¿Por qué las empresas inteligentes brindan más datos a los clientes?

En 2016, el grupo bancario español BBVA ofreció a sus clientes, con sede en España, una aplicación de gestión de finanzas personales. Una de las herramientas de la aplicación utilizaba algoritmos de aprendizaje automático para clasificar las transacciones de los clientes en categorías presupuestarias comunes, como alquiler, comida y entretenimiento, y luego mostraba los gastos de un cliente desglosados como un gráfico simple.

BBVA promocionó el categorizador en su web de banca digital como una forma de que los clientes gestionen mejor sus presupuestos personales. En sólo año y medio, la herramienta se convirtió en la función más utilizada en la web, superada sólo por la transferencia de fondos.

La investigación Los investigadores han explorado el empaquetado de datos como un fenómeno distinto de monetización de datos desde 2013, basándose en docenas de entrevistas a ejecutivos y equipos de proyectos, cientos de casos de uso disponibles públicamente, estudios de casos en profundidad de BBVA, Cochlear y PepsiCo, y una encuesta global de 511 jefes de producto, responsables de generar ingresos a partir de productos.

Y en 2019, la compañía global de bienes de consumo empaquetados PepsiCo lanzó formalmente un conjunto de capacidades de análisis de datos llamado Pep Worx, que admitía una variedad de casos de uso -del estilo de cómo lanzar y administrar con éxito programas de marketing innovadores y cómo optimizar el espacio total de la tienda- que ayudó a los clientes minoristas a aumentar la rotación de productos, la obtención de ganancias y la realización del precio neto (esto último porque había menos necesidad de descontar productos que no se estaban vendiendo).

PepsiCo desarrolló las capacidades durante un periodo de cuatro años, a medida que la compañía resolvía problemas para clientes minoristas selectos utilizando información del comprador, con base en análisis de datos; además, ha utilizado Pep Worx para ayudar a transformar la naturaleza de sus relaciones con los clientes minoristas de transaccionales a colaborativas mediante la creación de una “ganancia de tres audiencias”, la cual las actividades de ventas o marketing brindan valor simultáneamente para el comprador, el minorista y la misma PepsiCo.

Estos ejemplos demuestran cómo las empresas se benefician de un enfoque emergente para la monetización de datos al que nos referimos como empaquetamiento de datos. Con este enfoque, los productos de una compañía están “envueltos” en funciones y experiencias de análisis de datos que ayudan y deleitan a los clientes, con resultados rentables. La tendencia de la mayoría de las empresas es recurrir a grupos de inteligencia empresarial, plataformas de datos y talento analítico preexistentes para el empaquetado de datos. Sin embargo, las capacidades, procesos y habilidades que históricamente ayudaron a utilizar el análisis de datos para hacer las cosas mejor, más barato y más rápido son insuficientes para producir análisis de datos que deleiten a los clientes.

¿Qué hace que el empaquetado de datos sea un enfoque distinto de la monetización de datos?

Las organizaciones envuelven datos cuando brindan información y análisis a los clientes como características de productos y experiencias de los clientes (categorizadores de gastos, optimizadores de sonido automáticos e información del comprador), con el objetivo de aumentar la propuesta de valor de un producto. Hay cuatro características clave que hacen que el paquete de datos sea distintivo:

• Los “usuarios” de análisis de datos son los clientes de una empresa, no los empleados.
• Los propietarios de productos, no TI, lideran la hoja de ruta del producto porque la analítica debe desarrollarse como parte de la cartera general de características y experiencias del producto.
• Los rendimientos económicos son el resultado de un aumento en las ventas, no de una mejora del proceso empresarial interno.
• Es arriesgado. A menos que las empresas entreguen datos precisos y valiosos, podrían confundir, irritar, ofender o alejar a los clientes a los que sirven.

En una encuesta de 2018 a 511 gerentes de productos, realizada por el Centro de Investigación de Sistemas de Información (CISR) del MIT, el 85% informó que estaban desarrollando funciones basadas en análisis de datos o habían implementado funciones en el mercado. La investigación indica que las empresas que logran el ajuste correcto de los datos siguen tres pasos que mantienen sus esfuerzos encaminados.

Paso 1: reúna un equipo multidisciplinario, liderado por producto. Los propietarios y gerentes de productos comprenden profundamente la estructura de costos de un producto y los clientes a los que se atiende, y los riesgos clave que deben mitigarse. También tienen acceso a procesos y canales, de cara al cliente, que ayudan a la empresa a detectar y responder a las necesidades del cliente.

Para ilustrar la ventaja de la colaboración cruzada en el desarrollo de productos, tome el ejemplo de Cochlear. En 2017, el fabricante australiano de soluciones auditivas lanzó su procesador de sonido Nucleus 7, un dispositivo utilizado para pacientes con implantes auditivos. La empresa combinó el dispositivo con una aplicación móvil que ofrecía tecnología de clasificación de escenas, que permitía a los usuarios ajustar automáticamente la configuración de sonido en función del entorno que los rodeaba (por ejemplo, una esquina de una calle llena de gente o una sala de espera silenciosa). Estos tipos de cambios en la configuración del procesador los había realizado previamente el paciente de manera manual, pero los datos de uso del producto sugirieron que las personas no siempre eligen la configuración óptima.

Los gerentes de productos de Cochlear evaluaron oportunidades de empaquetado de datos, utilizando técnicas de investigación de mercado establecidas, grupos de enfoque de pacientes y ensayos clínicos. Exploraron ideas de empaquetado de datos mientras visitaban clínicas y hablaban con clientes. Las conversaciones ayudaron a los gerentes de producto a pasar de docenas de posibles casos de uso de análisis de datos a algunos que los clientes realmente querían, como la capacidad de “encontrar mi procesador de sonido” para los momentos en que la unidad física (un dispositivo costoso de reemplazar) se cae del oído de un usuario.

Aunque los equipos de productos deben liderar la carga, el análisis de datos y los colegas de TI son fundamentales para dar forma, desarrollar e implementar los esfuerzos de empaquetado de datos. En Cochlear, los gerentes de producto se reúnen regularmente con miembros de análisis de datos para revisar e interpretar los datos de uso del procesador, que informan posibles cambios en las funciones existentes y ayudan a priorizar las necesidades que pueden necesitar ser atendidas en el futuro. Los colegas de TI ayudan a los gerentes de productos a evaluar las funciones para determinar su viabilidad técnica y se aseguran de que la tecnología de la empresa pueda admitir las funciones de análisis de datos después de que se activen.

Paso 2: diseñar características y experiencias que inspiren la acción del cliente. El valor del empaquetado de datos depende de la acción y la experiencia del cliente. Por lo tanto, un elemento de diseño clave para el empaquetado de datos implica incitar y guiar a los clientes para que utilicen las funciones del producto, y garantizar que su experiencia satisfaga una necesidad imperiosa, como ahorrar tiempo, dinero u obtener información. La investigación de CISR del MIT identificó cuatro características de diseño clave que ayudan a que esto suceda:

Estas cuatro características de diseño -anticipar, aconsejar, adaptar, actuar- se reflejan en el paquete de datos en el procesador de sonido de Cochlear. La tecnología del clasificador de escenas del dispositivo anticipa que las necesidades auditivas del usuario final requerirán ajustes, a medida que la persona cambia de entorno a lo largo del día y se adapta a los contextos, como una esquina de una calle llena de gente o una habitación tranquila. La función advierte al usuario de la configuración óptima, a través de una aplicación, y actúa ajustando automáticamente la configuración del procesador de sonido para ofrecer la mejor audición para las condiciones.

Según nuestra investigación, las características y experiencias de los productos que anticipan, asesoran, adaptan y actúan son más útiles y atractivas para los clientes, y tienen más probabilidades de motivarlos a participar o responder al empaquetado de datos. La investigación también encontró que las empresas con las funciones de empaquetado de datos más útiles y atractivas logran un rendimiento superior en el aumento de las ventas de productos, ya sea vendiendo más producto, aumentando el precio del producto para reflejar el valor agregado del cliente o incrementando las tasas de retención de clientes.

En 2015, PepsiCo estableció una unidad de conocimientos del comprador multifuncional, que contaba con casi 200 personas de toda la empresa, incluidas aquellas que se centraban en la gestión de categorías, conocimientos del comprador, optimización del espacio y marketing del comprador. La nueva unidad creó y entregó servicios de marketing estandarizados, basados en datos de los equipos de marketing y ventas de PepsiCo a los clientes minoristas.

Una solución para el cliente ayudó a los minoristas a optimizar la variedad de productos a nivel de tienda. Por lo general, los minoristas clasificaron sus tiendas de una manera en todo el país o posiblemente en una región. Sin embargo, una tienda en la zona urbana de Denver podría tener un perfil de comprador más en común con una tienda en la zona urbana de Phoenix que con una tienda suburbana de Denver a sólo 15 minutos de distancia. PepsiCo creó un enfoque de análisis de datos para etiquetar tiendas individuales con un identificador que reflejara su base de compradores locales. Luego, el equipo creó planes distintos sobre dónde colocar los productos en los estantes, tomando en cuenta a un minorista y sus perfiles de tienda.

Paso 3: medir el impacto tanto en el cliente como en la organización. Los gerentes de producto de alto rendimiento miden e informan cuánto valor genera el empaquetado de datos tanto para los clientes como para la empresa. Pero medir estos retornos puede ser complicado. Es posible que una organización no tenga visibilidad de exactamente cómo y cuándo se beneficia un cliente, y las propias devoluciones de la empresa pueden ocurrir indirectamente o con el tiempo. Las empresas tienden a recurrir a una cartera de técnicas como el seguimiento del uso, las pruebas A / B, los experimentos controlados, las encuestas a los clientes y los estudios piloto para tener una buena idea de los resultados del empaquetamiento de datos.

En BBVA, la unidad de análisis de datos que apoyó el empaquetado de datos, desarrolló un marco de impacto económico para clasificar los proyectos de análisis de datos, según su objetivo previsto, como el aumento de ingresos. Los propietarios de productos eran responsables de medir y lograr el tipo de valor apropiado para los proyectos de empaquetado de datos, y un director de finanzas y operaciones ayudó a los propietarios de productos a crear métricas y metodologías de medición, y a validar los resultados. Otras compañías de diferentes sectores adaptan de manera similar los métodos de prueba y las mediciones existentes para monitorear y evaluar el éxito del empaquetado de datos.

El categorizador de BBVA, por ejemplo, animó a los clientes a ajustar sus hábitos de gasto en función de una mejor comprensión de a dónde iba su dinero. Realizó pruebas A / B de nuevas funciones, que implicaron proporcionar una nueva función a un subconjunto de clientes y comparar su respuesta con la de un subconjunto de clientes que recibieron la oferta preexistente. Los resultados específicos, como la satisfacción del cliente, se midieron y compararon en los dos grupos a lo largo del tiempo.

Preguntas para responder al evaluar oportunidades del empaquetado de datos

• ¿Qué análisis de datos podría ayudar a nuestros clientes a adquirir, usar o crear valor mejor con el producto?
• ¿Tenemos los datos, la plataforma y la experiencia para crear el análisis de datos e implementarlo a escala?
• ¿Cuánto dinero ganará o ahorrará nuestro cliente (o qué problema irresistible resolverá) cuando actúe sobre la función o experiencia?
• Dado el valor que creamos para el cliente, ¿qué podemos esperar a cambio en forma de retención de clientes, adquisición, participación en la billetera o una mayor disposición a pagar?
• ¿Qué técnicas y métricas podemos utilizar para monitorear y medir el impacto esperado, ya sea para el cliente o la empresa?
• ¿Qué tan fácil será para nuestros competidores seguir su ejemplo?

Cosechando recompensas del empaquetado de datos

En promedio, el empaquetado de datos representa el 26% del valor que una empresa crea a partir de la monetización de datos.[i] El empaquetado de datos no sólo se está convirtiendo en un componente esencial de la cartera de monetización de datos, sino también para la propuesta de valor del producto. En un mercado en rápido movimiento, el enfoque es particularmente atractivo y útil para las organizaciones que necesitan distinguir los productos atacados de la mercantilización.

Las empresas que informan sobre el empaquetado de datos, de manera más efectiva que sus pares, logran un retorno de la inversión promedio del 61% de los proyectos de empaquetado de datos, en comparación con el 5% de aquellas que informan que lo hacen de manera menos efectiva que sus pares. Es hora de que las compañías presten atención al empaquetado de datos o se queden atrás. En el mundo digital actual, los clientes esperan cada vez más valor del análisis de datos. Si no lo entregamos, nuestros competidores lo harán.

Versión al español: Armando Cintra Benítez

A partir de:

https://sloanreview.mit.edu/article/why-smart-companies-are-giving-customers-more-data/

---

[i] En la encuesta de monetización llevada a cabo en el CISR del MIT, se administró a ejecutivos familiarizados con las actividades y resultados de datos a nivel empresarial, se pidió a los ejecutivos que estimaran el porcentaje que cada actividad de monetización de datos (mejora, empaquetado y venta) contribuye a los retornos totales de datos de la empresa –hasta un total del 100%. La ruptura promedio entre las 315 respuestas para el ajuste de datos fue del 26%.