¿Cuántas veces te encontraste usando tu móvil para encontrar toda la información necesaria y decidirte por un determinado producto mientras evitabas interactuar con un asistente de tienda?

¿Te imaginas lo encantadoras que serían tus compras si el escaparate de una tienda te recomendara la suite adecuada mientras pasea, según tus búsquedas, próximas reuniones y los modelos de negocio que buscas?

‍

Durante esta década, el éxito de los minoristas se traducirá en su capacidad para unir lo offline y la experiencia en línea con soluciones originales y funcionales, The Omni-Experience. Esto se construirá en torno a una vista única completa del cliente, entregada por una profunda fusión de lo offline con los datos de comportamiento del cliente en línea. Esto tendrá que combinarse con la mayoría de las tecnologías avanzadas de IA para proporcionar una experiencia de cliente encantadora, altamente personalizada y predictiva en cualquier canal y en cualquier momento para cada cliente individual.

‍

EL CONTEXTO

‍

El retail omnicanal ya no es una novedad; desde la búsqueda hasta la elección, la compra y la recogida, los clientes completan sus compras a través de una multitud de canales. Ya no es suficiente que los minoristas tengan una “estrategia omnicanal”.

Los consumidores globales de hoy en día exigen una experiencia minorista unificada, lo que les permite moverse sin problemas a través de los canales con visibilidad completa sobre el inventario, los precios, las compras y la experiencia de pago.

Estas expectativas son generadas por el nuevo paradigma de la “conveniencia digital”. Por el momento, crea frustraciones para todos en el retail físico. Y cambió la forma en que los clientes compran dentro del comercio minorista físico y cómo valoramos las propiedades minoristas.

Aquellos minoristas que diseñarán y entregarán su experiencia minorista basada en el nuevo paradigma de “conveniencia digital” crearán una experiencia encantadora para sus clientes físicos que les permitirá sobrevivir y prosperar en las próximas décadas.

Steve Dennis expresa esto como el”Retail notable“. Las compras son inherentemente más experienciales y de eso se trata realmente el retail físico. El comportamiento de los clientes es dinámico y es una expresión de conveniencia en relación a sus búsquedas y necesidades y expectativas de compra. Por eso ya no se puede dividir a estos dos. Unidades digitales físicas. Unidades físicas digitales.

‍

EL CAMBIO

‍

Las nuevas tecnologías permiten a los minoristas mapear toda la experiencia del cliente en todos los canales y proporcionar información oportuna sobre su comportamiento. Además, esto significa también la capacidad de usar datos de comportamiento para crear perfiles muy ricos para clientes individuales o para audiencias agregadas, más íntimos, valiosos y relevantes que nunca.

Estas nuevas tecnologías pueden incluir:

• Análisis del comportamiento del cliente offline

Esto significa que cada visita individual en interiores y la multitud de puntos de contacto se utilizan para construir un modelo para entender quiénes son los clientes y cuáles son sus necesidades y expectativas. Para lograrlo, las nuevas tecnologías pueden utilizar cámaras de video, Wi-Fi, cámaras térmicas, sensores de piso, Bluetooth Low Energy, NFC, GPS y otras capacidades de detección y localización. Esto da como resultado una comprensión profunda de las rutas de compra individuales y las interacciones de estas rutas a medida que cruzan múltiples categorías de productos y áreas de tiendas.

• Análisis del comportamiento del cliente en línea

Esto significa que cada sesión de usuario individual en un sitio web o aplicación móvil se registra y rastrea desde su fuente (como un determinado anuncio display, o un motor de búsqueda, o cualquier otro escenario) a lo largo de todas sus acciones con las pantallas, contenido, productos y botones a lo largo de su viaje hasta la salida. Las tecnologías como las cookies, los identificadores del navegador, los registros del lado del servidor y otras tecnologías de seguimiento digital pueden comprender rutas únicas en línea dentro de un mercado minorista en línea o destinos de comercio electrónico individuales y cómo los usuarios se involucran personalmente con categorías y productos.

• Modelos probabilísticos de perfilado

Se trata de modelos algorítmicos avanzados de Machine Learning (AI) donde los datos de comportamiento en bruto pueden generar datos muy ricos y relevantes para el marketing como sociodemografía y psicografía (como valores, deseos, metas, intereses y opciones de estilo de vida). El comportamiento de las personas refleja quiénes son, es por eso que tiene sentido que la cesta de la compra en un sitio web de comercio electrónico nos diga quién es ese comprador (género, edad, estilo de vida, etapa de vida, preferencias, hábitos etc.) sin que el usuario nos envíe explícitamente estos datos.

• Modelos similares

Se trata de modelos algorítmicos avanzados de Machine Learning (AI) donde ciertos usuarios de nuestra base de datos (Seed Audience) y todos sus datos de perfil están siendo utilizados para descubrir otros usuarios (Target Audience) con comportamientos o características muy similares. Esto se utiliza principalmente para ampliar las audiencias en marketing y para descubrir nuevos clientes valiosos. Pero también se puede usar para hacer enriquecimiento de datos de usuario: si faltan algunos datos de nuestra Audiencia Semilla (digamos el ingreso promedio mensual del hogar) y estos datos se pueden encontrar en nuestro Público Objetivo, tiene sentido usar esta información también en nuestra Audiencia Semilla.

• Modelos predictivos

Se trata de modelos algorítmicos avanzados de Machine Learning (AI) donde los comportamientos futuros se predicen con cierta confianza en base a comportamientos y patrones pasados, incluyendo factores externos (como clima, vacaciones, día del mes etc.).

• Modelos de recomendación

Aquí hablamos de modelos algorítmicos avanzados de Machine Learning (AI) donde el sistema sugiere productos específicos a clientes específicos en base a una puntuación de alta probabilidad para que esos clientes tengan interés en comprar y utilizar esos productos.

• Fusión de datos

Si algunas de las tecnologías de arriba se pueden encontrar en varias plataformas, existe esta tecnología que se encuentra de manera única en Huellas que es capaz de tomar todos los datos de comportamiento de fuera de línea y combinarlos con todos los datos de comportamiento de línea, cumpliendo así la gran promesa de la visión única del cliente fuera de línea a línea. Este es uno de los modelos de Machine Learning más avanzados capaces de hacer fusión de datos sin un nuevo identificador (como una dirección de correo electrónico o número de teléfono), pero puramente basado en un conjunto muy grande de datos de comportamiento para cada cliente individual.

Las extraordinarias capacidades de estas tecnologías únicas son los diferenciadores clave para que el retail del futuro ofrezca lo que hoy percibimos como la mejor experiencia del cliente. Pero como lo dicta el mercado, pronto representará el nivel mínimo y obligatorio de experiencia del cliente que se requiere de todos los minoristas que sobreviven al gran cambio de paradigma minorista de esta década.

‍

LA OPORTUNIDAD

‍

Es hora de mover la aguja y, como minorista, comenzar a buscar transacciones externas y tráfico peatonal. La perspectiva correcta del futuro del retail está fuera del CRM. Como minorista, necesita comenzar a poner más énfasis en más dinero en la Administración de la Experiencia del Cliente en todos los canales y cada cliente individual: Omni-Experience.

Puede comenzar a aprovechar las tecnologías más avanzadas con modelos de mapeo de experiencia del cliente más sólidos (como el de McKinsey Viaje de decisión del cliente modelo que es mi favorito de todos los tiempos) para transformarse en Minoristas Omni-Experience.

En el corto plazo, esto significa +50% más de Retorno de Inversiones en Mercadotecnia (ROMI). ¿Por qué? Porque cuando observa la experiencia omnicanal del cliente, identifica puntos débiles y fricciones sin sentido que le impida convertir más y, como resultado, aumentan sus Costos de Adquisición de Clientes.

A largo plazo, la experiencia de compra tal como se entrega para cada cliente tiene grandes claves emocionales que generarán mayor frecuencia de visitas, mayor duración de la visita, crecimiento en el gasto y participación de billetera y más recomendaciones orgánicas. Esto puede agregar hasta un 80% más de costos de adquisición de clientes.

Lo más importante con lo que puede comenzar es medir la experiencia del cliente en todos los canales. Si bien el propósito de medir los esfuerzos de la experiencia del cliente es:

• Realice un seguimiento del progreso de las acciones tomadas para mejorar la experiencia omni-experiencia\

• Identificar áreas de mejora

• Calcular el ROI de la experiencia del cliente

• Prioriza tus acciones e invierte en las cosas correctas

‍

Hay más que eso. HuellasLas capacidades para ayudarle a medir la experiencia del cliente en todos los canales cubren todas las métricas clave siguientes:

• Puntuación neta del promotor (NPS) : esta métrica le brinda una instantánea de la defensa general del cliente. Mide la probabilidad de que un cliente recomiende tu experiencia de marca.

• Puntuación de velocidad de retención del cliente - esta métrica muestra qué tan rápido se está moviendo para retener a sus clientes primerizas y convertirlos en clientes leales. Se analiza qué tan rápido se mueven los clientes a través de su onboarding y cuánto valor (compras, búsquedas, frecuencia y duración de las visitas) estos clientes generan en su ecosistema general y qué tan rápido (es decir, la aceleración del mismo).

• Puntuación de esfuerzo del cliente : esta métrica puede ayudarle a comprender la funcionalidad básica de su oferta y su relevancia para las necesidades de sus clientes. Esta métrica se centra en la facilidad con la que un cliente puede completar cualquier tarea determinada.

• Puntuación de satisfacción del cliente esta métrica le ayuda a comprender qué tan satisfechos están sus clientes con los productos y/o servicios de su empresa. Cuando recopila estos datos en varios puntos de contacto, puede comenzar a identificar los impulsores clave de experiencias positivas o negativas en diferentes puntos del recorrido del cliente.

‍