Una estrategia omnicanal llevada con inteligencia, puede ser la ventaja competitiva que tu negocio necesita para aprovechar las oportunidades generadas por la contingencia por COVID-19. El Machine Learning es la clave para invertir de manera inteligente.
En todo momento, el objetivo de la mayoría de las empresas es crecer de manera rentable. En el contexto actual, las que han sobrevivido la contingencia por el COVID-19 se encuentran en un momento de oportunidad, dado que seguramente algunos de sus competidores han abandonado el mercado o no han sabido adaptarse. Una estrategia omnicanal, llevada de la mano con inteligencia artificial puede ser el nuevo mejor amigo de las empresas que buscan aprovechar este momento para crecer.
Contar con una estrategia omnicanal permite maximizar el crecimiento rentable al analizar mejor el mercado o cliente, apalancado de machine learning, identificando el mejor rumbo para crecer tu negocio. De esta forma, cualquier inversión estará mejor dirigida a donde mayor retorno se pueda generar. En términos coloquiales, es algo así como la diferencia entre tirar con una escopeta o con un rifle de alta precisión.
Parece que, en el contexto de la contingencia, muchas empresas han hecho el esfuerzo de implementar omnicanalidad, pero terminan desarrollando multicanalidad con un crecimiento muy lento. Probablemente estas empresas se vieron forzadas a abrir canales de ventas alternos a su negocio normal y no han logrado que crezca el ticket promedio de sus clientes o no han podido penetrar nuevos mercados. En otros casos, aun abriendo nuevos canales de venta, estos no se han logrado rentabilizar o simplemente no se encuentran en el top of mind de sus clientes. En fin, han hecho una inversión para crecer el negocio, pero no han logrado capitalizar los beneficios, ya que no han sido capaces de generar un proceso de compra gratificante al cliente adecuado.
Estos problemas se deben a una falta de reconocimiento de sus MVP (most valuable players), es decir, sus clientes más rentables o valiosos. Conocerlos es fundamental para entender sus necesidades y diseñar los canales de venta más adecuados de acuerdo con su customer journey. La manera más optima en que se logra este nivel de entendimiento es utilizando machine learning, que es utilizar grandes cantidades de datos y con el uso de modelos estadísticos autocorrectivos, automatizar el reconocimiento y entendimiento de los patrones de consumo para diseñar el proceso de compra que brinde la mejor experiencia al consumidor.
Para implementar este tipo de soluciones, primero es necesario establecer qué tipo de información se requiere y si la empresa cuenta con acceso a ella o de qué manera se puede obtener. También es importante determinar si la infraestructura del negocio permite procesar, almacenar y gestionar la información. Lo más probable es que actualmente solo pocas empresas cuenten con estas capacidades, así que es clave generar un caso de negocio para estimar los escenarios más adecuados para determinar si la inversión en estos recursos vale la pena.
Una vez que se tiene la información comienza el entendimiento del mercado, se identifica la relevancia de cada segmento de clientes para saber quiénes son los MVP. Al reconocerlos, es fundamental “mapear” sus necesidades en el proceso de compra para diseñar los canales más adecuados al considerar sus gustos y preferencias. Los huecos identificados entre los canales existentes y los que prefiere el público objetivo nos marcarán un plan de trabajo que comenzará a dar forma a la manera en que se integrarán los caminos de compra entre los clientes.
Cabe mencionar que se dará enfoque a los clientes más relevantes, no a todos. Por ejemplo, un organizador de conciertos usualmente se enfocará en brindar la mejor experiencia a los jóvenes. Aquellos que van acompañados y pasan más tiempo en el lugar del concierto. Se habilitan juegos y escenarios para que el millennial o centennial pueda subir su foto a Instagram y provoque a sus seguidores ganas de asistir, o como ellos le dicen, FOMO (fear of missing out). Estas estrategias fomentan mayor volumen de compra e incrementan el ticket promedio de consumo. Para impulsar la captura de este cliente, es necesario cubrir sus necesidades al habilitar compra de tickets en línea y redes sociales, un lineup ad-hoc a sus gustos y facilitar transporte al concierto.
Al cubrir los huecos entre los canales existentes y los que prefiere el cliente, se puede incrementar el share of wallet de los clientes actuales, reducir la fuga de estos e incluso incrementar la conversión de captura de nuevos clientes, logrando finalmente un crecimiento del negocio. Esto se dice fácil, pero requiere de un alto nivel de agilidad y apertura al cambio, dado que las necesidades del cliente se encuentran en constante cambio.
BBVA es una empresa que ha logrado aprovechar el machine learning para conocer mejor a sus clientes y desarrollar soluciones que satisfacen a su segmento de mayor crecimiento: Los millennials. El banco lanzó una app móvil que se enfoca en el customer journey de este grupo. Esta app es amigable y provee todas las funciones que brinda una sucursal, pero en un proceso más eficiente y rentable. Ya no hay necesidad de siquiera tener una tarjeta física. Este esfuerzo se refleja en un crecimiento interanual de 4.5% en su margen bruto vs. 2019 y una conversión del 18% de sus usuarios a esta solución omnicanal.
KAVAK es otra empresa que ha echado mano de machine learning en su estrategia omnicanal. Esta identificó el grave problema de fraude en facturas en la compra/venta de automóviles usados, lo tardado y erróneo que puede ser la revisión de los daños en la unidad y la falta de acceso que se tiene en México para financiamiento de autos. Su estrategia omnicanal consiste en consolidar el proceso de compra, financiamiento y verificación del estado del auto en una sola plataforma, enfocándose en brindarle al usuario una experiencia de seguridad y calidad. Aun con pandemia, logró un crecimiento arriba del 100% vs. 2019. KAVAK también analiza los datos de búsqueda de sus clientes potenciales para identificar el tipo de autos que debe adquirir para satisfacer a sus clientes. Si muchos clientes entran a buscar SUV de alrededor de 300,000 pesos, busca aumentar su inventario en estas unidades.
Sintec puede ser un aliado importante al embarcarte en el camino de la omnicanalidad apoyada por inteligencia. A través del machine learning, podemos ayudarte a identificar dónde y cómo jugar en el mercado. Trabajamos con la operación de tu negocio para definir la estrategia más efectiva de acuerdo con tus capacidades actuales y crecer mediante la omnicanalidad con un plan de acción bien estructurado. Con nuestra experiencia en el mercado, te ayudamos a desarrollar estrategias para mejorar la experiencia del cliente apoyados en los insights de cada perfil. También te podemos ayudar a realizar el caso de negocio más acertado para determinar cuánto, cómo, y cuándo hay que invertir en herramientas tecnológicas que te permitan mantenerte como el jugador principal del mercado. De esta manera podemos ser un aliado ideal en el camino de crecimiento de tu negocio. ¡Contáctanos!
Referencias
- Choudhury, S. (2020). Jack Ma’s Alibaba is doubling down on its supermarket strategy. 14 enero 2020, https://www.cnbc.com/2017/07/18/alibaba-hema-stores-blend-online-and-offline-retail.html
- https://sintec.com/p_innovador/retail-que-se-adapta-sobrevive/
- Troyanos, K. (2020). Use Data to Answer Your Key Business Questions. 13 enero 2021, https://hbr.org/2020/02/use-data-to-answer-your-key-business-questions
- Medina, Alejandro. “Kavak, El Primero De Muchos Unicornios Mexicanos: Mountain Nazca • Emprendedores • Forbes México.” Forbes México, 7 Oct. 2020, www.forbes.com.mx/kavak-el-primero-de-muchos-unicornios-mexicanos-mountain-nazca/.
- Mejia, N. (2019), How AI-Enabled Product Recommendations Work – A Brief Overview, 15 enero 2021, https://emerj.com/ai-sector-overviews/ai-enabled-product-recommendations/
- “Informe Trimestral 4T 2020.” BBVA, accionistaseinversores.bbva.com/microsites/trimestral/2020/Q4/index.html.
