In Consumer and Retail

La crisis de COVID —combinada con el crecimiento del comercio electrónico— han acelerado el ritmo de cambio en las empresas latinoamericanas, impulsado a su vez por cambios en las necesidades y preferencias de los consumidores. Las empresas tienen que apresurar el paso para implementar cambios tanto estratégicos como tácticos en sus métodos de marketing. Los profesionales de marketing necesitan producir resultados a corto plazo e ir más allá de su rol tradicional de establecer la estrategia y hacer crecer la lealtad a la marca. Hoy en día, se espera que los especialistas en marketing demuestren una correlación directa entre el gasto en marketing y el crecimiento en las ventas.

Según el informe 2020 Brand-Z de Kantar, las principales marcas latinoamericanas –como Bradesco, Corona, Telcel, Falabella y Mercado Libre– dicen que “la creatividad ayudó a las marcas a expandirse, incluso durante una crisis, porque los departamentos de marketing contribuyeron directamente al desempeño del negocio”. El crecimiento real y efectivo del marketing “comienza por identificar los comportamientos de los consumidores en los que deben influir las marcas para aumentar la participación de mercado tanto en la actualidad como a largo plazo”.

De forma similar, también se está redefiniendo el papel que desempeñan los especialistas en conocimientos profundos (en inglés, insights) que se dedican a estudios de mercado internos. Las organizaciones ahora exigen que cada estudio de mercado contribuya algo más que simples observaciones. De tal modo, las investigaciones se evalúan en términos del impacto comercial mensurable que sus insights pueden ofrecer.

Algunos ejemplos de insights de impacto mensurable incluyen los siguientes:

  • Las ventas generadas a partir de recomendaciones de un equipo o estudio de investigación
  • El cambio en la participación de mercado después de que se implementan las recomendaciones de la investigación
  • Los ahorros en costos derivados de recomendaciones específicas de la investigación

Menos encuestas y más análisis de los datos de consumo

El ritmo de cambio en el comercio digital, que actualmente es el canal de compra preferido, junto con la volatilidad generada por la pandemia han creado un nuevo entorno de trabajo en el que los marcos temporales y los entregables de la investigación tradicional han perdido muchísimo valor. En el mundo de hoy, la investigación tiene que ser veloz, focalizada e interpretada rápidamente para que se puedan realizar cambios en tiempo real en toda una gama de decisiones de marketing que van desde la fijación de precios hasta las comunicaciones y la colocación de canales. Como resultado, las empresas están llevando a cabo menos encuestas y reservando encuestas poco frecuentes para los programas anuales de planeación. Las encuestas por su propio diseño están sesgadas ya que las personas sólo responden nuestras preguntas. En la actualidad, la manera más inteligente de invertir dinero en esta área del negocio es monitorear y analizar el comportamiento de los clientes. La forma en que actuamos como consumidores es mucho más veraz que la forma en que respondemos a una encuesta.

Y de ahí que entren en escena la inteligencia artificial (IA), el aprendizaje automático y las tecnologías de procesamiento del lenguaje natural al ámbito de la investigación de mercado. Estas tres tecnologías ayudan a las empresas a monitorear, analizar, predecir y, de hecho, a moldear el comportamiento de los consumidores. Estos métodos se pueden aplicar tanto a investigaciones recientes cuyos datos se recopilan por medios digitales como a los datos de consumo ya almacenados por las empresas, o bien, a ambos. Se ha escrito mucho sobre la manera en que Netflix, Facebook y Amazon rastrean el comportamiento de los consumidores, ajustan sus comunicaciones y líneas de productos para adaptarse a sus preferencias y les hacen ventas sugestivas cada oportunidad que tienen. Pero muchas otras empresas tradicionales que empezaron a vender por Internet hace años todavía no extraen los datos de sus propios clientes para obtener este tipo de insights.

3 pasos clave

Albergar cantidades masivas de datos de clientes es sólo el comienzo. Se requieren tres pasos cruciales para que esos datos se puedan convertir en conocimientos mediante el uso de la inteligencia artificial y el aprendizaje automático:

Paso 1: Definir el objetivo. ¿Qué es lo que quiere saber? Tiene que elaborar una respuesta reflexiva y detallada a esta pregunta, ya que esta respuesta guiará cualquier análisis de datos impulsado por IA/aprendizaje automático.

Paso 2: Recopilar los datos. Esto significa buscar dos tipos específicos de información: estructurada y no estructurada. El primer tipo es el que está disponible en sistemas y formatos convencionales basados ​​en filas y columnas como Excel, CSV o datos de clientes en un sistema de administración de relaciones con clientes (Customer Relationship Management, CRM) como Salesforce. La información no estructurada se encuentra en materiales tales como archivos de audio (llamadas de quejas recibidas por el departamento de atención al cliente), archivos de video, etc.

Paso 3: Limpiar los datos y generar modelos. Una vez que haya extraído los datos, los insights que obtenga de ellos sólo serán tan buenos como los próximos pasos que dé. Primero, tiene que limpiar los datos y realizar ingeniería de características, así como desarrollar los modelos adecuados de aprendizaje automático y aprendizaje profundo. Esos modelos son los que descifran los datos y revelan los patrones. Una vez que haya implementado los modelos, entonces tendrá que monitorearlos para verificar que no hayan empezado a a flotar a la deriva a lo largo del tiempo, en cuyo caso tendrá que reprogramarlos según sea necesario. Puede ser más rápido y rentable ejecutar todo el proceso en la nube. Sin embargo, el comienzo es la parte más difícil. El uso del aprendizaje automático para generar insights útiles a partir de datos no estructurados requiere de una curva de aprendizaje muy pronunciada y ahí es donde una empresa externa con experiencia en este tipo de análisis de datos puede convertirse en un recurso esencial.

Próximos pasos

En AMI, nuestros líderes senior de prácticas de consumo están capacitados y tienen experiencia en el diseño de herramientas de análisis de datos de clientes basadas en técnicas de inteligencia artificial y aprendizaje automático.

Comuníquese con nosotros para conocer más acerca de cómo podemos ayudarle a obtener y analizar insights de alto impacto en su negocio a partir de los datos de clientes que ya tenga internamente o que esté planeando obtener en el futuro cercano.

Recommended Posts