Cómo Havaianas activa sus datos: que el conocimiento de tus clientes no te pille descalzo

No te pierdas a Jesús Moradillo, CEO & Founder de Apache y a Javier Gurney de Havaianas, contando cómo activamos los datos que extraemos de los clientes para incrementar ventas.

Desde Apache, estamos trabajando junto a Havaianas en un proyecto para generar aprendizajes basados en los datos de sus clientes y activarlos para vender más.

Si quieres saber cómo lo estamos haciendo, no te pierdas la ponencia que dió nuestro CEO & Founder, Jesús Moradillo, junto a Javier Gurney de Havaianas, en el Digital Enterprise Show.


Introducción

En la mayor parte de las empresas, la configuración de la estructura interna hace que se trabaje en silos, con distintas agencias, distintos datos, pero al final, el cliente es el mismo. Esta es la razón por la que Havainas empezó a trabajar con Apache hace unos meses, para tener una única visión del cliente y generar y activar conocimiento basado en los datos de estos. 

Estamos todos de acuerdo que durante el proceso de aceleración digital de los últimos meses el cliente se ha vuelto más exigente, no solo en cuanto a producto sino sobre todo a experiencia. En esta época posmoderna la realidad se construye en base a experiencia y narrativa. Esto que puede parecer muy conceptual es muy importante de entender. Es la base sobre la que se construyen las marcas, sobre el relato que se construye en base a experiencias compartidas entre los usuarios. Las marcas que lo entienden y lo utilizan son las más fuertes porque eso repercute directamente en la cuenta de resultados de todos los que estamos aquí. Y a través del uso de los datos podemos crear experiencias relevantes.

Por eso es muy importante adelantarnos a las necesidades de los consumidores, para no llegar tarde y proveer una experiencia memorable que repercuta en su percepción e incremente las ventas de forma sostenible. Sólo a través de estas experiencias personalizadas es cómo podremos crear ventajas competitivas digitales basadas en datos y duraderas. Y este trabajo se debe apalancar el uso de datos y de las tecnologías exponenciales. Pero hay un problema…

El customer journey se está volviendo cada vez más complicado, la gente está cambiando la forma de comprar y este cambio se ha acelerado en el último año. Lo hemos visto en la evolución de las tendencias de búsqueda, pero lo estamos viendo cada vez más en el impacto por ejemplo de las opiniones de terceros que llegan a influir más que la comunicación de la marca. El usuario se ha convertido en consumidor social. Esto supone un reto porque la tecnología que muchas marcas están utilizando no les permite medir de forma correcta ese journey, conocer las preferencias reales de sus clientes y no son capaces de poder generar un impacto real en la cuenta de resultados con toda la inversión que hacen en tecnología.

The Messy Middle of Purchase Behavior – Google

Los problemas de las empresas

Tradicionalmente hemos visto 2 factores que han generado una desconexión de información dentro de las organizaciones: por un lado la configuración política o de luchas internas dentros de las empresas y, por otro, que muchas han querido correr antes de aprender a andar sin tener un plan sostenible de evolución en el uso de los datos. Y al trabajar los datos en silos inconexos impiden a los estrategas o a los equipo de marketing acompañar al cliente a lo largo de su relación real con la marca. No hay puentes eficaces entre por ejemplo la elaboración de mensajes de comunicación y la información de ventas o no hay capacidad de ajustar las inversiones en las fases tempranas del funnel por la incapacidad de predecir el valor futuro de un usuario.

Necesitamos datos integrados para poder tomar decisiones de forma rápida. Y esto requiere un cambio de cultura corporativa. Hay que crear culturas innovadoras con áreas conectadas, basadas en la experimentación y en la prueba de nuevas tecnologías como el machine learning, la automatización y las soluciones escalables en la nube.


Curva de madurez digital

Tenemos que tener un plan evolutivo bien trazado. Es importante situar nuestra compañía en esta escala para conocer los siguientes pasos que debemos abordar. Nos encontramos en muchas ocasiones con compañías que por querer correr se han saltado pasos y eso ha generado un cementerio de elefantes de tecnologías carísimas, inconexas y sin equipo capaz de explotarlas. Siguiendo un flujo de trabajo ordenado podemos generar una curva exponencial de aprendizaje e impacto permanente en el negocio.

curva de madurez digital
Boston Consulting Group & Google. Data-Driven Marketing assessment 2017

Según el estudio que ha realizado Boston Consulting Group con Google, las marcas que han alcanzado un nivel de madurez “multimomento” han reportado ahorros de costes de hasta el 30% e incrementos del revenue de hasta el 20%. Pero además, las que desplegaban tecnologías de machine learning con supervisión humana experta encontraban mejoras de resultados en el performance de sus campañas de otro 15% adicional. Es desde luego una ventaja competitiva que permite a las marcas invertir mejor, generar experiencias más positivas con sus clientes, crecer más rápido y ser más rentables que sus competidores.

La mayor parte de las marcas no han alcanzado el grado de madurez completo. El mercado se encuentra en una fase de madurez media, estando el 90% en fases intermedias. Vemos que hay una intención por escalar en esta curva de madurez digital, pero la curva se vuelve más empinada según avanza, incrementando la dificultad de alcanzar al siguiente nivel.

  • 83% no puede unir datos a través de diferentes touchpoints
  • 68% no utiliza automatizaciones, solo procesos manuales
  • 78% no son capaces de atribuir valor a cada touchpoint 
  • 80% sufren de descoordinación entre áreas funcionales 

Estos son los 6 elementos que permiten a las compañías navegar y ascender por la curva de madurez digital, medir los journeys, atraer a los clientes a través de múltiples canales y momentos, y desarrollar relaciones e interacciones personalizadas. Es decir, construir una experiencia memorable.

Técnicos:

  • datos conectados
  • automatización y tecnología integrada
  • medición accionable

Humanos y organizacionales:

  • partnership estratégicos
  • Especialistas con habilidades técnicas
  • Equipos de trabajo ágiles con cultura de fallar rápido y barato

GMP y Google Cloud

Una vez que tenemos claro el contexto y la necesidad vamos a abordar la forma de hacerlo realidad. Y vamos a poner el ejemplo para ilustrarlo el modelo que estamos usando con Havaianas donde combinamos todas las fuentes de información con un fin de activación y de eficacia publicitaria.

Puedes aprovechar la potencia de machine learning e inteligencia artificial que corre bajo los servicios del motor de búsquedas de Google, Waymo, Google más y muchos otros.

  • Sistema abierto: puedes incorporar cualquier fuente de datos de cualquier sistema: publicidad, analytics, email marketing, CRM, datos transaccionales del ERP o de la pasarela de pago, incluso ventas offline y cualquier fuente a la que tengamos acceso y nos ayude a tomar mejores decisiones. BigQuery soporta integraciones con más de 300 fuentes de datos
  • Soporta datos de todo el journey: en cualquier fase que puedas recoger datos puedes integrarlo, transformalos y limpiarlos, analizarlos, visualizarlos de forma rápida y sencilla, y lo más importante activarlos para mejorar los resultados de las campañas.
  • Utiliza la potencia del machine learning de Google: es la misma tecnología que usa Google para su motor de búsqueda, o servicios como Google Maps y nosotros la utilizamos para podrás encontrar insights de los clientes y mejorar su experiencia. Por ejemplo conectamos el CRM y las transacciones con los datos de navegación para predecir el valor de un nuevo cliente

En el ejemplo de la arquitectura de datos en Google Cloud que estamos construyendo con Havaianas, integramos tanto datos publicitarios de GMP como first party que extraemos de diferentes fuentes de datos (como el CRM) para crear un CDP que nos ayude en tres líneas: 

  • hacer accesible el dato para facilitar la toma de decisiones
  • ser más eficaces a nivel publicitario con técnicas de automatización y machine learning
  • y, lo más importante, mejorar su rentabilidad.
Ejemplo de arquitectura de datos

Los pilares sobre los que vamos a crear ventajas competitivas son 3: entender a los clientes, crear mejores experiencias para ellos basado en ese conocimiento y predecir comportamientos futuros para optimizar las inversiones.

Caso de uso 1. Conocemos cómo se comporta el cliente

Es común que los usuarios entren motivados por un anuncio y acaben comprando otro producto diferente al que vieron. En el caso de Havaianas por ejemplo en familias con niños, donde la madre o el padre pueden entrar motivados por una imagen lifestyle para adultos y acaban comprando productos para los niños. A través de la combinación de las audiencias publicitarias, las creatividades y los datos transaccionales podemos utilizar la potencia de machine learning de Google para impactar a los usuarios con los productos adecuados, mejorar el ratio de conversión y mejorar el retorno. Os acordáis del tópico de que en los supermercados se vendían las cervezas con los pañales?

Caso de uso 2. Segmentación: crear audiencias a escala

Es fundamental automatizar la creación de audiencias según su comportamiento. La clave es que estas audiencias están integradas en las plataformas publicitarias para que cada uno le hagamos llegar el mensaje adecuado de forma automática. En nuestro caso combinamos la experiencia del equipo de estrategia para la creación de perfiles de buyer persona que tienen su paralelo en los clusters de datos que creamos en base al comportamiento. Un ejemplo básico es integrar en Big Query las audiencias de analytics que utilizan o navegan por secciones de promociones para crear un segmento publicitario con ellos con mensajes y promociones personalizadas.

Caso de uso 3. Predecir si los clientes van a comprar en el futuro.

Utilizamos modelos de propensión de compra para predecir las acciones futuras de un usuario. En estos modelos se examinan multitud de variables independientes para predecir acciones futuras como las compras. Con esta técnica creamos audiencias de clientes con gran probabilidad de compra, ajustando el bidding a su propensión, excluyendo los usuarios con baja propensión y reduciendo los costes de adquisición.

Caso de uso 4. Predecir el LTV para optimizar el cross-selling

El objetivo de los trabajos de modelado del Lifetime Value  es predecir que clientes tendrán el mayor valor a lo largo de su relación con la marca, no sólo en su primera compra o en compras aisladas. Cuando puedes identificar qué segmentos de tus clientes tendrán un mayor impacto a largo plazo en el negocio podrás balancear esfuerzos para mantener con ellos una relación especial. Ya sea a través del propio site, de los canales publicitarios o de marketing directo.

Al tener integrados en Big Query (un mismo punto) los datos del off y del on, podemos automatizar la creación de audiencias e integrarlas directamente con la plataformas de compra como DV360 o Search Ads. Haciendo uso de la inteligencia artificial de Google podemos segmentar a aquellos clientes que van a tener un mayor Lifetime Value, manteniendo la relación con ellos con acciones personalizadas como descuentos en su segunda compra.  . De esta forma incrementamos la frecuencia de compra, centrándonos sobre aquellos que tienen más probabilidad de repetir y optimizando nuestra inversión publicitaria.


En resumen.

Si integras tus datos y activas los aprendizajes con automatismos y machine learning vas a poder crear ventajas competitivas digitales. Esto es una bola de nieve que se retroalimenta a largo plazo y construye muros defensivos.

Los pasos para poder hacerlo bien son:

  1. Crea tu roadmap tecnológico y de datos
  2. Invierte en tu first party data
  3. Mueve los datos a BigQuery
  4. Utiliza el poder del machine learning en Google Cloud
  5. Utiliza esos aprendizajes en GMP
  6. Activa ese conocimiento

Está al alcance de la mano, solo necesitas apoyarte en el partner adecuado.

Conocer el grado de madurez digital es clave para poder trazar tu plan. A través de diferentes sesiones y workshops Apache nos ha guiado para identificar nuestro punto de partida y diseñar el plan. Además, la tecnología avanza muy rápido por lo que es importante contar con los partners adecuados. Te invito a descubrir en qué punto estás y qué impacto puede tener en tu cuenta de resultados que evolucionemos juntos.

A través de técnicas de design thinking nos gusta guiar a las marcas por su curva de madurez digital. Contáctanos y hagamos un workshop gratuito juntos para crear el roadmap de evolución y de creación de ventajas competitivas basadas en datos.

Contact