¡Más productividad!

Mayor productividad comercial y de gestión con optimización web y crm

¡Más productividad! - Mayor productividad comercial y de gestión con optimización web y crm

Fidelizar clientes con CRM y Minería de Datos I

Hoy, en la segunda clase del Módulo Marketing Analytics de la asignatura del Master in Administration and Management of Business and Distribution de la Universidad Autónoma de Barcelona, hemos visto cómo se puede fidelizar clientes con la aplicación del Marketing Analítico, dentro del Marketing Relacional (CRM).

This infography has general info about CRM.

This infography has general info about CRM. (Photo credit: Wikipedia)

Con éstas técnicas podemos conseguir lo que siempre se desea, pero se ve tan difícil de llevar a la práctica, entre otras:

  • Conseguir relaciones más estrechas y productivas con los clientes, fidelizando a los clientes
  • Ofrecer nuevos productos y servicios con antelación y mayor probabilidad de éxito (o adaptar mejor lo existente)

  • Detectar tendencias de grupos de clientes que de otra manera no se observarían
  • Conseguir una mejor repitibilidad en el servicio al cliente
  • Ayudar a la fuerza comercial en la gestión diaria de los clientes, mejorando su productividad
  • Ayudar a la dirección no sólo en la toma de decisiones, sino en la gestión diaria de equipos para un mayor rendimiento y satisfacción

Hemos visto en clase algunos ejemplos prácticos, primero con la presentación de una herramienta sencilla y potente a la vez: XLStats

También hemos visto cómo funciona un software CRM “on demand” (en la nube) con Sage CRM (http://twitter.com/wwwSageCRMcom) y Sage CRM Spain (http://twitter.com/SageSpain) que amablemente me han dejado un acceso temporal al sistema tanto en castellano como en inglés, para las clases de éstos días. Entre otras utilidades, además de las básicas de un CRM y su parte analítica, hemos visto cómo el CRM de Sage se conecta con Microsoft Outlook para integrar todo el flujo de trabajo con clientes, ventas e incluso reporting de una manera sencilla:

Para finalizar, vimos también un ejemplo práctico de análisis de clientes en un mercado B2B industrial, mediante Minería de Datos, y concretamente con el método del Análisis de Componentes Principales (PCA)*, cruzando datos de:

  • Preferencias de nuestros clientes respecto a los factores clave de nuestra cadena de valor como empresa proveedora: calidad del producto, precio, plazo de entrega, estabilidad financiera, calidad de servicio, apoyo en preventa y otros

Resultado del test de los intereses de los clientes

Resultado del test de los intereses de los clientes

  • Volumen de ventas del último año a cada uno de nuestros clientes
  • Variación interanual del margen bruto de venta con cada cliente (en el año)

Tabla de datos Ejemplo para la minería de datos mediante Análisis de Componentes Principales

Tabla de datos Ejemplo para la minería de datos mediante Análisis de Componentes Principales

*Notas:

el Análisis de Componentes Principales, es una sofisticada técnica estadística que permite explicar mucha información de forma más sencilla: simplifica el análisis de temas complejos y que tienen muchos datos. Permite también ponderar diversas variables que no están relacionadas de forma obvia, y realizar modelos predictivos por ejemplo en los negocios, de bases de datos de clientes, o categorías de productos entre otros.

Éstos ejemplos están basados en experiencias reales propias con clientes, pero los datos y nombres de empresas han sido modificados convenientemente, para no revelar información de mercado ni de clientes.

El objetivo principal en nuestro ejemplo de hoy era, detectar qué relación había entre las variables del negocio que gestionamos, y los clientes de nuestro interés (alto volumen de ventas y/o incremento de margen interanual).

Gráfico Biplot PCA. Relación entre clientes y deseos de los clientes

Gráfico Biplot PCA. Relación entre clientes y deseos de los clientes

Vimos que habían clientes en los que el factor precio no era predominante (baja correlación con dichos clientes), pero sí daban buen crecimiento de margen y un volumen de ventas que nos interesaba, así como detectamos otros clientes no deseables y qué perfil “externo” tenían. Con ello también pudimos determinar qué sectores eran más interesante, sus tendencias, y en qué variables de nuestro negocio no debíamos invertir más, pues nuestros mejores clientes no lo apreciarían. Y lo más importante: todo ello con una base científica y ponderada, que de otra manera no sería posible para la toma de decisiones racional.

En cambio también vimos cómo grandes clientes, eran sensibles al precio y sobre todo estaban muy relacionados con cambios de márgenes de venta, lo cual es lógico, lo que no era tan obvio.


Suscríbete para recibir contenidos exclusivos


Copy Protected by Chetan's WP-Copyprotect.

Page optimized by WP Minify WordPress Plugin