Microsegmentación y enriquecimiento de clientes B2B

Ya vimos una clasificación de técnicas aplicadas a la segmentación de clientes b2b y mercados industriales. Ahora desarrollamos cómo enriquecer el conocimiento del cliente empresa, para segmentar con mayor precisión.

Segmentación por actividad – tamaño y sus limitaciones

Si bien la matriz que relaciona la actividad de la empresa, a partir de su CNAE, con su tamaño -por facturación, número de empleados- resulta muy útil, presenta carencias, en ciertos casos. Principalmente:

• Algunas empresas han cambiado su actividad sin actualizar sus datos de inscripción en registro, por el propio devenir de su vida como empresa, nuevas condiciones de mercado, competitivas… Incluso, nuevos proyectos empresariales que «heredan» los datos censales de otros anteriores. Aun cuando esto no es algo mayoritario, se da, y puede tener incidencia en nuestro modelo de segmentación.
• En ocasiones los códigos de actividad son demasiado generales, poco específicos para diferenciar el comportamiento de las empresas clientes.

Un caso típico sería que nuestra empresa de máquina – herramienta de precisión identifique 20 clientes de alto valor en el sector de la restauración. ¿Seguro? Echando un vistazo a las webs de estos clientes, detectamos que todos ellos son empresas y restaurantes de vanguardia que mencionan la gastronomía molecular en sus webs. Fantástico, hemos dado con un nicho emergente.

Pero la realidad es que, si pretendemos buscar más como ellos para presentar nuestra maquinaria -búsqueda de gemelos-, nuestro proveedor de base de datos nos dice que, en el epígrafe «restauración» tienen 20.000 empresas de cierto tamaño. Es decir, a día de hoy sabemos que 1 de cada 1.000 de este segmento son, seguro, target. Si estimamos que tenemos un 10% de cuota (gracias a nuestros estudios de mercado), el mercado total serían 200, de los 20.000 restaurantes. Glups. Una campaña de captación sería muy poco precisa, y por tanto muy cara.

Siguiendo con el ejemplo, ¿cómo podríamos reducir esa base de 20.000 potenciales a solo aquéllos, que pueden estar en torno a 200, que realmente son nuestro target?

Cualificar la actividad de las empresas

Aplicando técnicas de procesamiento de lenguaje natural (NLP) sobre fuentes de información cualificadas, extraeríamos términos, keywords, que ayudan a caracterizar con precisión las empresas y su actividad. Contamos para ello con tres métodos:

A. Bases de datos externas de empresas -basadas en el Registro Mercantil

Podemos extraer información no estructurada de gran valor para entender la actividad de la empresa:

• Razón social, nombre de la empresa
• Objeto social
• Patentes y marcas registradas
• pertenencia a asociaciones, clusters sectoriales

B. Webs de las empresas mediante scraping

Aporta la ventaja de la frescura, actualización de los datos, ya que las empresas publican en internet sus productos, actividades más recientes. Requiere, eso sí, un buen tratamiento de los textos para aislar las raíces de los términos, seleccionar las que son relevantes, y estructurar esta información.

Siguiendo el ejemplo anterior, podríamos utilizar ambos métodos conjuntamente:

• extraer los términos que nos interesan de una base de datos con origen en Registro Mercantil
• rastrear a continuación internet en busca de aquellos negocios de restauración que están usando el término gastronomía molecular

De esta manera, identificaríamos un micromercado, nicho de alto valor al que dirigir las acciones comerciales. Y, volviendo al inicio del post, estas palabras clave son también útiles para identificar empresas cuyo CNAE no refleja su actividad actual, y asignar un CNAE correcto.

C. Enriquecimiento de empresas en función de su ubicación

El enriquecimiento de clientes en función de su ubicación muy útil en segmentación B2C. Y también a la hora de segmentar empresas. Una de las grandes dificultades al segmentar empresas según su actividad es ubicar a la empresa en la cadena de valor. ¿Es fabricante, distribuidor mayorista, minorista? Quizá de todo, ¿pero cuánto de cada uno? esta ‘ubicación’ es crítica a la hora de estimar un potencial de demanda de nuestros servicios o productos.

A partir de dónde se ubica una empresa podemos deducir si se escora hacia fabricante / mayorista (polígonos industriales, puertos, centros logísticos, la fábrica o centro de distribución de coches) o minorista (centros urbanos, el concesionario de coches) o intermedios (periferia de barrios residenciales, el taller de reparación).

Microsegmentación target vs base, método de reglas

Enlazada con lo anterior, una técnica de análisis muy operativa es la inducción de reglas target vs base.

Consiste en generar reglas que comparan el tamaño total del segmento con la penetración que tenemos en él. Las reglas pueden basarse en una o varias premisas, y ordenarse en función de criterios diferentes, según el uso que les demos. Típicamente, en función de la penetración de nuestra empresa en el segmento, pero también, por ejemplo, en función de número de clientes, facturación aportada, margen… en busca de una lectura descriptiva de nuestra cartera actual.

El ejemplo siguiente muestra la penetración de clientes de la empresa X por CNAE. El segmento que más clientes aporta es 4675 – Comercio al por mayor de productos químicos, pero la penetración de clientes en él es de solo 8,5%. Por el contrario, el 2050 – Fabricación de otros productos químicos aporta menos clientes pero mayor penetración, ya que el 35% de las empresas son clientes. Las dos lecturas son relevantes, en función del objetivo:

• nos centraremos en el número de clientes, y su aportación económica, para entender, describir, segmentar la cartera de clientes
• nos interesará la penetración de cara a realizar acciones comerciales, buscar clientes potenciales gemelos de los actuales

El gráfico siguiente muestra el mismo caso, con la totalidad de reglas extraídas. Pone de manifiesto la diversidad de actividades de las empresas clientes, pero destaca claramente los que más aportan -zona izquierda del gráfico, mismas empresas que en la tabla anterior- y los que presentan mayor penetración -«picos» en rojo-.

Hasta ahora nos hemos basado en CNAE. Si enriquecemos este mismo análisis con nuevas variables, como hemos descrito arriba, generaríamos -por ejemplo- reglas basadas en actividad (CNAE) – tamaño – geografía – keyword. En el ejemplo, el CNAE 4675 – Comercio al por mayor de productos químicos , al combinarse con población = Barcelona y keyword = quimic, alcanza una penetración del 46,6%. Es decir, casi la mitad de las 103 empresas que conforman el microsegmento de mercado, son clientes.

La combinación de indicadores avanzados, a través de keywords, y el análisis de microsegmentos mediante reglas de decisión, es de gran utilidad para:

• Calcular cuota de mercado sobre segmentos muy específicos-> mayor precisión en la estimación del posicionamiento en el mercado.
• Captar nuevos clientes en los segmentos con mejor posicionamiento -> incremento de conversión -> optimización de ROI de campañas. Por ejemplo, si en el segmento ‘Comercio al por mayor de productos químicos’ + keyword: quimic tenemos una penetración del 50%, vayamos a por el otro 50%, por afinidad.
• Identificar segmentos con mala penetración similares a los de buena penetración, con una pequeña diferencia en una variable -> trabajar la oferta para adaptarla a estos casos y comunicarla al target. Por ejemplo, si en el microsegmento ‘Comercio al por mayor de productos químicos’ + keyword: quimic + población: Barcelona tenemos penetración de 47%, podríamos tratar de ir buscar empresas del mismo CNAE, misma keyword de Huelva (por ejemplo), adaptando el mensaje a trabajar la posible resistencia por la distancia geográfica.
• Identificar segmentos poco afines a priori por actividad, pero mejoran drásticamente al añadir una keyword específica. Por ejemplo, en el caso anterior de química, términos como ‘molecular’ incrementan enormemente la probabilidad de compra de empresas en un sector tan alejado de la industria química como ‘Establecimientos de comidas y bebidas’.
• Medir evolución, altas y bajas de clientes por segmentos, interpretando cómo las propias empresas clientes van modificando nuestro posicionamiento en el mercado, identificando tendencias para, incluso, predecir comportamientos futuros.

Por último, los resultados pueden formularse como modelo predictivo, asignando un score, o probabilidad de una empresas de ser target. El gráfico siguiente muestra un ejemplo, donde el modelo de reglas se visualiza como curva ROC (receiver operating characteristic) o curva de elevación:

Una manera de leerla sería: Una vez ordenadas todas las empresas de mayor a menor score, si nos dirigimos al primer 20% capturaremos el 65% del target. Y si nos dirigimos al 30%, capturaremos el 75%. La ganancia es muy grande, y podremos automatizar el proceso de selección de target.