El Customer journey analytics está en auge porque ofrece la ventaja de situar al cliente en un contexto de “recorrido”, que fotografía y esboza el proceso de interacción entre el consumidor y la empresa o la marca, que culmina en la compra.
Por tanto, permite la visualización y el análisis de datos en secuencia y a través de una amplia variedad de canales, para mejorar el viaje del cliente mediante el análisis de datos y la ciencia de datos. Datos que, por tanto, proceden de múltiples fuentes. He aquí qué es, cómo funciona y qué herramientas utiliza.
Índice de temas
Qué es el Customer journey analytics y cómo funciona
El Customer journey analytics es el análisis de los datos del “recorrido del cliente”, es decir, el proceso de interacción entre el consumidor y la empresa, haciendo un seguimiento de todas las interacciones directas (entre la empresa, la marca, el producto o el servicio) e indirectas (comentarios, opiniones y reseñas de terceros en blogs, redes sociales, sitios web y aplicaciones). Incluidos los datos de los sistemas de punto de venta, los centros de llamadas y las propiedades en línea, integrados en los informes en una visión unificada y combinada.
Este viaje, que comienza con la necesidad (o el deseo) de un producto o servicio, termina con la compra. El viaje, en línea y fuera de línea, serpentea a través de varias etapas conocidas como puntos de contacto.
La evolución del consumidor y de los puntos de contacto ha producido finalmente la evolución del viaje del cliente, desde la concienciación (el conocimiento) a la familiaridad (el producto se hace familiar, por lo tanto reconocible en la gama de productos ofrecidos), a la consideración (la elección entre muchos), la compra (la transformación de la necesidad/deseo en una compra) y la confianza (con los servicios posventa que fidelizan al cliente).
El Customer journey analytics permite analizar en tiempo real los datos en línea y fuera de línea, mediante perfiles de privacidad adecuados y el acceso a los datos por parte de los equipos de toda la organización.
Ventajas del Customer journey analytics para la experiencia del cliente
Al unificar los datos de todos los canales, tanto on como offline, el Customer journey analytics aglutina los datos. Dado que sigue a los clientes en tiempo real a medida que pasan de los canales en línea a la tienda, el centro de atención telefónica y otros puntos de contacto, la experiencia del cliente mejora considerablemente.
El análisis de los datos en todos los puntos de contacto mejora la experiencia del cliente, haciéndola más fluida, inmediata y gratificante. De hecho, las empresas recopilan datos de los distintos canales, extrayendo de ellos información relevante sobre todo el recorrido del cliente, para analizar el impacto de cada punto de contacto, con el fin de perfeccionar los procesos y optimizar las ofertas en función de la información recibida.
Como ya escribió McKinsey en 2009, el consumidor ya no es pasivo: en comparación con el mercado, ha aumentado su nivel de conciencia y la pluralidad de herramientas que posee le permite hacer su elección de la forma más informada y consciente. Pero respetando su intimidad y sus derechos como consumidor.
Cómo mejorar el recorrido del cliente con el análisis de datos
Las experiencias omnicanal están centradas en el cliente por definición. El análisis de datos unifica los datos de todos los canales (on y offline) y visualiza todo el recorrido del cliente. También aplica la IA (inteligencia artificial) para optimizar la segmentación y la atribución, ayudando a identificar las relaciones causales entre las interacciones de los clientes y a detectar anomalías, lo que permite una intervención rápida para evitar los impactos negativos de las anomalías. También hace que todos los conocimientos sean accesibles para la empresa y la organización.
Dado que ayuda a ponderar las métricas y a considerar planes de acción para mejorar o generar crecimiento empresarial, el análisis de datos permite perfeccionar el recorrido del cliente.
Las métricas clave del Customer journey analytics
El análisis de datos del recorrido del cliente utiliza dimensiones y métricas en las que se centran los conjuntos de datos. Los conjuntos de datos tienen un número ilimitado de dimensiones y métricas únicas:
tasas de respuesta;
visitas al sitio;
longitud de desplazamiento por la página;
tasa de conversión;
costes por conversión
facturación de nuevos clientes;
Valor de vida del cliente (CLV);
Tasa de retención;
Tasa de abandono;
Satisfacción del cliente;
Tasa de devolución;
Compromiso del usuario;
Compras dentro de la aplicación;
Net Promoter Score (NPS);
Puntuación del esfuerzo del cliente (CES);
Análisis de la voz del cliente (VOC).
El Customer journey analytics puede ayudar a identificar perspectivas específicas del canal para mejorar la experiencia del cliente. Por ejemplo, puede ayudar a descubrir que los usuarios de una aplicación abandonan el sitio a un ritmo mayor que los del sitio web. Un hallazgo que ayuda a replantearse ciertas partes de la experiencia móvil.
Ejemplos de éxito
Leeds Building Society (LBS) utilizó el Customer journey analytics y consiguió aumentar las tasas de conversión en un 40% en las páginas de productos, con picos del 80% en algunas en concreto.
SpecialGomme eCommerce afirma haber aumentado su tasa de conversión en un 115% en un año, además de reducir el coste por clic convertido.
Otro caso de éxito es el del banco Alterian.
Customer journey analytics para la retención de clientes
Las principales etapas del recorrido circular del cliente son la consideración, la evaluación, la compra y la poscompra. Normalmente, el embudo de decisión tiene cinco etapas, todas las cuales conducen a un mayor compromiso, una mayor satisfacción y más conversiones.
Según Philip Kotler, catedrático de marketing internacional de la Universidad Northwestern de Evanston, para fidelizar a un cliente hay que seguir las 5 A de su recorrido: conocer, apelar, preguntar, actuar, defender. Con la quinta A, el cliente fidelizado está listo para convertirse en el mejor testimonio, activo a través de las reseñas en línea o el boca a boca.
La fase posventa facilita la fidelización del cliente/consumidor a la marca.
Herramientas y plataformas para gestionar el Customer journey analytics
Las herramientas y plataformas para gestionar la analítica del recorrido del cliente son: Twilio, Qlik, Adobe Experience Platform, Insider, Contentsquare, Glassbox, HubSpot Marketing Hub, Quantum Metric, Mo Engage, Emarsys, Optimove, TotangoPega Platform.
Deben permitir situar al cliente en un contexto de recorrido del cliente, poniendo los conocimientos a disposición de todos, explotando el potencial de la ciencia de datos por parte de los analistas.
Por ejemplo, Adobe Experience Platform permite la visualización y la interacción con conjuntos de datos a través de herramientas de elaboración de informes bajo demanda.
Las herramientas de consulta, extracción, transformación y carga permiten un mayor control sobre la manipulación de los datos.
Privacidad y seguridad en el uso del Customer journey analytics
Las mejores plataformas de Customer journey analytics dan prioridad a la privacidad y la seguridad.
Los usuarios que tienen acceso a una visualización de datos sólo pueden trabajar con las métricas y dimensiones que el administrador ha incluido en esta visualización de datos. Los administradores pueden utilizar la funcionalidad de inclusión/exclusión en las visualizaciones de datos, por ejemplo, para excluir determinados valores de dimensión de una visualización de datos.
En sanidad, se puede crear una métrica de hipertensión en una visualización de datos. La métrica permitiría ver el valor agregado de esta métrica, pero no los pacientes asociados a ella.
Tendencias futuras en el Customer journey analytics
En el futuro, la automatización, el uso de la inteligencia artificial (IA) y la personalización se llevarán la palma. La personalización permite un control total de los datos y las definiciones. Cada vez está más de moda la analítica en tiempo real.
La analítica del recorrido del cliente aplica la IA para segmentar y atribuir mejor, facilitando la identificación de relaciones causales entre las interacciones de los clientes. También ayuda a detectar anomalías con mayor eficacia, lo que permite intervenir rápidamente en los eventos anómalos que podrían afectar al negocio. Mejora la ponderación de las métricas, evaluando los planes de acción que pueden perfeccionar o producir un crecimiento significativo.
Prohibida su reproducción total o parcial.