En los últimos años, el foco de muchas empresas, por ejemplo las del sector retail, está puesto en la expansión digital para explotar el mercado online.

(bdm)-Empresas como Inditex o H&M, líderes en su sector, han visto como su canal de ventas online crecieron un 14% y 24% respectivamente en el año 2019, batiendo de nuevo así los resultados obtenidos en el año anterior.

No cabe duda de que las restricciones de movilidad que nos ha traído 2020 a causa de la pandemia, han servido de catalizador para acelerar la canibalización de la venta física por parte del canal de venta digital, pero ¿cómo puede la tecnología ayudar a mejorar el conocimiento que una marca puede llegar a tener de sus clientes para entender sus hábitos de consumo y presentarle una oferta personalizada?

El modelo customer-centric, adoptado cada vez por más marcas, en el que se tienen en cuenta los gustos del cliente para mostrarle un catálogo de productos personalizados, implica un conocimiento profundo del cliente y su ciclo de vida. Supongamos que David, de camino al trabajo, accede con su móvil a nuestra página web y selecciona del catálogo unos pantalones y una camisa, pero no finaliza la compra porque llega a su destino y decide dejarlo para otro momento. ¿Puedo asociar esa visita de David con su perfil online y así tener el registro de su visita?

Supongamos ahora que decide esa misma tarde visitar la tienda física y comprar los pantalones que estuvo mirando por la mañana. ¿Tengo capacidad omnichannel para registrar la compra de David y completar así la información que tengo de él? Cuanta más información consiga registrar sobre el comportamiento de David mejor puedo entender su comportamiento y adelantarme a sus necesidades. Esto se conoce como: elaborar el ciclo de vida del cliente.

Una de las tecnologías mejor situadas para ayudar a elaborar ese ciclo de vida del cliente dentro de este modelo customer-centric es la IA (Inteligencia Artificial).

Para poder desplegar algoritmos de IA que nos ayuden a explotar los distintos casos de uso, el primer paso es disponer de una plataforma de datos donde recojamos toda la información que nos interese del cliente y nos permita tener una visión 360 del mismo. Los datos que el propio cliente facilita durante el registro en la plataforma de e-commerce o programa de fidelización que tengamos representan solo una pequeña parte de la información que vamos a almacenar sobre él (habitualmente nombre, dirección, edad y género). El grueso de la información con la que completemos nuestro conocimiento del cliente vendrá de los datos que este genere cuando use la aplicación móvil y cuando navegue por la página web tanto habiéndose identificado (artículos visitados, comprados, devueltos, pedidos recogidos en tienda…), como navegando de forma anónima mediante tracking por cookie (artículos visitados, duración media de la sesión…). Adicionalmente a esto, dependiendo de la madurez de la marca en áreas como el omnichannel, se podrá complementar con información de, por ejemplo, compra offline (en tienda).

Una vez disponibilizada toda esa información en nuestra plataforma de datos estamos en condiciones de desarrollar algoritmos de IA que nos permitan explotarla con diferentes finalidades principales:

  • Impactar a nuestro cliente ofreciéndole una experiencia de usuario personalizada, tanto en lo relativo a recomendación de productos como a la configuración de la vista de la página web o modificando la distribución de los elementos a mostrar en función de los intereses del usuario.
  • Mejorar procesos, como pueden ser los de logística, a través de análisis predictivos de demanda que nos ayuden a optimizar la distribución de mercancías.

Uno de los ejemplos más claros de aplicación de esta tecnología es la recomendación de productos o sistemas de recomendación. Hasta hace bien poco, lo habitual era configurar la recomendación en función de reglas de negocio manuales (importe mínimo del artículo a recomendar, stock disponible…) en las que no se tenía en cuenta el comportamiento del cliente. Al incorporar algoritmos de autoaprendizaje (machine learning) y la visión 360 del cliente, esta recomendación se vuelve customer-centric, aumentando la conversión e impulsando las ventas de un canal online que, poco a poco, le va ganando terreno a la venta tradicional.