Marketing Intelligence: optimización a través del Big Data

Transcripción

1 Marketing Intelligence: optimización a través del Big Data Jornada de análisis masivo de datos Alex Rayón Jerez Junio, Palma de Mallorca.

2 2

3 Índice de contenidos Market(ing) Intelligence Cómo empezar? 3

4 Índice de contenidos Market(ing) Intelligence Cómo empezar? 4

5 Marketing Intelligence Business Intelligence vs. Business Analytics Estudiar datos tiene dos objetivos principales Informar Qué ha ocurrido? Predecir Qué podría ocurrir? Hoy Business Intelligence Business Analytics Informar Predecir 55

6 Marketing Intelligence Customer Journey Fuente: 6

7 Marketing Intelligence Customer Journey (II) Estrategias omnicanal para el fortalecimiento de la marca Sistema de gestión para la captura del dato en los diferentes canales on, off e híbridos (tarjeta de fidelización), que permita su explotación posterior para la mejora de la toma de decisiones estratégicas en el negocio ON ATRAER Extraños CONVERTIR Visitantes Blog Keywords Social Media Híbrido DESLUMBRAR CERRAR Leads Formularios Calls-ToAction Landing Pages Clientes Señales Workflows Promoters Eventos Social Inbox Smart Content Tarjeta de fidelización OFF Promociones y descuento Ofertas personalizadas Reglas + cross y upselling 7 Marketing de atención

8 Marketing Intelligence Nueva coyuntura Fuente: 8

9 Marketing Intelligence De multicanal a omnicanal Tr nc e an ri e sa c Ex pe tio n 99

10 Marketing Intelligence La importancia del dato En la economía digital, captar datos de clientes es cada vez más crítico De A 1º Vender 2º Capturar el dato 1º Capturar el dato 2º Vender 10

11 Índice de contenidos Marketing Intelligence Cómo empezar? 11

12 Esto para qué sirve? 1) Ganar más dinero 2) Evitar perderlo 3) Optimizar procesos 12 Fuente:

13 1) Ganar más dinero Marketing intelligence La idea es analizar la parte más transaccional (de compra - venta) con las acciones de marketing Con este dúo, sacamos acciones de marketing con objetivos, personalizado e hipersegmentado Fuente: 13

14 1) Ganar más dinero (II) Se trata de analizar los datos: Contextuales de una compra momento, lugar, composición de la cesta de la compra Lo enmarcamos en perspectiva frecuencia, tiempo entre última compra, etc. Analizamos el cliente si lo hace con tarjeta de fidelización, edad y perfil sociodemográfico, si viene incentivado por un descuento, etc. Y el canal por el que entra online -tienda online, landing page, redes sociales, etc- u offline y preguntarnos cosas como... 14

15 1) Ganar más dinero (III) Uso de datos en el mundo comercial Customer profiling: hábitos, necesidades, potencial Know Your Customer (KYC) valor, Customer Intelligence: targeting, modelos de cliente (ciclo de vida relacional y existenciales), modelos de producto (propensiones), segmentación, análisis del Valor Cliente (Customer Lifetime Value), análisis patrones de compra (Market Basket Analysis), métrica RFM (Recency, Frequency, Monetary), etc. Estrategias omnicanal y de Social CRM: findability, social 15

16 1) Ganar más dinero (IV) Uso de datos en el mundo comercial Brand Intelligence: valor de una marca, influencia de la marca en la oferta y demanda, valoración de marca, etc. Marketing experiencial: Customer Management, Customer journey, Experiencia de Cliente (NPS, etc.) Experience Indicadores de Del marketing masivo al marketing one2one: Eventbased marketing, marketing en tiempo real (retargeting), retargeting personalizado (Right Offer, Right PersoN), estrategias de cross y up-selling 16

17 1) Ganar más dinero (V) Uso de datos en el mundo comercial Inbound marketing: engagement con contenidos, capturando datos de touchpoints, relación con clientes, etc. Social Media Intelligence: Social Business, Social Media Analytics, análisis de medios sociales y conversión, etc. Geomarketing: Sistemas de Información Geográfica (GIS) Producto: nichos de mercado, nuevos productos y servicios, pricing inteligente, etc. 17

18 1) Ganar más dinero (VI) Uso de datos en el mundo comercial Fidelización de clientes: programas de fidelización, técnicas de fidelización (endógena y exógena) Marketing ROI & optimización del presupuesto de marketing: CLV vs. CAC, modelos de atribución, modelo analítico de atribución, evaluación de las acciones, campañas, segmentos y audiencias, optimización de la inversión etc. 18

19 1) Ganar más dinero (VII) Segmento y perfil de cliente que más compra a una hora determinada y en un lugar concreto Fuente: 19

20 1) Ganar más dinero (VIII) Perfil de cliente Quiénes son: tipo de cliente, características, cómo se comunican, etc. Dónde viven/qué lugares frecuentan: comportamiento geográfico Qué compran: productos que consumen, frecuencia, valor, etc. Interacciones: cliente activo, índice de contacto, interacciones positivas o negativas, etc. 20

21 1) Ganar más dinero (IX) 21

22 1) Ganar más dinero (X) 22

23 1) Ganar más dinero (XI) Quién (influenciadores) o qué (drivers de compra) influye más en la decisión de compra de un cliente drivers Fuente: 23

24 1) Ganar más dinero (XII) Expresión de la forma X Y {pañales} {cerveza} {cerveza} {pañales} {pan, leche} {huevos} {pan} {leche, huevos} Reglas de asociación de productos como "Si compra foie, también adquiere vino crianza", y así enfocar el cross-selling o up-selling en tienda o en promociones, product placement, gestión de inventarios, etc. Fuente: 24

25 1) Ganar más dinero (XIII) Analytics Nuevo informe personalizado

26 1) Ganar más dinero (XIV) Clusterizar clientes y productos Source: Source: 26

27 1) Ganar más dinero (XV) Cómo están relacionados mis clientes? Análisis de Redes Sociales (ARS) Source: 27

28 1) Ganar más dinero (XVI) Mediciones: Nodos (cont.) Centralidad Fuente: 28

29 1) Ganar más dinero (XVII) Mediciones: Nodos (cont.) Centralidad Fuente: 29

30 1) Ganar más dinero (XVIII) Las campañas son costosas y además muchos clientes no responden Solución: Right Person Predecir quienes van a responder a una oferta Tecnología: Modelos de propensión Se está saturando a los clientes con múltiples ofertas Solución: Right Offer Elegir los clientes que tengan más propensión en cada momento Controlar la periodicidad de los envíos Decenas de pequeñas campañas focalizadas 30

31 1) Ganar más dinero (XIX) 1 Escuchar 2 - Analizar datos - Identificar oportunidades - Almacenar la historia de las interacciones - Escuchar puntos de contacto: conversaciones sociales, web, teléfono, landing page, etc. Decidir - Entregar el mensaje y la oferta adecuada en el momento más oportuno 3 - Construir perfiles - Elaborar propensiones - Establecer estrategias: Right Person y Right Offer 4 Gestionar - Repetir esto, una y otra vez, para millones de interacciones con miles de clientes - Automatizar la multi/omnicanalidad, y medir beneficios a largo plazo 31 Hablar

32 1) Ganar más dinero (XX) Proyecto en marcha Twitter followers Web Campaña... SEO (On y Off) Elegible Facebook fans - Opt outs Criterios Scoring - Right offer - Right person Top deciles Interno Evaluar las campañas y las acciones por el ROI y la efectividad. Canal Web A la hora de impactar dentro de la web, se tendrá en consideración el comportamiento del usuario A la hora de hacer retargeting, habrá que variar el contenido del primer mensaje Externo Facebook Broadcast Twitter SMS 32 Adwords... Lista suscriptores

33 1) Ganar más dinero (XXI) Segmento elegible Oferta recomendada Score Envío gratuito por categoría oro 98 Suma 50 puntos adicionales 60 Cuenta registrada nueva 5 Lanzamiento producto nuevo 20 Extensión de garantías 15 Empaquetar oferta de productos 68 Ofertas basadas en abandono de carritos 75 Oferta de temporada estacional 89 Tarjeta de lealtad Ciclo de vida de producto y cliente Basado en evento 33 Canal

34 2) Evitar perderlo En segundo lugar, las empresas también queremos evitar perder clientes Ya conocemos el famoso mantra de la importancia que tiene mantener clientes por el coste que tiene adquirir nuevos Y esto es más posible que nunca gracias al análisis masivo de datos 34 Fuente:

35 2) Evitar perderlo (II) Fuente: 35

36 2) Evitar perderlo (III) 36

37 2) Evitar perderlo (IV) 37

38 2) Evitar perderlo (V) 38

39 2) Evitar perderlo (VI) Fuente: 39

40 2) Evitar perderlo (VII) Los modelos de propensión pueden ser: Compra (cross-sell y up-sell) Fuga (si pudiera dejar de ser nuestro cliente) Riesgo de impago (que no pague lo que adeuda) Fraude Sensibilidad al precio (descuentos) etc. Son modelos que estiman la probabilidad de que se produzca esa conducta (compra, fuga, etc.) para cada uno de nuestros clientes Permite generar modelos predictivos para poder tomar decisiones de negocio en tiempo real 40

41 2) Evitar perderlo (VIII) Fuente: 41

42 2) Evitar perderlo (IX) Fuente: 42

43 2) Evitar perderlo (X) Fuente: Fuente: 43

44 2) Evitar perderlo (XI) Fuente: Fuente: 44

45 2) Evitar perderlo (XII) Recency Cuán reciente es la última compra del cliente Frequency Con cuánta frecuencia compra el cliente Monetary Cuánto gasta el cliente Esta técnica de análisis está basada en el axioma de marketing de que el 80% del negocio procede del 20% de los clientes 45

46 3) Optimizar procesos Creación de modelos que permitan ahorrar esfuerzo económico en diferentes procesos Mathematical models + Statistical methods Fuente: edu/~hmathmod/modelmodel.html 46

47 Índice de contenidos Marketing Intelligence Cómo empezar? 47

48 Cómo empezar? Estrategia de trabajo Data-Driven Attribution Necesitamos concretar el ROI Necesitamos explotar datos con mucho detalle Necesitamos disponer de modelos analíticos para hacer el scoring de cada uno de los candidatos 48

49 Cómo empezar? Solución: Modelo de datos Empleado Tarjeta fidelización Tiempo Transacción - fecha - hora - medio de pago - día/mes/mes del año... - id - precio - categoría - tamaño - marca - fecha introducción - fecha retiro - estado... Producto/Servicio Lead Grupo Promoción - fecha inicio - fecha fin... Proveedor Cliente Categoría referencias - online/offline - localización - tamaño - secciones - fecha apertura... Tienda visita Acción marketing Web Analytics 49 - Atributos personales Identidad digital Social Media Analytics

50 Cómo empezar? Data-Driven Organization (III) Fuente: 50

51 Copyright (c) 2016 University of Deusto This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons Attribution-ShareAlike License. To view a copy of this license, visit org/licenses/by-sa/3.0/ Alex Rayón Jerez Junio 2016

52 Marketing Intelligence: optimización a través del Big Data Jornada de análisis masivo de datos Alex Rayón Jerez Junio, Palma de Mallorca.