El Big Data en la dirección comercial: market(ing) intelligence

PROGRAMA EXPERTO EN
DIRECCIÓN COMERCIAL:
Marketing, Ventas y Digital
El Big Data en la dirección comercial:
Market(ing) Intelligence
Alex Rayón Jerez
www.alexrayon.es, alex.rayon@deusto.es
@alrayon
Mayo, 2016. Bilbao.

5
Índice de contenidos
●Clarificando conceptos
●Market(ing) Intelligence
●Casos de aplicación
●¿Cómo empezar?

6
●¿Cómo empezar?

7
Clarificando conceptos
Las 5 V’s del Big Data
Fuente: http://www.dreamstime.com/stock-photography-big-data-v-words-image35236832

8
Data Science
Fuente: http://www.slideshare.net/TechnetFrance/rec201-mstechdaysfinal130213033305phpapp02-19779391

9
Drivers of Big Data

10
Economía digital
● La sociedad se ha tecnificado, y estamos cada
vez más interconectados
○ Se habla de las redes sociales
● A eso unámosle que el coste computacional es
cada vez menor
○ Menor coste de producción
● Cada vez se están digitalizando más procesos y
actividades de nuestro día a día
○ Generaremos cada vez más datos

11
Economía digital (II)
En la actividad digital, todo
genera un dato
Tarjetas de crédito
Teléfonos móviles
Redes sociales
Proveedores de Internet
Tarjeta de fidelización de
mercado
...
Fuente: http://www.privacidadlogica.es/2012/05/31/modelo-de-informe-sobre-sistema-de-control-horario-basado-en-huella-digital/

12
Fuente: http://www3.weforum.org/docs/WEF_ITTC_PersonalDataNewAsset_Report_2011.pdf
Economía digital (III)

13
Fuente: http://www.theguardian.com/news/datablog/2014/apr/22/how-much-is-personal-data-worth
Economía digital (IV)

14
Big Data vs. Business Intelligence
Business Intelligence
Big Data

15
Business Intelligence vs. Business Analytics

16
Business Intelligence vs. Business Analytics (II)
Fuente: http://i.ytimg.com/vi/oNNk9-tmsZY/hqdefault.jpg
Fuente: https://wiki.smu.edu.sg/is101_2012/Week_12_(G3)

1717
●Estudiar datos tiene dos objetivos principales
o Informar
§ ¿Qué ha ocurrido?
o Predecir
§ ¿Qué podría ocurrir?
Hoy
Business Analytics
Predecir
Informar
Business Intelligence vs. Business Analytics (III)

18
El valor de la pregunta
●No obtiene respuestas
quién posee los datos, sino
quien sabe hacer las
preguntas
●Una disciplina que tiene un
objetivo a medio plazo
o La herramienta de la estrategia
y de la dirección
o Busca dar respuestas a
preguntas concretas y
formuladas a priori analizando
datos
Fuente: http://www.xiskya.com/2012/12/21/una-pregunta-poderosa-por-favor/

19
Resolución de problemas
Problemas
Predictivos
(supervisados)
Descriptivos
(no supervisados)
Clasificación
Regresión
Análisis correlacional
Agrupamiento
Reglas asociación

20
Resolución de problemas (II)

21
Técnicas de Data Mining
Fuente: http://www.angelbonet.com/2014/05/datamining-como-sacar-oro-al-big-data/

22
La puesta en valor del dato
Datos Analíticas Puesta en valor
Modelo predictivo de previsión de compras: eficiencia transporte, ahorro portes, evitar roturas stock, etc.
Modelo predictivo de ventas: sugerencia compras, etc.
Rutas óptimas según cargas, productos y zona: en base a pedidos, etc.
Product clustering: incluso, personalización.
Análisis de compras
...“Sensores” para la
captura de datos
Real Time
→ Conocer estado producto en
tiempo real, avisar ruptura stock,
etc.
Marketing
→ Segmentación clientes
→ Dashboard hot spots
→ Alertas variaciones (clientes,
productos, zonas, etc.)
→ Detección mermas, robos, etc.

23
●¿Cómo empezar?

24
Customer Journey
Fuente: https://www.surveygizmo.com/survey-blog/how-to-collect-consumer-insight-with-a-customer-journey-map/

25
Nueva coyuntura
Fuente: http://www.slideshare.net/FranciscoEgeaCastejn/omnichannel-commerce-v1-29975328?qid=a49aadc2-7032-4304-b96b-145ffb0e2dae&v=default&b=&from_search=20

26
De multicanal a omnicanal
26

27
Estructura organizativa
27

28
La importancia del dato
En la economía digital, captar datos de clientes es
cada vez más crítico
De
1º Vender
2º Capturar el dato
A
1º Capturar el dato
2º Vender

29
La importancia del dato (II)
Estrategia de venta directa: nuevo enfoque
1-2) Gestionar audiencia1-2) Capturar datos
3) Convertir a ventas

30
El impacto en los negocios
● Los beneficios que una empresa puede obtener
son claros:
○ Conocimiento de sus clientes, mercados, productos, etc,
○ Redundando esto en nuevos mercados, nuevos
segmentos
○ Alineamiento de la empresa a los clientes
○ ...
● En definitiva nuevos ingresos y ahorros

31
El impacto en los negocios (II)
Oportunidades que se enmarcan en la era de la
personalización y especialización que demanda un
cliente exigente e informado
Fuente: http://www.luxortec.com/blog/camino-a-una-estrategia-centrada-en-el-cliente/

32
El impacto en los negocios (III)
● La oportunidad de explotar el dato aparece
cuando muchas empresas se dan cuenta que
tienen muchos datos en diferentes sistemas y
archivos (ERP, CRM, hojas de cálculo, redes
sociales, etc), y no lo explotan
● Y aquí el principal problema está en que no hay
una "explotación cerrada"
○ Es decir, no hay un conjunto de utilidades o preguntas
tipo
○ Hay tantos enfoques prácticamente como empresas

33
Pirámide informacional
Fuente: http://mundotrading.net/2014/05/01/hoy-tenemos-mucha-informacion-pero-somos-mas-cultos/

34
●El dato por si solo nos aporta poco…
o 2.000 visitantes únicos en mi tienda online
o 1.000 nuevos usuarios en mi aplicación
o 10% nuevos clientes en mi exposición
o 24 conversiones de las campañas de captación
o 3.000 € de incremento del tamaño de la transacción
media de ticket de compra
o ...
Del dato...

35
Falta contexto → circunstancias
Fecha
Dispositivo/canal
Geolocalización
Fuente
Tendencia/Perspectiva
...
Del dato… (II)

36
El dato puesto en valor → inteligencia de negocio
… al conocimiento
Fuente: http://www.esan.edu.pe/conexion/actualidad/2013/04/12/inteligencia-negocios-empresa/

37
Fuentes de datos
Source: http://www.bigdata-startups.com/BigData-startup/understanding-sources-big-data-infographic/

38
●¿Cómo empezar?

39
1) Ganar más dinero
2) Evitar perderlo
3) Optimizar procesos
Casos de aplicación
¿Esto para qué sirve?

40
1) Ganar más dinero
Marketing intelligence
La idea es analizar la parte más
transaccional (de compra - venta)
con las acciones de marketing
Con este dúo, sacamos acciones
de marketing con objetivos,
personalizado e hipersegmentado
Fuente: http://www.boats.com/boat-content/2010/page/152/

41
1) Ganar más dinero (II)
●Se trata de analizar los datos:
o Contextuales de una compra → momento, lugar,
composición de la cesta de la compra
o Lo enmarcamos en perspectiva → frecuencia, tiempo
entre última compra, etc.
o Analizamos el cliente → si lo hace con tarjeta de
fidelización, edad y perfil sociodemográfico, si viene
incentivado por un descuento, etc.
o Y el canal por el que entra → online -tienda online,
landing page, redes sociales, etc- u offline
●… y preguntarnos cosas como...

42
● Uso de datos en el mundo comercial
o Customer profiling: hábitos, necesidades, valor,
potencial → Know Your Customer (KYC)
o Customer Intelligence: targeting, modelos de cliente
(ciclo de vida relacional y existenciales), modelos de
producto (propensiones), segmentación, análisis del
Valor Cliente (Customer Lifetime Value), análisis patrones
de compra (Market Basket Analysis), métrica RFM
(Recency, Frequency, Monetary), etc.
o Estrategias omnicanal y de Social CRM: findability, social
1) Ganar más dinero (III)

43
o Brand Intelligence: valor de una marca, influencia de la
marca en la oferta y demanda, valoración de marca, etc.
o Marketing experiencial: Customer Experience
Management, Customer journey, Indicadores de
Experiencia de Cliente (NPS, etc.)
o Del marketing masivo al marketing one2one: Event-
based marketing, marketing en tiempo real (retargeting),
retargeting personalizado (Right Offer, Right PersoN),
estrategias de cross y up-selling
1) Ganar más dinero (IV)

44
o Inbound marketing: engagement con contenidos,
capturando datos de touchpoints, relación con clientes,
etc.
o Social Media Intelligence: Social Business, Social Media
Analytics, análisis de medios sociales y conversión, etc.
o Geomarketing: Sistemas de Información Geográfica (GIS)
o Producto: nichos de mercado, nuevos productos y
servicios, pricing inteligente, etc.
1) Ganar más dinero (V)

45
o Fidelización de clientes: programas de fidelización,
técnicas de fidelización (endógena y exógena)
o Marketing ROI & optimización del presupuesto de
marketing: CLV vs. CAC, modelos de atribución, modelo
analítico de atribución, evaluación de las acciones,
campañas, segmentos y audiencias, optimización de la
inversión
o etc.
1) Ganar más dinero (VI)

4646
1) Ganar más dinero (VII)

47
1) Ganar más dinero (VIII)
Segmento y perfil de cliente que más compra a una
hora determinada y en un lugar concreto
Fuente: http://es.slideshare.net/Elife2009/perfil-del-consumidor-de-bebidas-alcohlicas-en-mxico

48
Perfil de cliente
Quiénes son: tipo de cliente, características, cómo se
comunican, etc.
Dónde viven/qué lugares frecuentan: comportamiento
geográfico
Qué compran: productos que consumen, frecuencia, valor,
etc.
Interacciones: cliente activo, índice de contacto,
interacciones positivas o negativas, etc.
1) Ganar más dinero (IX)

49
1) Ganar más dinero (X)

50
1) Ganar más dinero (XI)

51
1) Ganar más dinero (XII)

52
Quién (influenciadores) o qué (drivers de compra)
influye más en la decisión de compra de un cliente
→ drivers
Fuente: http://www.marketing4food.com/la-distribucion-espanola-y-su-comprador-razones-para-elegir-una-ensena/
1) Ganar más dinero (XIII)

53
Qué relación de
productos permite
modelizar el perfil
de cliente
Fuente: http://www.elmundodeladc.com/cual-es-tu-perfil-online/
1) Ganar más dinero (XIV)

54
¿Cuál es la estructura de mi marca?
Fuente: http://www.scielo.org.co/scielo.php?pid=S0120-48232007000200008&script=sci_arttext
1) Ganar más dinero (XV)

55
Reglas de asociación de
productos como "Si
compra foie, también
adquiere vino crianza", y
así enfocar el cross-selling
o up-selling en tienda o en
promociones, product
placement, gestión de
inventarios, etc.
Expresión de la forma
X → Y
{pañales} → {cerveza}
{cerveza} → {pañales}
{pan, leche} → {huevos}
{pan} → {leche, huevos}
Fuente: http://noticias.buscopisocasa.com/category/alimentacion-2/
1) Ganar más dinero (XVI)

56
Analytics www.tiendaosborne.es Nuevo informe personalizado 20150101-20150921
1) Ganar más dinero (XVII)

57
Planteamos cuatro problemas
1. Relación entre Relación entre Ingresos por usuario y
Búsqueda en Tienda de Productos
2. Predecir cifra de ventas a partir de la cantidad y grupo de
promoción
3. ¿Qué productos son comprados a una determinada hora
del día?
4. ¿Qué compras siguen un patrón parecido?
1) Ganar más dinero (XVIII)

58
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
1) Ganar más dinero (XIX)

59
MROI: Marketing Return on Investment
McKinsey review: “An integrated analytics approach could save up to 15-20% total budget”
Source: http://www.thecmosite.com/author.asp?section_id=1137&doc_id=234474
1) Ganar más dinero (XX)

60
Clusterizar clientes y productos
Source: http://inside-bigdata.com/2013/12/18/tech-tip-power-pitfalls-clustering/
Source: http://www.cs.bilkent.edu.tr/~saksoy/research.html
1) Ganar más dinero (XXI)

61
¿Cómo están relacionados mis clientes?
Análisis de Redes Sociales (ARS)
Source: http://rs.resalliance.org/2010/11/03/reading-list-using-social-network-analysis-sna-in-social-ecological-studies/
1) Ganar más dinero (XXII)

62
●Mediciones: Nodos (cont.)
o Centralidad
Fuente: http://historiapolitica.com/redhistoria/2013/02/8n-en-twitter/
1) Ganar más dinero (XXIII)

63
o Centralidad
Fuente: http://slideplayer.es/slide/19335/
1) Ganar más dinero (XXIV)

64
1) Ganar más dinero (XXV)

65
Las campañas son costosas y además muchos
clientes no responden
Solución: Right Person
Predecir quienes van a responder a una oferta
Tecnología: Modelos de propensión
Se está saturando a los clientes con múltiples
ofertas
Solución: Right Offer
Elegir los clientes que tengan más propensión en cada
momento
Controlar la periodicidad de los envíos
1) Ganar más dinero (XXVI)

66
1
Escuchar
Gestionar
Decidir
Hablar
2
3
4
- Analizar datos
- Identificar oportunidades
- Almacenar la historia de las
interacciones
- Escuchar puntos de contacto:
conversaciones sociales, web,
teléfono, landing page, etc. - Construir perfiles
- Elaborar propensiones
- Establecer estrategias: Right
Person y Right Offer
- Entregar el mensaje y la oferta
adecuada en el momento más
oportuno
- Repetir esto, una y otra vez, para millones de interacciones con miles de clientes
- Automatizar la multi/omnicanalidad, y medir beneficios a largo plazo
1) Ganar más dinero (XXVII)

67
Twitter
followers
Web Campaña SEO (On y Off) Facebook fans...
Elegible
- Opt outs
Scoring
Top deciles
Canal
Facebook
Broadcast
Twitter SMS Adwords
Lista email
suscriptores
...
A la hora de hacer retargeting, habrá que
variar el contenido del primer mensaje
Criterios
- Right offer
- Right person
Evaluar las campañas y las acciones
por el ROI y la efectividad.
Proyecto en marcha
Externo
Interno
Web
A la hora de impactar dentro de la
web, se tendrá en consideración el
comportamiento del usuario
1) Ganar más dinero (XXVIII)

68
Segmento elegible Oferta recomendada Score Canal
Tarjeta de lealtad
Envío gratuito por categoría oro 98
Suma 50 puntos adicionales 60
Ciclo de vida de producto y
cliente
Cuenta registrada nueva 5
Lanzamiento producto nuevo 20
Extensión de garantías 15
Basado en evento
Empaquetar oferta de
productos
68
Ofertas basadas en abandono
de carritos
75
Oferta de temporada estacional 89
1) Ganar más dinero (XXIX)

69
2) Evitar perderlo
● En segundo lugar, las
empresas también
queremos evitar perder
clientes
● Ya conocemos el famoso
mantra de la importancia
que tiene mantener
clientes por el coste que
tiene adquirir nuevos
o Y esto es más posible que
nunca gracias al análisis
masivo de datos
Fuente: http://javiermegias.com/blog/2012/04/el-motor-de-tu-modelo-de-negocio-coste-de-adquisicion-y-valor-del-
cliente/

70
2) Evitar perderlo (II)

71
2) Evitar perderlo (III)

72
2) Evitar perderlo (IV)

73
2) Evitar perderlo (V)

74
2) Evitar perderlo (VI)

75
Fuente: http://www.imanet.org/docs/default-source/maq/2009maq_spring_kumar-pdf.pdf?sfvrsn=0
2) Evitar perderlo (VII)

76
2) Evitar perderlo (VIII)

77
2) Evitar perderlo (IX)

78
●Los modelos de propensión pueden ser:
o Compra (cross-sell y up-sell)
o Fuga (si pudiera dejar de ser nuestro cliente)
o Riesgo de impago (que no pague lo que adeuda)
o Fraude
o Sensibilidad al precio (descuentos)
o etc.
●Son modelos que estiman la probabilidad de
que se produzca esa conducta (compra, fuga,
etc.) para cada uno de nuestros clientes
o Permite generar modelos predictivos para poder tomar
decisiones de negocio en tiempo real
2) Evitar perderlo (X)

79
● Construir relaciones duraderas y sostenibles en
el tiempo entre las empresas y sus clientes,
permiten:
o Incrementar el índice de satisfacción
o La involucración y la optimización del marketing de
compromiso
● Por lo tanto, contactar a los más propensos a
fugarse da buenos resultados a una empresa
● Buscamos clientes prescriptores
2) Evitar perderlo (XI)

80
2) Evitar perderlo (XII)

81
2) Evitar perderlo (XIII)

82
Fuente: https://bigml.com/user/czuriaga/gallery/model/53a071d4c8db6379930014f6
Fuente: http://www.vladislav.lazarov.pro/files/research/papers/churn-prediction.pdf
2) Evitar perderlo (XIV)

83
Fuente: http://www.retentionscience.com/the-top-4-reasons-customers-churn-and-how-to-prevent-it
Fuente: http://www.forentrepreneurs.com/customer-success/
2) Evitar perderlo (XV)

84
● Para predecir el
consumo que tendrá
el Cliente el próximo
año
● A partir de ese gasto
futuro estimado, se
calcula el valor
esperado del cliente
pudiendo determinar
si éste será rentable o
no
Fuente: http://mod-keynesiano.blogspot.com.es/p/modelo-keynesiano.html
2) Evitar perderlo (XVI)

85
● Se realiza un análisis de sensibilidad al precio de
los clientes, identificando aquellos grupos de
usuarios más sensibles a un cambio en el precio
Fuente. http://planuba.orientaronline.com.ar/tag/costos/
2) Evitar perderlo (XVII)

86
Lead generation, Nurturing and Scoring
Fuente: http://www.responsewise.com/email-marketing/use-lead-scoring-nurturing-to-plug-sales-funnel-leaks/
2) Evitar perderlo (XVIII)

87
Fuente: http://my-inner-voice.blogspot.com/2011/08/net-promoter-score-for-four-cloud-iaas.html
2) Evitar perderlo (XIX)

88
●Recency
o Cuán reciente es la última compra del cliente
●Frequency
o Con cuánta frecuencia compra el cliente
●Monetary
o Cuánto gasta el cliente
●Esta técnica de análisis está basada en el axioma
de marketing de que el 80% del negocio procede
del 20% de los clientes
2) Evitar perderlo (XX)

89
Fuente: http://www.emailmonday.com/customer-lifetime-value-calculation-email-marketing
2) Evitar perderlo (XXI)

90
3) Optimizar procesos
Creación de
modelos
que
permitan
ahorrar
esfuerzo
económico
en
diferentes
procesos
Fuente:
http://www.indiana.edu/~hmathmod/modelmodel.html
Mathematical models
+
Statistical methods

91
3) Optimizar procesos (II)
●Supongamos la logística o la gestión de una
central de compras
●Si yo integro todas las transacciones de compras,
y analizo frecuencia, proveedores, descuentos,
etc., podemos hacer un modelo que nos
seleccione en tiempo real el mejor proveedor o
distribuidor por descuentos que viene haciendo
históricamente, considerando lo que ahora
quiera comprar

92
●¿Cómo empezar?

93
¿Cómo empezar?
Estrategia de trabajo
Data-Driven Attribution
Necesitamos concretar el ROI
Necesitamos explotar datos con mucho detalle
Necesitamos disponer de modelos analíticos para hacer el
scoring de cada uno de los candidatos

94
¿Cómo empezar?
Metodología EMANA

95
¿Cómo empezar?
Solución: Arquitectura integrada
Tarjeta de fidelización
ON
OFF
Extraños Visitantes Leads Clientes Promoters
ATRAER CONVERTIR CERRAR DESLUMBRAR
Estrategias omnicanal para el fortalecimiento de la marca
Sistema de gestión para la captura del dato en los diferentes canales on, off e híbridos (tarjeta de fidelización), que permita su
explotación posterior para la mejora de la toma de decisiones estratégicas en el negocio
Híbrido
Promociones y
descuento
Ofertas
personalizadas
Reglas + cross y
upselling
Marketing de
atención
Blog
Keywords
Social Media
Formularios
Calls-To-
Action
Landing Pages
Email
Señales
Workflows
Eventos
Social Inbox
Smart Content

96
¿Cómo empezar?
Solución: Modelo de datos
Transacción
Cliente
Promoción
Producto/Servicio
Proveedor
Tienda
Web
Analytics
Identidad
digital
Social Media
Analytics
Lead
Tarjeta
fidelización
- Atributos
personales
- online/offline
- localización
- tamaño
- secciones
- fecha apertura
...
referencias
Empleado
- id
- precio
- categoría
- tamaño
- marca
- fecha introducción
- fecha retiro
- estado
...
- fecha
- hora
- medio de pago
- día/mes/mes del año
...
- fecha inicio
- fecha fin
...
Grupo
Acción
marketing
visita
Categoría
Tiempo

97
¿Cómo empezar?
Data-Driven Organization
Roadmap to Data-Driven Organization advantage
Fuente: http://www.ibmbigdatahub.com/blog/observations-transformations-and-conversations-ibm-chief-data-officer-summit

98
¿Cómo empezar?
Data-Driven Organization (II)

99
¿Cómo empezar?
Data-Driven Organization (III)
Fuente: http://www.forbes.com/sites/piyankajain/2012/06/22/what-is-your-organizations-analytics-maturity/#55ada95c58f2

100
¿Cómo empezar?
Maturity model
Fuente: https://www.gartner.com/doc/713210

Copyright (c) 2016 University of Deusto
This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative
Commons “Attribution-ShareAlike” License. To view a copy of this license, visit
http://creativecommons.org/licenses/by-sa/3.0/
Alex Rayón Jerez
Mayo 2016

El Big Data en la dirección comercial: market(ing) intelligence

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (20)

Similaire à El Big Data en la dirección comercial: market(ing) intelligence

Similaire à El Big Data en la dirección comercial: market(ing) intelligence (20)

Plus de Alex Rayón Jerez

Plus de Alex Rayón Jerez (9)

Dernier

Dernier (20)

El Big Data en la dirección comercial: market(ing) intelligence