La IA puede analizar sus datos para crear experiencias de cliente más atractivas

Centro de control de Neasden para HBR

El mundo tiene más datos que nunca. De hecho, se estima que para 2020 produciremos 44 zettabytes todos los días. Eso equivale a 44 billones de gigabytes. Un gigabyte puede contener el contenido de suficientes libros como para cubrir una estantería de 30 pies de largo. Multiplique eso por 44 billones. Son muchos datos, demasiados para que la mayoría de las empresas los procesen. Sin embargo, los empleados de primera línea siguen quedándose a menudo operando con datos que son «muy pocos y demasiado tarde».

La mayoría de las organizaciones tienen el desafío de extraer información significativa de los datos de sus clientes cuando se están ahogando en tantas fuentes de datos. Los datos no siempre se comparten de manera eficiente. Muchas de las empresas más grandes del mundo operan en silos; por ejemplo, sus departamentos de servicio al cliente y ventas no comparten un base de datos de gestión de relaciones con los clientes (CRM) y los empleados no colaboran en torno al cliente para garantizar una experiencia de cliente eficaz. La mayoría de las veces, los empleados de un departamento ni siquiera conocen a los empleados de otros departamentos, y mucho menos utilizan los datos de toda la organización. Esto a menudo se traduce en experiencias de cliente tremendamente inconsistentes que hacen que las empresas parezcan desconectadas y descentradas.

Centro Insight

• Poner los datos a trabajar

  Patrocinado por Accenture

  Los análisis son fundamentales para el rendimiento de las empresas.

Y cuando el negocio se complica un poco más, por ejemplo, con una fusión o una adquisición, la situación empeora aún más. Por ejemplo, hace poco estaba de compras en una importante tienda de colchones que fue adquirida por una empresa más grande. Les había comprado un colchón un año antes. El representante de ventas de la tienda de colchones me dijo que no tenía información sobre ese colchón porque, tras la adquisición, desecharon los datos antiguos de gestión de relaciones con los clientes (CRM). Esa no es una buena experiencia de cliente.

Las organizaciones necesitan crear experiencias de cliente sencillas y elegantes; ¿cómo pueden superar sus desafíos de datos para satisfacer a los clientes cada vez más caprichosos?

El aprendizaje automático ofrece una solución, si las organizaciones pueden superar sus silos lo suficiente como para implementarlo correctamente. Cada nueva acción del cliente se refleja en el motor de análisis, lo que ayuda a informar sobre los siguientes mejores pasos para lograr una experiencia de cliente positiva. Por ejemplo, si un cliente indica a través de sus hábitos de navegación por Internet que prefiere un teléfono Android en lugar de un iPhone, empezará a ver inmediatamente una oferta de actualización de Android la próxima vez que vaya a Facebook. Por supuesto, a algunos clientes les resulta un poco espeluznante que las marcas puedan entrar en las redes sociales personales de esta manera, por lo que es importante facilitar a los clientes la posibilidad de excluirse de la segmentación en las redes sociales. Sin embargo, las empresas puede gane la confianza de los clientes simplemente por ser relevante y ofrecer valor. Como en cualquier relación, una empresa puede ganarse la confianza y la lealtad si escucha bien y está ahí para el cliente cuando lo necesite. Al aprovechar los análisis automatizados, las interacciones con los clientes pueden impulsar un ciclo de retroalimentación continuo que se adapta en tiempo real para añadir valor en cada punto de contacto.

Piense en cómo Sprint utiliza los datos para crear mejores experiencias para los clientes. En 2014, Sprint tenía una tasa de rotación de clientes del 2,3% — el doble que sus principales competidores. La empresa confiaba en los agentes de experiencia del cliente, que se basaban en su propio juicio, para analizar los datos sobre la mejor manera de atender al cliente. Anteriormente, el agente revisaba más de 20 ofertas e intentaba elegir la mejor mientras hablaba por teléfono con el cliente. Sprint sabía que tenía que dejar de depender de sus empleados para tomar estas decisiones en una fracción de segundo. Tras implementar un solución de datos de Pegasystems (Divulgación: Pegasystems es un antiguo cliente mío), Sprint utilizó análisis predictivos y de autoaprendizaje para identificar a los clientes en riesgo de pérdida de clientes y les ofreció ofertas de retención personalizadas de forma proactiva. Como resultado, Sprint redujo la rotación de clientes un 10% hasta alcanzar mínimos históricos, al tiempo que aumentó su puntuación neta de promotores en un 40%, aumentó 8 veces las mejoras de clientes, convenció a un 40% más de clientes de añadir una nueva línea y mejoró la satisfacción general de los agentes de servicio al cliente.

Otro ejemplo viene de Banco Real de Escocia (RBS). En su intervención en Pegaworld este mes, Jessica-Lynn Cuthbertson, directora de ciencia de datos y toma de decisiones de clientes, y Christian Nellisen, director general del grupo de datos y análisis, presentó su historia sobre cómo utilizaron los datos para pasar de una cultura impulsada por las ventas a ser más un socio de confianza para el cliente. Antes, la empresa se centraba en objetivos de ventas agresivos, específicamente, generar 200 000 nuevos clientes con tarjetas de crédito al mes. Sin embargo, mediante una nueva estrategia cultural y tecnológica, la empresa dio un giro y elevó su Net Promoter Score en 18 puntos. «Queremos hacer lo correcto para el cliente en cada momento», dijo Cutherbertson. RBS tiene 17 millones de clientes, siete marcas y ocho canales de clientes diferentes. La empresa pasó por una transformación centrada en convertirse en un asesor más confiable para el cliente que en un banco normal. Por ejemplo, los análisis ayudaron al banco a identificar a los clientes que necesitaban asesoramiento financiero. Ahora, cuando RBS vea a un cliente que está sobregirando continuamente en su cuenta bancaria, el banco lo señalará y lo llamará para ofrecerle asesoramiento financiero. Cuthbertson dijo: «Nos preocupamos mucho por nuestros clientes. Se trata de una conversación continua».

Los datos pueden proporcionar una gran cantidad de información a las empresas, pero ya no es posible aprovechar al máximo los macrodatos que se generan sin la ayuda del aprendizaje automático. Las herramientas de inteligencia artificial pueden ayudar a las empresas a tomar mejores decisiones sobre los datos y mejorar la experiencia del cliente en tiempo real. Y utilizar los datos para ofrecer experiencias de cliente más personalizadas beneficia tanto a los clientes como a las empresas.