Durante la pandemia hemos sido testigos de un proceso de aceleración en el uso y capacidades digitales de los usuarios. Se ha escrito mucho sobre la adopción de nuevos canales y plataformas por el público, diciendo que se ha avanzado en sólo un año casi 10 de evolución digital. Pero hay una serie de comportamientos subyacentes que hay que tener en cuenta, ya que la digitalización de la sociedad no se puede medir solo en el uso de plataformas si no en las modificaciones de hábitos relacionados con el consumo.
Durante este periodo los usuarios han buscado la conexión con sus grupos de pertenencia y referencia a través de las redes y de las plataformas interactivas. Se han agregado en comunidades virtuales basadas en grupos de interés y han compartido más que nunca experiencias, opiniones y sentimientos relacionados con los temas del momento, pero también sobre las marcas y su relación con ellas. Tanto es así que estas opiniones de terceros se han convertido en el pilar más importante de los tres sobre los que se asienta una decisión de compra: lo que la marca dice de sí misma, la propia experiencia con dicha marca y lo que los demás dicen de la marca. Dependiendo de la experiencia de un usuario con un vertical o una marca, basculan esos tres factores siendo siempre las opiniones de terceros lo más importante si no hay una experiencia previa en el vertical, producto o marca. Por ejemplo, si nos estamos iniciando en un deporte, antes íbamos a una tienda especialista a pedir opinión a un dependiente y ahora hacemos nuestro research online que no finaliza hasta que la comunidad valida socialmente a través de sus opinadores que la decisión es correcta. Nos hemos convertido en compradores sociales sin darnos cuenta.
Este comportamiento de decisión de compra es un proceso irregular y circular. El usuario fluctúa entre el contenido que le gusta, la validación de terceros y la ejecución de la compra (lo que desde Google se define como el “Messy Middle”) y tiene varias derivadas que hay que atender desde los equipos de marketing.
Para tener una estrategia exitosa y rentable debemos conocer al cliente y estudiar su comportamiento. Por eso necesitamos agregar en un solo punto todos los datos (“Single source of truth”): datos publicitarios, datos de navegación, datos transaccionales y todos aquellos datos que seamos capaces de integrar y sobre los que aplicar modelos de aprendizaje automático e inteligencia artificial. En un mundo post cookies como en el que nos vamos a mover próximamente aún toma más relevancia este enfoque en el first party data.
En Apache por ejemplo, en 2021, la construcción y aplicación de datamarts de first party data en cloud sobre toda la cadena de valor (compra publicitaria, marketing automation, estrategias de contenido…) es uno de los proyectos que más estamos realizando y los anunciantes que cuentan con esta información son capaces de tomar decisiones basadas en el valor de sus usuarios, en sus gustos o en en la previsión de su valor futuro. Su aplicación sobre la compra publicitaria, elección de soportes y audiencias o en los journeys de marketing automation provocan que su retorno se dispare y consigan construir verdaderas ventajas competitivas digitales.
Por otro lado, hay que tener en cuenta estos cambios de comportamiento a la hora de analizar el ciclo de vida del cliente. Veníamos del anterior modelo AIDA (Atención > Interés > Deseo > Acción) en el que el ciclo de vida acaba con la compra o la repetición de compra. Los anunciantes que mantienen ese modelo están condenados al fracaso, ahora el ciclo de vida acaba cuando un cliente satisfecho te recomienda activamente y esta recomendación se convierte en el activador de nuevas ventas en el middle funnel. Sólo así se consigue un verdadero crecimiento rentable. Estamos viendo cómo las grandes marcas han conseguido grandes comunidades de recomendadores sobre las que apalancan su crecimiento, incluso entre aquellos públicos que no son clientes pero que comparten los valores de la marca: véase por ejemplo el caso de Tesla.
Analizando esta necesidad desde Apache hemos desarrollado una suite de Martech que permite a las marcas unificar estas fuentes de opiniones, mejorar la presencia en los listings, aplicar modelos de NLP para clasificarlas automáticamente, crear planes de acción, identificar los promotores de las marcas e incrementar tanto volumen como valoración media de sus clientes. Estas buenas valoraciones se integran estratégicamente en los puntos de contacto de la marca con el cliente: en Google Ads se muestran las estrellas de valoración cuando un usuario está buscando una marca o producto (incrementando hasta un 17% el CTR), se integran las opiniones en la landings (mejorando hasta un 13% la tasa de conversión) o afectan al posicionamiento SEO de la ficha de un negocio en Google My Business (muy relevante para poder capturar las búsquedas por voz que también se han visto incrementadas en esta época). ¡Todo está conectado y afecta al retorno de la inversión y la capacidad competitiva de las marcas!
Además, estamos siendo testigos de la concentración del consumo en los marketplaces, que no solo agregan producto si no opiniones. Amazon puede considerarse uno de los grandes competidores de Google porque gran parte de las búsquedas que antes se realizaban en Google ahora se realizan directamente en Amazon. Algunas de estas búsquedas son con una intención directa de compra, de validación de precio y otras son en busca de la validación social. El usuario busca un producto del que ha oído hablar, escanea descripción y acude directamente a las opiniones para verificar si lo que le han dicho está socialmente aceptado. Una nueva versión de este fenómeno ha evolucionado hacia el “Social Shopping”, en el que podemos acceder a productos y servicios directamente de las redes, de los stories o las publicaciones de marcas e influencers.
Esta tendencia solo demuestra que la influencia de los grupos de pertenencia a través de reviews y de grupos de referencia a través de los influencers son una palanca clave que condiciona las ventas y mejoran el retorno de las inversiones de marketing. Las marcas deben invertir en proyectos de datos para unificar todas las fuentes de información. Y, sólo analizando y aplicando modelos avanzados de machine learning e inteligencia artificial sobre esos datos, podremos construir planes de activación y audiencias con activadores eficaces. Ayudaremos al usuario a salir del “messy middle”, finalizar las transacciones y mejorar su experiencia de compra para convertirlos en recomendadores.
Hoy ya es la época en la que las marcas que construyan estas ventajas competitivas digitales basadas en su first party data liderarán sus industrias.
