Segmentación online, enriqueciendo datos de clientes

mapa_clientes_online_tienda_recogida_edificios_earth

La segmentación del cliente online pasa por usar plataformas de analítica web. Cierto, Google analytics y otras son ideales para empezar a segmentar clientes online, pero ciertos indicadores y dimensiones de cliente escapan al análisis web clásico. Veamos, con ejemplos, cómo usar la geocodificación del cliente online.

O dime dónde vives y te diré cómo eres.

¿Conocer al cliente a costa de conversión? Yo no lo haría, forastero

El conocimiento profundo del cliente en el ámbito online sigue siendo un reto. Supongamos que somos un e-commerce de material deportivo: con una estrategia de analítica web podremos monitorizar, clasificar, segmentar el comportamiento de los clientes, sus visitas, procedencia, interacciones, compras, si repiten… pero nos estamos limitando a ciertos tipos básicos de datos:

  • pautas de navegación, vía analítica web
  • compra y facturación, vía base de datos de clientes, backoffice, o la propia analítica web con una implantación personalizada
  • variables de relación, si la hay, por ejemplo emails, llamadas, consultas, incidencias…

Es decir, podríamos concluir que el cliente X nos llega por un post en el blog, compra a la tercera visita tras consultar 5 productos, paga con paypal, y posteriormente ha abierto dos newsletters y clicado en una oferta.

Que no está mal. Pero no sabemos casi nada más sobre él / ella. Podríamos preguntarle, que nos diga su edad, renta, estudios, estado civil, tipo de vivienda, aficiones o estilos de vida. Podríamos… pero ¿eso afectará a la conversión? Hombre, un poco, es probable, casi seguro que algo, lo testaremos, se podría optimizar… Nooop. Prohibido.

Bueno, podríamos preguntar después de la conversión. Cierto, con un programa de fidelización, o simplemente un plan de relación en el que ir deslizando poco a poco peticiones de información. Siempre a cambio de algo, por supuesto, y a medida que nos vamos convirtiendo en un interlocutor de confianza. Muy recomendable, siempre se debe plantear, pero muy lento. Y desgraciadamente el largo plazo no es demasiado popular en el sector de comercio electrónico.

¿Colocar unas encuestas a una muestra de usuarios? interesante también, lo iremos probando pero también a largo plazo, ya que nos obliga a usar datos muestrales, la tasa de respuesta es incierta y no estamos seguros de que no sea percibido como un tanto intrusivo.

¿Entonces, nada que hacer? En absoluto. El cliente, al convertir o registrarse nos regala una pista valiosísima sobre él: su lugar de residencia. A partir de dónde vive una persona, podemos inferir datos estadísticos de alto valor. A continuación mostraremos algunos ejempos y aplicaciones de la geocodificación de clientes en el ámbito online.

Geocodificación para optimizar puntos de recogida

Diseñar una red de puntos de recogida no es trivial. Tiene que ser fácil de acceder para los clientes. Requiere tomar decisiones como abrir tiendas, cerrarlas -cuando es red propia-, o negociar con varias cadenas de tiendas físicas simultáneamente -cuando la red es externa-. Además de satisfacer al cliente, debe encajar en la logística y no disparar los costes.

Asignando coordenadas a los clientes online podemos analizar la idoneidad de la red de puntos de recogida. Lo mostramos a continuación con una muestra de clientes de un e-commerce del sector tecnológico. El heatmap inicial con la ubicación de los clientes en España:

geocodificacion_enriquecimiento_clientes_online_heatmap_imagen

Centrándonos en Madrid, así se distribuyen los clientes:

ubicación_clientes_online_madrid

Acercándonos aún más al municipio de Madrid, comparamos ubicación de clientes y tiendas de una cadena de electrodomésticos líder en España. En seguida vemos cómo el centro de Madrid no parece quedar debidamente cubierto.

ubicacion_clientes_puntos_recogida

Afinamos esta apreciación. En una situación ideal, los clientes que compren en nuestra tienda online deberían tener un punto de recogida a menos de 10 minutos andando. Para validar en cuántos casos se cumple, generamos las áreas de servicio, o áreas de influencia de los establecimientos. Además, marcamos aquéllos clientes que quedan fuera de ellas.

puntos_recogida_electrodomesticos_clientesA partir de aquí, podemos tomar varias decisiones, tanto estratégicas como operacionales.

  • redefinir red de recogida, negociar con otra enseña
  • priorizar recogida versus entrega a domicilio de manera personalizada, por cliente, para dar el mejor servicio
  • informar a cada cliente del punto de recogida más cercano, incluso con tiempo de desplazamiento y ruta. En la imagen vemos la ruta al punto de recogida más cercano, para aquellos clientes fuera de las áreas de 10 minutos pero a menos de 30 minutos

mapa_clientes_online_rutas_red_recogida

Pricing dinámico de costes de envío

Los costes de envío son críticos en e-commerce. Por el lado de cliente, es un freno importante a la conversión, tanto objetivo -precio final no tan competitivo- como subjetivo -no nos gusta que nos sumen gastos adicionales-. Por el lado de los costes, el mayor quebradero de cabeza en la venta online.

En este sentido, conocer dónde vive cada cliente permite estimar de manera personalizada el coste logístico de un pedido, aplicando tarifas al cliente también personalizadas. No es lo mismo entregar a 5 kilómetros que a 50. Y es válido tanto para la logística propia -obvio- como externa, ya que este conocimiento y personalización pueden ser usados a la hora de una negociación global con el courier. O contar con couriers especializados por distancias o ubicaciones.

El mapa a continuación muestra el número de clientes por código postal en Andalucía y los almacenes, relacionados por áreas de influencia de 100km y 150km en torno a éstos. Un posible planteamiento sería servir con logística propia en las áreas cercanas, dentro de 150km no cobrando gastos de envío -sumamente atractivo para el cliente- y usar logística externa, repercutiendo el coste al cliente, en el resto de zonas.

De esta manera garantizamos ofertar el precio más competitivo a los clientes que, por menor coste logístico, más rentables deberían ser. Un perfecto win – win.

mapa_logistica_almacen_entrega_clientes_online

Enriquecimiento para segmentar clientes

El enriquecimiento geográfico de clientes se basa en que, a partir de dónde vive una persona, podemos inferir características sociodemográficas, económicas, de tipo de hábitat, vivienda… Geocodificando podríamos saber si los clientes online lo son porque viven en zonas sin comercios, su nivel medio de renta, probabilidad de que tengan hijos, si usan el coche a diario, tipo de barrio, tienen o no ascensor, jardín…

De alguna manera, conoceríamos el target sociodemográfico de nuestros clientes online. En el ejemplo vemos el resultado de la tienda online anteriormente mencionada, con productos de tecnología con fuerte componente infantil. Destaca la alta presencia de clientes en zonas de expansión metropolitana, con renta media – alta, claramente por encima de la media, y solo un 12% residentes en viviendas unifamiliares.

target_clientes_online_renta_tipo_barrio_unifamiliar

Si nos fijamos en datos de antigüedad de sus viviendas, a partir de catastro, los resultados están en la misma línea, están sobrerrepresentados los clientes en viviendas construidas a partir del 2000. Esto es una pista muy interesante sobre dónde están nuestros clientes, y dónde encontrar más como ellos.

target_clientes_online_vivienda_grafico

Los datos estimados de esta manera pueden combinarse con la información generada en las transacciones o la navegación de los clientes. Así, en determinados sectores tan sólo con el importe de la primera compra y las características sociodemográficas y de la vivienda de un cliente, podemos asignarle una probabilidad de repetición y un valor de vida o lifetime value..

El ejemplo siguiente muestra la tasa de repetición de compra en alimentación preparada online, tras una campaña de captación muy ventajosa y agresiva. Geocodificando los clientes aprendemos que, solo con que viva en una vivienda unifamiliar, la probabilidad de que repita crece del 52% al 58%. Si además vive en un municipio pequeño, se incrementa al 70%. y si el la primera compra, en promoción, superó los 42€, la probabilidad de repetir crece casi hasta el 85%.

cliente_online_tasa_repeticion_enriquecimiento_graficoNos podríamos referir a este enfoque analítico como segmentación por dimensión geográfica del cliente.

Gestión de canales online vs offline

El canal online crece y el offline decrece. Axioma simplista pero que se cumple en muchos sectores. Por otro lado, hoy en día es sencillo abrir el canal online para cualquier retailer, simplemente montando una tienda online en el website. Otra cosa es hacer que ésta venda. Y ya si además se gana dinero, la bomba.

Todo distribuidor multicanal se enfrenta al dilema de la apuesta de futuro: sobre qué canales concentrar la inversión, los esfuerzos. Dicho de otra manera, ¿dejo de abrir tiendas y me centro en el online, y ya las iré cerrando poco a poco? Aunque es un caso extremo, este tipo de decisión es clave para la supervivencia de muchos negocios.

En este sentido, la geocodificación es clave para dar respuesta a las interrogantes que se abren:

  • ¿Tenemos clientes online por un lado y clientes offline por otro? o, por el contrario ¿el mismo cliente usa ambos? en este último caso -el más habitual- ¿cómo y por qué se inclina por uno u otro? la visión única del cliente omnicanal sigue siendo la gran oportunidad del marketing
  • ¿Los pedidos online me llegan de zonas alejadas de la red de tiendas? esto es, ¿me compra online quien no tiene acceso a una tienda? Es una hipótesis plausible que,  sin embargo, no siempre es validada por los datos
  • Por lo tanto ¿tiene o no sentido la recogida en las tiendas?
  • ¿En qué se diferencian, por sociodemografía, hábitat, estilos de vida los clientes online y los offline?

En otro post espero desarrollar más este tipo de estudio.

La comunicación offline vende online

Y al revés, por supuesto. Pero nos interesa ahora destacar cómo comunicar offline para generar ventas online. En el caso anterior, veíamos cómo nuestros clientes viven sobre todo en barrios de expansíón, concretamente en viviendas construidas a partir del 2000. Usando datos estadísticos y mapas es fácil encontrar este tipo de zonas y hacer campañas de marketing en ellas.

Bien segmentado, buzoneo, poming, street marketing, cartelería exterior, marquesinas de autobuses… ofrecen enormes oportunidades para atraer clientes a una tienda online, en la era de internet móvil. Qué mejor que hacer mientras espero al autobús que escanear el QR de ese anuncio de una tienda online que me habla de cosas que necesito.

Enriquecimiento vía Social CRM y analítica de redes sociales

Nos hemos centrado en el enriquecimiento a partir de la georreferenciación, por ser sencilla de implantar y de inmediata rentabilidad. Pero hay otras aproximaciones muy interesantes al conocimiento 360 del cliente online.

Hay ahí fuera una enorme cantidad de datos que todos generamos en nuestra actividad online. Ya existe la tecnología para recopilarlos, con algunas limitaciones también para interpretarlos. Y también de manera incipiente, tenemos maneras de cruzarlos con los datos internos en nuestro CRM y analizarlos conjuntamente. Podríamos, por ejemplo, saber que el cliente X ha hecho dos comentarios negativos sobre nuestros productos en facebook, o comentado en twitter que aún espera nuestro último pedido después de una semana. Y que como cliente directamente no vale mucho -en nuestro CRM- pero tiene 20.000 seguidores y 1.000 retweets mensuales. Su capacidad de influencia lo convierte en cliente preferente.

Es lo que se ha dado en llamar Social CRM, y es algo que nos interesa mucho. Pero tendrá que ser en otro artículo.

Gracias por leer hasta aquí, encantado si dejas un comentario con tu opinión sobre todo esto.

Segmentación online, enriqueciendo datos de clientes was last modified: abril 29th, 2021 by Guillermo Córdoba
The following two tabs change content below.

Guillermo Córdoba

Licenciado en sociología, llevo más de 15 años en esto de la inteligencia de clientes. Me interesa la integración de visiones, disciplinas y técnicas orientadas a un mejor conocimiento de cada consumidor. Creo en el trabajo en red y multidisciplinar, como solución a los nuevos retos que la relación con el cliente plantea. A tu disposición, si puedo ayudarte.

12 thoughts on “Segmentación online, enriqueciendo datos de clientes

  1. hola Pedro, no es sencillo, nosotros tendemos cada vez más a generar este tipo de base de datos a partir de fuentes públicas online -google maps, foursquare, tripadvisor… no es ningún secreto. La aproximación por Registro Mercantil suele dar resultados muy pobres cuando se busca cada punto de venta.
    En ciertos sectores, por ejemplo minoristas de alimentación, puedes encontar directorios sectoriales bastante aceptables -aquí suelen fallar los establecimentos muy pequeños, así como la calidad de la geocodificación-.
    Pero vamos, yo te recomiendo el enfoque de que te comentaba al inicio, los datos publicados online.

  2. Enhorabuena por el blog, muy interesante y útil para aquellos que nos enfrentamos a aperturas y estamos ciegos. Una pregunta, ¿sabes donde se puede conseguir una base de datos de dónde están localizados todos los puntos de venta de empresas como cadenas de restaurantes o de moda?

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.