Para utilizar las funcionalidades completas de este sitio, es necesario tener JavaScript habilitado. Aquí están las instrucciones para habilitar JavaScript en tu navegador web .

Siempre se ha considerado al estudio de mercado como la columna vertebral de una buena estrategia de mercadeo.

Con una herramienta de este tipo, buscamos tener una fotografía completa de todos los actores de nuestro entorno competitivo, mayormente centrados en entender quiénes son nuestros clientes y qué los incentiva a adquirir un determinado bien o servicio

Un estudio de mercado correctamente ejecutado, analizado y convertido en acciones estratégicas, es una poderosa herramienta para la toma de decisiones, al menos teóricamente.

¿Por qué teóricamente? Porque a pesar de su relevancia, para su ejecución y seguimiento, se requiere una gran disciplina de las áreas de negocio, toma tiempo obtener los primeros resultados y requiere estarse actualizando para no quedarnos con información obsoleta. El mercado cambia constantemente y seguirá siendo una fotografía.

Considerando exclusivamente la parte del estudio de mercado que se centra en conocer al cliente, nos encontramos con tres potenciales amenazas a la calidad de información:

  1. El instrumento para saber qué piensa el cliente (la encuesta) es usualmente el punto más crítico de la estrategia y, por lo general, no se diseña correctamente.
  2. El encuestado suele decir lo que piensa al momento de responder nuestras preguntas, pero se ha comprobado que esto no se refleja realmente en cómo y por qué decide comprar un producto o servicio. Es decir, los clientes creen saber qué los impulsa a tomar una decisión y nos lo cuentan de forma sincera, pero resulta que ni ellos mismos lo saben realmente.
  3. Los dos puntos anteriores derivan en sesgos de información, y esta información deberá ser nuestro insumo principal para la toma de decisiones estratégicas, poniéndonos al frente de una paradoja que puede resultar costosa.

El trabajo de campo empieza por casa

¿Qué tal si en vez de buscar los datos en la calle aprovechamos los recursos que tenemos a mano y la información que tenemos de nuestros clientes?

Acá no estamos hablando de nada nuevo. Todas las empresas tienen datos de sus clientes en mayor o menor nivel de detalle y los utilizan para hacer campañas de mercadeo y ventas o contacto, tratando de sacar el mayor provecho posible de ellos.

Bajo esa premisa generalizada, nuevamente nos encontramos con algunos obstáculos:


  • Datos desactualizados o incompletos.
  • Segmentación del cliente nula o demasiado general.
  • Datos diseminados en diferentes sistemas o áreas de la empresa.
  • Cuando han sido utilizados en alguna campaña de comunicación o ventas, rara vez se actualizan o se alimentan con los resultados para mejorar futuras campañas.
  • No siempre se considera la conexión que existe entre todos los datos que tenemos de un cliente. Es decir, podríamos estar dejando de lado o ignorando variables que explican y pueden pronosticar su comportamiento.

Si bien estas son realidades muy frecuentes, no debemos pensar que la situación siempre deberá ser así. Es acá donde la Inteligencia Artificial y el Machine Learning prueban que, tanto el entendimiento del lenguaje natural como la capacidad de procesamiento y análisis de grandes cantidades de datos, pueden generar valor real para las empresas, buscando siempre entender mejor a nuestros clientes y sabiendo cómo debemos reaccionar para, basados en datos y con mayores porcentajes de certeza, entregar al cliente lo que realmente quiere y necesita. Al final, esto es siempre lo que cualquier departamento comercial o de mercadeo desea lograr.

La Inteligencia Artificial correctamente aplicada debería: hacer las cosas mejor, hacerlas más rápido y ayudarnos a conseguir algo que antes no podíamos hacer.

Empezar por ordenar la casa

Como primer paso fundamental, debemos definir cuál es el problema de negocio que queremos atacar y qué es lo que queremos mejorar. En palabras simples es: pintar el famoso “As Is” y tener un “To be” como guía inicial de trabajo.

Vamos a suponer un escenario donde se define que lo que queremos lograr es: mejorar la efectividad de las campañas outbound de ventas, mejorar los tiempos de envío y de ejecución de las campañas y tener una visibilidad completa de los resultados de las campañas y el por qué de los mismos.

Ahora debemos identificar cuáles son los datos de los clientes que tenemos disponibles, tanto para disparar y hacer llegar la campaña como para segmentarla según tipo de cliente, antigüedad, datos demográficos, productos asociados, historial de compras y cualquier otro dato que nos ayude a visualizar a nuestro cliente con sus particularidades, pero también con lo que lo relaciona con otros clientes similares a él.

Sabiendo cuáles son esos datos que serán nuestros principal insumo, vamos a definir cuáles son las fuentes de estos datos y cómo vamos a capturarlos, organizarlos e integrarlos para convertirlos en parámetros para el envío y la ejecución de campañas dirigidas a nuestros clientes.

¡Ya tenemos un buen trecho recorrido!

Aprovechar el poder de las máquinas

Básicamente tenemos los mismos datos que siempre hemos usado para anteriores campañas, pero ahora queremos tener una visibilidad mucho más integral de los clientes. En este punto el Machine Learning nos permitirá crear modelos de datos que harán asociaciones, encontrarán patrones y nos recomendarán un curso de acción para las campañas que vamos a ejecutar, tomando en cuenta las características que unen a los clientes entre sí y cuáles los separan en grupos diferentes.

En resumen, para este momento podremos tener mejor identificados y agrupados por similitud a nuestros clientes, según criterios de comportamiento, estadísticos e históricos y podremos de esta manera obtener recomendaciones sobre la mejor forma de abordarlos para que la campaña de ventas outbound sea mucho más exitosa que las anteriores.

Un ejemplo de esto es:

  • Los clientes de la zona urbana, entre 28 y 36 años, que han adquirido los productos X y Y y con una antigüedad mayor a dos años como clientes, tienden a adquirir el producto Z en una mayor proporción si son abordados por medio de Whatsapp.
  • Existen 250 clientes con estas características que pueden ser agrupados en una campaña y que van a tener mayor probabilidad de adquirir lo que les estemos ofreciendo

Si es importante reconocer que, si bien estamos exprimiendo los datos disponibles de una mejor manera, siempre serán necesarios varios ciclos de campañas para ir afinando los modelos de datos y sus capacidades de predicción y recomendación.

Ejecución y medición

Ahora que tenemos a todos nuestros clientes debidamente agrupados y con el producto o servicio a ofrecer identificado, debemos contactarlos con nuestra gran oferta que va a hacerles mucho sentido.

¿Cómo lo hacemos?

Recordemos que queremos mejorar los tiempos de envío y ejecución de las campañas de ventas, y es en esta coyuntura donde se vuelve fundamental la ayuda de un Asistente Virtual que pueda dialogar con nuestros clientes en lenguaje natural, responder a sus consultas y objeciones, negociar con él y por último, cerrar la venta con los parámetros que fueron cuidadosamente determinados para tener éxito.

Contrario a lo que sucede en muchas campañas de mercadeo, todas las interacciones y diálogos que se generen entre nuestros clientes y el Asistente Virtual serán guardadas y analizadas con varios propósitos: mejorar y complementar los datos que ya teníamos de nuestros clientes, re-entrenar y entregar más insumos a nuestros modelos de Machine Learning para próximas campañas y entender qué piensan nuestros clientes y cómo se relacionan con nuestros productos y la empresa. Por supuesto, también vamos a poder re-entrenar al propio Asistente Virtual para que con cada nueva campaña la conversación fluya mejor y sea más natural.

A la hora de estar ejecutando las campañas podremos ver y analizar el avance de cada una de ellas en tiempo real, la cantidad de contactos efectivos y conversaciones entre los clientes y el Asistente Virtual y si estamos obteniendo o no los resultados esperados; en lugar de atenernos a lo tradicional, donde nos enteramos de esto una vez que la campaña ya finalizó.

Por supuesto que una campaña exitosa será una que derive en muchas ventas, pero también debemos estar satisfechos cuando logremos obtener información que nos dé luz sobre aspectos antes ignorados, y que luego de analizarlos, nos permitan utilizarlos a nuestro favor para las próximas campañas. Esto usualmente no pasa en el modo típico de ejecutar campañas outbound y caemos en la trampa de utilizar los mismos medios y mensajes una y otra vez por el simple hecho de no saber que quizás no es el abordaje ideal.

Las 4P dinámicas

Retomando lo mencionado inicialmente sobre el estudio de mercado, recordemos que de él se derivan 4 elementos fundamentales del mix de mercadeo, las ya famosas 4Ps.

Consideremos cómo podrían dinamizarse y cambiar al incorporar todos los elementos que acabamos de ver de Inteligencia Artificial y Machine Learning:

  1. Precio: En vez de tener un precio estático y una oferta única, podemos dotar al Asistente Virtual de capacidades de negociación, que considerarán umbrales para cada cliente según sus características y que llegarán hasta donde nosotros los definamos.
  2. Plaza:Podremos contar con tantos canales digitales de venta como queramos; desde la campaña por correo electrónico, hasta mensajes por Whatsapp, Facebook Messenger y App Móvil. Adicionalmente, con el tiempo, sabremos cuál es el mejor medio para contactar a un grupo similar de clientes o a un cliente específico.
  3. Productos: Además de saber el momento exacto para ofrecer un producto o servicio a un cliente, también estaremos obteniendo retroalimentación constante sobre el mismo y posibles pistas sobre cómo mejorarlo por medio de las interacciones Cliente – Asistente Virtual.
  4. Promoción: Llegando al cliente en el tiempo, forma y mensaje que es adecuado para él, sin gastar enormes cantidades del presupuesto en campañas tipo “red de pesca”.

El escenario soñado para un departamento de mercadeo

Han pasado algunas semanas y ya hemos adquirido madurez sobre el proceso de automatización de campañas con Inteligencia Artificial, además de haber escalado los primeros peldaños de la curva normal de aprendizaje. Deberíamos poder decirnos lo siguiente:

“Hemos encontrado la forma de dividir a nuestros clientes en microsegmentos y estamos logrando una comunicación más personalizada y con sentido para ellos”.
“Tenemos total control y visibilidad de todas las campañas outbound y podemos reaccionar a tiempo en caso que no se desarrollen según lo previsto”.
“Contamos con un robusto apoyo tecnológico que nos recomienda cursos de acción basados en datos históricos y predictivos, pero el control y las decisiones estratégicas las tomamos como departamento”.
“Podemos resolver conflictos o quejas de los clientes de forma más rápida, al contar con el historial de todas las conversaciones que hemos sostenido con ellos”
“Conocemos a nuestros clientes con un nivel de profundidad que no habíamos alcanzado antes y también podemos tomar decisiones a tiempo sobre otros factores como: logística, almacenamiento y proveedores”

Gran parte del “trabajo de hormiga” de un departamento de Mercadeo es automatizable con el apoyo de soluciones soportadas por Inteligencia Artificial. Automatizar estas tareas no significa ceder el control, sino más bien enfocar el tiempo y los recursos finitos y valiosos en la estrategia, liberando de tareas tediosas a las personas que, en conjunto con las máquinas, van a lograr un entorno que nos lleve a lo que todos queremos: mantener a nuestros clientes satisfechos y comprometidos mientras cumplimos los objetivos financieros de la organización.


Compartir este artículo


Escribe un comentario