¿Cómo trabajar la venta predictiva con Business inteligence?

Tiempo.  Tiempo ya no es una palabra más, sino que se ha convertido en el concepto clave en los modelos de negocios que realmente están adaptando sus sistemas de venta y, en consecuencia, todos los demás elementos del negocio, con el fin de poder  dar respuesta a sus clientes con la mayor celeridad posible. El tiempo es el concepto que debe ser protagonista en estos nuevos modelos donde la clave no es dar solución a las necesidades de los clientes sino predecirlas. Las empresas que desarrollen estrategias basadas no en dar respuestas reactivas sino en gestionar el tiempo de reacción con los clientes serán, y de hecho muchas de ellas ya lo son, las que dominen el entorno.  Esta idea tiene como clave generar una venta que ya no puede ser calificada como tradicional ni asesorada, ni siquiera consultiva, puesto que de lo que se trata es de adelantarse a las necesidades del cliente incluso antes de que tenga conocimiento de ellas, por lo que estamos sin duda en los inicios de un cambio radical  en la forma de relacionarnos con  nuestros clientes.

Paseando por la calle si nos encontramos a un niño o una niña con un helado  podemos ver que ya no lo saborean, sino que lo muerden. Es un hecho que a simple vista no dice nada, pero que si se analiza bien puede dar respuesta a muchas cuestiones que están dándose con las ventas, la fidelización y la retención en las empresas. Los niños están deseando terminar esa acción para comenzar otra. Además, mientras esto sucede y si vives en una ciudad más o menos grande, verás como han pasado por esa misma calle varios coches de Uber o Cabify, varios monopatines eléctricos y algún que otro ciclista de Glovo y una furgoneta con productos de Prime Now de Amazon. Todos ellos tienen una misma misión en la sociedad en la que vivimos, reducir los tiempos al máximo para que los clientes disfruten de un determinado producto, actividad o servicio lo antes posible.

Las empresas que están utilizando la tecnología para reducir los tiempos de espera de los clientes no son sólo las que generan mayor negocio y están siendo más sostenibles que su competencia, sino que son las que están educando a la sociedad en las prioridades que tenemos a la hora de decidir sobre la compra de un producto o servicio. Es aquí donde está la clave, en cómo determinadas empresas han conseguido convertir una necesidad del cliente en una forma nueva de consumir donde el valor principal de conversión en compra es el tiempo por lo que, además de satisfacer esa necesidad inicial del producto,  han tenido la capacidad de llegar a una sociedad globalizada que cuenta ya con que cualquier compra que hagamos sea online o tradicional, sea a través del canal que sea,  tiene que tener como protagonista en su servicio la capacidad de que podamos disfrutar del producto lo antes posible. Siendo esta circunstancia una característica que damos por supuesta en cualquier proceso de compra y que ya hemos integrado hasta el punto de considerar que eso es  lo lógico y que lo excepcional es que el producto no llegue cuando deseamos.

Las empresas y las compañías, ya  estén basadas en procesos online u offline (e insisto en esta idea) , deben ser conscientes de esta situación y para ello deben crear estrategias basadas en generar y llegar a  tener la capacidad de dar respuesta a la necesidad de los clientes lo antes posible en todos los parámetros a tener en cuenta, ya sean logísticos, de marketing, capital humano o financieros. Cómo hacerlo y cómo ponerlo en marcha es quizás el gran reto de las empresas y organizaciones en estos momentos y es lo que este artículo pretende enfocar.

Partamos de un hecho que es común en todas las empresas y es que todas ellas tienen datos, con independencia de cómo se hayan recogido ni qué tipo de datos sean,  lo fundamental es que  han sido generados como consecuencia de una relación de la empresa en cuestión con los clientes. Esta premisa es fundamental porque va a ser la base de la estrategia a seguir y no me refiero únicamente a empresas que puedan generar “big data” sino a cualquier empresa que tenga datos de clientes, sean “big” o “small”. La capacidad de manejar estos datos va a ser directamente proporcional a la consecución del objetivo de estrategia de venta y retención basada en reducir tiempos. Es aquí donde lanzo la idea fundamental que no se centra en trabajar esa reducción de tiempos de forma reactiva sino de forma proactiva, en base  a aprender lo que va a necesitar el cliente y de esta manera, poder  adelantarse a esa necesidad, en definitiva, a  predecir la venta. Desarrollar estrategias predictivas basadas en la necesidad futura de los clientes es la clave para reducir al máximo los tiempos de respuesta de cara a los mismos. Para poder desarrollar esta estrategia son fundamentales los datos que ya tenemos en cada empresa, porque nos permiten analizar cuáles son los comportamientos de nuestros clientes y posibles clientes en el futuro inmediato y no tan inmediato.

Sea cual sea tu negocio o el sector al que te dediques, esta estrategia de predicción no es que sea viable, sino que es fundamental. De hecho, cuando estuve estudiando en el MIT sobre ello, el caso estudiado no fue una gran compañía tecnológica o similar, fue una farmacia,  un ejemplo que permite comprender el concepto de venta predictiva fácilmente,  incidiendo en la idea de que dicho concepto es extrapolable a cualquier ámbito de negocio, de cualquier sector y sean cuales sean los canales de venta que emplee.

Así, imaginemos ahora que tienes una farmacia y que un cliente compra pañales para bebés de 0 a 3 meses, desde ese momento y con ese dato, dispones ya de una información que bien utilizada te sorprenderá lo que puede generar.  Y es que si se analiza bien, ya sabes que ese cliente en 3 meses va a tener que comprar pañales de 3 a 6 meses y en 6 meses de 6 a 9 y así sucesivamente hasta que deje de usar pañales el niño o niña en cuestión. Pero es que esta primera línea de trabajo es sólo el principio, porque es ahora cuando además puedes generar venta cruzada con la misma predicción,  ya que si compran pañales de 0 a 3 meses también necesitarán, por ejemplo,  leche de continuación de 0 a 3 meses y seguidamente de 3 a 6 y así de nuevo sucesivamente. Ahora pensad no sólo en leche y pañales, sino en todo lo que se debe consumir para un bebé en su crecimiento: (Chupetes, medicinas, toallitas…. Etc). Esta estrategia no acaba aquí, de hecho eso es sólo el inicio.  Ahora pensemos en las características de nuestro cliente, no el consumidor genérico  sino el concreto que hace la compra, en este caso los padres de ese bebé,  y en sus características,  y estudiemos cuántas parejas con esas mismas características tenemos en nuestra farmacia y esto es lo que nos hará poder predecir las necesidades de clientes que ni siquiera son conscientes que   van a tener. Por supuesto siempre contamos con márgenes de error. Ahora pensemos en los clientes que pueden en un futuro ser como esos que ahora están comprando y pensemos igualmente en todos los posibles clientes que en un presente tienen el mismo target que los posibles futuros,  os algoritmos pueden ser infinitos.

Y es aquí donde las compañías con mayor capacidad utilizan herramientas de predicción como el Machine Learning aplicado a la predicción o la programación en Python que sin duda se ha convertido en el gran aliado de esta circunstancia.

Es lógico que en estos momentos podamos estar pensando en si mi empresa tiene la capacidad económica y los recursos para desarrollar venta predictiva basada en Machine Learning y programar en Python.  Probablemente a día de hoy, sea inviable en una gran mayoría de las empresas.   Cavilando sobre ello llegué a una posible solución que sería  aplicable en cualquiera de las empresas en la que nos dispongamos a desarrollar sistemas predictivos y que también resuelve  un problema que hasta ahora no había planteado y que  es el  cómo comunicar  con el cliente o cómo realizar la acción de marketing dirigida al mismo una vez sepa cuál es o va a ser su necesidad,  puesto que la dificultad no está solo en predecir ésta sino en la comunicación una vez hayamos predicho la acción de venta o retención del cliente.

Así, cuando se plantea  cómo predecir las necesidades de los clientes en las empresas se parte siempre de datos de que dispone, como hemos expuesto,  pero en un principio es difícil saber cómo afrontar el reto sólo con datos. Los CRMs y ERPs que tenemos generan sistemas de alertas y cuadros de mandos basados en circunstancias presentes  que pueden dar respuesta futura de forma reactiva pero no predictiva, es por eso que necesitamos una herramienta que nos ayude a generar predicción a través de esos datos y en este sentido,  hay varias que se  pueden utilizar como SAS, DOMO o Power Bi de Microsoft o, de la  que voy a hablar especialmente,  como Tableau,  (que recientemente ha sido comprada por Sales Force). Esta herramienta de BI (Business inteligence)  se caracteriza por la capacidad de generar Dashboards donde podemos analizar todo lo que ocurre en nuestra empresa,  es también una herramienta que nos puede generar venta predictiva en la forma que voy a exponer, que he contrastado en varias empresas.

 

 

La primera premisa que debemos tener clara es que Tableau tiene la capacidad de recoger toda la información que tengamos digitalizada en nuestra empresa: CRM, ERP, Documentos Excel, TPV, informes Amazon, PDF.  Recoge todos los datos siempre y cuando estén digitalizados. Pero es que además, Tableau puede comprender no sólo información interna sino también la externa, que claro está, debe igualmente estar digitalizada.  Imaginemos cualquier página que esté en red y que nos puede aportar información que afecta a nuestro negocio (por ejemplo, una página de pronóstico del tiempo,  relevante por tanto para una empresa de hostelería). Con estos datos la misión principal de Tableau es generar informes inteligentes con los que podemos trabajar y que son realmente interesantes a la hora de plantear la estrategia.  Pero, además de esto y  he aquí el elemento principal ,  ¿y sí además de que pueda alimentarse del CRM (entre otras fuentes de datos) mandara información al CRM instantánemente?  Es decir, convertir a Tableau en una herramienta que alimente de forma predictiva al CRM y hacerlo exactamente en el momento y a la persona o sistema indicado. Conseguir que Tableau no sólo informe a través de Dashboards, sino que dé datos precisos al CRM.  Esto es posible y lo es no sólo con Tableau sino con cualquiera de las herramientas de BI que utilicemos y de esta manera es la propia herramienta la que,  además de alimentarse del propio CRM,  le da información y predice  cómo actuar y cuándo actuar con nuestros clientes de forma que es el CRM el que a su vez va a generar un sistema de alarmas qué nos va a anticipar qué hacer con nuestros clientes. Esto es así porque es la propia herramienta BI la que no sólo nos dice cuándo actuar y qué hacer sino cómo hacerlo,  partiendo de lo que ha tenido éxito en otras ocasiones con clientes con esas mismas características. El esquema que expongo a continuación es clave para desarrollar este sistema en nuestras empresas

teniendo en cuenta que, sean del sector que sean,  ya no debemos basarnos en cuáles son los comportamientos de los clientes con nuestros productos sino en cuáles son los comportamientos de los usuarios en la sociedad.  Así, por ejemplo,  empresas como Amazon (que utiliza venta predictiva) provocan que la sociedad valore el tiempo de entrega como elemento fundamental  no sólo en esa plataforma en concreto,  sino en todas las relaciones comerciales que tengan en su día a día. El usuario en definitiva ha elegido que el tiempo sea clave a la hora de relacionarse con uno u otro negocio.

En los últimos meses he desarrollado esta estrategia en varias empresas que no tienen nada que ver con el “ concepto Amazon”,  pero que sí tienen que enfrentarse a ese nuevo elemento clave de cualquier negocio, que es el tiempo de cumplimiento o de entrega como necesidad-exigencia del usuario que ya no lo concibe de otra forma.  Y esto es predicable de cualquier sector. Por ejemplo, en el mundo agrícola los cambios innovadores que están sucediendo de forma disruptiva en ese campo implican la necesidad de aplicar la  predicción en todos los ciclos de relación con un cliente. Por ello, las empresas agrícolas deben plantear su estrategia desde la base de la predicción para que, incidiendo en lo expuesto, a un agricultor se le dé respuesta antes de que su necesidad haya surgido siquiera. De esta forma si el agricultor elige comprar una semilla determinada, ya podemos saber cuál va a ser su abono, fertilizante, y demás productos agrícolas que va a necesitar a lo largo del ciclo y, como se comentó anteriormente con el ejemplo de la farmacia, no sólo podemos saberlo del cliente concreto sino de todos los demás agricultores que  trabajen con su mismo cultivo.  Siguiendo el mismo ejemplo de actividad,  si se trata de un concesionario agrícola es posible anticipar qué va a necesitar en un futuro un agricultor-cliente desde el cambio de batería de un tractor o de un apero, a la utilización de un dron o a la programación GPS para trabajar la tierra.

En definitiva, sea cual sea el sector al que se dedique la empresa a la que queramos aplicar la venta predictiva debemos tener clara la misión fundamental,  que es conseguir rebajar al máximo los tiempos en la relación comercial o de fidelización que tengamos con el cliente,  siendo conscientes además de que esa idea no viene provocada por una mejora en nuestros parámetros y acciones de venta sino por una necesidad cada vez más presente en la sociedad. Sin duda anticiparnos a nuestros clientes es la forma más precisa y emocional de convertir la oportunidad en venta, al dar respuesta de forma exquisita a esa necesidad en relación con el tiempo como elemento fundamental.

 

 

Escribir comentario