El último paso de la medición es la predicción
Dentro de la permanente inquietud de DEC sobre los sistemas de medición hemos tratado con anterioridad sobre cómo averiguar cuáles son las palancas que podemos accionar para cambiar comportamientos, que en esta disciplina se tornan complejas por la irremediable interacción de los factores racionales y emocionales. Esta complejidad hace de esta parte de la gestión de la Experiencia del Cliente un área de vital importancia que, además, tiene la función de demostrar el ROI de las actividades e inversiones que hacemos.
No obstante, la medición no tiene por qué ser una herramienta que nos diga únicamente lo que ha ocurrido en el pasado, sino que puede, y debe, ser una herramienta más de gestión que nos ayude a decidir el camino que debemos tomar para el futuro.
El último paso de un sistema de medición es la predicción. Probablemente es el más difícil de todos pero no por ello debemos dejar de desarrollarlo. Pero, ¿qué necesitamos para llegar hasta la predicción?
1.- En primer lugar necesitamos tener un sistema de métricas establecido, constante, fiable y con histórico suficiente. Cuanto más histórico y más variables tengamos medidas mejor. Los expertos recomiendan disponer de series de datos del menos 3 años, si bien en algunos casos es posible trabajar con menos. Para elaborar un modelo econométrico eficaz cuantas más variables relacionadas manejemos, mejor. En el desarrollo de un modelo se pueden llegar a analizar 30, 50 ó 100 variables para encontrar el modelo que mejor explique las series temporales y prediga del modo más preciso posible. Estas variables pueden ser de dos tipos:
– Externas: Son aquellas ajenas a la compañía: la evolución de la confianza del consumidor, la tasa del paro, el número de días laborables, etc… En muchas ocasiones estas variables son las que más explican subidas y bajadas en nuestras ventas, por encima de las propias actuaciones.
– Internas: son aquellos datos que extraemos de nuestros sistemas de información. Visitas a la web, tráfico a las tiendas, solicitudes, registros, etc…
2.- En segundo lugar necesitamos descubrir cuáles son las variables que inciden en mayor medida en el negocio, ya sea directamente en ventas, permanencia, fidelidad, recomendación o cualquier otro parámetro de negocio que consideremos fundamental para la mejora del ROI. En el análisis descubriremos que con un número pequeño de variables podemos explicar la serie con un 80% de precisión, pero alcanzar un nivel superior precisa de mayor concreción y más variables.
3.- Y por último hacer uso de la econometría, la estadística y la matemática. Serán éstas las herramientas que nos permitan prever con antelación el resultado de nuestras acciones. El objetivo debe situarse en alcanzar una fiabilidad predictiva entorno al 95%.
¿Qué podemos conseguir?
Con sistemas predictivos podemos saber qué va a ocurrir con una determinada métrica cuando activemos una serie de variables que controlamos. Las aplicaciones son innumerables, pero hemos seleccionado algunas que resultan especialmente interesantes:
A) Simular la probabilidad de recomendación
Algunas compañías han llegado a desarrollar un simulador que permite estimar la probabilidad de recomendación de cada cliente. Utilizando datos del sistema de métricas como variables sociodemográficas, imagen de marca o satisfacción del servicio, y a través del uso de la regresión logística, el simulador calcula la probabilidad de recomendación de un cliente o grupo de clientes y puede de este modo conocer el peso de cada variable en el resultado final.
En un ejemplo dentro del sector distribución podemos observar qué variables han sido tenidas en cuenta para calcular la probabilidad de recomendación.
B) Predecir el comportamiento frente a una acción de cada segmento de clientes: fans, detractores o indiferentes
Una vez que tenemos identificados a distintos grupos de clientes podemos prever qué impacto van a tener las diferentes acciones que vayamos a poner en marcha en cada uno de ellos. Podremos conocer con anterioridad cómo van a evolucionar las ventas, el tráfico a la tienda o a la web e incluso si aumentará la fidelización o el consumo medio por cliente, de modo que la herramienta puede ayudarnos a decidir qué acciones ponemos en marcha y con qué prioridad.
Continuando dentro del sector distribución tenemos otro caso en el que se analizaron diferentes series de datos para definir una nueva segmentación de clientes. Se buscó que cada grupo tuviese características homogéneas en cuanto a estilo de vida, ticket y comportamiento de compra. Además, debían agrupar un porcentaje representativo de clientes y tener gastos y frecuencia de compra parecida. Finalmente, se realizaron análisis estadísticos multivariantes para crear factores que maximizasen la homogeneidad dentro de un grupo y garantizasen la heterogeneidad con los otros. Lo que se consiguió es simplificar los segmentos de clientes pudiendo generar más oportunidades de negocio mediante la comprensión de las palancas que influyen en su consumo.
C) Calcular el ROI de cada inversión por separado y separar ese resultado del efecto conjunto
Calcular el retorno de la inversión en Experiencia de Cliente es una de nuestras obsesiones pero cuando tenemos multitud de acciones puestas en marcha resulta muy complicado separar el efecto de cada una en el resultado final que buscamos. A través de las matemáticas podemos calcular cuánto nos aporta cada una de las variables que tenemos medidas y, a la par en cuanto a importancia, separar el efecto de suma de todas las acciones del efecto superior que generan todas juntas: podemos calcular las sinergias que somos capaces de obtener con la puesta en marcha de varias acciones a la vez.
Profundizando en un ejemplo del sector belleza, se quiso calcular el efecto de todas las campañas de TV sobre su producto y el resto de productos, para lo que se construyeron modelos que permitían analizar el efecto de una campaña en su producto y en el resto de productos (efecto halo).
D) Calcular el mix de inversión óptimo para maximizar una determinada métrica
Del mismo modo que podemos prever el comportamiento de una métrica en base a determinadas acciones y que podemos saber el peso de cada variable en el resultado final, seremos también capaces de establecer cuál es el mix de inversión óptimo para maximizar el ROI. Trabajamos siempre con recursos limitados por lo que poder cuantificar ese mix óptimo y además ser capaces de anticipar los resultados nos facilitará enormemente la labor de venta interna necesaria para conseguir esas inversiones.
En el sector energético es algo muy utilizado. La forma de actuar es calcular los retornos de la inversión de los distintos medios, y a partir de estos analizar los incrementos de la eficacia publicitaria. Posteriormente se desarrolla un modelo matemático de optimización basado en las curvas de eficacia obtenidas de los modelos y se plasma en una herramienta que permite simular el resultado de diferentes acciones en tiempo real y ofrece el mix óptimo en el que la eficiencia es máxima.
¿Cuáles son las limitaciones?
Las matemáticas son ciencia, no astrología, por lo que sólo pueden predecir hechos futuros siempre que hayan ocurrido con anterioridad y se hayan modelizado correctamente. Por eso es imprescindible disponer de un histórico importante y constante, de cuantas más métricas mejor, ya que el futuro sólo podemos anticiparlo en función de las acciones que hemos puesto en marcha en el pasado.
Los sistemas de predicción no serán capaces de prever con exactitud en aquellas ocasiones en las que utilicemos palancas, acciones o medios que no hayamos usado con anterioridad.
No obstante hoy en día la tecnología nos aporta una enorme facilidad para complementar los sistemas de métricas de predicción a través de test A-B de bajo coste pero alto impacto, que permiten llegar a conclusiones relevantes incluso cuando no hay un gran histórico.
En definitiva, no debemos perder de vista que el comportamiento del cliente no es una ciencia exacta y que no podemos modelizar a las personas. Las herramientas de predicción deben usarse como una ayuda a la hora de priorizar nuestras actividades y prever resultados, no como una ley inmutable que garantiza el éxito ni como un escudo contra la inevitable toma de decisiones que, en última instancia, sigue siendo responsabilidad de las personas.
