Customer Intelligence
Obteniendo y explotando la información inexistente
Customer Intelligence (CI) es el proceso de reunir y analizar la información referente a los clientes y prospectos. Aquí se incluyen sus detalles y actividades, a fin de conseguir una mucho más afinada toma de decisiones de carácter estratégico y construir una elación mucho más profunda con los clientes.
Customer Intelligenge y su relación con el Customer Relationship Management
El CI es un componente clave para una relación efectiva con nuestros clientes y prospectos, de modo que cuando este es implementado de manera efectiva, se convierte en una fuente de conocimiento en cuanto al comportamiento y experiencia recogida en la base de clientes de nuestra organización.
Un ejemplo típico es el del cliente que entra en una gran superficie y sale sin realizar ninguna compra. La información en este caso no termina siendo recogida en un CRM tradicional, ya que no ha habido ninguna operación sobre una caja registradora. Pues bien, aunque no haya tenido lugar ninguna transacción comercial, conociendo el porqué este cliente deja el almacén (encuestas, interacción de empleados, etc.) sin realizar ninguna compra, y usando esta información para realizar inferencias sobre el comportamiento de este cliente, estaremos aplicando CI.
Cómo funciona
En la aplicación de CI comenzamos con datos de referencia; hechos básicos claves sobre el cliente, es decir, su localización geográfica, edad, perfil salarial, etc.
Esta información se verá entones suplementada con datos transaccionales; reports de actividad del cliente, es decir, información comercial (historial de consumo, transacciones realizadas, etc.), interacciones con el personal de servicio mediante teléfono o Internet, etc.
Normalmente podremos añadir una dimensión mucho más subjetiva, por ejemplo en forma de encuestas de satisfacción del cliente o información recogida en el punto de interacción de nuestros agentes de venta con los clientes y prospectos.
Por último, una organización podrá utilizar el conocimiento adquirido de la competencia y la llamada Mystery Shopping a fin de lograr una visión mucho más acertada de cómo su servicio se sitúa en el mercado.
Analizando esta información, y colocándola en contexto con la información sobre nuestra competencia, condiciones del mercado, y tendencias generales, podremos realizar estimaciones bastante precisas sobre las necesidades actuales y futuras de nuestros clientes, en qué basan sus decisiones, y predicciones sobre su comportamiento futuro para con nuestra organización.
Mystery Shopping
El Mystery Shopping (Cliente Misterioso) mide y mejora la calidad de servicio percibida por el cliente.
Un servicio tradicional de Mystery Shopping, ofrecido por especialistas de marketing en el mercado, abarca aspectos claves en el ciclo de servicio experimentado por el cliente y los puntos críticos en la gestión de sus puntos de venta.
Estos puntos suelen ser:
- Atención al cliente
- Ánimo de venta
- Imagen del establecimiento
- Control de cobro
- Campañas, promociones, etc.
En definitiva, se trata de una herramienta aplicada en la investigación de mercado para medir la calidad del servicio o reunir información específica sobre productos y servicios.
Beneficios que aporta el CI
El CI nos dota de un entendimiento detallado de la experiencia que tienen nuestros clientes cuando interactúan con nuestra organización, permitiéndonos hacer predicciones con respecto a las razones que se ocultan tras su comportamiento.
Este conocimiento podrá ser aplicado entonces para dar soporte a una toma de decisiones más estratégica y efectiva.
Un caso práctico: La Banca
Entre los mercados que parecen estar invirtiendo más en la implantación de aplicaciones de customer intelligence, destaca el sector financiero, consciente de las necesidades de conocer las demandas de sus clientes y, con ello, obtener mayor rendimiento.
Por su parte, numerosos estudios revelan cómo la búsqueda de modelos de suministro de servicios por parte de los bancos, con el fin de satisfacer las necesidades de sus clientes, es una prioridad clave, en un momento en el que los márgenes están empequeñeciéndose y la crisis empieza a hacer mella.
Frente a la implantación de soluciones de gestión de la relación con el cliente, progresivamente las compañías, en su mayoría, las grandes corporaciones, están apostando por implantar plataformas de customer intelligence basadas en herramientas de CRM analítico y operacional.
El objetivo final es el de ayudar a las empresas a transformar los datos de sus clientes en el conocimiento en profundidad que necesitan para entender sus necesidades, ofrecer mayor valor y crear relaciones más rentables con los mismos. Asimismo, eso les da la oportunidad de integrar la información que tienen sobre sus clientes, independientemente de su procedencia, es decir, sistemas internos, web, call center, sucursal o cajero automático.
De este modo, mientras que el CRM operacional conecta los distintos procesos de negocio, el CRM analítico hace uso de herramientas de análisis de datos para diseñar perfiles y necesidades de los clientes.
Normalmente, se trata de aplicaciones que suelen utilizar las entidades bancarias para entender mejor sus segmentos de clientes, calcular y maximizar el valor del ciclo de vida de cada cliente, construir modelos de análisis de escenarios what-if y predecir el comportamiento de los clientes. Esto nos ofrece la oportunidad de diseñar campañas de marketing que resulten eficaces y eficientes, y aprender de los resultados a la hora de diseñar futuros planes de producto.
El enfoque que precisa una sistema CI en un entrono como es el de la Banca se centrará en la obtención de los patrones de comportamiento de sus clientes frente a las ofertas que la entidad ponga a su disposición. De este modo, nuestra organización podrá elegir los caminos más adecuados hacia la consecución de sus objetivos comerciales.
Existen dos puntos muy importantes de obligatorio tratamiento. Por un lado hablamos de la incorporación de información procedente tanto de nuestras propias fuentes, como de externas en cuanto a clientes y prospectos, y por otro a la mejora de nuestras reglas de negocio y modelos de análisis predictivo, y la incorporación de nuevos, basados en procedimientos de regresión, árboles de decisión y más novedosos como las redes neuronales y ecuaciones estructurales, entre otros.
De esta forma, y pudiendo disponer de esta capacidad analítica en tiempo real, podremos acabar sabiendo in-situ si el cliente x es propenso a aceptar una oferta de tipo préstamo hipotecario, plan de pensiones, domiciliación de nómina, o inversiones entre otras, o definiendo campañas por lotes sobre nuestra base de clientes y prospectos.
En un momento económico donde el cliente, si cabe, aún tiene más valor, y en el que el mercado está orientado hacia la oferta para los nuevos, y retención de los existentes, esta evolución hacia el Customer Intelligence se hace necesaria.
Agensys en QDQ
