E-commerce: Como (re) vivir un negocio en el post Covid 2021

América Latina promueve el desarrollo del e-commerce en 2021

Muchas pymes en América Latina se han orientado hacia la automatización de los procesos comerciales montando su tienda de e-commerce.

El siguiente paso en la agenda es el tema de la automatización inteligente del e-commerce o la automatización de la toma de decisiones: la introducción de la ciencia de datos y las tecnologías de aprendizaje automático.

En este sentido, han aparecido nuevos enfoques: marketing algorítmico, logística, planificación de pedidos y entregas, porque se basan en algoritmos y modelos sobre los que se trasladan las tareas rutinarias de los especialistas.

Estos últimos, a su vez, comienzan a dedicarse a cosas más intelectuales.

INTERACCIÓN PERSONAL

Tareas clave y compromiso personal

Cada uno de los especialistas en marketing y relaciones con el cliente encontrará la suya propia entre estas tareas.

En las condiciones actuales, todas se relacionan con el mantenimiento del ciclo de vida del cliente: determinar la etapa, llenar el funnel, comprender si el cliente está activo o no, qué señales hoy dicen que estamos en riesgo de perderlo, tomar decisiones sobre la devolución del cliente o maximizar su experiencia.

Este es un punto importante desde un punto de vista económico: el enfoque no es solo enriquecer la experiencia del cliente, sino también el beneficio económico mutuo.

Ciclo de Vida

Lo importante es tener visualización clara de la interacción con los clientes en cada etapa del ciclo de vida.

El desafío de usar datos es comprender dónde se encuentra el cliente en el funnel y el ciclo de vida.

Parece una tarea trivial.

Para resolverlo, a menudo se usa un enfoque heurístico: si un cliente hizo una compra o dos – es un novato, si no ha comprado durante 30 días – se agota, si no ha comprado durante 15 días – en riesgo.

Sin embargo, la heurística puede estar equivocada.

Por ejemplo, los clientes con un intervalo corto entre transacciones entran en la zona de riesgo después de tres o cuatro intervalos de salto.

Si regresamos a ellos en 1.5 ó 2 meses, entonces aumentamos los costos no por retención, sino por los clientes que regresan, son más caros.

En la categoría de principiantes, vemos muchos “usuarios únicos“.

Estos son clientes que lo probaron una vez y lo dejaron por diferentes motivos.

Por ejemplo, algunos clientes se vuelven “únicos” porque no van acompañados de comentarios o sugerencias de seguimiento.

Las tareas en esta etapa son construir un ritmo de comunicación con un nuevo consumidor y generar propuestas que le permitan desarrollar su experiencia con la empresa.

El cliente tiene la oportunidad de establecer un ritmo de interacción y convertirse en fiel.

La mayor parte del trabajo hoy en día se realiza con clientes activos, ellos son el “núcleo del negocio”.

 

Las tareas más importantes para abordarlos son:

  1. Comprender qué estrategias maximizadoras se pueden aplicar a los clientes: alargar el ciclo de vida, ampliar la gama, aumentar la elasticidad del recibo;
  2. Reconocer e interactuar de manera competente con los clientes en riesgo a tiempo.

A partir de los datos, podemos preparar una serie de modelos que identificarán las desviaciones mínimas en el comportamiento del cliente.

La cadena de compra de un cliente, un cambio en cualquier producto de su carrito, un recibo o una respuesta a la comunicación, todo esto puede indicar dudas del cliente.

Vale la pena recordar que existe un abandono orgánico, como los padres jóvenes.

A medida que el niño crece, cambia su demanda.

Con base en los datos transaccionales, puede identificar a estos clientes, habilitar el cambio simultáneo en el tiempo y retenerlos.

Personalización y promoción

Optimización de campañas promocionales

El ecosistema de focalización actual está representado por muchos elementos y enfoques.

El propósito de la focalización es determinar:

A quién ofrecer;

Qué incentivo usar (producto, mecánica de promoción, información, contenido);

A qué hora (y tener en cuenta los datos para el reabastecimiento de productos básicos);

Cómo reaccionar ante información competitiva e información sobre tendencias;

Qué canal (marketing directo, canales online, mensajes push, comunicación en directo con un consultor).

Focalización de ecosistemas

Uno de los enfoques es la formación de una matriz promocional fija. Incluye títulos listos para usar, términos comerciales acordados, planes de descuento, planes promocionales y mecánicas acordadas para ellos.

Queda por entender cómo, a través de qué canales y a qué clientes transmitir la matriz promocional, planificar y decidir su entrega a través del marketing.

Las empresas que trabajan con este principio utilizan una estrategia basada en productos o basada en descuentos: establecen una matriz y buscan clientes para ella.

Algunas empresas están cambiando a un enfoque orientado al cliente.

Realizan un seguimiento de todos los eventos relacionados con el ciclo de vida del cliente, con desencadenantes, eventos externos o similares que caracterizan al cliente, y comienzan a formar una matriz promocional flexible.

El Machine Learning y la IA tienen que ver, en primer lugar, con los datos, su calidad y el trabajo constante para mejorarlos, es necesario aclarar la diferencia entre big data e inteligencia artificial.

Con base en los datos, se puede obtener información sobre los efectos separando a los consumidores con una reacción básica a la promoción de aquellos que fueron motivados por actividades de forma.

Es importante prestar atención no solo a la conversión y la calidad de los clientes, sino también a la información sobre el aumento en el cheque, qué efecto económico trajo la campaña.

Muchos equipos priorizan el efecto económico.

Se puede dividir en dos partes:

El efecto positivo de cada acción individual y la interacción a largo plazo.

Es importante no sobrecargar al consumidor con un “impacto publicitario” y lograr que el cliente esté satisfecho con la oportunidad y la información relevante, en lugar de ser torturado.

Esto no siempre es una promoción, pueden ser mensajes informativos o contenido útil para que el cliente se sienta conectado con la empresa.

Según una investigación de Gartner, muchas empresas que resuelven sus problemas con equipos de ciencia de datos se inclinan por la consultoría, los servicios y las soluciones llave en mano.

Sin embargo, no existe una “caja” lista para usar que reemplace a los buenos especialistas en marketing o servicios.

Los algoritmos resuelven un problema simple:

En base a los datos acumulados, determinar los factores decisivos.

Entre ellos, lo que motiva a los recién llegados a seguir adelante, los clientes activos, a aumentar el cheque o dejarnos.

A partir de los factores, los algoritmos ayudan a identificar las actividades con mayor efecto en el tiempo e influyen en el cliente de forma óptima en términos de presupuesto.

Matriz de focalización

Las empresas interesadas en hacer el trabajo correcto con los clientes se están dando cuenta cada vez más de la necesidad de un grupo objetivo o de control.

El cliente no puede estar en dos estados al mismo tiempo: aprender y no aprender sobre el descuento.

El punto es determinar los grupos más relevantes según una serie de características de comportamiento que le permitirán dividir a los clientes por tipo de respuesta.

El tipo de respuesta para la focalización es significativo en términos de efecto.

Es posible que tengamos clientes que no responden desesperadamente, y solo desperdiciamos presupues-tos publicitarios para dichos clientes.

Y hay clientes que confían en nosotros, y en cualquier caso trabajarán con nosotros.

O corremos el riesgo de ponerlos nerviosos o quemamos inútilmente el margen de la promoción.

Hay pitbulls dormidos, clientes que no deberían ser tocados.

Ya están comprando, y es mejor no volver a tirar de ellos, para que no piensen en cambiarse a competidores.

Clientes persuasivos

Parece que estos clientes son fáciles de encontrar. Pero la práctica muestra que hay muchos factores para determinar dichos clientes: incentivo, canal, producto, momento del ciclo de vida, tipo de descuento, número de puntos.

Los equipos de marketing se convierten en equipos de experimentadores, preparan y ejecutan experimentos, recopilan información que ayuda a compartir y encontrar clientes.

Si imagina al 100% de los clientes a los que se puede orientar, obtendrá una instantánea típica:

Algunos clientes de algún momento comienzan a demostrar un efecto positivo de la respuesta;

La pieza tiene efecto cero

Muchas empresas, que no tienen información sobre las pruebas A / B, transmiten ofertas publicitarias a todos los clientes y el dinero se agota en la zona de crecimiento cero;

Hay una parte negativa. Depende del producto o del tipo de interacción y puede generar costos significativos para la pérdida de clientes.

Determinamos los elementos necesarios de la solución con los clientes: desarrollamos y probamos

Decision Hub

Por ejemplo, las pruebas A / B son un conjunto de pruebas por tipo de factores.

Estos son los factores que:

1) afectan la respuesta del cliente (promociones, canales, plazos, duración);

2) afectar los costos, recopilando información sobre el comportamiento del cliente y trabajando con esta información a través de modelos ML.

Utiliza no solo modelos ML básicos que hacen predicciones, sino también modelos que le permiten separar o encontrar relaciones causales.

Estos modelos utilizan datos sobre grupos destinatarios.

Le permiten determinar qué factores de la promoción y el entorno externo ayudaron a los clientes a responder, seleccionarlos en un grupo separado y trabajar con ellos a través de la promoción probada.

La tarea clave de optimizar las promociones y la focalización es maximizar la interacción, el compromiso y la retención del cliente.

Estos son los 3 desafíos clave en los que estamos trabajando en términos de personalización.

Viaje del cliente algorítmico

El Customer Journey se puede expresar en una secuencia de acciones.

La transición del cliente de un estado a otro va acompañada de algún tipo de impacto: el entorno externo, promociones, precios, promociones o tiempo de contacto.

La influencia competente te permite fortalecer la intención del cliente de ser fiel a nosotros o ampliar la experiencia con nosotros, o estar insatisfecho y acudir a un competidor.

Para comprender qué crea un flujo de clientes nuevos y de dónde provienen, una herramienta importante es el modelado de la mezcla de marketing: modelar la combinación de canales publicitarios que generan tráfico y base de clientes.

Analizamos constantemente estos canales con relación al tiempo, la inversión y determinamos los mejores fondos en cuanto a número y calidad de clientes.

DEMANDA PRONÓSTICADA

Productos clave

Cada producto que ingresa al mercado ya es un análogo.

Existen modelos, enfoques y teorías que permiten predecir el comportamiento de un producto revolucionario que aún no ha existido.

Pero la mayoría de los productos tienen uno u otro análogo.

Al lanzar un producto, es importante comprender qué nicho y en qué categoría de precio ocupará, y monitorear el comportamiento de las ventas: ¿el producto se ha convertido en un producto clave en el carrito de compras?

Los productos clave se están convirtiendo en una ventaja competitiva y un enfoque para los minoristas.

Tanto los clientes nuevos como los leales evalúan quién tiene el mejor producto en términos de relación precio-calidad, que planean comprar una vez o de forma continua.

Analizamos la elasticidad del precio, la estacionalidad del producto y el canal de promoción, y determinamos nuestro producto clave.

En medio del ciclo de vida del producto, todos intentan optimizar los márgenes y las promociones trabajando con el producto.

El trabajo se basa en una estrategia para ampliar el mercado, ampliar la gama y un conjunto de marginalidad.

Es importante realizar un seguimiento de la información sobre las características del producto. Hay campañas que, vendiendo productos, los caracterizan mal. Pero esta es la base para evaluar, vender productos y generar demanda.

Respuesta competitiva

Se presta mucha atención, especialmente en moda y electrónica, a la “respuesta competitiva”.

En tiempo real, las empresas realizan un seguimiento de las etiquetas de precios, las promociones y utilizan los agregadores.

Así es como se forman los precios dinámicos.

Para formar una respuesta competitiva decente, en primer lugar, vale la pena comprender si este es mi producto clave o no. Pero las empresas a menudo olvidan esto e implementan un enfoque impulsado por la competencia o impulsado por el mercado cuando es suficiente para mantenerse al día con la competencia.

Un ejemplo de implementación de una estrategia exitosa, rastreando y pronosticando la demanda:

Cuando una pequeña diferencia para una parte de los artículos básicos no reduce la demanda, no causa salida y le permite acumular márgenes.

Volvamos al ciclo de vida del producto

Es importante formular una estrategia de salida del mercado a tiempo: cuándo retirar el producto, a qué precio, con qué descuento.

Como regla general, los especialistas en marketing toman estas decisiones de manera intuitiva.

La razón es que hay muchos datos acumulados y una persona no puede analizar todos los factores que le permiten estimar de manera óptima el rendimiento, la promoción o el precio de salida. La tarea de los algoritmos es ayudar al especialista en marketing a hacer esto y determinar dónde está este punto.

En diferentes industrias, la demanda se genera de diferentes formas.

Los bienes de consumo rápido y reabastecimiento tienen un tipo de demanda, bienes suaves que se impulsan intempestivamente o en ciclos largos.

En consecuencia, los modelos que pronostican la demanda también son diferentes y pueden utilizar cientos y miles de factores.

Pero no todos los factores son importantes.

La demanda de algunos productos está influenciada por cambios de precio, promocionales y competitivos, mientras que otros están influenciados por información meteorológica o eventos externos.

Este conjunto forma un modelo de pronóstico que nos permite comprender los factores que controlamos: precios y existencias.

PagoTIC

Y la correlación con otros factores da una comprensión:

Cuánto no invierte, cuánto reduce el margen debido a las acciones, obtendrá la misma demanda.

Planificar una promoción es como plegar un cubo de Rubik, que consta de áreas como productos, gama de productos, contexto temporal y base de clientes.

Hay muchos segmentos, y de cada uno quiero obtener el máximo efecto.

La tarea del algoritmo es simplificar el trabajo de un especialista en el desarrollo de valores recomendados para la planificación de promociones.

“Cobro de margen de diferentes bloques”

Los efectos netos de las promociones, que rastrean la efectividad de las estrategias y modelos, se perciben positivamente en los negocios.

Pero a menudo muestran resultados negativos porque no tienen en cuenta el cambio o el almacenamiento.

Algunas empresas intentan predecir no solo el Post-ROI, no solo para aislar el “uplift” (construcción), sino también para predecir y optimizar el Pre-ROI: evalúe la demanda, pruebe hipótesis y experimente con ofertas promocionales, mecánicas, gama de productos, obtenga conjuntos de efectos y simule tareas promocionales.

Los efectos se pueden expresar en forma de marginalidad, número de conversiones, compras, participación de mercado.

Es importante comprender qué objetivos inmediatos estamos logrando dentro de la promoción durante un período corto y cuáles dentro de un ciclo más largo.

¿Cómo se mostraron los proyectos para la implementación de la automatización y la inteligencia artificial durante la cuarentena?

¿Funcionaron los coeficientes y algoritmos promocionales durante este período?

En este punto, muchas empresas se dieron cuenta de que necesitaban participar activamente y tomar la planificación y la gestión en sus propias manos.

La tarea que llegó a los modelos y datos en ese momento fue distorsionada, porque no hubo tales eventos en los inicios de la pandemia.

Tuvimos que aprender rápido, a estudiar lo que ahora se llama la nueva normalidad en términos de datos, y determinamos un re branding como expresión de esta normalidad.

Para algunas tareas y pronósticos, fue necesario apagar los modelos, acumular rápidamente nuevos datos, intentar planificar una nueva normalidad, una nueva demanda en pequeños intervalos.

Algunas empresas se han tomado este problema en serio.

Incluyeron cierres de tiendas, cuarentena casi eterna, paralización de medios de transporte y ahora tenemos algo de más confianza en predecir la demanda antes del inicio de la zona roja / cierre del transporte público / operación remota masiva, que se supone con la segunda ola.

Conclusiones clave:

1) “Sin cerebro ni manos en ninguna parte” – solo planificación;

2) Recuerde que también se trata de datos que se deben acumular y utilizar en futuros pronósticos.

¿Cuáles son los factores importantes en los modelos que deben recopilarse y procesarse para pronosticar la demanda en bienes de consumo masivo y minorista (bienes de consumo, sensibles a la promoción, la estacionalidad, los precios de la competencia)?

Las dependencias cruzadas dentro de la gama son de gran importancia:

Es muy importante comprender a quién más se vende dentro de nuestro mercado, en mercados adyacentes, si existen dependencias entre productos vecinos en el marco lineal, no solo de competidores.

Mis productos pueden ser mis competidores (efecto de canibalización).

Estos elementos están a la vista, todos los conocen intuitivamente, pero la pregunta es cómo calcularlos y qué métricas usar para usarlos correctamente.

 

 

Por Marcelo Lozano, inspirado en charlas de café con Sebastian Lancman de PagoTIC

 

Lea más

Phishing: ¿Cómo evitar ser víctima?

VENTAS B2B en la post pandemia

IBM Cloud for Telecommunications un ecosistema con 35 socios

Modern Network para datacenters y redes en la nube 2020

Lógica y datos en un solo chip, ¿en 2021?

Salesforce compró Slack por 27.700 millones de dólares

 

 

 

e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce,

e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce, e-commerce,

94 / 100