Gestión del Conocimiento
Para que una organización esté perfectamente alineada con sus objetivos debe recolectar la información, convertirla en conocimiento y transformar éste en acción para, por fin, traducirla en ingresos. Si la información está sobrecargada, desorganizada, fuera de contexto y resulta caótica, lo primero a conseguir es que sea concisa, organizada, relevante y personalizada.
Con las denominadas técnicas de Data Mining (o minería de datos) es posible responder a las principales cuestiones de negocio. El origen de su nombre es la similitud del proceso de búsqueda de una veta de mineral entre una montaña de mena, de ahí que se compare con el proceso de aflorar información de negocio valiosa en grandes bases de datos. Así, se define como “el conjunto de técnicas utilizadas en el proceso de búsqueda de modelos comprensibles a partir de grandes volúmenes de datos”.
Algunas de las principales características de dichas técnicas se resumen como una actividad no manual que descubre patrones útiles y traducibles en reglas de negocio; permite tomar decisiones preactivas mediante el conocimiento de tendencias y comportamientos futuros, y genera nuevas oportunidades de negocio.
Pero, ¿cómo es capaz el Data Mining de descubrir información de negocio que se desconoce o de realizar predicciones sobre comportamientos futuros? Mediante la modelización se prepara un modelo, que no es más que la reconstrucción de una situación de la que se sabe la respuesta, con el fin de aplicarla sobre otra de la que se desconoce.
Las técnicas de enriquecimiento de la información comercial se basan, fundamentalmente, en la obtención de modelos de comportamiento de los clientes. Para obtenerlos hay que tener un repositorio de información histórica, válida, conocer y aplicar las técnicas estadísticas y de Data Mining, y contar con las herramientas adecuadas.
En la siguiente figura se muestran las fases en la gestión del concocimiento:
Algunas Aplicaciones Prácticas
OBJETIVO: CONOCIMIENTO DEL CLIENTE
Tarea: análisis del perfil del cliente y mejora del conocimiento de la cartera, tipificando los clientes.
Descripción: aplicar técnicas de análisis descriptivo para hallar el perfil de cliente afín a cada producto o servicio. Mediante análisis multivariante se pueden obtener las características de los clientes de forma exhaustiva y aprovechar la información para generar, por ejemplo, el briefing de las campañas.
Resultado: mapa del perfil del cliente para cada producto o servicio.
Beneficios: mejorar la aceptación de los productos por parte de los clientes mediante la oferta afín al perfil concreto. Detección de necesidades no satisfechas y generación de productos que las satisfagan.
OBJETIVO: SEGMENTACIÓN DE LA CARTERA
Tarea: segmentación predictiva de la cartera de clientes.
Descripción: generación de segmentos de clientes en función del uso que hacen de los productos y servicios contratados. Tipificar los grupos de clientes obtenidos y hallar sus umbrales de uso de servicios, clasificando a los clientes en función de la intensidad con la que los utilizan. A continuación se genera un modelo predictivo capaz de asignar a cada uno la probabilidad de pertenecer a un segmento u otro en función de su comportamiento.
Resultado: segmentos homogéneos de clientes y los umbrales de uso de servicios de cada segmento.
Score de propensión a pertenecer a uno y otro segmento.
Beneficios: tipificación de los clientes en función del uso que hacen de los servicios para mejorar, por ejemplo, la oferta realizada a los clientes.
OBJETIVO: CROSS SELLING UP SELLING
Tarea: detección de oportunidades de venta cruzada.
Descripción: a partir de técnicas de minería de datos (Data Mining) se obtendrán las relaciones existentes entre productos y servicios para hallar estas cestas consumidas al mismo tiempo por los clientes. Utilizar las cestas obtenidas para crear modelos predictivos y obtener scores de clientes de elevada propensión a consumir una determinada cesta.
Resultado: cestas de productos y score de propensión a consumir una determinada cesta.
Beneficios: conocer las relaciones entre servicios/productos para hallar oportunidades de venta cruzada o bien canibalización entre servicios. Predecir anticipadamente la propensión de un cliente a consumir determinadas cestas de productos/servicios.
OBJETIVO: RETENCIÓN DE CLIENTES
Tarea: prevenir la fuga de clientes de valor.
Descripción: se ha de definir en primer lugar el concepto de abandono, teniendo en cuenta que en muchos casos puede ser parcial y no total, pero quererse analizar igualmente. Modelar el comportamiento de los clientes fugados para aprender de ellos determina las causas que han motivado dicho fenómeno y predecir anticipadamente la fuga de otros.
Resultado: score de propensión a la fuga y descripción del perfil con propensión a abandonar.
Beneficios: mantenimiento de la cartera y de aquellos clientes de más valor. Ralentizar el proceso de renovación total de la cartera de clientes.
OBJETIVO: AUMENTO DEL BENEFICO MEDIO POR CLIENTE
Tarea: oferta afín de productos.
Descripción: en función de las características del cliente y de sus hábitos de consumo es posible crear un sistema de asignación de oferta que determine qué productos ofrecer a qué clientes. La oferta de productos se haría entonces en función de la afinidad del cliente con el producto y de sus características intrínsecas. Se mejora el grado de satisfacción de los clientes con la oferta y se aumenta el beneficio medio proporcionado por cliente.
Resultado: para los individuos seleccionados se obtiene la oferta más afín a su perfil.
Beneficios: aumento del beneficio medio por cliente y del grado de satisfacción de los mismos con la oferta. Disminución de costes y mejora de la redención de las campañas de marketing directo.
Escribir comentario