EFECTIVIDAD DE LAS CAMPAÑAS DE MARKETING: UN PROYECTO SEIS SIGMA EN TERRA LYCOS. D. Moreno 1, E. Barba 2. RESUMEN

Transcripción

1 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 EFECTIVIDAD DE LAS CAMPAÑAS DE MARKETING: UN PROYECTO SEIS SIGMA EN TERRA LYCOS D. Moreno 1, E. Barba 2. 1 Director de la Oficina Seis Sigma de Terra Lycos david.moreno@corp.terralycos.com 2 Senior Vicepresident of Engineering Terra Lycos enrique.barba@corp.terra.com RESUMEN El análisis cluster es una técnica estadística utilizada para la agrupación de un conjunto de elementos en conglomerados o clusters de tal forma que los elementos de un mismo grupo tienen un comportamiento similar y distinto de los elementos de otros grupos. En este artículo se presenta una aplicación del análisis de clusters en un proyecto Seis Sigma que tiene como objetivo mejorar el ratio de efectividad de las campañas de marketing de Invertia, el portal de finanzas de Terra. Palabras y frases clave: Análisis multivariante, cluster analysis, algoritmos de clasificación jerárquica. 1. Introducción. Terra Lycos es un grupo de empresas de Internet que opera en 42 países (17 como Terra y 25 como Lycos ) en 19 idiomas, y es visitado cada mes por 118 millones de usuarios procedentes del mundo entero. La empresa creció mediante la adquisición de Lycos, Inc., EE.UU. en octubre del año 2000, convirtiéndose en uno de los sites más populares de Internet en Estados Unidos, Europa, y América Latina. La red de sites Terra Lycos incluye entre otros a Invertia.com, Educaterra.es, Direcciona.es, Rumbo.es, uno-e.com, Lycos.com, Terra.com, Angelfire.com, Gamesville.com, HotBot.com, Quote.com, Lycos Zone, Matchmaker.com,, Sonique, Bumeran.com, Tripod.com y Wired News (Wired.com). La sede social de la compañía se encuentra en Barcelona, y la misma cuenta con oficinas en Waltham (Boston), Madrid, Miami, Monterrey y São Paulo, entre otras ciudades. Sus acciones se negocian en la Bolsa de Madrid (TRR) y en el mercado 49

2 electrónico de Nasdaq (TRLY). Para obtener más información sobre la empresa, puede visitar el site corporativo en la dirección Terra Lycos, puso en marcha a principios del 2001 una iniciativa global, denominada Mejora de Procesos Seis Sigma, con el objetivo de mejorar la calidad y la productividad de sus procesos. Esta iniciativa global enfocada en los clientes se basa en la metodología Seis Sigma, un modelo de gestión basado en la mejora de la calidad de los procesos mediante el uso de métodos estadísticos avanzados. La calidad según este modelo viene definida por la prestación a los clientes de servicios prácticamente libres de defectos, siendo un defecto un fallo en satisfacer al cliente. El objetivo de Seis Sigma es la satisfacción total del cliente, lo que implica no sólo cumplir sino exceder sus expectativas en su interacción con la empresa. Terra Lycos prevé lograr a medio plazo el nivel de calidad Seis Sigma, que equivale a 3,4 defectos por millón, un 0,00034%, lo que implica clientes satisfechos además de reducir los costes de no de calidad, con el consiguiente impacto positivo en la cuenta de resultados. El enfoque de Seis Sigma parte de la premisa de que los defectos son proporcionales a la variabilidad de las características de calidad del producto o servicio en cuestión. La mejora de la calidad pasa por reducir la variabilidad en los procesos de la empresa y asegurar operaciones estables que mejoren la percepción de los servicios por parte del cliente. La metodología usual para implantar Seis Sigma se basa en proyectos de equipos multifuncionales en los que se aplica el ciclo de 5 fases deno minado DMAMC (Definir, Medir, Analizar, Mejorar, Controlar) esquematizado en la figura 1. Se define el ámbito del proyecto, sus objetivos, así como los factores del proceso o producto considerados por el cliente críticos para la calidad. Se mide el proceso, sus entradas y salidas y se analizan los datos usando las herramientas estadísticas más adecuadas. A continuación se diseña una mejora del proceso, y se implanta el nuevo proceso y se controla mediante un panel de indicadores que permiten constatar la mejora del proceso y el nivel de satisfacción del cliente. Invertia es el portal de finanzas de Terra. Es el primer portal de finanzas en habla hispana, con más de de visitantes únicos al mes, sólo en España, según los últimos datos de NetValue y más de personas registradas en todo el mundo. Desde el primer trimestre de 2002 Invertia ha ampliado su línea de negocio hacia la venta de productos financieros así como la evolución de servicios gratuitos a servicios de pago dentro de la estrategia de ofertas completa bajo el modelo de productos OBP (Open, Basic y Premium). Bajo este enfoque surge la necesidad de conocer más el perfil de nuestros usuarios/clientes para poder ajustar los productos y sus servicios a sus necesidades. Desde Invertia se lanzó un proyecto Seis Sigma con el objetivo de mejorar el ratio de efectividad de las campañas de marketing. 50

3 Definir Constitución del equipo Clarificar los Requisitos del Cliente Definir el Proceso Medir Medir la Salida Variación del proceso Recogida datos Visualización datos Definiciones: unidades, defectos, oportunidades Analizar Estratificación Diag. proceso Diag. C/E Diag. disp. Análisis de las Causas de los problemas problemas Regresión Diseño exp. $ Identificar y Cuantificar la Oportunidad $ Mejorar Generar Soluciones Selección Piloto Resumen soluciones Análisis de costes Implementar Controlar Monitoring Standardising Documenting Response Plan Figura 1. Metodología DMAMC. 51

4 2. Desarrollo del proyecto. La aplicación de la metodología Seis Sigma para mejorar la efectividad de las campañas de marketing en el portal invertia.com se ha desarrollado de acuerdo con el esquema que se describe a continuación: 2.1 Definir. Invertia ha ido evolucionando de un portal centrado en la información bursátil, a finales de 1999, a un portal cuya misión es ofrecer soluciones de finanzas personales. En esta línea, los productos y servicios que ha ido ofreciendo Invertia han sido cada vez más amplios, cubriendo desde productos de activo (bolsa y fondos de inversión) a productos de pasivo (depósitos y cuentas corrientes) y servicios de comunidad. Hasta el momento de hacer este proyecto, Invertia no había realizado ninguna campaña de marketing segmentada, pero a medida que aumentaba la gama de productos y servicios se plantea la necesidad de lanzar campañas de marketing mucho más enfocadas con el objetivo de aumentar el ratio de efectividad. Esta segmentación permite aumentar los ingresos por e-com al igual que aumentar los ingresos por publicidad al ofrecer a los anunciantes una base de datos mucho más ajustada al cliente potencial. Los clientes de este proyecto son los responsables comerciales de Invertia y Terra y los responsables de desarrollo de nuevos productos y servicios. La Voz del Cliente se puede resumir en: quiero saber qué tipo de usuario visita Invertia; cuáles son los productos y servicios que más les interesan para poder ofrecerles esos productos y servicios, bien después de alcanzar acuerdos con terceros (departamento comercial) o propios (desarrollo de nuevos productos). 2.2 Medir. El objetivo del proyecto era aumentar el ratio de conversión de las campañas de marketing de Invertia. En la fase de medir, lo que se pretende es conocer el estado actual del problema. Se analizo la efectividad de las últimas campañas de marketing y comunicación lanzadas por Invertia. El estudio se centro en las tres principales vías de comunicación que utiliza Invertia con sus clientes: el , sistema de mensajería interna y los foros. De los tres medios de comunicación, el más efectivo resultó ser el y era claramente el sistema preferido por los anunciantes. El ratio de efectividad era superior al que conseguían a través de otros portales, dado que la base de usuarios se ajustaba mucho mejor al producto que se ofrecía, y de hecho los anunciantes repetían campañas y preferían Invertia a otros medios de Internet. Aún así, los anunciantes cada vez tenían productos más específicos y la base de datos de usuarios de Invertia cada vez que cubría perfiles más distintos debido a la propia evolución del portal. Lanzar campañas de marketing a toda la base de datos de usuarios 52

5 de Invertia cada vez tendría un efectividad menor y además tendría un efecto negativo sobre los clientes, que se veían bombardeados por promociones que no les interesaban. Este segundo punto limitaba el número de campañas publicitarias y limitaba la obtención de ingresos por esta vía Analizar. En la fase de analizar se pretende saber cuáles son las causas que están creando el problema (un ratio de efectividad por debajo de lo deseado). Si se pudieran clasificar los usuarios por perfiles de inversión claramente diferenciados se podría aumentar el ratio de conversión. Para intentar agrupar a los usuarios, se utiliza la herramienta de análisis de clusters. Las variables que se utilizaron para caracterizar a los usuarios fueron: Juego 1 si ha participado en el juego de bolsa; 0 si no ha participado Cartera 1 si tiene cartera de valores ficticia en Invertia, 0 en caso contrario. Mensajes 1 si ha escrito mensajes en los foros, 0 en caso contrario. Favoritos 1 si tiene configurados foreros favoritos, 0 en caso contrario. Recomendados 1 si recomienda mensajes que le gustan, 0 en caso contrario. Archiva 1 si archiva (guarda) los mensajes de los foros que le gustan, 0 en caso contrario Carpetas 1 si tiene carpetas con los foros que más le gustan, 0 en caso contrario Tiempo Real 1 si tiene acceso a las cotizaciones en tiempo real, 0 en caso contrario Broker 1 si tiene configurado un broker para operar en bolsa, 0 en caso contrario. Cita 1 si ha puesto su cita preferida en su perfil, 0 en caso contrario Página Personal 1 si ha puesto en su perfil su página web personal, 0 en caso contrario Tabla 1. Descripción de las variables Para buscar las agrupaciones se utiliza la herramienta de análisis de clusters, utilizando como medida de similitud la distancia Euclídea y el encadenamiento simple como método para la obtención de conglomerados. Se prueba con distintos números de clusters y al final la agrupación más fácil de interpretar es la solución de 4 clusters que se muestra a continuación con el valor de los centroides. 53

6 Cluster 1 (34%) Cluster 2 (54%) Cluster 3 (10%) Cluster 4 (2%) Juego 7,8% 5,2% 23,1% 50,0% Cartera 30,7% 6,3% 26,9% 0,0% Mensajes 0,0% 0,0% 98,1% 0,0% Favoritos 1,8% 0,0% 26,9% 0,0% Recomendados 4,2% 0,0% 46,2% 0,0% Archiva 0,0% 0,0% 21,2% 0,0% Carpetas 1,2% 0,0% 17,3% 0,0% Tiempo Real 100% 0,0% 67,3% 33,0% Broker 3,0% 0,0% 1,9% 0,0% Cita 0,0% 7,8% 7,6% 83,3% Página Personal 1,8% 1,5% 0,0% 83,3% Interpretación de los clusters. Tabla 2. Caracterización de los clusters Cluster 1 (34% de la población): Son usuarios que el 100% tienen acceso a las cotizaciones a tiempo real; un número significativo (30%) tienen configurada su cartera en Invertia y un 3% tiene configurado su broker, que aunque es un porcentaje muy bajo, es el único cluster en el que aparecen. Sin embargo no están interesados en las herramientas de comunidad. Este grupo esencialmente entra a Invertia a ver las cotizaciones y buscando información bursátil. A este grupo se le puede llamar el grupo de usuarios Active Traders. Cluster 2 (54% de la población): Es el grupo más numeroso pero no participan ni en la comunidad ni tiene tiempo real. Este usuario entra en Invertia, lee noticias, ve alguna cotización, pero no necesita que sea en rabioso tiempo real, y no utilizan las herramientas de la comunidad. A este grupo se le puede llamar grupo de usuarios Pasivos. Cluster 3 (10% de la población): Usan casi todos los servicios de Invertia, especialmente los servicios de comunidad. A este se le puede llamar grupo de los usuarios de la Comunidad. Cluster 4 (2% de la población): Usuarios que no se pueden encuadrar dentro de ningún grupo. Son pocos y difíciles de clasificar. Usan servicios de la comunidad que no utiliza casi nadie y no utiliza los que usa todo el mundo. Estos usuarios se pueden clasificarse como Atípicos Mejorar y controlar Utilizando los resultados del estudio, Invertia decidió centrarse en un primer momento en el grupo de Active Traders, ya que es un grupo que necesita la información del mercado en tiempo real y estaría dispuesto a pagar por recibir dicha información en el momento adecuado. Además es un porcentaje de usuarios significativo como para poder rentabilizar los servicios que les den valor añadido. 54

7 A raíz de este estudio se lanzó un servicio de cotizaciones en tiempo real vía SMS. Además se desarrollaron campañas de marketing específicamente para este grupo de usuarios y promociones de productos de terceros enfocados a este grupo, como cuentas de valores. En la fase de control se dio seguimiento a la respuesta de las nuevas campañas de marketing segmentadas con el objetivo de medir las mejoras. 3. Conclusiones Invertia se encontró con el problema de que la efectividad de las campañas de marketing estaba por debajo de lo deseado. Se lanzó un proyecto Seis Sigma con el objetivo de aumentar ese ratio. Una de las causas es que la base de datos de usuarios cada vez es más amplia y que ha evolucionado, a la par que el portal, de usuarios interesados en información bursátil, a usuarios con otras necesidades. Se utiliza el análisis de cluster para identificar los perfiles de clientes que quedan clasificados en cuatro grupos que denominamos Active Traders, Pasivos, Comunidad y Atípicos. El grupo de Active Traders (34% de la población) era el primer grupo que se podía monetarizar vía la venta de servicios asociados con las cotizaciones en Tiempo Real. Los siguientes pasos se centrarán en los usuarios de la comunidad. También se analizará en detalle el grupo de usuarios pasivos para intentar identificar cuáles podrían migrar al grupo de Active Traders o de comunidad. Referencias Barba E., Boix F & Cuatrecasas Ll. (2000). Seis sigma. Una iniciativa de calidad total. Ediciones Gestión Cuadras C.M. (1996): Métodos de Análisis Multivariante. Ediciones EUB. Pande P.S., Neuman R.P. & Cavanagh R.R. (2000). The Six Sigma Way.. McGraw- Hill. Pande P.S., Neuman R.P. & Cavanagh R.R. (2002). The Six Sigma Way. Team Fieldbook. McGraw-Hill. Seber G.A.F. (1984): Multivariate Observations. John Wiley & Sons. 55