.
Para el ejecutivo, el reto se da, sobre todo, en estos primeros días de uso del servicio. Los algoritmos deben trazar rápidamente un “mapa” del usuario para conocer preferencias y así conservarlo como suscriptor, entregando películas de relevancia en cada vista.
Las recomendaciones varían cada vez que el usuario interactúa con la plataforma, ya sea consumiendo contenido o no. En rigor, se trata de una labor “real time” para estar siempre un paso adelante de lo que el cliente busca.
“El que busca, encuentra”, solía rezar el viejo dicho. Hoy, la clave para las empresas es que el usuario encuentre, sin tener que buscarlo.
Fuente: iProUP