Con más de 480 sucursales y presencia en nueve estados de la costa oeste de los Estados Unidos, una importante empresa de retail, al igual que muchas firmas con sucursales físicas, tuvo que enfrentarse a la compleja decisión del cierre de algunas tiendas, en este caso, como consecuencia de la pandemia. Sin embargo, esta medida no implicó perder a todos sus clientes presenciales y logró retener, en promedio, al 34% de los usuarios de los negocios que tuvieron que cerrar gracias a acciones focalizadas en las que combinaron los resultados de un algoritmo predictivo y la valoración de los clientes.

El estudio Analytics and AI-driven enterprises thrive in the Age of With, de la consultora Deloitte, detectó que las organizaciones con mayor orientación hacia la información, el análisis y la toma de decisiones basadas en datos tienen el doble de probabilidades de superar los objetivos comerciales. La investigación encontró que entre el 26% de las compañías que utilizaba un conjunto único y común de herramientas y métodos en toda la empresa para acceder y efectuar análisis de datos, el 80% había superado sus objetivos comerciales en comparación con el año anterior. Además, entre el 37% de las empresas con el nivel más alto de madurez analítica, casi la mitad (48%) había superado significativamente los objetivos comerciales en los últimos 12 meses.

¿Cómo logró esta empresa retener a sus usuarios? El punto de partida fue tener en claro que el cierre de una sucursal lleva a la administración a enfrentarse a una segura fuga de clientes, ya que no siempre se es leal a la marca, sino a ciertas condiciones de ubicación y comodidad que favorecen la elección de una tienda por sobre otra.

En el actual contexto, muchas empresas se tienen que enfrentar a situaciones similares y cuando la decisión ya está tomada hay que plantearse preguntas tales como: ¿Cuántos clientes se van a perder al cerrar este punto de venta? ¿Cómo impactará en las ventas globales? ¿Qué podemos hacer para mitigar al máximo esa fuga?

La tecnología disponible en la actualidad, basada en el aprendizaje automático, inteligencia artificial y lagos de datos que permiten reunir y cruzar información sobre el comportamiento de los usuarios establecen algoritmos que predecirán, con cierta exactitud, el porcentaje que aceptarían moverse a otra sucursal de la misma marca y la cantidad de los que no lo harán y buscarán alternativas en la competencia. También se puede aplicar la visualización gráfica en mapas con diferentes escenarios para predecir el comportamiento de los clientes frente a una determinada campaña.

En una segunda etapa, en base a una segmentación de clientes que tuvo en cuenta el valor de los clientes que se deseaba mantener, se crearon campañas personalizadas y agresivas, con descuentos importantes en productos que habitualmente compraban en otras sucursales cercanas y se les ofreció la misma o una mejor experiencia de compra.

La clave para que estas tecnologías se apliquen eficientemente en problemáticas de este tipo es contar con datos íntegros y sanos, que incluyan la mayor cantidad de información del comportamiento de los usuarios, como los principales productos que compran, valor del ticket promedio, reacción frente a promociones, preferencia de canales de compra y cómo interactúa entre ellos. Muchas veces los clientes prefieren una sucursal que está alejada de su casa, ya sea porque está cercana a su trabajo, es parte de su trayecto o porque tuvieron una buena experiencia de compra.

Estos datos hay que cruzarlos con otros, externos a la organización, como la situación sanitaria del radio cercano a la sucursal analizada, información de los competidores, información climatológica o, incluso, cifras relacionadas a la seguridad ciudadana y nivel de asaltos en el área.

Las organizaciones tienen enormes cantidades de datos disponibles sobre la actividad de sus clientes en sus tiendas o sucursales, pero se ven abrumadas, justamente, por esa situación y no siempre disponen de capacidades de análisis integrales, que combinen tanto el conocimiento de negocio como herramientas de big data y analytics para crear y ejecutar estrategias inteligentes. Es clave para el éxito competitivo de toda empresa convertir ese enorme caudal de información en smart data, sobre todo en un momento global en el que se están fortaleciendo las plataformas digitales. Cuidar la experiencia de los clientes en todos los puntos de contacto es vital, y para lograr esto, los datos

(*) Soledad Álvarez del Sel: Data Practice Head, Baufest.