Cómo definir una estrategia digital personalizada para tus audiencias

Antes de ponernos a definir una estrategia personalizada, deberíamos preguntarnos una serie de cosas: ¿Sabemos quienes son nuestros clientes? ¿Qué datos tenemos de ellos? ¿Cómo interactúan con nuestras marcas? ¿Cuáles son los puntos de interacción? 

En los últimos años, los usuarios han construido un nuevo paradigma en relación al consumo de contenido e información. Los dispositivos móviles han irrumpido en su vida privada. Esta cercanía física, junto al sinfín de posibilidades que ofrecen en cuanto a personalización de la experiencia, ha hecho que los usuarios vean sus móviles como una extensión del entorno personal. Todos estos cambios implican que la relación de las marcas con los consumidores también debe cambiar y comenzar a regirse por nuevos enfoques comerciales, distintos a los de los medios tradicionales. 

El Business To Me (B2Me) surge como respuesta a estas circunstancias, según Retail Customer Experience. Hablamos de un nuevo tipo de marketing basado en el comportamiento de los individuos, y no tanto en sus aspiraciones de compra, en sus intereses o en sus datos demográficos. Más que de vender, se trata de poder desarrollar una relación con cada cliente de forma personalizada.  

Personalización como punto de partida

Y no hablamos solo desde un punto de vista teórico. Cada vez más, los players más relevantes de distintos sectores ofrecen experiencias personalizadas completas, tanto en entornos físicos como digitales, asociadas al comportamiento del usuario. Estos son algunos ejemplos de esta tendencia a la personalización en el sector digital:

• Wonderbly: libros personalizados. Wonderbly es una editorial que comenzó su andadura en 2012. En el año 2016 publicaron Lost My Name, un libro personalizable para niños. Diseñando la trama del libro a través de los datos del niño/a , el usuario puede acceder a una vista previa y pedir su libro personalizado en solo 30 segundos. Al cuarto clic, el pedido está listo en el carrito.

• Monsoon Accessorize: ya en 2014, el retailer de moda fue pionero en agregar datos de terceros (RichRelevance) y cruzarlos con los suyos para personalizar las recomendaciones a sus clientes en sus más de 300 tiendas en Reino Unido.

• Zalon y el AFC de Zalando: En 2017, el líder europeo de moda online Zalando presenta Zalon, su sistema automatizado y conectado con asesores de moda, para pasar de una venta basada en prendas a una basada en outfits. En 2019 presenta AFC, la evolución de Zalon, para poder trabajar con escalabilidad.

• El algoritmo de Tik Tok “For your page”: Tiktok sigue cosechando éxitos en términos de tiempo de uso por usuario, y ya ha dejado de ser solamente la red social de la Generación Z para pasar a estar en los móviles de muchos Millennials (y hasta de algún Zenner).

El algoritmo de personalización de contenidos es el responsable de este gran éxito, ya que la sección “For you” (Para ti) siempre muestra vídeos personalizados para cada usuario en base a su comportamiento dentro de la propia plataforma. De hecho, después de que Byte Dance, la empresa matriz propietaria de TikTok, lo hiciera público, son varios los expertos en computación que han alabado el algoritmo.

Sin embargo, en «For your page», también anima a los usuarios a probar el contenido de otros antes de ver el contenido que puedan haber subido personas a las que siguen. Así, las marcas pueden llegar a audiencias nuevas fácilmente, y la plataforma se convierte en un atractivo irresistible para los anunciantes.

Todos estos ejemplos muestran una apuesta clara del sector digital por personalizar la experiencia de los usuarios. El sector aprovecha así una ventaja competitiva del canal digital que no se da en otros: la capacidad de extracción, análisis y aprendizaje en base a datos de conducta de los usuarios. Las marcas capaces de sacar partido a estos análisis y tomar decisiones basadas en los datos obtenidos verán una clara mejora en sus resultados de conversión y fidelización. 

Muchas veces, cuando hablamos de personalización, solo pensamos en la adaptación a nivel de producto, pero la macro tendencia va más allá. Se trata de personalizar la experiencia del usuario, en todos los niveles, en base a sus gustos e intereses; hablamos de crear un viaje diferente para cada consumidor desde el primer contacto y de ser capaces de inferir cuál será su siguiente paso. Predecir el comportamiento del usuario en base al conocimiento de su conducta se convierte en el tesoro más preciado para las marcas. 

La captación y análisis de datos de comportamiento es clave

La analítica de conducta (behavioral analytics) nace de la necesidad de saber cómo, cuándo y por qué interactúa una persona con los medios digitales, ya sea a través de una app móvil, un juego online, una aplicación web, o un eCommerce. Se trata, en definitiva, de entender cómo actúan los consumidores, permitiendo predicciones precisas sobre su comportamiento en el futuro.

Pero el análisis predictivo de los datos no es algo reciente, sino el resultado de un sinfín de proyectos que desde los años 60 buscan automatizar la predicción del comportamiento humano. The Simulatics Corporation, por ejemplo, fue un controvertido proyecto formado por un grupo de científicos de datos que trataban de predecir comportamientos  a través de un modelo de minería de datos, y que estuvieron muy ligados a la historia política de Estados Unidos.

Construyeron lo que llamaron una máquina de comportamiento electoral, una simulación por computadora de las elecciones de 1960, en la que podían probar escenarios en una población virtual infinitamente personalizable: se le podía hacer una pregunta sobre cualquier movimiento que pudiera hacer un candidato y le diría cómo responderían los votantes, hasta el más pequeño segmento del electorado.

 ¿Y cómo podemos utilizar todos estos datos para incorporarlos en nuestra estrategia de marketing?

Se está produciendo un círculo que se retroalimenta: la hiperconectividad genera enormes volúmenes de datos que, una vez analizados, permiten mejorar como nunca antes la capacidad de las máquinas para aprender y generar valor. Cada día podemos hacer uso de esas herramientas, recomenzando el proceso.

Esto genera una gran oportunidad y un enorme reto para las empresas, puesto que la variabilidad se multiplica.  Por ello, es importante poder trabajar con las herramientas adecuadas que permitan esta integración de datos en tu modelo de negocio.

Integración de datos hacia la Omnicanalidad

Compañías como Littledata, Retailnext o el propio Google con Universal Google Analytics (y su herramienta específica para eCommerce, Enhanced Ecommerce) permiten integrar en un solo cuadro de mando la información online y la de visitas y experiencia en tienda.

Servicios como Granify analizan datos de millones de sitios web y variables como velocidad de scroll para prevenir que un usuario abandone la página. En función de eso generan una experiencia personalizada para maximizar las posibilidades de conversión. 

Ahora mismo, ya no podemos conformarnos con conocer los gustos o intereses de los consumidores, sino que debemos conocer también cómo se comportan digitalmente, preguntándonos, entre otras cosas,  cómo buscan las marcas, de qué forma acceden al contenido, qué hábitos de consumo tienen…

Hoy en día, una estrategia de experiencia de cliente ganadora reconoce que el canal mixto (digital y físico) es el único canal, y que los minoristas necesitan aprovechar el profundo conocimiento del cliente para comprender cómo los diversos segmentos de usuarios navegan a través de los canales digitales y físicos.

Para esto, lo fundamental es comenzar por recurrir a las tecnologías adecuadas que nos permitan ir recogiendo los distintos tipos de datos (transaccionales y de comportamiento digital): un CRM (Customer Relationship Management) o un DMP (Data Management Platform), son herramientas que se van nutriendo a medida que se van obteniendo los datos, y son un elemento clave de la arquitectura de sistemas que se debe poner a punto en tu estrategia Martech.

En Good Rebels, venimos desarrollando desde hace años proyectos de inteligencia de datos en los que definimos la arquitectura y estrategia de datos, así como la metodología de análisis para capturar y sacar partido a información en ocasiones infrautilizada, como hicimos en el caso de Cash Converters, donde analizamos el posicionamiento de la marca a través de una estrategia Data Driven.

Pero también, a través de diferentes técnicas de investigación cuantitativa y cualitativa, identificamos tendencias o insights de cliente que nos ayudan a estudiar los diferentes arquetipos y genera el viaje de consumidor asociado a cada uno de ellos,  como hicimos para un gigante del mundo de la moda sueco que quería lanzar su eCommerce en México y necesitaba conocer cómo era su consumidor digital para poder llegar a él.