Seguimiento del viaje del cliente hasta la compra
por Emma Macdonald, Hugh Wilson, and Umut Konus
Un cliente contacta con la empresa de muchas maneras diferentes antes de cerrar un trato. Antes de alquilar su primer ZipCar, habrá hablado de ello con sus amigos, habrá consultado el sitio web de ZipCar (y los sitios web de comparación) y quizás incluso haya llamado a la empresa. Desde la perspectiva de ZipCar, todos estos puntos de contacto son importantes, ya que si escucha malas noticias o le resulta difícil gestionar el sitio web y el centro de llamadas, es muy probable que opte por la opción segura de un Hertz o un Avis.
Lamentablemente, pocas empresas tienen una visión general del recorrido de sus clientes hacia la compra, porque la información se queda atrapada con demasiada frecuencia en un canal aislado. Una encuesta de intercepción que un cliente pueda rellenar al salir de un sitio web puede informarle mucho sobre la experiencia de ese cliente con el sitio web, pero normalmente no proporciona información sobre dónde visitará el cliente la próxima vez que visite la empresa. Encuestar a los clientes directamente después de sus compras para explicarles cómo llegaron a ellos significa que tiene que poner mucha fe en que recuerden exactamente lo que hicieron. Un sistema CRM puede permitirle saber cómo se mueven los clientes entre el sitio web y la tienda, pero no le dice nada sobre su respuesta a la publicidad o a las denuncias de boca en boca.
Hace dos años, descubrimos una técnica que permitía a las empresas documentar con bastante precisión la forma en que sus clientes llegan realmente a una compra. Se llama seguimiento de experiencias en tiempo real (RET) y escribimos sobre ello por primera vez para HBR en un blog el año pasado. Lo desarrolló una empresa de estudios de mercado llamada MESH Planning, con la que nos hemos asociado para mejorar la metodología RET e identificar las aplicaciones de los datos que genera.
RET implica pedir a un panel de consumidores que envíe mensajes de texto a sus teléfonos móviles cada vez que se encuentren con una marca determinada o con uno de sus competidores durante un período de una semana a un mes, según la duración del proceso de compra. El mensaje estructurado de cuatro caracteres captura la marca, del tipo de punto de contacto (¿Ha visto un tuit sobre ello? ¿Lo vio en el escaparate de una tienda?) , qué tan positivo se mostró el cliente con respecto al encuentro y qué tan persuasivo fue. Los encuestados añaden más detalles en Internet y rellenan las encuestas al principio y al final del estudio para registrar los cambios de actitud de la marca.
Las empresas pueden saber cómo funciona (o no) el recorrido del cliente a partir de esa secuencia de mensajes de texto. Unilever, por ejemplo, no podía entender por qué una campaña de aerosol corporal Axe no funcionaba en Italia cuando tenía un buen rendimiento en Polonia. En ambos países, la publicidad televisiva tuvo una acogida positiva. Pero mientras que en Polonia a los anuncios les seguían puntos de contacto en la calle principal, como la «policía con hachas» (mujeres atractivas que «detenían» a jóvenes y los rociaban con hacha), en Italia faltaban recordatorios cercanos a posibles momentos de compra. Los modelos econométricos tradicionales basados en el gasto por tipo de medio no habrían abordado este problema en absoluto.
RET también puede diagnosticar cómo las actitudes conducen al siguiente paso de la cadena, como descubrió una importante organización benéfica internacional. La organización benéfica, que se basa en una gran red de tiendas que venden productos nuevos y de segunda mano para recaudar ingresos y dar a conocer, utilizó recientemente el RET en un esfuerzo por entender por qué las donaciones directas (a diferencia de los beneficios de las tiendas) a la organización benéfica estaban cayendo.
El proyecto RET reveló que la experiencia de los clientes (y los posibles donantes) en las tiendas era bastante variada; bastantes personas pensaban que las tiendas estaban mal organizadas y de ello dedujeron que la organización benéfica probablemente tampoco fuera muy buena a la hora de ayudar a sus beneficiarios. Por lo tanto, es muy posible que compren productos en la tienda, pero no hicieron donaciones. Con esta visión, resolver el problema era sencillo: un diseño más inteligente, mostrara en la caja registradora el trabajo de campo de la organización benéfica y animara al personal a compartir su pasión por la organización benéfica. Las donaciones no relacionadas con las tiendas han ido aumentando desde entonces.
Como los datos se recopilan en tiempo real, también se puede actuar sobre ellos en tiempo real. PepsiCo utilizó recientemente RET para afinar el relanzamiento de Gatorade en México y reposicionar la marca en torno a la nutrición deportiva. Pronto descubrieron que las experiencias en gimnasios y parques (ver pósters o ver a otras personas beber Gatorade, por ejemplo) eran el doble de eficaces para cambiar las actitudes de la marca que encuentros similares en otros lugares. Pudieron destinar rápidamente más recursos de publicidad y distribución a estos puntos de contacto y transmitir lo aprendido con el relanzamiento de Gatorade en otros países de América Latina.
Nuestros dos primeros años trabajando con RET han confirmado sus ventajas, ya que ofrecen una visión integrada, un primer paso vital hacia una gestión integral de los clientes. Es evidente que su uso se está extendiendo y, sin duda, el sector de los estudios de mercado ideará nuevas formas de aprovechar la rica cantidad de datos en tiempo real que produce RET.
MÁS INFORMACIÓN SOBRE LA INTELIGENCIA DE CLIENTES
Los vendedores no aprueban la prueba del Big Data
La inteligencia de los clientes, la privacidad y el «factor espeluznante»
Artículos Relacionados
Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada
Arreglar los chatbots requiere psicología, no tecnología
Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.
Investigación: ¿Está penalizando a sus mejores empleados por desconectar?
Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.