¿Qué es Customer Analytics?

Llega el momento en la evolución de un proyecto de marketing en el que llegamos a un punto en el que las acciones tradicionales parece que ya no dan más de sí: El crecimiento del tráfico orgánico comienza a estancarse, invertimos más en publicidad pero el ROI disminuye, las tasas de compra asociadas al mail marketing ya han alcanzado su máximo, la tasa de conversión y el carrito medio están estables desde hace tiempo, etc.

Es decir, las acciones tradicionales de SEO, Online Ads, Social Media, Mail Marketing, CRO, etc., ya han alcanzado su techo -o están cerca de ello.

Es en este momento cuando podemos comenzar a aplicar técnicas de Customer Analytics -en realidad, en un mundo ideal deberíamos comenzar antes de llegar a este techo 🙂

Customer analytics procesa los datos disponibles sobre el comportamiento de nuestros clientes para tomar decisiones de negocio a través de la segmentación de los clientes y a través de la analítica predictiva.

Analicemos los tres puntos principales de la definición anterior:

Comportamiento de nuestros clientes

Para poder analizar el comportamiento de nuestros clientes nos podemos apoyar en los datos disponibles en:

• Ecommerce. Visitas, ventas realizadas, pedido medio, utilización de promociones, etc.
• Mail Marketing. Horas y tasas de apertura de los correos, clics, compras asociadas, etc.
• Publicidad. Interacciones, zonas geográficas, etc.
• Nuestro CRM. Llamadas recibidas, compras offline (si tenemos tiendas físicas), etc.
• App móvil. Accesos, interacciones, etc.
• Comportamiento en las tiendas físicas. iBeacons, Wifi Analytics, etc.
• Canales sociales. Datos de Facebook, Twitter, etc.

Segmentación de mercado

Se trata de descubrir grupos afines de clientes que compartan características comunes, lo que nos permitirá definir acciones específicas para ellos. Cuanto más específicos sean los grupos, mayor personalización podremos ofrecer en nuestras campañas de:

• Fidelización. Sobre todo de nuestros clientes más rentables, aumentando en lo posible la frecuencia de compra.
• Reactivación. De los clientes inactivos.
• Crosselling. Sugiriendo la compra de productos que han comprado otros usuarios del mismo segmento.
• Upselling. Para aumentar el ticket medio.

Analítica predictiva

La analítica predictiva utiliza datos anteriores y actuales para predecir situaciones futuras. Sería el aspecto más avanzado del Customer Analytics, ya que implica estadística y algoritmos relativamente complejos para construir los modelos predictivos.

A pesar de su complejidad, ofrece la gran ventaja de anticipar resultados y comportamientos, lo que nos ayuda a basarnos en datos para tomar decisiones de negocio, en lugar de basarnos en especulaciones subjetivas.

Conclusiones

El Customer Analytics es un proceso, no un hito. Esto significa que no debemos intentar implementar todas las opciones en un solo paso; se trata de ir incorporando poco a poco las diferentes técnicas disponibles.

Podríamos comenzar a aplicar técnicas sencillas para analizar la recencia, frecuencia y monetización de nuestros clientes, o bien detectar el top 100 de los clientes más rentables de nuestro ecommerce para definir acciones específicas sobre ellos y, a ser posible, convertirlos en embajadores; o simplemente integrando herramientas de automatización como Sales Manago para reactivar a nuestro segmento de usuarios inactivos.

En definitiva, no nos asustemos por conceptos desconocidos, se trata de aplicar las técnicas que nos convengan en cada momento según el presupuesto disponible. La complejidad irá aumentando a medida que avancemos en está técnica, pero también lo hará el retorno.