Embed Size (px)
Citation preview
Customer Analytics
Conocer a nuestros clientes
para hacer crecer nuestro
negocio
Antonio Matarranz Madrid, 30 de noviembre de 2016
Data & Analytics
Sngular
Una empresa nueva, con más de 20
años de experiencia
Resultado de la fusión de 5 empresas
tecnológicas especializadas en diversas
áreas
300+ personas en España, EE.UU. y
México
Hablamos los lenguajes del negocio y
la tecnología
¿Qué es Sngular?
Techtrategy
Software
Cloud
Xperience
Data & Analytics
User DataSets
eCommerce
Ventures
Virtual Reality
Tools
Investments
Menú para hoy
Una “tormenta perfecta” de datos en Customer Analytics
Medios sociales
Comportamiento online
No estructurados
Espontáneos
Externos
Customer Analytics es un
problema Big Data
Unos clientes cada vez más
digitales…
Nuevos canales y dispositivos
La vista de los clientes estaba limitada a datos de los que la
empresa hace seguimiento
Firmo/Demogra
phic Signals Behavioral
Signals
Señales demo/
firmográficas Señales de
comportamiento
Señales demo/
firmográficas
Señales de
comportamiento
Ahora hay
muchas más
señales por
descubrir que
son mejores
indicadores
Interacciones multicanal
Conversaciones sociales
Uso de tecnología
El feedback de los clientes está cambiando
No solicitado
Solicitado
Estructurado No estructurado
Ej., puntuaciones
de clientes en
sitios de terceros
Ej., verbatims de
llamadas de
clientes, tuits
Ej., encuestas de
satisfacción
Ej., comentarios
en encuestas
Las iniciativas de VoC / Customer Experience están expandiéndose hacia comentarios no estructurados y no solicitados
¿Amenaza… u Oportunidad? Este nuevo mundo crea oportunidades significativas para los marketers
Experiencias personalizadas • Optimización de anuncios, ofertas y contenidos • Contenido personalizado • Optimización de precios
Mejor toma de decisiones • ROI de marketing real • Modelado predictivo • Planifcación holistica de campañas • Rentabilidad por grupos de afinidad
Análisis profundo de la audiencia • Hipersegmentación • Comprensión de 360º del cliente • Análisis de señales de compra • Valor del tiempo de vida del cliente
Gasto más eficaz • Atribución omnicanal • Optimización de anuncios y
promociones en tiempo real • Optimización del mix de medios • Monitorización de marca
Conseguir una vista completa del cliente
Definir el “segmento de 1”
Una nueva visión de 360º de los clientes
Datos demográficos
CRM / Autom. Marketing
Interacciones Contact Center
Dispositivos
Uso producto
Navegación
Social
Visión 360º
Pedidos y pagos
Una visión holística y en tiempo real de los clientes
A través de todos los productos, sistemas, dispositivos y canales de
interacción
Para proporcionar una experiencia personalizada, consistente, específica
del contexto y relevante
El gran reto es salvar la brecha entre análisis y acción
Convertir los análisis en algo “accionable”
Análisis Acción
Escalera de valor de la analítica
Un proceso para extraer insights de datos multiformato
Conversión voz a texto
Análisis semántico
Analítica y visualización
Call center
Email, chat, social
Texto
Datos estructurados
Datos
Insights
Aplicación: análisis de causas raíz
en NPS (Net Promoter Score)
Pregunta abierta
Interacciones / incidencias
Comentarios sociales
Analítica
¿Qué comentarios están más correlacionados con scores
negativos?
Score numérico
¿Qué temas emergen de los comentarios y cuáles son los
más frecuentes?
Prevención del abandono (churn)
Datos cliente
Actividad uso/ consumo
Interacciones / incidencias
Comentarios sociales
Analítica predictiva
Campañas específicas
Detección clientes en riesgo
Oferta especial
Modelo: factores que
predicen abandono
Perfil de cliente ideal Descubriendo el “ADN” de tus mejores clientes (B2C)
Datos internos: clientes y su consumo
Datos aumentados (B2C): Situación familiar y profesional, intereses, aficiones, afinidades,…
Rasgos comunes de tus mejores clientes
Analítica predictiva
Prospección
Scoring leads
Segmentación
Perfil de cliente ideal Descubriendo el “ADN” de tus mejores clientes (B2B)
Datos internos: clientes y su consumo
Datos aumentados (B2B): situación financiera, datos de personal, ofertas de trabajo, uso de plataformas tecnológicas en sus interacciones con el exterior, tácticas de marketing y ventas, fuentes de datos públicas, análisis semántico de la huella digital de la empresa
Rasgos comunes de tus mejores clientes
Analítica predictiva
Prospección
Scoring leads
Segmentación
Marketing predictivo: está sucediendo ya…
La visión de 360º se puede aplicar a lo largo de todo el
viaje del cliente
Conectar - Analizar - Actuar
• Registros de clientes
• Registros de transacciones
• Notas de contact center
• Feeds de medios digitales
• Extracción de páginas web
• Ficheros de logs
• Tickets de compra
• Respuestaa anuncios
• ERP
… y más
Recoger flujos de información big
data
Extraer señales mediante analítica
avanzada
Generar acciones personalizadas
• Quién es leal
• Quién es probable que nos abandone
• Quién quiere comprar más
• Quién es un cliente que repite
• Quién responderá a un anuncio
• Quén es rentable ahora
• Quién es rentable a largo plazo
• Cuál debería ser mi próxima oferta
• Cómo puedo influir en el comportamiento de los clientes
… y más
• Ofrecer proactivamente bono de retención a cliente que nos puede abandonar
• Enviar cupón móvil a cliente cuando entra a la tienda
• Campaña a medida basada en preferencias individuales
CRISP-DM
Cross Industry Standard
Process for Data Mining
Foco en el negocio Iterativo
Foco en el negocio Preguntas clave
Hacia una
Analítica Ágil
Los insights se descubren, no se diseñan La analítica es inherentemente ágil
Analítica ágil
Iterativa, incremental, evolutiva
Desarrollo dirigido por el valor
Calidad de producción
Proceso suficiente
Automatización
Colaboración
Equipos autoorganizados y autogestionados
Plataforma Sngular para Aplicaciones Informacionales y Operacionales Centradas en Datos
INPUT
ANALÍTICA DE TEXTO
ANALÍTICA DE DATOS
OUTPUT
Input
Ingesta de repositorios de datos
organizativos (ERP, CRM, etc.) y
también fuentes externas • Soporte a procesos ETL
• Pentaho Kettle, Apache Camel, Apache Flume
Datos de medios sociales • Webhose, SocialGist, RSS, Twitter API, RSS…
Integraciones ad-hoc con fuentes
de información de terceros
Plataforma como servicio
Infraestructura distribuida de alto rendimiento
para procesamiento de datos en stream en
tiempo real y batch
• Basado en Apache Storm o Apache Flink
Coordinación de datos basada en colas o
mensajes • ActiveMQ, RabbitMQ, ZeroMQ, Amazon SQS
• Apache Kafka
Soporte a infraestructura de datos distribuida • HDFS, Apache Hive, Hbase, Elastic, Druid, noSQL (MongoDB,
Cassandra…), SQL (PostgreSQL, Mysql, Oracle…), bases da
datos de grafos (Neo4j, GraphDB, OrientDB, Allegro, Virtuoso…)
Despliegue en la nube u on-premises • EC2, Google Cloud, IBM Bluemix, Microsoft Azure, Databricks…
Analítica de datos
Funcionalidad avanzada de analítica de datos
• Batch y online
• Big data vs small data
Módulos ML para • Extracción de insights
• Previsión (clasificación/predicción)
• Clustering
• Scoring
• Perfilado
Apache Spark + MLLib, R, Python Scikit-learn, Sparkling Water
Analítica de texto
Procesamiento semántico de texto
multiidioma usando MeaningCloud • Identificación de idioma, extracción de topics,
clasificación, análisis de sentimiento, expansión
semántica, matching borroso
Texto formal o contenido generado
por usuarios
Output
Consolas de visualización
multidispositivo • Pentaho dashboards, Tableau, Qlik, desarrollos ad
hoc, apps móviles
Integraciones ad-hoc con
aplicaciones de terceros
MeaningCloud La manera más fácil de extraer significado del contenido no estructurado
Regístrate y úsalo GRATIS en http://www.meaningcloud.com
Extracción de significado, en la nube (y on-premises)
OpinionesTemasHechos
Conceptos
Organizaciones
Personas
Análisis
Semántico
Relaciones
Servicios MeaningCloud Análisis de sentimiento Global Basado en aspectos
Clasificación Modelos estándar
Extracción de topics Entidades Conceptos Fechas Direcciones Cantidades económicas Expresiones de tiempo … https://www.meaningcloud.com/demo
Herramientas de personalización
Más información sobre personalización en este webinar
Add-in para Excel
Centrémonos en un ejemplo práctico
Críticas de restaurantes en Londres extraídas de Yelp
Necesitamos una manera fácil y potente de adaptar la funcionalidad a nuestro contexto
Ejemplo de clasificación a medida: taxonomía cocinas del
mundo
Restaurant
Dish
Ramen Sushi Sashimi …
Quality
Price Staff Ambience …
Ejemplo de diccionario a medida: platos y características de
restaurantes japoneses
Ejemplo de sentimiento a media: modelo para restaurantes
japoneses
51
Operador Móvil Virtual
◆ ➡
◆ ➡
◆ ➡
Contrato
Servicio
ADSL Fibra Teléfono
Mes a mes 50,22 87,02 20,41
1 año 61,39 98,77 20,82
2 años 70,46 104,57 21,77
≤ 60 meses > 60 meses
> 4 meses ≤ 4 meses
> 69 $ ≤ 69 $
•
•
•
•
•
•
Extendiendo el feedback del cliente a fuentes no estructuradas
Objetivos • Entender lo que dicen sus clientes en todos los puntos de
contacto con ellos
• Multifuente: encuestas, contact center, entrevistas
personales…
• Contenido no estructurado
• Opiniones más espontáneas
Retos 1. Volumen y recursos disponibles
2. Incoherencia en clasificación y análisis
3. Proceso de generación de informes
4. Integración en sus procesos
Modelos de clasificación a medida
Modelos de clasificación: aprendizaje automático + reglas
Extrayendo insights del texto
Descubrimiento de “nueva voz”: clustering de texto
cuenta nómina (25) tarjeta débito (25) compras por internet (16) ingreso de nómina (16) Windows Phone (14) cambio de divisa (13) visa oro (13) otras entidades (11) app para Ipad (9) otros bancos (7) operar en mercado (6) transferencia periódica (6) mail que se envía (5) aplicación móvil (4) correo electrónico (4) menores de edad (4) clave de acceso (3) día de cargo (3) Whatsapp o push (2) mediante SMS (2) servicio de Vía T (2)
Descubriendo la nueva voz de los clientes
ING DIRECT: integración
Encuestas online
Entrevistas en persona
Interacciones Contact Center
Sistema integrado de gestión de la
Experiencia de Cliente
Motor de analítica de texto
CRM
¿Qué compañías/marcas mencionan?
¿De qué temas hablan?
¿Cuál es su opinión?
¿Qué nuevos temas aparecen?
Integración con sistema CX
Solución completa para categorización automática y detección de
nueva voz
Modelo 1
Modelo 2
Modelo N
Control de calidad
Recepción
VoC
Mantenimiento de
categorización
VoC sin clasificar
VoC analizada
Revisión manual de
la clasificación
Mejora de modelos / Nuevos modelos
Reanálisis del
histórico
Análisis de la VoC
Análisis Automático
VoC
Histórico VoC
categorización automática + detección de nueva voz
Convirtiendo la información en insights actuables
Reglas
Canal
Servicio al cliente
Calidad
Proveedor
Producto
Operación
Polaridad
Amenaza reputacional
Agradecimiento / Elogio
Petición asesoramiento
Oportunidad comercial
Posible baja
Ej.: punto de vista de “La Caixa”
Conclusiones
Una “explosión” de datos de clientes
Analizarlos nos puede ayudar a identificar, atraer, servir
y retener mejor a los clientes
Nunca habíamos tenido tan accesibles tantas
posibilidades de análisis
La clave está en identificar y mostrar el valor de las
iniciativas analíticas
s|ngular Data & Analytics te acompaña en todo el camino
ÉXITO
Apúntate a nuestro Meetup
https://www.meetup.com/Madrid-Customer-Analytics-Meetup/
