Cómo los especialistas en marketing pueden obtener más valor de sus motores de recomendación
Resumen.
Los motores de recomendación no solo generan datos útiles para analizar los deseos de los clientes, sino que también pueden aprovecharse para hacer recomendaciones tácticas y estratégicas para los especialistas en marketing. La «Netflixization of analytics» determinará cada vez más la forma en que los profesionales del marketing serios se deciden. Ya sea que gestionen conversiones de embudos de ventas o puntos de contacto del recorrido del cliente, los especialistas en marketing dedicarán menos tiempo a buscar respuestas que a sopesar las alternativas recomendadas. En un entorno analítico de «casi todo lo que hacemos es una recomendación», las alternativas sugeridas podrían ir desde consejos de segmentación hasta posibles hipótesis para A/B y experimentación multivariante. Los especialistas en marketing que planean campañas promocionales móviles, por ejemplo, dedicarían menos tiempo a la minería de datos que a explorar sugerencias de tipo Amazon/Netflix, tales como: Los clientes potenciales que hicieron clic en este anuncio también respondieron a ese anuncio; las promociones de temporada 2 por precio de 1 atraen más compras repetidas de compradores de regalos que un 50% de descuentos, y así sucesivamente. En las empresas más grandes con ofertas de productos y servicios más amplias, las recomendaciones de marketing empresarial podrían enmarcarse como, Gerentes de marca como tú que buscan atraer a los clientes X usaron campañas Y y Los especialistas en marketing que lanzaron este tipo de promociones también utilizaron ese tipo de anuncios. Gestionadas cuidadosamente, las recomendaciones pueden resultar mucho más valiosas para los especialistas en marketing que para los clientes a los que aparentemente atienden.
«Casi todo lo que hacemos es una recomendación». Eso es lo esencial filosofía de diseño articulado por el entonces director de ingeniería de Netflix Xavier Amatriain hace cinco años, donde personalizar y personalizar la elección es la moneda del reino. «Estuve en eBay la semana pasada» dijo en ese momento, «y me dijeron que el 90% de lo que la gente compra allí proviene de búsquedas. Somos lo contrario. La recomendación es enorme y nuestra función de búsqueda es lo que hacen las personas cuando no podemos mostrarles qué ver».
A diferencia de la búsqueda, los sistemas de recomendaciones buscan predecir la «calificación» o la «preferencia» que un usuario daría a un artículo, acción u oportunidad. Gestionadas cuidadosamente, las recomendaciones pueden resultar mucho más valiosas para los especialistas en marketing que para los clientes a los que aparentemente atienden. Los motores de recomendación no solo generan datos útiles para analizar los deseos de los clientes, sino que también pueden aprovecharse para hacer recomendaciones tácticas y estratégicas para los especialistas en marketing. Piense en una empresa de Netflix, Amazon o Spotify para profesionales de marketing; la misma tecnología que mejora la elección del cliente ahora permite tomar decisiones directivas. La «Netflixization of analytics» determinará cada vez más la forma en que los profesionales del marketing serios se deciden.
Esto significa que los paneles digitales no solo medirán y monitorearán los KPI de marketing, sino que también ofrecerán sugerencias, opciones y consejos basados en datos. La optimización se aplazará a la recomendación; «la respuesta correcta» no importará más que «decisiones realmente buenas». Gmail, por ejemplo, ya puede redactar correspondencia profesional basada en intercambios de correo electrónico anteriores. LinkedIn solicita de forma proactiva introducciones de valor añadido. El software Salesforce califica y clasifica a los clientes potenciales de forma computacional. Los gestores de calendarios sugieren visualmente y acústicamente opciones de programación y prioridades. Prácticamente todo lo que un trabajador del conocimiento dependiente digital ve, escucha o desliza puede convertirse en una recomendación. Esto hace que el diseño de la experiencia de usuario sea sencillo y atractivo para la clave de administración.
Para los directores de marketing y los gerentes de marca por igual, la experiencia de identificar información analítica procesable se parecerá a la observación de trajes en Netflix, compras en Amazon o deslizando el dedo hacia la izquierda (o hacia la derecha) en Tinder, un ejercicio para seleccionar opciones personalizadas y contextualizadas determinadas por enriquecimiento de datos algoritmos.
Los líderes de marketing orientados a la analítica deben reconocer que sus mejores personas, al igual que sus mejores clientes, desean una exposición inteligente a opciones significativas. Ese es el objetivo del diseño. Los sistemas de recomendación de especialistas en marketing alimentarán los motores de recomendación de los clientes; los análisis de recomendaciones de clientes informarán e inspirarán las recomendaciones del marketing. Aquí vemos el poder y la oportunidad de los efectos de red.
Potenciado por el aprendizaje automático supervisado y no supervisado, ese virtuoso ciclo de recomendaciones impulsará la percepción y el crecimiento de los clientes. El papel del marketing mediado por máquinas consistirá en lograr un equilibrio rentable entre la optimización de las recomendaciones y la recomendación de optimizaciones. Ya sea que gestionen conversiones de embudos de ventas o puntos de contacto del recorrido del cliente, los especialistas en marketing dedicarán menos tiempo a buscar respuestas que a sopesar las alternativas recomendadas. En un entorno analítico de «casi todo lo que hacemos es una recomendación», las alternativas sugeridas podrían ir desde consejos de segmentación hasta posibles hipótesis para A/B y experimentación multivariante. Los especialistas en marketing que planean campañas promocionales móviles, por ejemplo, dedicarían menos tiempo a la minería de datos que a explorar sugerencias de tipo Amazon/Netflix, tales como: Los clientes potenciales que hicieron clic en este anuncio también respondieron a ese anuncio; las promociones de temporada 2 por precio de 1 atraen más compras repetidas de compradores de regalos que un 50% de descuentos, y así sucesivamente. En las empresas más grandes con ofertas de productos y servicios más amplias, las recomendaciones de marketing empresarial podrían enmarcarse como, Gerentes de marca como tú que buscan atraer a los clientes X usaron campañas Y y Los especialistas en marketing que lanzaron este tipo de promociones también utilizaron ese tipo de anuncios.
Muchas agencias de marketing digital desarrollan motores de recomendación de optimización de motores de búsqueda diseñados para correlacionarse con los temas y características del perfil de usuario. Su objetivo no es vender más, sino aprender más sobre los prospectos. La recomendación se convierte entonces en un precursor catalítico de la percepción.
Incluso más provocadores, quizás, son los recomendadores nacientes que sugieren hipótesis de marketing para probar y experimentar. Estos «recomendadores automatizados de hipótesis» identifican correlaciones que podrían merecen una exploración en el mundo real. Por ejemplo, en una empresa de comercio electrónico, los datos sugieren que los clientes que verificaron constantemente la llegada de sus pedidos obtuvieron calificaciones más altas de Net Promoter Score cuando veían fotos de su compra, no solo las fechas de entrega estimadas. El recomendador propuso comprobar si incluir fotos de compra con notificaciones de entrega daría lugar a mejores calificaciones. (Lo hizo, pero solo para mujeres).
Los recomendadores de marketing también tienen papeles que desempeñar en las decisiones diarias de «explorar vs exploit» (eVE). Para saber, ¿qué es más valioso para los esfuerzos de marketing: llevar a cabo experimentos adicionales o explotar de forma rentable lo que acabamos de aprender? Las recomendaciones de eVE destacan explícitamente las compensaciones entre la optimización por el momento y la inversión en conocimientos futuros.
A medida que los KPI de marketing se vuelven más sofisticados, comprender esas compensaciones se vuelve más importante. El contexto importa. Eso es lo que hace que los recomendadores sean tan atractivos cognitivamente: invitan a la agencia; permiten elegir. En los mercados ricos en datos e inteligentes artificialmente, una de las decisiones de diseño más desafiantes que toman las organizaciones es la mejor manera de informar y empoderar a su personal. ¿Debería la analítica hacer hincapié en el cumplimiento prescriptivo, directivo e integral? ¿O las organizaciones disfrutarán de una mejor moral y resultados cuando la tecnología ofrezca recomendaciones más inteligentes, mejores y personalizadas? Se trata tanto de cuestiones de cultura y valores como de proceso empresarial.
No es ningún secreto ni sorpresa que los avances tecnológicos automaticen eficazmente muchas tareas de marketing que antes manejaban los humanos. Eso parece inevitable. En consecuencia, gran parte del desafío de marketing en el futuro será determinar, recomendar, cuándo y dónde la agencia humana añade más valor que la autonomía de la máquina. Esto se reducirá a discreción de la gerencia.
Pero no te equivoques: al menos parte de esa agencia humana será ilusoria. Después de todo, Netflix, Amazon, Alibaba y Facebook rastrean despiadada e implacablemente cuáles de sus recomendaciones «ganan» y cuáles se ignoran. De nuevo, los beneficios se obtienen desde el mapa analítico del consumidor hasta el análisis del lugar de trabajo, también. Identificar los sesgos de decisión, por ejemplo, se hace más fácil y más claro. Evaluar qué recomendaciones influyen más en las decisiones de marketing resultará al menos tan reveladora como determinar cuáles tienen mayor impacto en la elección de los consumidores. Estos conocimientos serán inmensamente útiles para la alta dirección.
Como tecnologías que generan datos, mejoran el análisis y potencian la elección, los sistemas de recomendación disfrutan de una excelente reputación y un gran éxito. La ironía es que los especialistas en marketing han hecho un mejor trabajo desplegando recomendaciones para sus clientes que para ellos mismos. En el futuro, las organizaciones de marketing más exitosas serán aquellas que encuentren formas innovadoras de alinear las recomendaciones dentro y fuera de la empresa.
— Escrito por Michael Schrage
