Por Jaime Ortega
La predicción de abandono es un término que viene cobrando fuerza en la medida en que los sistemas de machine learning y deep learning adquieren notoriedad en los negocios. Claro, si la inteligencia artificial nos promete predecir comportamientos de nuestros clientes y usuarios, sería ideal saber si entre esos comportamientos está un potencial abandono.
Y esto es justamente un caso de uso que está cobrando popularidad. ¿Por qué? Un estudio de Harvard Business Review encuentra que, dependiendo de la industria donde te encuentres, adquirir nuevos clientes es de 5 a 25 veces más caro que retener a los que ya tienes. No es una cifra disparatada. Al menos yo le encuentro mucha lógica, pues regularmente debes destinar gente, dinero y tiempo para encontrar nuevos prospectos. Sería mejor mantener felices a los que ya tienes.
Pero los clientes no siempre están contentos contigo, ya sea porque la inflación te obligó a subir los precios o simplemente porque encontraron que algún agente de servicio al cliente no fue tan cordial como esperaban.
En cualquier caso, lo que los modernos sistemas de inteligencia artificial nos enseñan es a predecir una serie de comportamientos que pueden indicarnos que alguno de nuestros consumidores está a punto de dejarnos.
Las técnicas de modelado de predicción de abandono intentan comprender los comportamientos y características que muestran los clientes, el riesgo de que se vayan y el tiempo en el que podría suceder esto.
Por ejemplo, con esta información, el equipo comercial podría saber si la frecuencia de compra de ciertos clientes ha disminuido en x periodo, lo que podría mostrar signos de que están comprando productos de la competencia.
Síguenos en Google Noticias para mantenerte siempre informado
Con esta información, el equipo comercial puede diseñar estrategias de promociones, descuentos, mails personalizados con ofertas exclusivas y una serie de acciones orientadas, en primer lugar, a retener a los clientes, para luego implementar estrategias de cross-selling y up selling.
Desde luego, no es una tarea sencilla. Quizá la parte más complicada sea obtener los datos que alimentarán el modelo, pues una empresa debe estar segura de que tiene información confiable y actualizada sobre sus usuarios. Si la información no tiene estas características, es muy probable que el modelo no arroje predicciones precisas y cualquier esfuerzo de retener a los clientes podría ser estéril.
Por el contrario, la limpieza de los datos y un modelo adecuado podría indicarnos el porcentaje de riesgo de abandono que hay en cada segmento de tus canales de venta, lo que podría ayudarte a disparar estrategias escalonadas -priorizando, por ejemplo, aquellos que tienen un riesgo mayor a 80% y descartando a los que estén en un rango menor a 25%-.
El retorno de inversión no solo está en la retención de los clientes, sino en un potencial incremento de ventas como resultado de las estrategias comerciales que dispare tu negocio con base en las recomendaciones del modelo.
Crear una prueba de concepto o un proyecto piloto en un canal de venta, con clientes de ciertos segmentos, es un buen camino para medir el potencial de una solución de este tipo.
Como ves la inteligencia artificial está dando una nueva dimensión hacia la analítica comercial avanzada. Úsala a tu favor.
Contacto:
El autor es socio de Exertus Consulting Group, consultora enfocada en soluciones comerciales, operativas y tecnológicas con impacto estratégico y económico para las empresas.
Mail: [email protected]
LinkedIn: Jaime Ortega (https://www.linkedin.com/in/jaime-ortega-consuegra/)
Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes México.
