marketing intelligence con estrategia omnicanal y customer journey
TRANSCRIPT
PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE
Marketing Intelligence con Estrategia Omnicanal y Customer Journey
Alex Rayón [email protected]
@alrayon
Febrero, 2016. Madrid.
2 2
3 3
4 4
5
Marketing IntelligenceNueva coyuntura
Fuente: http://www.slideshare.net/FranciscoEgeaCastejn/omnichannel-commerce-v1-29975328?qid=a49aadc2-7032-4304-b96b-145ffb0e2dae&v=default&b=&from_search=20
6
Marketing IntelligenceDe multicanal a omnicanal
6
Experience
Transaction
7
Marketing IntelligenceEstructura organizativa (II)
7
8
Marketing IntelligenceLa importancia del dato
En la economía digital, captar datos de clientes es cada vez más crítico
De1º Vender2º Capturar el dato
A1º Capturar el dato2º Vender
9
Marketing IntelligenceLa importancia del dato (II)
Estrategia de venta directa: nuevo enfoque
1-2) Gestionar audiencia1-2) Capturar datos
3) Convertir a ventas
10
Marketing IntelligenceAumentando el valor: CLV vs CAC
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
11
Marketing IntelligenceVisión única del cliente
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
12
Marketing IntelligenceMatriz de estrategias con clientes
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
13
Marketing IntelligenceMarketing digital y Big Data/Business Intelligence
Landing page
- GIS- Segmentación- Dashboard
Cadena de valor del dato en acciones de captación directa
BBDD
Business Intelligence
SEO
Performance marketing
Social Media
14
Marketing IntelligenceConozca sus clientes y aumente sus ventas
15
Marketing IntelligenceEvolución: Las Tres Olas
16
Marketing IntelligencePuntos de contacto y experiencia de usuario
16
17
● Uso de datos en el mundo del marketingo Customer profiling: hábitos, necesidades, valor, potencial
→ Know Your Customer (KYC)
o Customer Intelligence: targeting, modelos de cliente (ciclo de vida relacional y existenciales), modelos de producto (propensiones), segmentación, análisis del Valor Cliente (Customer Lifetime Value), análisis patrones de compra (Market Basket Analysis), métrica RFM (Recency, Frequency, Monetary), etc.
o Estrategias omnicanal y de Social CRM: findability, social CRM, gestión de canales, etc.
Marketing Intelligence¿Para qué?
18
● Uso de datos en el mundo del marketingo Brand Intelligence: valor de una marca, influencia de la
marca en la oferta y demanda, valoración de marca, etc.
o Marketing experiencial: Customer Experience Management, Customer journey, Indicadores de Experiencia de Cliente (NPS, etc.)
o Del marketing masivo al marketing one2one: Event-based marketing, marketing en tiempo real (retargeting), retargeting personalizado (Right Offer, Right PersoN), estrategias de cross y up-selling
Marketing Intelligence¿Para qué? (II)
19
● Uso de datos en el mundo del marketingo Inbound marketing: engagement con contenidos,
capturando datos de touchpoints, relación con clientes, etc.
o Social Media Intelligence: Social Business, Social Media Analytics, análisis de medios sociales y conversión, etc.
o Geomarketing: Sistemas de Información Geográfica (GIS)
o Producto: nichos de mercado, nuevos productos y servicios, pricing inteligente, etc.
Marketing Intelligence¿Para qué? (III)
20
● Uso de datos en el mundo del marketingo Fidelización de clientes: programas de fidelización,
técnicas de fidelización (endógena y exógena)
o Marketing ROI & optimización del presupuesto de marketing: CLV vs. CAC, modelos de atribución, modelo analítico de atribución, evaluación de las acciones, campañas, segmentos y audiencias, optimización de la inversión
o etc.
Marketing Intelligence¿Para qué? (IV)
21
Marketing IntelligenceSolución: Arquitectura integrada
Tarjeta de fidelización
ON
OFF
Extraños Visitantes Leads Clientes Promoters
ATRAER CONVERTIR CERRAR DESLUMBRAR
Estrategias omnicanal para el fortalecimiento de la marcaSistema de gestión para la captura del dato en los diferentes canales on, off e híbridos (tarjeta de fidelización), que permita su
explotación posterior para la mejora de la toma de decisiones estratégicas en el negocio
Híbrido
Promociones y descuento
Ofertas personalizadas
Reglas + cross y upselling
Marketing de atención
BlogKeywords
Social Media
FormulariosCalls-To-
ActionLanding Pages
EmailSeñales
Workflows
EventosSocial Inbox
Smart Content
22
Marketing IntelligenceSolución: Modelo de datos
Transacción
ClientePromociónProducto/Servicio
Proveedor
Tienda
Web Analytics
Identidad digital
Social Media Analytics
Lead
Tarjetafidelización
- Atributos personales
- online/offline- localización- tamaño- secciones- fecha apertura...
referencias
Empleado
- id- precio- categoría- tamaño- marca- fecha introducción- fecha retiro- estado...
- fecha- hora- medio de pago- día/mes/mes del año...
- fecha inicio- fecha fin...
Grupo
Acción marketing
visita
Categoría
Tiempo
23
Marketing IntelligenceSolución: Técnicas de Data Mining
Fuente: http://www.angelbonet.com/2014/05/datamining-como-sacar-oro-al-big-data/
24
Marketing IntelligenceSolución: Lead Management
Fuente: http://marketing.penton.com/give-sales-want-lead-nurturing-can-help/
Fuente: http://www.marketingprofs.com/articles/2014/25801/how-smb-b2b-marketers-can-improve-lead-turnover-by-using-big-company-tactics
25
Marketing IntelligenceSolución: Lead Management (II)
26
Marketing IntelligenceSolución: Lead Management (III)
27
Marketing IntelligenceEstrategia: Proceso integrado
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf)
28
Marketing IntelligenceEstrategia: Proceso integrado (II)
29
Marketing IntelligenceRetargeting
Para organizaciones que tienen un largo Customer Journey, resulta fundamental una estrategia de retargeting
El principal objetivo es la personalización de las acciones de marketingYa sea a título individualO a título de segmento
Para ello, resulta fundamental la captura de datos que permitan luego discriminar los mensajes
30
Marketing IntelligenceRetargeting (II)
31
Marketing IntelligenceRetargeting (III)
32
Marketing IntelligenceRetargeting (IV)
Las campañas son costosas y además muchos clientes no respondenSolución: Right Person
Predecir quienes van a responder a una ofertaTecnología: Modelos de propensión
Se está saturando a los clientes con múltiples ofertasSolución: Right Offer
Elegir los clientes que tengan más propensión en cada momento
Controlar la periodicidad de los envíosDecenas de pequeñas campañas focalizadas
33
Marketing IntelligenceRetargeting (V)
1
Escuchar
Gestionar
Decidir
Hablar
2
3
4
- Analizar datos- Identificar oportunidades- Almacenar la historia de las interacciones- Escuchar puntos de contacto: conversaciones sociales, web, teléfono, landing page, etc. - Construir perfiles
- Elaborar propensiones- Establecer estrategias: Right Person y Right Offer
- Entregar el mensaje y la oferta adecuada en el momento más oportuno
- Repetir esto, una y otra vez, para millones de interacciones con miles de clientes- Automatizar la multi/omnicanalidad, y medir beneficios a largo plazo
34
Marketing IntelligenceRetargeting (VI)
Twitter followers Web Campaña SEO (On y Off) Facebook fans...
Elegible- Opt outs
Scoring
Top deciles
Canal
Facebook Broadcast Twitter SMS Adwords Lista email
suscriptores...
A la hora de hacer retargeting, habrá que variar el contenido del primer mensaje
Criterios
- Right offer- Right person
Evaluar las campañas y las acciones por el ROI y la efectividad.
Proyecto en marcha
Externo
InternoWeb
A la hora de impactar dentro de la web, se tendrá en consideración el comportamiento del usuario
35
Marketing IntelligenceRetargeting (VII)
Los criterios para el retargeting surgen de la retroalimentación de dos entidadesOferta → Right OfferPersona (entendiendo como persona el segmento si fuera el
caso) → Right Person
El usuario recibe ofrecimientos y contenidos específicos y personalizados de forma automática y en tiempo real
36
Marketing IntelligenceRetargeting (VIII)
El objetivo último del retargeting es la personalizaciónYa sea por segmentos o por persona individual
Elegibilidad basada en variables deEdadFrecuencia de contacto anteriorInteraccionesComportamiento (abandonos carrito compra, visitantes más
recientes o menos, compradores recientes, etc.)LocalizaciónProductos en los que se ha interesado
Generar reglas de elegibilidad que se van actualizando en base a su efectividad
37
Marketing IntelligenceRetargeting (IX)
Modelo de datos
Usuario
Punto de contacto
Dispositivo conexiónProductos
- edad- identidad digital- datos facturación- ...
interacción
- tipo: visita, compra, PQR, solicitud, cotización, etc.- sentimiento: positivo, neutro, negativo- fecha- ...
- datos geográficos- ...
38
Marketing IntelligenceRetargeting (X)
Segmento elegible Oferta recomendada Score Canal
Tarjeta de lealtad
Envío gratuito por categoría oro 98
Suma 50 puntos adicionales 60
Ciclo de vida de producto y cliente
Cuenta registrada nueva 5
Lanzamiento producto nuevo 20
Extensión de garantías 15
Basado en evento
Empaquetar oferta de productos 68
Ofertas basadas en abandono de carritos 75
Oferta de temporada estacional 89
39
Marketing IntelligenceRetargeting (XI)
Tiempo sesión Duración Eventos
Agrupando consumidores y experienciasConductas similaresNecesidades similaresSocialización de voluntades similaresSimilares inconvenientes en la navegación...
En definitiva, agrupar a los usuarios por los parámetros de elegibilidad y el modelo de datos
40
Marketing IntelligenceRetargeting (XII)
Perfil de clienteQuiénes son: tipo de cliente, características, cómo se
comunican, etc.Dónde viven/qué lugares frecuentan: comportamiento
geográficoQué compran: productos que consumen, frecuencia, valor,
etc.Interacciones: cliente activo, índice de contacto,
interacciones positivas o negativas, etc.
41
Marketing IntelligenceRetargeting (XIII)
¿Cómo identificar deseos?1. Diversos sistemas, datos de
facturación, geográficos, perfil, histórico de interacciones, etc.
2. Acceso a los datos, extracción, transformación
3. Unificación de datos de diversas fuentes generando un banco de datos analítico denominado Customer Experience Dashboard
4. Desarrollo de algoritmos avanzados, modelos estadísticos, optimización
5. Productos por probabilidad de aceptación, cambios de ofertas, y direccionamiento estratégico
Banco de datos
Tratamiento de datos
Datos consolidados (CED)
Productos personalizados
Previsiones
1
2
34
5
42
Marketing IntelligenceRetargeting (XIV)
Monitoreo de la ejecución de ventas y campañas en tiempo real
Auto-segmentación y respuestas automatizadas pre-establecidas
Automatización de marketing tracking & analyticsAlerta temprana de desviaciones de medias estándaresAnálisis forense y replicación de cualquier sesión de
usuarioMapas de calor, atención y profundidad, análisis de
links
43
Marketing IntelligenceEstrategia de trabajo
Herramienta de Marketing Automation por la que apostarResulta fundamental, ante la gran cantidad de datos que se
deben generar, y luego explotar
Aquí las 50 mejoresPara proyectos específicos de retargeting, la más empleada
es AdRollTambién Hubspot
Es una herramienta más genérica, por lo que exigiría trabajo de adaptación, pero también más estratégica la relación
44
Marketing IntelligenceEstrategia de trabajo (II)
Data-Driven AttributionNecesitamos concretar el ROINecesitamos explotar datos con mucho detalleNecesitamos disponer de modelos analíticos para hacer el
scoring de cada uno de los candidatos
45
Marketing IntelligenceEstrategia de trabajo (III)
46
Marketing IntelligenceEstrategia de trabajo (IV)
Lead selection
Respuesta canales
Social Media
PPC
Display
Email marketing
Performance
....
1
2
3
4
Testing
Optimization
Analytics
47
Marketing IntelligenceEstrategia de trabajo (V)
48
Marketing IntelligenceEstrategia de trabajo (VI)
Siguiendo el flujograma:Elegible
Seleccionar a todos los candidatos, considerando el parámetro “Lifecycle stage” de Hubspot
ScoringUtilizar la herramienta “Custom Lead Scoring” de
HubspotTop deciles
Seleccionar a los mejores candidatos para luego poder poner en marcha las acciones
Creación del workflow en HubspotConsiderando los elementos anteriores,
diseñar y poner en marcha el workflow de acciones con las reglas necesarias
49
Marketing IntelligenceEstrategia de trabajo (VII)
Seleccionar la audienciaPrimeros pasos para cada uno de los soportes usando
Hubspot
Crear la campaña y las acciones en canales
50
Marketing IntelligenceEstrategia de trabajo (VIII)
Creación y gestión de los “ads”
51
Marketing IntelligenceEstrategia de trabajo (IX)
Data-Driven Attribution o el modelo de atribución basado en datosEstablecer un modelo de atribución multicanal realista es
complejo y, normalmente, algo que hacemos utilizando criterios bastante subjetivos
Sabemos las combinaciones de canales que mejores resultados nos están dando, pero es difícil valorar el mérito de cada integrante de esas secuencias de contacto
Google Analytics, por ejemplo, ya ofrece esta funcionalidad
52
Marketing IntelligenceEstrategia de trabajo (X)
Utiliza como base: Información de rutas de conversión del embudo multicanalDatos de flujo de comportamiento de aquellos usuarios que
no convierten
Incorpora la información de costesCon toda esta información, detecta cómo la
presencia de un punto de contacto comercial en particular (definida por el tipo de canal y su posición relativa a otros puntos de contacto) se relaciona con cambios en la tasa de conversión
53
Marketing IntelligenceEstrategia de trabajo (XI)
54
Marketing IntelligenceEstrategia de trabajo (XII)
Es decir, los modelos probabilísticos resultantes muestran la probabilidad de que un usuario realice una conversión en un punto determinado de la ruta, dada una secuencia particular de eventos
Es importante destacar que el algoritmo tiene en cuenta el orden en el que un determinado punto de contacto entra en juego
55
Marketing IntelligenceEstrategia de trabajo (XIII)
56
Marketing IntelligenceEstrategia de trabajo (XIV)
57
Marketing IntelligenceCaso de Osborne
Analytics www.tiendaosborne.es Nuevo informe personalizado 20150101-20150921
58
Marketing IntelligenceCaso de Osborne (II)
Planteamos cinco problemas
1. Relación entre Relación entre Ingresos por usuario y Búsqueda en Tienda de Productos
2. Predecir cifra de ventas a partir de la cantidad y grupo de promoción
3. ¿Qué productos son comprados a una determinada hora del día?
4. ¿Qué compras siguen un patrón parecido?
59
Marketing IntelligenceSegmentación de clientes
60
Marketing IntelligenceLifecycle Grids, CLV y CAC
Copyright (c) 2016 University of DeustoThis work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons “Attribution-ShareAlike” License. To view a copy of this license, visit http://creativecommons.org/licenses/by-sa/3.0/
Alex Rayón JerezFebrero 2016
PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE
Marketing Intelligence con Estrategia Omnicanal y Customer Journey
Alex Rayón [email protected]
@alrayon
Febrero, 2016. Madrid.