Existen al menos cuatro conceptos asociados a esta idea de conocer el patrón de comportamiento de nuestros consumidores, conocer sus gustos y preferencias, sus tendencias, así como los canales y mensajes más efectivos. En orden de sofisticación tenemos:

• Análisis de llamadas
• Análisis web
• Analítica predictiva
• Machine learning

Así como una tecnología que permite explotar los datos arrojados por nuestras plataformas de análisis entregando los mensajes en el canal y momento correcto a la persona idónea, denominado:

• Marketing automation. 

¿Qué es un software de análisis de llamadas y por qué a los mercadólogos les debiera interesar?

El software de análisis de llamadas mide y administra las llamadas telefónicas del canal telefónico (incluido tanto las líneas móviles como las fijas), desde la asignación de números de identificador de llamadas para medir, monitorear, analizar y reportear el resultado de los datos de la llamada. Las plataformas analíticas de llamadas proveen el monitoreo de llamadas, grabaciones, ruteo y herramientas de atribución para permitir estas funciones.

Mientras el software se vuelve más sofisticado, es incluso posible calificar las llamadas tan pronto estás entran, proveer mensajes “susurros” con datos del consumidor mientras la llamada entra, o utilizar analíticos de conversión para disparar campañas de nutrición desde una plataforma de CRM o de un sistema de Marketing Automation (esta última tecnología también es descrita en este artículo)

Dependiendo de lo sofisticado del equipo de marketing de tu empresa y del software que actualmente se esté utilizando, añadir analíticos de llamada a la tecnología de marketing de tu empresa te habilitará para traducir el valor de una llamada de voz en datos que pueden ser fusionados con tu Plataforma de Datos de Consumidores.

¿Qué es un software de Análisis Web y por qué a los mercadólogos les debiera interesar?

Los fundamentos de cualquier buena estrategia de marketing digital, todavía, descansan en recolectar, analizar y reportar datos de un sitio web, ¿Quien lo visita? ¿Qué hacen una vez que llegan ahí? ¿Los visitantes están haciendo lo que tú quieres que hagan? Y si no, ¿Cómo se puede mejorar la experiencia del usuario?

¿Cómo puedes establecer y recolectar las métricas adecuadas para mejorar, en su conjunto, la experiencia del consumidor para generar más negocio? Todo comienza con Análisis Web.

En sus inicios, el software de Análisis Web medía la secuencia de clicks, y proveía información básica del tráfico en el website. Frecuentemente, esta información tenía que ser traducida por el departamento de TI para el departamento de mercadotecnia, y se enfocaba en métricas básicas como page views, clicks, tiempo en el site y bounce rates. Hoy las herramientas de Análisis Web se han vuelto mucho más amigables con los mercadólogos, incorporando tableros de control muy amigables con el usuario, así como una gran gama de datos.

Tanto como si estás utilizando una herramienta gratuita como Google Analytics o una suite a nivel empresarial, el software de Análisis Web entrega datos para ayudar a entender mejor a los visitantes online y entregar lo que ellos necesitan.

Lo más importante al evaluar un nuevo software de esta gama es entender qué datos necesitas, cómo este software entrega esta data, cómo interactúa este software con tus plataformas actuales, y lo más importante, ¿Cómo utilizarás estos datos para conducir tu negocio?

Si bien las Plataformas de Datos de Consumidor se integran con las plataformas de Análisis Web muchas lo hacen a nivel agregado y no permiten asociar esta información a nivel individuos. Los agregados son muy útiles para entender audiencias, pero los datos a nivel persona son indispensables para poder comprender el comportamiento de los consumidores y por lo tanto ofrecer productos, servicios, y contenidos relevantes de acuerdo a sus comportamientos individuales.

¿Qué es Analítica Predictiva y por qué a los mercadólogos les debiera interesar?

En la serie de novelas de ciencia ficción de Isaac Asimov, “La Fundación”, La “Psicohistoria” emplea cantidades masivas de datos históricos para predecir el comportamiento futuro de grandes grupos de personas.

En lugar de las predicciones acerca de los imperios Asimovianos, nuestra generación de analítica predictiva está contenida con objetivos más modestos, como predecir si es probable que tú te conviertas en un cliente, o no, o bien tu propensión a comprar cierto tipo de artículos, o no.

“Piensa en un análisis de crédito”, se analizan varios puntos de datos de tu historia - tales como tu salario, tu historial de pago - mismos que son usados para responder a una simple pregunta “¿Esta persona va a devolver el dinero del crédito? Este tipo de predicciones han estado presentes, en una forma u otra, desde la invención de los préstamos.

Pero ahora los mercadólogos, y otros ahora, tienen los recursos para hacer suposiciones mucho más precisas sobre diferentes temas de negocios. Las predicciones basadas en computadoras, utilizan montones de big data, que están brotando en muchas industrias además de los servicios financieros, incluyendo servicios de salud, detección de fraude e incluso campañas políticas.

Hay dos grandes impulsores para esta tendencia, por supuesto, están el Big Data y aquello que pudiéramos llamar el procesamiento intuitivo de computadora.

Es difícil sobreestimar no solo cuantos datos se han adquirido de cada uno de los individuos de las sociedades modernas, sino también que tan rápido están incrementándose.

Están, claro: tu historial de crédito y sus transacciones, tu navegación en internet y tu historial de descargas, tus visitas a tiendas físicas (a través de los mecanismos de navegación de tu teléfono), tu régimen de salud o entrenamiento (a través de tu servicio de estado físico en línea) y los demográficos de dónde vives, quién eres y qué haces.

Y muy pronto además habrá historias de tus autos, tus electrodomésticos, tus visitas a vendor machines que transmiten en web, y mucho, mucho más.   

El hecho de que muchos estos datos sean bien anónimos o anonimizados no quiere decir que no puedan ser usados para llamar tu atención o “tocarte”. “TÚ” puedes ser un tag o un pixel en lugar de un nombre, pero aun eres targeteable, y tu “tagged self” con frecuencia puede ser asociado a tu identidad real.

En otras palabras, nosotros estamos generando datos que incluso Asimov no se hubiera imaginado.

El segundo gran impulsor está en la rama de la inteligencia artificial llamado machine learning que será tratado más adelante en esta entrada, pero que en esencia, es un sistema de computadora que crea modelos basados en patrones reconocidos y en big data. A diferencia de un gerente de crédito de una oficina, un sistema puede obviamente monitorear, analizar, abstraer y comparar miles – sino millones – de puntos de datos acerca de que has hecho y de quién eres.

Con qué quieres hacer juego hoy.

Las campañas de e mail, por ejemplo, operan de forma distinta cuando han sido segmentadas y están basadas en reglas, comparado con un mecanismo de analítica predictiva que prediga las respuestas.

En el primero, todos los hombres de 18 a 35 años obtienen el mismo e mail. En el segundo el sistema predictivo es usado para identificar patrones entre las diferentes entradas de datos de las personas que han respondido bien a ese tipo de correos, y entonces la dirección de e mail es calificada en qué tan bien encaja en dicho patrón.

Así como en la película Moneyball, donde el análisis de datos es utilizado para encontrar rasgos ocultos de lo que hace a un buen jugador de baseball y entonces encontrar a otros parecidos, un camino común para crear modelos predictivos es emparejarlos con aquello que tú quieres como resultado: un comportamiento, una acción o una compra; e identificar el patrón que siguen otras personas para replicar el resultado.

¿Qué es machine learning y por qué a los mercadólogos les debiera interesar?

Hace algún tiempo y remontándonos al siglo pasado, una de las críticas más comunes que se les hacían a las computadoras es que ellas sólo hacían aquello para lo que habían sido programadas.

Nunca más.

En estos días, está siendo cada vez más común para los sistemas de mercadotecnia, y de muchos otros tipos, el emplear algunas variedades de “machine learning” que están cada vez más alejándose de los días en que los programadores dictaban cada movimiento a la computadora.

La pieza central de un sistema de machine learning es el modelo de patrón de comparación que ha sido inicialmente preparado, y contra el cual los datos entrantes serán comparados. Cuando hay una discrepancia, los factores que formaron el modelo son ajustados hasta que reconoce con precisión el patrón que debe. Una vez que el periodo de entrenamiento se termina, el sistema está listo para “trabajar en la selva”.

En otras palabras, las plataformas de machine learning producen hallazgos y reconoce patrones que no estaban explícitamente programados para hacer. Usualmente estos patrones o hallazgos son entregados como recomendaciones para cumplir cierto objetivo o responder preguntas específicas: ¿Quiero saber que clientes me podrían abandonar en el siguiente trimestre? ¿Cuál es el mejor segmento de clientes al que le pudiera interesar el lanzamiento de mi siguiente línea de producto? ¿Qué clientes tienen mayor posibilidad de adquirir un viaje a Hawaii en verano sin descuento?

¿Qué es y qué hace Marketing Automation? 

El software de Marketing Automation se ha convertido en una parte integral del departamento de marketing digital de hoy. No importa si eres un pequeño negocio o un gran corporativo. Así como los canales digitales han evolucionado (e incrementado), también lo ha hecho las plataformas de Marketing Automation. Irónicamente, al automatizar ciertas funciones de marketing, es posible crear más relevancia, compromiso y experiencias personales para tus clientes y prospectos. 

La mayoría de las plataformas de marketing automation tienen sus raíces en una o dos competencias centrales (Ejemplo: email, CRM) y subsecuentemente se fueron añadieron capacidades (a través de adquisiciones o de crecimiento orgánico) mientras más canales de mercadotecnia fueron emergiendo. Virtualmente cada plataforma de marketing automation provee de las siguientes capacidades.

• Email marketing y desarrollo de Email Marketing y desarrollo de landing pages.
• Monitoreo de visitantes al website.
• Captura de leads, calificación y nurturing.
• Centralización de base de datos de mercadotecnia
• Integraciones nativas a diferentes sistemas de CRM
• Análisis de datos y reporteo.

Y a partir de ahí, diferentes empresas proveen herramientas adicionales en forma de add on´s o incluidas en el precio base que ofrecen características avanzadas tales como:

• Generación dinámica de contenido
• Administración de campañas multicanal
• Optimización de móviles (Por ejemplo: diseño responsivo)
• Reporteo de ventas y de ROI.
• API´s de integración de aplicaciones.

Entrada basada en las siguientes fuentes

https://martechtoday.com/call-analytics-tracking-software-135264

https://martechtoday.com/martech-landscape-what-is-web-analytics-software-138554

https://martechtoday.com/martech-landscape-what-is-predictive-analytics-166094

https://martechtoday.com/martech-landscape-machine-learning-marketers-care-176489

https://martechtoday.com/martech-landscape-what-is-marketing-automation-software-154642