Cómo puede ayudar la Analítica predictiva a las ventas

No cabe duda de que todo lo relacionado con predicciones está de moda. Data Science o Machine Learning son algunos de los términos tras los cuáles se esconde el poder de saber qué va a pasar, analizando datos históricos. Las empresas están usando este tipo de predicciones en diversos ámbitos, pero sin duda el soporte a ventas es uno de los más destacados.

Sin embargo, a veces, el hablar de predicciones es un concepto amplio y en el que cuesta ver casos concretos, por lo que a continuación describimos tres casos reales orientados a venta en los que se usa este tipo de soluciones.

Contactar en el momento exacto

Un cliente entra varias veces en mi tienda web, ve artículos, consulta tallas e información, introduce productos en el carrito… y no compra. Hasta ahí puede ser todo normal pero, ¿qué pasaría si supiéramos que si le ofrecemos en un momento dado contactar con alguien que le ayude, la probabilidad de que el cliente compre se multiplica?

Las soluciones predictivas en este caso almacenan todos los pasos de miles de usuarios y cuáles de ellos compran. Luego, mediante la creación de modelos predictivos, cada nuevo usuario que entre es “seguido” a través de las distintas páginas y cuando se detecta, dependiendo de su navegación, un porcentaje alto de probabilidad de compra se lanza una acción (hablar con alguien por webchat o un chatbot, un descuento, etc.) para cerrar la transacción.

Scoring de leads

Generalmente cuando hacemos acciones enfocadas a la venta siempre tenemos un número de recursos limitados y no podemos abarcar a todos los targets potenciales. Es decir, podemos hacer x llamadas, enviar x cartas, llamar a x puertas.

En estos casos, las predicciones se usan para hacer scoring y ver la probabilidad de compra de los targets (de una campaña, por ejemplo). Es decir, los modelos de predicción proporcionan una lista de todos los posibles targets ordenados por probabilidad de venta. De esta forma podremos priorizar nuestros recursos de forma más eficiente.

Adicionalmente, sobre el scoring de esos contactos podemos determinar qué agentes son los que más probabilidad tienen de vender a esos contactos dependiendo de su perfil, porque hemos aprendido por la experiencia que un determinado agente vende más en un determinado perfil de cliente. De esta forma llamo a quien considero que tiene más posibilidades de comprar y lo hago con el agente más apropiado para hacerlo, de forma que aumentan las posibilidades de venta.

Recomendación de productos

El cross-selling o up-selling ha sido y será uno de los caballos de batalla de las compañías multiproducto. Generalmente, lo que se intenta es personalizar la oferta lo máximo posible (a nivel de grupo e incluso de usuario) para poder vender nuevos productos a clientes que ya nos han comprado alguno previamente.

Los modelos de predicción están muy orientados a este uso: recomiendan nuevos productos a un cliente en base a un histórico. Es bastante común que estos modelos se basen en artículos o usuarios. Los de artículos se centran en algún artículo que el cliente ya ha comprado y le sugiere nuevas opciones basadas en lo que otros clientes que lo compraron habían adquirido también. Los de usuarios se basan en saber qué han comprado otros clientes parecidos a ti para ofrecerte algo similar y de esta manera aumenta la probabilidad de captación y conversión.