Cinco imperativos de la predicción para maximizar el …€¦ · de descubrimiento de...

Business AnalyticsIBM Software Intimidad de los clientes

Cinco imperativos de la predicción para maximizar el valor para el clienteAplicación del análisis predictivo para mejorar la gestión de la relación con los clientes

IntroducciónLe llame resolver los problemas de negocio relacionados con la rentabilidad de los clientes, “la gestión de las relaciones con los clientes” o simplemente hacer bien las cosas, sabe que el fortalecimiento de las relaciones con el cliente es obligatorio para tener éxito, por una sencilla razón: los clientes generan beneficios.

En el mercado actual cada vez más globalizado y competitivo, los clientes tienen más opciones que nunca a su disposición. Muchos analistas y periodistas, de hecho, lo llaman una “economía del cliente”. La atracción de clientes de forma asequible y el cumplimiento de sus expectativas en selección, precio, calidad y servicio son esenciales para una estrategia de valor para el cliente. No obstante, es igualmente importante identificar y conservar los clientes rentables e incrementar su valor en el transcurso del tiempo. Esto requiere la capacidad de anticiparse a las necesidades del cliente y presentar ofertas atractivas de una forma correcta y en el momento oportuno. Las empresas que puedan hacerlo serán las que prosperarán en la economía del cliente.

SPSS fue uno de los pioneros en el campo del análisis de datos; fue el primero en entrar en escena y sigue siendo una de las aplicaciones de software más popular y ampliamente utilizada. Como un nuevo miembro de la organización de IBM, SPSS aporta sus productos y soluciones de análisis avanzado a un mayor número de organizaciones de todo el mundo.

Las ofertas de IBM SPSS incluyen productos líderes del mercado para la minería y la recogida de datos, estadísticas y gestión que pueden crear perfiles predictivos que permitan ayudarle a satisfacer las necesidades de sus distintos segmentos de cliente. Estas herramientas se basan en estándares de la industria y se pueden integrar fácilmente en su infraestructura existente para mejorar la precisión, disminuir la plantilla y minimizar las pérdidas. El esfuerzo combinado le ofrece la máxima flexibilidad en los tipos de datos que explore y cómo despliegue los resultados.

Contenido:

1 Introducción

4 Los cinco imperativos predictivos

13 Productos para maximizar el valor del cliente

15 Acerca de IBM Business Analytics


2

Muchas iniciativas de CRM no logran generar los retornos previstos. Las empresas de prácticamente todos los sectores han implementado estrategias de CRM. Algunas de ellas han sido iniciativas enormes, respaldadas por inversiones significativas en tecnología y diseñadas para desplazar la orientación de una empresa desde los productos hasta los clientes. Muchas de estas iniciativas, no obstante, no logran generar los retornos previstos y ofrecer un valor significativo. Esto se debe en parte a la dificultad que representa la transmisión del cambio a través de los procesos o culturas establecidos. Pero otro factor es que aunque los sistemas CRM operacionales, tales como la automatización de la fuerza laboral o los sistemas de “call center”, proporcionen la base necesaria para obtener unas mejores relaciones con el cliente, no aportan mucho en la mejora de la capacidad de la organización para maximizar el valor de la vida útil del cliente.

El valor de vida útil de un cliente se define como los beneficios totales generados durante el tiempo en que el cliente realiza operaciones de negocio con su empresa. El concepto que se esconde detrás de la maximización del valor de vida útil del cliente es sencillo: Ofrecer valor a los clientes de forma asequible. Cuando su organización ofrece lo que los clientes necesitan – lo que tiene valor para ellos – los clientes tendrán mayor probabilidad de seguir estando abiertos a esfuerzos de marketing futuros, comprar más de sus productos y servicios y, como consecuencia, ser más valiosos. Es una relación “win-win” tanto para usted como para su cliente. No obstante, para lograr y mantener este tipo de relación se requiere el soporte de los sistemas CRM tanto operacionales como analíticos.

La analítica genera retornos de CRMHasta hace poco, la analítica no aparecía con frecuencia en las conversaciones de CRM. Ahora, no obstante, los principales expertos en CRM son unánimes y destacan que la analítica no sólo mejora los esfuerzos de CRM, sino que es esencial para su éxito.

Generalmente, las empresas comienzan con la analítica de históricos, utilizando una combinación de herramientas de elaboración de informes, data warehouses especializados y soluciones de procesamiento analítico online (OLAP). Como se ha mencionado antes, estas soluciones se focalizan en la comprensión y la medida del resultado de las decisiones pasadas y pueden ser útiles en la acotación del alcance de investigaciones posteriores. Pero por sí mismas, no pueden proporcionar a la organización una imagen clara del futuro.

No obstante, los líderes del mercado están evolucionando sus capacidades analíticas incorporando la minería de datos y otras funciones predictivas en sus sistemas CRM operacionales. La minería de datos es el proceso de descubrimiento de correlaciones, patrones y tendencias significativos y anteriormente desconocidos en grandes volúmenes de datos. Para llevar a cabo estos descubrimientos, la minería de datos se basa en tecnologías de reconocimiento de patrones y técnicas tanto estadísticas como matemáticas. Puesto que mira hacia el futuro, la minería de datos permite a su organización medir el potencial de las relaciones con sus clientes y desarrollar planes para maximizar dicho potencial.

Resumen:

Actualmente, muchos sistemas CRM se basan en el análisis de históricos que solamente proporcionan una “imagen de retrovisor” de sus relaciones con el cliente, ofreciendo poco soporte para las decisiones que dan forma al futuro. No obstante, con el análisis predictivo de IBM SPSS puede satisfacer las necesidades en constante evolución de sus clientes con información adelantada que se anticipa a los cambios en las actitudes, preferencias y acciones del cliente. En este documento se describe cómo el seguimiento de un conjunto de mejores prácticas – cinco imperativos predictivos – permite tener la certeza de que su empresa maximiza el valor de las relaciones con los clientes y mantiene niveles más altos de ingresos y beneficios.

Puntos destacados:

• Utilice IBM SPSS Modeler para predecir las formas más eficaces de ganar clientes

• Anticípese a los cambios en las actitudes y preferencias del cliente

• Desarrolle relaciones con mayor intimidad de los clientes

• Identifique y retenga los clientes con mayor probabilidad de desertar


3

Las soluciones CRM analíticas más evolucionadas aplican tecnologías de análisis predictivo y despliegan los resultados en toda la empresa, por lo que si los clientes interactúan con sus organización online, por teléfono o personalmente, reciben el tipo de trato que satisface sus necesidades presentes y se anticipan a las nuevas. Esto incrementa su tendencia a mantener la fidelidad y realizar compras adicionales, aumentando el valor de su vida útil – y los beneficios de su organización.

Por ejemplo, una de las líneas aéreas más grandes del mundo se basa en el análisis predictivo para optimizar los ingresos de cada vuelo, mejorar el servicio para sus mejores clientes y aumentar la fidelidad del cliente. Utilizando IBM SPSS Modeler para el modelado predictivo, sus agentes y personal de vuelo pudieron identificar a los clientes de alto valor y poner todos los medios para satisfacer sus necesidades. El incremento resultante en la satisfacción del cliente impulsó el aumento de los ingresos anuales – un promedio de 200 dólares por cada uno de sus clientes “valiosos” y de 800 dólares por cada uno de sus clientes “más rentables”. Los ingresos totales en el ejercicio posterior al de la implementación se incrementaron en 40 millones de dólares. En el mismo período, la línea aérea ahorró 31 millones de dólares en costes operacionales.

Evolución del CRM analítico

Medida (histórico) Predicción (futuro)

Consulta e informesConsulta e informes

OLAPOLAP

Minería de datos Minería

de datos

Personalización en tiempo real

Personal en tiempo real

Personalización en tiempo real

Personal en tiempo real

¿Cuantos clientes hemos

perdido?

¿Cuantos clientes hemos

perdido?

¿En qué ciudades se encuentran?

¿En qué ciudades se encuentran?

¿Qué tipos de clientes están en riesgo y por qué?

¿Qué tipos de clientes están en riesgo y por qué?

¿Qué debemos ofrecer a este

cliente ahora mismo?

¿Qué debemos ofrecer a este

cliente ahora mismo?

Tiempo

Valo

r de

neg

ocio

Figura 1: Toda organización dispone de datos de sus clientes. La elaboración de informes y OLAP proporcionan información sobre las interacciones del pasado con los clientes. La minería de datos y la personalización en tiempo real miran hacia el futuro y se pueden utilizar como guía para las interacciones futuras. Con el tiempo, a medida que las empresas se dirijan cada vez más hacia el uso de estas tecnologías predictivas, incrementarán el valor de negocio de su información CRM.


4

Los cinco imperativos predictivos En base a una amplia experiencia con un gran conjunto de organizaciones, nuestra empresa ha identificado los siguientes “imperativos predictivos” – las mejores prácticas que utilizan las organizaciones líderes para maximizar el valor del cliente con el análisis predictivo.

1. Basar la estrategia del cliente en perfiles predictivos 2. Predecir la mejor forma de ganar los clientes más adecuados3. Predecir la mejor forma de hacer crecer las relaciones con los clientes4. Predecir la mejor forma de conservar durante más tiempo los clientes

más adecuados5. Utilizar la inteligencia predictiva en todos los puntos de contacto con

el cliente

1: Basar la estrategia del cliente en perfiles predictivos Los perfiles predictivos detallados y exactos son la base esencial de toda estrategia de cliente e iniciativa CRM. Para conocer mejor a sus clientes, utilice herramientas analíticas para crear segmentos de clientes y después cree perfiles predictivos de cada segmento. Estos perfiles, cuando se despliegan por toda la empresa, permite a toda su organización focalizarse en las actividades con mayor probabilidad de generar el máximo retorno.

Identificar los segmentos clave de cliente Puede definir segmentos de clientes en base a la información de su comportamiento extraída de sistemas operacionales y a la información de sus actitudes obtenida mediante estudios de mercado. Los dos enfoques se complementan entre sí, permitiéndole obtener un conocimiento más exacto del cliente y desarrollar estrategias más eficaces para cada uno de los segmentos de cliente.

Puede segmentar clientes existentes y clientes potenciales en función de una serie de diferentes criterios. Por ejemplo, puede analizar a los clientes en función del total que gastan en usted, de su patrón de pagos, de la duración de la relación y de muchos otros factores. Puede dividir los segmentos de cliente en subsegmentos más reducidos, incluso alcanzar la relación definitiva uno a uno, en la que se conocen las necesidades y las preferencias de cada cliente. Al conocer cuáles son los clientes con mayor probabilidad de comprar ciertos productos o servicios, puede focalizar sus programas de marketing para obtener la respuesta más alta posible a su inversión de marketing. Puede segmentar los clientes por su valor, comportamiento, demografía e incluso por su actitud.

• La segmentación por valor permite conocer quiénes son sus clientes más valiosos

• La segmentación por comportamiento le ayuda a saber quiénes tienen más probabilidad de comprar sus productos o servicios, para poder utilizar más eficazmente los fondos de marketing

• La segmentación por demografía y otros datos complementarios proporciona información adicional que se puede utilizar en la predicción del comportamiento de los clientes

• La segmentación por actitud añade otra dimensión al conocimiento que tiene de sus clientes. Una de las mejores formas de conocer las actitudes de los clientes es preguntárselo mediante estudios de encuestas.


5

Valor de la vida útil del cliente

Más relaciones

Conservar buenos clientes

Más rentabilidad

Beneficio

MenosPérdida

Pérdida Ganar clientes de forma asequible

Crear perfiles predictivos de cada segmentoUna vez haya identificado los segmentos de los clientes que utilizan y valoran sus productos y servicios, el siguiente paso consiste en conocer cuáles son los productos o servicios que los clientes de cada segmento probablemente querrán adquirir a continuación. La incorporación de este elemento predictivo hace que sus relaciones con el cliente sean significativamente más productivas y rentables.

Una de las entidades de servicios financieros más importante del mundo inició un programa de fidelidad del cliente utilizando IBM SPSS Modeler. La solución de minería de datos permitió a la empresa analizar su data warehouse de 2,5 millones de clientes en función de 400 atributos distintos. Mediante la definición de una serie de segmentos diferentes de clientes, la empresa pudo focalizar sus campañas de marketing en el uno por ciento que no solamente tienen la “extrema probabilidad” de comprar un producto o servicio, sino también que cuentan con la valoración de crédito para realizar las compras. En dos años recuperó su inversión en el proyecto.

Figura 2: El análisis predictivo mejora la rentabilidad del cliente desde el principio, al permitir a las empresas adquirir más clientes de forma más asequible, como se muestra en este gráfico. A continuación, durante todo el ciclo de vida del cliente, el análisis predictivo ayuda a las empresas a diseñar ofertas más atractivas y realizar campañas de marketing más eficaces, lo que lleva a incrementar las ventas. El análisis predictivo también ayuda a las empresas a retener clientes, incrementando los ingresos y los beneficios que obtienen de dichas relaciones.

2: Predecir la mejor forma de ganar los clientes más adecuadosLa adquisición de clientes es costosa pero necesaria. No obstante, pagar un precio demasiado alto para atraer clientes o adquirir los tipos incorrectos de clientes puede causar un impacto negativo significativo en sus beneficios.

El uso de métodos ineficientes para atraer a los clientes se traducirá en costes más altos y beneficios inferiores a los que deberían ser. La atracción de clientes incorrectos también afecta a los beneficios. Por ejemplo, si se atraen a clientes que probablemente se irán o “desertarán”, puede incurrir en costes de adquisición sin ver un beneficio en la relación con el cliente. Otros clientes pueden ser fieles, pero puede ser tan costoso darles servicio que solamente son marginalmente rentables.


6

El análisis predictivo de IBM SPSS minimiza los costes de su organización al dirigir los programas a las personas con mayor probabilidad de respuesta. Puede aumentar aún más los beneficios focalizándose en los tipos de clientes potenciales con mayor probabilidad de convertirse en clientes rentables.

Crear una estrategia de atracción de clientes basada en la predicciónUtilice los perfiles predictivos para determinar los tipos de clientes a los que desea atraer. A continuación, cree una estrategia de atracción rentable que incluya planes separados para cada segmento de clientes.

Muchas empresas querrán focalizar sus esfuerzos de atracción de clientes en la adquisición de clientes potenciales que se adapten al perfil de sus clientes más rentables. Pero otros segmentos de clientes no tan rentables pueden tener más perspectivas de crecimiento a largo plazo, o pueden ser más asequibles de atraer – por lo que el marketing en estos segmentos puede ser una opción atractiva cuando los presupuestos en marketing son ajustados.

Optimizar su estrategia de atracción de clientes con el modelado de respuestas Ajuste sus planes de atracción de clientes por medio del modelado de respuestas para predecir los programas de marketing que generarán la respuesta más alta. Esto aporta ventajas a su organización de dos formas: se obtienen los resultados deseados y se evitan los altos costes asociados a los esfuerzos de marketing no productivos. De este modo, se obtienen mayores beneficios con la misma inversión.

Una gran compañía de seguros con sede en Bélgica veía una disminución de sus márgenes de beneficios y su estrategia de crecimiento se veía amenazada porque el coste de incorporación de nuevos clientes superaba los ingresos de las primas del primer año casi en un 50%. Las tecnologías de gestión de decisiones y análisis predictivo de IBM SPSS permitieron a la compañía identificar primero a los grupos con mayor probabilidad de responder a una campaña y, a continuación, llevar a cabo un sofisticado análisis de coste-beneficio. Con el uso de esta información la compañía pudo reducir sus costes de marketing directo en un 30% y realizar campañas de adquisición rentables el primer año. Además, la rentabilidad de los clientes a largo plazo se incrementó en un 20%.

Mejorar los índices de conversión con encuestas de prospecciónSe pueden utilizar estudios de mercado para mejorar la adquisición de clientes tanto antes como después de las campañas. Con antelación, las encuestas de grupos identificados como clientes potenciales probables pueden clarificar sus razones para comprar sus productos o servicios, lo que le permite refinar sus ofertas de campañas. Después, mediante el estudio de los clientes potenciales que se convirtieron y los que no, se puede conocer lo que ha funcionado y lo que debe cambiarse para ganar negocio potencial en el futuro. Por medio de este tipo de inteligencia predictiva que dirija su estrategia de atracción de clientes, puede mejorar el índice de conversión de sus mejores clientes potenciales.


7

3: Predecir la mejor forma de hacer crecer las relaciones con los clientesPara maximizar el crecimiento del número de clientes e incrementar el valor de la vida útil de los clientes, su organización no sólo necesita saber cuáles son los clientes con mayor probabilidad de querer, sino también cuándo y cómo querrán recibirlo. Con el análisis predictivo de IBM SPSS puede obtener este nivel de conocimiento del cliente.

Crear una estrategia de crecimiento de clientes basada en la predicciónPor medio de perfiles predictivos, modelos de afinidad de producto, modelos de migración de segmentos, modelos de respuesta e incluso encuestas, puede generar inteligencia predictiva acerca de sus clientes. Como consecuencia, sus clientes estarán más satisfechos con su servicio y reforzarán su decisión de comprar de nuevo.

Descubrir afinidades de productoLos clientes a menudo compran productos y servicios juntos o siguiendo ciertas secuencias. Por medio del análisis de sus “cestas de mercado” – productos y servicios comprados al mismo tiempo – puede ofrecer a los clientes productos adicionales adecuados y en el momento oportuno. El conocimiento de los productos que los clientes compran juntos puede llevar a una mejor colocación de los productos en las tiendas, a la confección de “paquetes” atractivos de productos tanto en el marketing directo como en las ofertas online, y a ofertas más puntuales. Esto no sólo aumenta los ingresos, sino que generalmente mejora la satisfacción del cliente y contribuye a maximizar el valor de la vida útil del cliente.

Figura 3: Incorpore el análisis predictivo en sus relaciones con los clientes y obtenga información de los datos generados en cada una de las interacciones. Utilice sus datos para conocer mejor a los clientes, crear inteligencia predictiva sobre cada segmento de cliente y utilice dicha inteligencia para mejorar las interacciones con los clientes y maximizar el valor de la vida útil de los clientes.

Arquitectura analítica del valor del cliente

Ganar Crecer

Utilizar la inteligencia predictiva

Conservar

Crear la inteligencia predictiva

Segmentar y perfilar

Datos


8

Una importante tienda de informática de Japón utilizó IBM SPSS Modeler para construir un motor de recomendaciones que sugería productos a los visitantes en su página web. Las recomendaciones se basaban en perfiles de cliente y en información acerca de compras anteriores contenida en la base de datos de la empresa. En el primer año de su implementación, el motor de recomendaciones generó un incremento del 18% en las ventas y de un 200% en los beneficios.

Predecir la migración de segmentosLa aplicación de técnicas de minería de datos en los datos de sus ventas históricas permite mostrar quién compra qué. Combinado esta información con otros datos, también puede realizar otros tipos de predicciones, como cuáles son los segmentos de clientes que serán más valiosos y cuáles menos valiosos, y con qué importes. El modelado de segmentaciones predictivas le muestra cuáles son las características que están vincula das a la migración entre los segmentos de valor de los clientes. La incorporación de este tipo de inteligencia predictiva a su estrategia de crecimiento de clientes le permite planificar con realismo el crecimiento de cada segmento.

Optimizar su estrategia de crecimiento de clientes con el modelado de respuestas Ajuste sus planes de crecimiento de clientes por medio del modelado de respuestas para predecir los tipos de programas de marketing que generarán la respuesta más alta.

Una empresa que opera 15 parques de atracciones inició una estrategia de crecimiento que incluía la mejora de su índice de ocupación y la venta cruzada de más actividades deportivas y de ocio entre los visitantes. Por medio del análisis predictivo de IBM SPSS y tecnologías de gestión de decisiones, la empresa añadió mailings más reducidos y mejor dirigidos a su estrategia de marketing. Esto redujo los costes del marketing directo en casi 1,5 millones de dólares en un solo año, incrementando los ingresos en 1,65 millones de dólares.

Modelos de IBM SPSS útiles en el CRM analítico:

• Los modelos de respuesta predicen los clientes con mayor probabilidad de responder a una nueva oferta

• Los modelos de afinidad de producto predicen los conjuntos de productos que los clientes comprarán juntos con mayor probabilidad

• Los modelos de migración de segmentos predicen los grupos de clientes con mayor probabilidad de ser más o menos valiosos

• Los modelos de deserción predicen los clientes con probabilidad de abandonar


9

Hacer crecer las relaciones preguntando a los clientes lo que quierenUtilizando los datos de los que ya dispone para predecir las necesidades de los clientes es una poderosa forma de mejorar las interacciones y el valor de la vida útil. Pero también es importante preguntar sistemáticamente a los clientes lo que quieren. Las encuestas entre los clientes y la obtención de un mejor conocimiento de sus necesidades, y por qué le compran, permite a su organización mejorar su estrategia de crecimiento de clientes y maximizar el valor de la vida útil de los clientes.

4: Predecir la mejor forma de conservar durante más tiempo los clientes más adecuadosLos estudios demuestran que la adquisición de clientes puede costar de 5 a 12 veces más que la retención, y que el aumento de su porcentaje de retención de clientes tan solo en un 5% puede incrementar la rentabilidad de una organización de un 25 a un 100%. Evidentemente, una mayor retención de clientes puede tener una gran repercusión en los beneficios.

La deserción de clientes es particularmente problemática para tiendas online y empresas de los sectores de los servicios financieros, telecomunicaciones y otros sectores en los que los clientes pueden cambiar de proveedor de una forma relativamente fácil.

Crear una estrategia de retención de clientes basada en la predicciónConserve durante más tiempo sus mejores clientes mediante la creación de modelos de deserción y, a continuación, utilice dichos modelos para determinar los clientes que están en riesgo de deserción. Puede enriquecer estos modelos mediante encuestas que añadan información valiosa de las actitudes.


10

Crear modelos de deserción predictivos Conocer cuáles son los clientes con mayor probabilidad de pasarse a la competencia y, más importante aún, por qué. Mediante la aplicación de técnicas de minería de datos en los datos sobre sus clientes puede desarrollar perfiles de clientes que son valiosos y clientes que anteriormente hayan desertado. A continuación, puede desarrollar estrategias para conservar sus clientes valiosos e impedir su pérdida.

Un banco multinacional europeo con más de un millón de clientes redujo satisfactoriamente la deserción de clientes con la minería de datos. IBM SPSS Modeler le ayudó a identificar los comportamientos clave de los clientes con mayor probabilidad de dejar el banco, para poder hacer todo lo necesario para conservarlos. Al focalizar los esfuerzos de retención en sus clientes más valiosos, el banco disminuyó la deserción de un 15 a un 20% e incrementó los beneficios en un 10 a 20%.

Una empresa de telecomunicaciones europea también utiliza IBM SPSS Modeler para identificar a los clientes con probabilidad de perderlos o “desertar”. Mediante el descubrimiento de los tipos de clientes con probabilidad de abandonar, la empresa pudo realizar ofertas dirigidas que disminuyeron la deserción en un 20%, en comparación con un grupo similar que no recibió la oferta.

Una empresa de telecomunicaciones con sede en Estados Unidos utilizó tecnologías de análisis de texto y minería de datos de IBM SPSS para predecir y evitar la deserción. Incrementó la eficacia de su modelo de deserción en un 10%, lo que le permitió ahorrar cientos de miles de dólares y colocarse en una posición competitiva más sólida en su sector.


11

Realizar y analizar encuestas de satisfacción Las encuestas de satisfacción tienen un valor incalculable para determinar no sólo si los clientes están satisfechos, sino también las causas, y para descubrir a tiempo aspectos que puedan afectar a su fidelidad futura y realizar las acciones correctoras oportunas. Incluso los clientes que no pueda retener tienen valor potencial para su organización. Al realizar encuestas entre los clientes que no haya logrado retener, puede conocer mejor lo que debe hacer para conservar clientes como ellos.

Un hospital holandés que da servicio a casi 120.000 pacientes cada año necesitaba cumplir los requisitos de la legislación nacional sobre calidad sanitaria. Además de la monitorización de los estándares de calidad impuestos por la legislación, el hospital también deseaba monitorizar las opciones y preferencias de los pacientes. El hospital seleccionó la suite de estudios de encuestas de IBM SPSS Data Collection para recoger y gestionar información y el software IBM SPSS Statistics para analizar los datos. Los resultados de la encuesta apuntaban a varias áreas de debían mejorarse – por ejemplo, la mayoría de pacientes indicaban que no tenían suficiente información sobre dónde podían acudir para obtener soporte emocional. El hospital utilizó los resultados para realizar mejoras y está ampliando su proceso de evaluación en los departamentos de enfermería y pacientes externos.

5: Utilizar la inteligencia predictiva para generar interacciones con el cliente en todos los puntos de contactoMonitorizar y gestionar el valor del clienteLos expertos en gestión nos dicen que no podemos gestionar lo que no midamos. Esto es realmente cierto en la gestión de la relación con los clientes. La gestión rentable de la relación con los clientes requiere la medición exacta y a tiempo de los factores que afectan al éxito del cliente y a su cuenta de resultados. Este esfuerzo requiere una combinación de tecnologías predictivas e históricas: análisis predictivo, para identificar objetivos de adquisición de clientes, venta unidireccional, o ventas cruzadas; y un análisis histórico, para monitorizar los resultados de las campañas de marketing y los programas de ventas.


12

Potenciar los sistemas CRM con la predicciónCon el despliegue de los resultados del análisis predictivo en todos los puntos de contacto con el cliente, desde sus sucursales hasta su centro de llamadas o página web, puede lograr una mayor eficacia y rentabilidad. Incorpore resultados predictivos en su página web, y podrá presentar automáticamente a los visitantes la oferta con mayor probabilidad de convertirse en una venta. Incorpore también los resultados predictivos en su centro de soporte telefónico, para que los representantes de ventas sepan cuáles son los productos u ofertas con mayor probabilidad de adaptarse a las necesidades de un cliente concreto. Todo fragmento de información que llegue de estos sistemas se convierte en combustible para impulsar interacciones futuras con el cliente y obtener un mayor retorno.

Figura 4: Este es un ejemplo de inteligencia predictiva desplegada en una aplicación de centro de soporte telefónico. El agente del centro tiene información acerca del cliente, incluyendo su valor de vida útil (1), riesgo de deserción (2) y la recomendación con mayor probabilidad de satisfacerle (3. Esta recomendación puede definirse con mayor detalle en tiempo real – mientras el agente conversa con el cliente – llevando a cabo una breve encuesta de “evaluación de necesidades”. El resultado de la encuesta se introduce en la aplicación del centro de soporte, la cual genera una nueva recomendación, basada en el modelo predictivo de la aplicación.

3

1

2


13

Productos y servicios de IBM SPSS para maximizar el valor del clienteLa interacción rentable con los clientes requiere sofisticadas técnicas analíticas y potentes capacidades de despliegue. El análisis predictivo de IBM SPSS ofrece estas técnicas y capacidades a través de una amplia gama de productos y aplicaciones de análisis predictivo. Estas ofertas proporcionan a su organización las capacidades analíticas necesarias para maximizar el valor de la vida útil de los clientes.

Familia de despliegue:IBM SPSS Decision Management for Customer Interactions – Aproveche toda la información de sus clientes, incluyendo transacciones, compras, historiales de llamadas y visitas a la página web, para recomendar en tiempo real a su personal las mejores acciones que deben llevar a cabo.

IBM SPSS Decision Management for Claims – Determine de forma rápida y fácil cómo debe evaluarse el riesgo y automatice muchas decisiones rutinarias mientras retiene todo el control del proceso de gestión de reclamaciones.

IBM SPSS Modeler Advantage – Permite a los usuarios no técnicos incorporar su amplio conocimiento de sus clientes, productos y procesos, en el proceso de creación de modelos, otorgándoles un papel más importante en la toma de decisiones operacionales.

Familia de modelado:IBM SPSS Modeler Professional – Resuelva más rápidamente cualquier reto de negocio con los resultados más exactos que ofrece este completo entorno de trabajo de minería de datos y sus potentes capacidades de preparación de datos, visualización y modelado predictivo.

IBM SPSS Modeler Premium – Aplique una amplia gama de avanzadas técnicas de minería de datos en todos sus datos estructurados, además del texto de formato libre de documentos, mensajes de correo electrónico, notas del centro de soporte telefónico, canales RSS y otras fuentes Web 2.0.


14

Familia Data Collection:IBM SPSS Data Collection – Mejore la productividad y eficacia de todo el ciclo de vida de estudios de encuestas, desde la autoría de la encuesta hasta la recogida de datos y la elaboración de informes.

IBM SPSS Data Collection Data Entry – Permita a los usuarios crear rápidamente encuestas profesionales y capturar eficazmente datos de calidad, para que pueda iniciar el análisis y averiguar más rápidamente la información.

Familia Statistics:IBM SPSS Statistics – Permite a los usuarios de negocio, analistas y programadores estadísticos trabajar conjuntamente para dar soporte a la toma de decisiones orientadas a datos.

IBM SPSS Amos – Pruebe y confirme la validez de afirmaciones como “el valor genera fidelidad” en pocos minutos, no en horas, con este potente software de modelado de ecuaciones estructurales (SEM) de fácil uso.

Servicios de consultoría y formación: SPSS ha incorporado más de 40 años de experiencia en analítica en el software de análisis predictivo IBM SPSS. Tiene a su disposición nuestra experiencia para ampliar sus habilidades internas y lograr el mayor retorno de su inversión. También ofrecemos servicios de formación, para transferir a sus empleados el conocimiento y la preparación técnica que necesitan para poder utilizar nuestro software analítico más eficazmente con el fin de resolver problemas de negocio.


15

Acerca de IBM Business Analytics El software IBM Business Analytics proporciona información completa, coherente y exacta en la cual los decisores confían para mejorar el rendimiento empresarial. Un portafolio completo de business intelligence, análisis predictivo, aplicaciones de gestión del rendimiento financiero, analítica y de gestión estratégica, proporciona un conocimiento claro, inmediato y ejecutable sobre el rendimiento actual y la capacidad de prever resultados futuros. Combinado con ricas soluciones verticales, prácticas comprobadas y servicios profesionales, las organizaciones de todos los tamaños pueden impulsar la mayor productividad, automatizar decisiones con total confianza y ofrecer mejores resultados.

Como parte de este conjunto, el software de IBM SPSS Predictive Analytics ayuda a las organizaciones a predecir eventos futuros y actuar proactivamente según esa información para llegar a mejores resultados de negocio. Clientes del entorno comercial, gubernamental y académico de todo el mundo confían en la tecnología de IBM SPSS como una ventaja competitiva para atraer, retener y aumentar los beneficios con sus clientes, a la vez que reducen el fraude y mitigan los riesgos. Al incorporar el software de IBM SPSS en sus operaciones diarias, las organizaciones se convierten en empresas predictivas - capaces de direccionar y automatizar decisiones para cumplir con los objetivos de negocio y conseguir una ventaja competitiva apreciable. Para obtener más información o contactar a un representante, visite ibm.com/es/analytics

http://ibm.com/es/analytics

IMW14287-ESES-02

IBM España, S.A.Tel.: +34-91-397-6611Santa Hortensia, 26-2828002 MadridEspaña

La página de presentación de IBM puede encontrarse en:ibm.com

IBM, logotipo de IBM, ibm.com y SPSS son marcas registradas de International Business Machines Corporation en Estados Unidos y/o en otros países. Si estos y otros términos con marca registrada de IBM están identificados en su primer ocurrencia en esta información con el símbolo correspondiente (® o TM), estos símbolos indican que se tratan de marcas registradas en Estados Unidos o en el Derecho anglosajón (Common Law) por parte de IBM en la fecha de publicación de esta información. Estas marcas registradas también pueden ser marcas registradas o marcas registradas según el derecho consuetudinario en otros países. Encontrará una lista actualizada de las marcas registradas de IBM en el web, en “Copyright and trademark information” en ibm.com/legal/copytrade.shtml

Otros nombres de empresas, productos y servicios pueden ser marcas comerciales o marcas de servicio de terceros.

© Copyright IBM Corporation 2013

Por favor, recicle

http://ibm.com/legal/copytrade.shtml

Cinco imperativos de la predicción para maximizar el …€¦ · de descubrimiento de...

Documents

Transcript of Cinco imperativos de la predicción para maximizar el …€¦ · de descubrimiento de...