Cómo los vendedores pueden sacar más provecho de sus motores de recomendaciones

Kant Santi Nu Ta NNTH/Eyeem/Getty Images

«Casi todo lo que hacemos es por recomendación». Eso es lo esencial filosofía de diseño articulado por el entonces director de ingeniería de Netflix, Xavier Amatriain, hace cinco años, donde personalizar y personalizar las elecciones es la moneda del mundo. «Estuve en eBay la semana pasada», dijo en ese momento, «y me dijeron que el 90% de lo que la gente compra allí proviene de búsquedas. Somos todo lo contrario. La recomendación es enorme y nuestra función de búsqueda es lo que hacen las personas cuando no podemos mostrarles lo que ven».

A diferencia de las búsquedas, los sistemas de recomendación buscan predecir la «valoración» o la «preferencia» que un usuario daría a un artículo, acción u oportunidad. Si se gestionan con cuidado, las recomendaciones pueden resultar mucho más valiosas para los vendedores que para los clientes a los que aparentemente atienden. Los motores de recomendaciones no solo generan datos útiles para analizar los deseos de los clientes, sino que también se pueden aprovechar para hacer recomendaciones tácticas y estratégicas a los vendedores. Piense en un Netflix, Amazon o Spotify empresarial para los vendedores; la misma tecnología que mejora las opciones de los clientes ahora permite a la dirección tomar decisiones. La «netflixización de la analítica» influirá cada vez más en la forma en que los vendedores serios toman sus decisiones.

Centro Insight

• Marketing basado en datos

  Patrocinado por Google

  La ciencia de la narración y el rendimiento de la marca.

Esto significa que los paneles digitales no se limitarán a medir y supervisar los KPI de marketing, sino que también ofrecerán sugerencias, opciones y consejos basados en datos. La optimización se basará en la recomendación; «la respuesta correcta» importará menos que «tomar muy buenas decisiones». Gmail, por ejemplo, ya puede redactar correspondencia profesional basada en intercambios de correo electrónico anteriores. LinkedIn solicita de forma proactiva presentaciones con valor añadido. El software Salesforce califica y clasifica computacionalmente a los clientes potenciales. Los gestores del calendario sugieren opciones y prioridades de programación de forma visual y acústica. Prácticamente todo lo que un trabajador del conocimiento que depende de lo digital ve, oye o pasa el dedo puede convertirse en una recomendación. Eso hace que el diseño de una experiencia de usuario simple y atractivo para la gestión sea clave.

Tanto para los directores de marketing como para los directores de marca, la experiencia de identificar información analítica procesable se parecerá a ver maratones en Netflix, comprar en Amazon o deslizar el dedo hacia la izquierda (o la derecha) en Tinder, un ejercicio de selección de opciones personalizadas y contextualizadas determinadas por algoritmos enriquecidos con datos.

Los líderes de marketing orientados a la analítica deben reconocer que sus mejores personas, al igual que sus mejores clientes, quieren estar expuestos de manera inteligente a decisiones significativas. Ese es el objetivo del diseño. Los sistemas de recomendaciones de los vendedores impulsarán los motores de recomendaciones de los clientes; los análisis de las recomendaciones de los clientes informarán e inspirarán las recomendaciones de marketing. Aquí vemos el poder y la oportunidad de los efectos de red.

Gracias al aprendizaje automático supervisado y no supervisado, ese virtuoso ciclo de recomendaciones impulsará la información y el crecimiento de los clientes. La función del marketing mediado por máquinas consistirá en lograr un equilibrio rentable entre optimizar las recomendaciones y recomendar optimizaciones. Ya sea gestionando las conversiones en los embudos de ventas o los puntos de contacto del recorrido del cliente, los vendedores dedicarán menos tiempo a buscar respuestas que a sopesar las alternativas recomendadas. En un entorno de análisis de «casi todo lo que hacemos es por recomendación», las alternativas sugeridas podrían ir desde consejos de segmentación hasta posibles hipótesis para la experimentación A/B y multivariante. Los vendedores que planifiquen campañas de promoción para dispositivos móviles, por ejemplo, dedicarían menos tiempo a extraer datos que a explorar sugerencias tipo Amazon/Netflix, como: Los clientes potenciales que hicieron clic en este anuncio también respondieron a ese anuncio; las promociones de temporada de 2 por el precio de 1 atraen más compras repetidas de compradores de regalos que descuentos del 50%, y así sucesivamente. En las empresas más grandes con ofertas de productos y servicios más amplias, las recomendaciones de marketing empresarial podrían formularse de la siguiente manera: Los directores de marca como usted, que buscan atraer a X clientes, utilizaron Y campañas y Los vendedores que lanzaban este tipo de promociones también utilizaban ese tipo de anuncios.

Muchas agencias de marketing digital desarrollan motores de recomendaciones para la optimización de motores de búsqueda diseñados para correlacionarse con los temas y las características de los perfiles de usuario. Su objetivo no es vender más, sino obtener más información sobre las perspectivas. La recomendación se convierte entonces en un catalizador de la perspicacia.

Quizás aún más provocativos sean los incipientes recomendantes que sugieren hipótesis de marketing para probar y experimentar. Estos «recomendadores de hipótesis automatizados» identifican las correlaciones que podrían merecer ser exploradas en el mundo real. Por ejemplo, en una empresa de comercio electrónico, los datos sugerían que los clientes que comprobaban constantemente la llegada de sus pedidos obtenían puntuaciones más altas en el Net Promoter Score cuando veían fotos de su compra, no solo las fechas de entrega estimadas. El recomendante propuso comprobar si incluir fotos de compras en las notificaciones de entrega generaría mejores valoraciones. (Sí, pero solo para mujeres.)

Los recomendadores de marketing también tienen un papel que desempeñar en las decisiones diarias de «explorar contra explotar» (eVE). A saber, ¿qué es más valioso para los esfuerzos de marketing: realizar experimentos adicionales o explotar de forma rentable lo que se acaba de aprender? Las recomendaciones de eVE destacan explícitamente las compensaciones entre optimizar para el momento e invertir en conocimientos futuros.

A medida que los KPI de marketing se vuelven más sofisticados, cada vez es más importante entender esas compensaciones. El contexto importa. Eso es lo que hace que los recomendantes sean tan atractivos desde el punto de vista cognitivo: invitan a la agencia; permiten elegir. En los mercados con inteligencia artificial y repletos de datos, una de las decisiones de diseño más difíciles que toman las organizaciones es cuál es la mejor manera de informar y capacitar a sus empleados. ¿Los análisis deberían hacer hincapié en el cumplimiento prescriptivo, directivo e integral? ¿O las organizaciones disfrutarán de una mejor moral y mejores resultados cuando la tecnología ofrezca recomendaciones más inteligentes, mejores y personalizadas? Se trata tanto de cuestiones de cultura y valores como de procesos empresariales.

No es ningún secreto ni sorprendente que los avances tecnológicos automaticen de forma eficaz muchas tareas de marketing que antes realizaban los humanos. Eso parece inevitable. En consecuencia, gran parte del desafío de marketing en el futuro consistirá en determinar (recomendar) cuándo y dónde la agencia humana añade más valor que la autonomía de las máquinas. Todo dependerá de la discreción de la dirección.

Pero no se equivoque: al menos parte de esa agencia humana será ilusoria. Al fin y al cabo, Netflix, Amazon, Alibaba y Facebook rastrean despiadada e implacablemente cuáles de sus recomendaciones «ganan» y cuáles se ignoran. Una vez más, los beneficios que se obtienen del mapa de análisis de consumidores al análisis del lugar de trabajo, también. Identificar los sesgos de decisión, por ejemplo, se hace más fácil y claro. Evaluar qué recomendaciones influyen más en las decisiones de marketing resultará al menos tan revelador como determinar cuáles afectan más a la elección de los consumidores. Esta información será de enorme utilidad para la alta dirección.

Como tecnologías que generan datos, mejoran los análisis y permiten elegir, los sistemas de recomendación gozan de una excelente reputación y de un gran éxito. La ironía es que los vendedores han hecho un mejor trabajo al implementar recomendaciones para sus clientes que para ellos mismos. De ahora en adelante, las organizaciones de marketing más exitosas serán las que encuentren formas innovadoras de alinear las recomendaciones dentro y fuera de la empresa.