Aprendizaje automático y análisis predictivo en B2B
Publicado: 2017-08-01Hace poco más de tres años, escribí una serie de publicaciones sobre las presiones que el comercio minorista en línea ejercía sobre las tiendas físicas tradicionales. Desde los gigantes del pasado, como Borders, hasta los que están en riesgo hoy en día, como Sears, las empresas que no reaccionaron ante los amplios cambios en las expectativas de los consumidores han cerrado sus puertas o luchan por mantenerlas abiertas.
Sin embargo, seamos justos. El comercio minorista físico no está condenado. Es una pieza del rompecabezas en el mundo omnicanal. Simplemente ya no es la pieza central. Las empresas que están teniendo éxito están prestando mucha atención a los datos de los clientes, aprendiendo o prediciendo cuáles serán las acciones de sus clientes y llevando la experiencia del cliente a un nivel completamente nuevo. Un nivel que es la nueva línea de base sobre cómo competir y tener éxito en el comercio minorista.
Y si estás en el espacio B2B, espero que estés prestando atención.
Durante los últimos 20 años, he ayudado a muchas empresas a implementar sitios B2C y B2B. Los desafíos son diferentes en algunos aspectos, pero las expectativas de quienes interactúan con un sitio han convergido durante años. Y a medida que empresas como Amazon continúan expandiéndose en el mundo B2B, puede estar seguro de que crecerá la demanda de una experiencia "más inteligente".
La mayoría de las empresas en el espacio B2B están utilizando análisis web para realizar un seguimiento de los conceptos básicos; páginas vistas, visitantes, tasa de rebote y métricas similares. Hoy, esa es la barra baja.
El verdadero valor que se puede extraer de la forma en que los clientes interactúan con un sitio no se esconde en un oscuro informe de Google Analytics. Está enterrado en la gran cantidad de datos que se pueden recopilar de las interacciones con los clientes. Para las empresas, tanto pequeñas como grandes, el mundo de la ciencia de datos puede ser intimidante y saber por dónde empezar puede dejar la cabeza dando vueltas.
Pero ignora esto bajo tu propio riesgo.
Bien, una discusión completa sobre la ciencia de datos está más allá de lo que es posible en un blog, pero aquí hay algunos puntos clave que todos en el espacio B2B deben saber:
- Ser capaz de responder con rapidez y precisión a los cambios en el comportamiento del cliente es fundamental. Los días en los que se tomaba una semana o más para examinar los informes y averiguar qué querían sus clientes quedaron atrás.
- El análisis predictivo y el aprendizaje automático llegaron para quedarse y las empresas que emplean estas técnicas superarán a las que no lo hacen.
- Su plataforma de comercio puede o no ser capaz de recopilar todos los datos que necesita. Es una pieza del rompecabezas y hay otras fuentes a considerar.
Entonces, ¿cómo pueden las empresas B2B utilizar el análisis predictivo y el aprendizaje automático? Aquí hay algunos casos de uso que he visto:
Clasificación de clientes
Comprender las tendencias de comportamiento de los clientes y agruparlos con clientes similares puede ser una forma efectiva de enfocar los esfuerzos de marketing y comercialización. Una clasificación que probablemente haya visto es el "Cliente VIP", pero con demasiada frecuencia, las empresas B2B simplemente deciden, utilizando una sola métrica, qué constituye un VIP. Una implementación que he visto simplemente clasifica a cualquier cliente que haya comprado más de $100 como VIP y coloca una pequeña insignia en el perfil en línea del cliente. Eso no es realmente una clasificación; está más cerca de la gamificación, lo que le da al cliente algún tipo de sensación de logro y, con suerte, aumenta su lealtad.
La clasificación real se basa en un conjunto de características de datos medidos en toda la actividad reciente del cliente. En otras palabras, si alguien es un cliente VIP real o no, cambiará en comparación con el comportamiento de toda la base de clientes.
Conocer la clasificación de los clientes y poder usar un modelo de clasificación para predecir un grupo al que es probable que pertenezca un nuevo cliente puede ser de gran ayuda para determinar qué promociones mostrar a un cliente mientras está en el sitio o por correo electrónico. En una implementación reciente de aprendizaje automático que hicimos para una empresa B2B, agrupamos a los clientes en varios segmentos utilizando datos de un período de tiempo reciente:
- Comprador VIP: el nivel más alto de clientes según el valor de las conversiones y el número de conversiones.
- Comprador comprometido: una gran cantidad de visitas, un carrito activo, numerosas vistas de productos y al menos una conversión.
- Window Shopper: Varias visitas, numerosas vistas de productos
Esta información no se compartió con el cliente; no es una distinción pública, sino una indicación interna de cómo interactuar con un cliente. Tener esta información permite a los especialistas en marketing mostrar promociones específicas en el sitio durante una visita. Por ejemplo, si un cliente cae en la clasificación de "Comprador comprometido" y tiene un carrito activo que está por encima del AOV, se podría mostrar un cupón para envío gratis o un descuento para mover a este comprador hacia la conversión.
También es importante tener en cuenta que los modelos no son estáticos. Deben recalcularse con frecuencia. En la implementación reciente, los modelos se recalcularían cada pocas horas para garantizar que estuvieran lo más actualizados y precisos posible.
Colocación prescriptiva de productos y contenidos
Hay muchas razones por las que el comportamiento de compra puede cambiar. La estacionalidad es una de esas razones. Otras razones que pueden impulsar cambios de comportamiento a corto plazo son el clima, las noticias, la escasez y las promociones de los fabricantes. El uso de modelos para detectar condiciones que están "fuera de las expectativas" y ajustar la comercialización del sitio para responder a anomalías sensibles al tiempo es cada vez más común. Esta técnica se puede utilizar para modificar los resultados de la búsqueda, la ubicación de los elementos de la página de inicio, la ubicación de los elementos de la categoría y guiar a los usuarios a la información del producto cuando se realiza una búsqueda de un producto de la competencia.
¿Un producto determinado funciona mejor cuando está visible en la parte superior de la página de inicio? Algunos lo hacen, otros no. Ser capaz de detectar la ubicación óptima de los productos dado un historial reciente de actividad, como conversiones y adiciones al carrito, se puede lograr a través del aprendizaje automático. Al presentar un nuevo producto, se pueden usar modelos similares para predecir la mejor ubicación para un rendimiento óptimo en función de los atributos del producto.
Mejorando la personalización
La personalización en la mayoría de los sitios B2C tiene un largo camino por recorrer. Y en los sitios B2B, todavía está en pañales. Si bien es posible agrupar a los compradores en una cohorte y mostrarles artículos similares, el aprendizaje automático hace posible que estas cohortes sean más pequeñas, acercándose a una experiencia más única para su cliente B2B. Esto puede tener un impacto especial cuando hay múltiples compradores B2B de un solo cliente.
Para comenzar a moverse hacia una experiencia más única, los modelos de aprendizaje automático se pueden desarrollar comenzando en un nivel alto y luego progresando a niveles más granulares que brindan información única sobre un cliente.
Por ejemplo, comenzando con la geolocalización como un factor, un vendedor B2B de equipos HVAC industriales debería presentar diferentes productos para los clientes de Minnesota frente a los de Florida. Las temporadas de compra no solo son diferentes, sino que los eventos en Florida, como un huracán inminente, pueden influir en el comportamiento de compra a corto plazo. Un modelo diseñado correctamente puede ayudar a detectar estos cambios y alertar al comercializador B2B sobre cambios que pueden requerir un cambio en la comercialización del sitio para una región geográfica.
Además, una empresa podría desarrollar modelos que puedan predecir el orden de clasificación óptimo para los resultados de búsqueda de un cliente, los productos y categorías ideales para presentarles, junto con promociones sugeridas basadas en su comportamiento reciente.
En resumen
Es un momento fascinante para trabajar en comercio y con datos en particular. La convergencia de la computación basada en la nube de bajo costo y la abundancia de datos disponibles de una gran cantidad de fuentes (una de las cuales es el sitio B2B de una empresa) y proporciona una gran cantidad de inteligencia procesable con una inversión de órdenes de magnitud inferior a una década. atrás. Eso no solo pone esta tecnología al alcance, sino que la posiciona para convertirse en una parte central de cómo se relaciona con sus clientes y cómo opera su negocio.
Aquellos que ignoren la llamada hoy, probablemente sean las Fronteras del mañana.