Integrar el análisis predictivo de la segmentación del cliente a las aplicaciones de la empresa.

Métodos para el uso de la empresa

La segmentación del cliente es un excelente primer paso para introducir al personal técnico en el análisis predictivo. Mediante el uso de software de venta comercial y bases de datos transaccionales existentes, las compañías pueden generar modelos de segmentación rápidamente que forman la base para optimizar las ventas y los procesos de marketing como así también brindar los cimientos para otros análisis predictivos. Aun así, integrar los resultados estadísticos al proceso de empresa puede ser difícil. Este artículo brinda una guía y procesos progresivos para implementar el modelo de segmentación a los usuarios de empresa.

David Gillman, Director de servicios, Data Sooner

David GillmanDavid Gillman ha trabajado en áreas de inteligencia de negocio, búsqueda de minería de datos y análisis predictivo por 20 años. Cuenta con formación académica en matemática aplicada, optimización y análisis estadístico con particular énfasis en su aplicación a actividades comerciales. Cuenta con experiencia práctica en la mejora de las operaciones empresariales mediante análisis aplicado en industrias de distribución, manufactura y hospitalidad con organizaciones de varios tamaños. Es posible ponerse en contacto con David en gillman@datasooner.com.



19-11-2012

El análisis predictivo y sus apuntalamientos estadísticos han sido usados en las ciencias y la academia por décadas. Si observas atentamente, también encontrarás procesos de análisis similares en economía. Hasta hace poco tiempo, el uso comercial del análisis predictivo se limitaba a pruebas farmacéuticas (investigación científica) y proyectos de marketing para compañías enormes.

Con la introducción de procesamientos más rápidos y software más fácil de usar, la popularidad de los usos comerciales del análisis predictivo están disparándose más allá de lo tradicional. Los incrementos masivos en los volúmenes de datos provenientes tanto de sistemas de datos estructurados como no estructurados indican que la necesidad de búsqueda de minería de datos y análisis predictivo está disparándose.

La segmentación del cliente es un área del análisis predictivo que es útil para cualquier organización. Evidentemente, conocer a sus clientes es importante. Los sistemas de gestión de relaciones con los clientes (CRM) desempeñan las tareas de monitoreo de actividades, coordinación de recursos y generalmente mantienen a su empresa al día con sus procesos de ventas. Va más allá del seguimiento y las transacciones para ganar perspectiva en el área de análisis predictivo. Mientras avanza el procesamiento y el software, el análisis predictivo va encontrando su rumbo en más actividades relacionadas con CRM. Fundamentalmente, la segmentación y la agrupación de clientes similares permiten muchos otros procesos de análisis. Pocos procesos más avanzados funcionarán eficientemente hasta que usted divida lógicamente a sus clientes en grupos entendibles. (Nota al margen: Algunos de estos procesos más avanzados pueden incluir la predicción de tasas de realización de nuevos pedidos, temporadas por tipo de cliente, gestión del ciclo de vida del cliente, marketing de captación e iniciativas de ventas cruzadas y totales).

Hace unos pocos años, la idea de que una empresa use millones de transacciones en sus archivos de historial y decenas de características del cliente para crear predicciones basadas en estadísticas acerca del futuro de la empresa se encontraba limitada a empresas grandes o muy grandes. Ahora, los cambios en el panorama tecnológico lograron que los procesos de análisis predictivo tengan un precio tan bueno que las compañías medianas y pequeñas puedan analizar sus datos y desplegar modelos predictivos. En el futuro, mientras más datos no estructurados ingresen a la empresa, conceptos como el de grandes datos avanzarán hasta las medianas y pequeñas empresas igual que lo están haciendo ahora en las grandes empresas.

El análisis predictivo es información procesable

Análisis predictivo es el uso del análisis estadístico para los datos. El resultado de esto es la perspectiva acerca del conjunto de datos como así también predicciones o guías sobre las futuras actividades. En términos realistas, son estadísticas que van más allá del tipo de estadística con la que la mayoría de las personas están familiarizadas: el promedio o la media. Cuando toda la teoría se pone a prueba es cuando se despliega la perspectiva que se ha obtenido (estadísticas descriptivas) en una forma comprensible para el empresario común y que sea procesable dentro del proceso de empresa.


El análisis predictivo no es una presentación de informes

Una presentación de informes de los datos históricos puede tomar muchas formas y brindar las bases para hacer inferencias sobre las futuras actividades. Sin embargo, si les muestra ese mismo informe a distintas personas, estas pueden darle interpretaciones diferentes. El análisis predictivo elimina el factor de la intuición humana — o al menos brinda cimientos sólidos de hechos para que el vendedor o agente de comercialización tome decisiones más informadas acerca de los eventos futuros.

Con esto dicho, la respuesta no es ni más capacitación ni más experiencia. Suena obvio, pero el volumen de datos está en aumento y no hay ninguna señal de que se comiencen a recolectar menos datos en un futuro. Los analistas tendrán un problema similar que irá en aumento, el de mantenerse al día con los volúmenes de datos y con el aumento en la variedad de los datos que ingresan. Por este motivo es necesario aplicar procesos de análisis de datos automáticos.


Grupos de clientes: el núcleo de la segmentación

Igual que con el proceso de análisis predictivo, hay varias metodologías y algoritmos disponibles para la segmentación de los clientes. Algunas de las categorías más comunes incluyen soporte de máquinas de vectores, algoritmos de agrupación en clúster de varios tipos y redes neurales. Hay muchos otros lugares para aprender acerca de qué técnicas son mejores en diferentes situaciones y muchos practicantes tienen sus propias preferencias. El punto de este artículo no es juzgar los méritos matemáticos de las técnicas sino más bien guiarlo a usted en la manera de integrar los resultados de los procesos de la modelización de la segmentación a las aplicaciones de línea de negocios (LOB).

IBM® SPSS® Statistics incluye varias de las técnicas estadísticas disponibles que mencionamos antes. La Ilustración 1 muestra algunas de las opciones disponibles que están incorporadas a SPSS Statistics como comandos de menú.

Figura 1. El submenú de clasificación estándar en SPSS Statistics.
The standard classification submenu in SPSS Statistics

La ilustración 2 muestra que SPSS Statistics incluso ha organizado algunos de los procesos en un menú especial que incluye segmentación del cliente con un solo clic.

Figura 2. El menú pop-up para la opción Marketing Directo
The pop-up menu for the Direct Marketing option

Los resultados de estos procesos analíticos varían. Todas las tablas producidas brindan la definición de cada grupo y estas tablas presentan valores de la media usando todas las variables de entrada relevantes. Las tablas presentan el intervalo de valores para cada variable para cada grupo — información que es vital para integrar de forma programática los modelos de agrupación en clúster a las aplicaciones LOB. Sin embargo, por sí solas, las tablas y números son difíciles de interpretar para los técnicos. Y son virtualmente ininteligibles para el empresario común.

Afortunadamente, la mayor parte de los resultados del modelo incluyen gráficos y algunos muestran un árbol de decisión. Resalto ambos tipos de resultados gráficos porque estos representan la base para comprender qué dice el proceso de modelización.

Los gráficos de agrupación en clúster muestran rápidamente la agrupación de los clientes. Obviamente, usted puede incluir un número de variables limitadas en el gráfico. Muchas veces, es necesario ver varios gráficos que usen diferentes combinaciones de variables para detectar correctamente cómo están siendo divididos los clientes.

La mayoría de los algoritmos normalizan en grupos a las variables. Si usted no está familiarizado con los conceptos de normalización de variables, Wikipedia ofrece más información (consulte Recursos). Mantenga esta información en mente cuando interprete los gráficos y especialmente cuando le explique los modelos a los empresarios.

El otro resultado gráfico que menciono es el árbol de decisión— un cuadro de lógica que se usa para ir desde lo general a lo específico usando pruebas en cada ramificación para llegar eventualmente al nodo final. En este caso, el nodo final es la membresía en un segmento específico.


La empresa usa modelos de segmentación

Sus empresarios probablemente ya hayan realizado algún tipo de modelo de segmentación. Incluso puede haber varios. Es natural para las personas el querer agrupar "cosas" en categorías, ya que al hacerlo la interpretación se facilita.

El problema de la mayoría de los empresarios es que probablemente haya varios modelos de segmentación trabajando al mismo tiempo. Cada uno de ellos se aplica a departamentos diferentes y a diferentes personas dentro de los departamentos y la forma en la que se los usa va variando con el correr del tiempo. Esto representa un gran desorden.

Al liderar un proyecto de modelización de segmentación, es posible crear acuerdos en toda la organización. Prevendrá los conflictos interdepartamentales y podrá codificar un modelo de segmentación que tenga cimientos sólidos para todos. Según mi experiencia, hay dos departamentos en la mayoría de las organizaciones comerciales que usan segmentación del cliente: marketing y ventas.

Marketing

A la mayoría de los representantes de marketing les encanta agrupar a los clientes. La misma palabra marketing implica que hay un mercado o grupo de clientes potenciales. Sin embargo, hay un viejo adagio: "La mitad de los dólares de marketing se desperdician. Desafortunadamente, nadie sabe qué mitad". La captación más eficiente reduce los costos de marketing y al mismo tiempo aumenta el impacto. Tener un modelo de segmentación consistente es un buen primer paso para empezar a reducir la cantidad de dinero que se desperdicia.

Un modelo de segmentación del cliente funciona para el departamento de marketing de muchas formas. Entre los usos genéricos está el enfoque de la campaña en clientes que muy probablemente van a responder, no tratar de captar clientes con campañas irrelevantes, diseñar los productos para segmentos específicos y la penetración en nuevos mercados. Aquí, el efecto es la reducción de los gastos, la obtención de más pedidos para gasto de dólares y no desperdiciar dinero en corazonadas.

Ventas

Los departamentos de ventas también usan modelos de segmentación. El uso que hacen estos departamentos puede ser más informal y disperso entre representantes de ventas particulares, pero los efectos de su uso son dramáticos.

Un buen modelo de segmentación ayuda a los representantes de ventas a hacer ventas cruzadas. La historia de pedidos de los clientes en el mismo segmento puede ser usada para realizar ventas cruzadas u otros clientes similares. Al fin y al cabo, hay más posibilidades de que los clientes similares realicen pedidos de productos similares.

Algunos modelos de segmentación desglosan el ciclo de vida del cliente. Los representantes de ventas son capaces de detectar señales que indiquen que los clientes están a punto de partir y los procesos de ventas deben ser diseñados para retener a los clientes por más tiempo y preservar las relaciones con el cliente. De manera similar, los patrones de pedido de los nuevos clientes pueden llegar a imitar los patrones de los clientes a largo plazo más rápidamente.


Interactuar con los modelos de segmentación

Luego de que el modelo de segmentación esté construido, existen varios niveles en los que las personas y los procesos empresariales pueden interactuar con el segmento.

El nivel de presentación

Incluso si cuenta con la mejor matemática de modelización y la mejor preparación en buenos datos fenomenológicos, es necesario "venderle" el modelo a los usuarios de su empresa. Para lograr ese fin, es necesario presentar los procesos de modelización y los resultados finales en una reunión.

Antes mencioné que SPSS Statistics muestra cuadros y gráficos de los modelos de segmentación. Los necesitará. De hecho, probablemente necesite varios y tendrán que ser simples. Proyecte un diagrama de árbol de decisiones o al menos un ejemplo de una de las ramas de un árbol grande. Estos gráficos lo ayudarán a comunicar el modelo.

Sin embargo, recomendamos no minimizar la información de respaldo. Alguna de las personas del personal empresarial, aunque no sepa quién exactamente, recordará las estadísticas. Estas personas querrán ver la metodología usada para crear el modelo de segmentación. Quizá no la entiendan completamente pero querrán ver la fundamentación. (En el mundo real, usted contará con un comité que le recomendará incluir a empresarios clave. Sin embargo, otros necesitarán comprar la idea de la calidad del modelo antes de adaptar los procesos empresariales a los resultados).

En este nivel, SPSS Statistics puede ser su aliado y muchas opciones de documentación están disponibles para brindar la fundamentación. También es una buena idea incluir una sección que trate sobre las matemáticas que ha usado. Quizá no lo cuestionen, pero es una buena idea adelantarse a las preguntas con información que puedan leer.

El nivel de hoja de cálculo

En una hoja de cálculo, muestre cómo funciona su modelo durante la adopción del proceso. Antes de que sus empresarios estén realmente cómodos con sus modelos de segmentación y las predicciones que estos arrojan, el modelo tiene que implementarse en una hoja de cálculo.

Muchas veces las grandes empresas pueden saltearse este paso porque las personas que trabajan en el área LOB tienen que seguir los procedimientos al pie de la letra por decreto. Simplemente así es como funciona la burocracia de las grandes empresas. Sin embargo, he encontrado muy útil desplegar una interfaz de hoja de cálculo del modelo para mejorar mi propio nivel de comodidad y el nivel de comodidad de los ejecutivos. En medianas empresas, necesitará que los modelos de hoja de cálculo brinden ese mismo nivel de comodidad a los empresarios en sus hojas de cálculo familiares antes del despliegue en la planificación de recursos de la empresa (ERP) y aplicaciones CRM.

La forma más fácil de ejecutar este paso es comenzar con una hoja de cálculo que contenga a los clientes potenciales o clientes actuales. Cada cliente potencial o actual representa una línea y los valores de las columnas son las características que es necesario que el modelo clasifique. SPSS Statistics clasifica a cada cliente potencial que se encuentre en la hoja de cálculo y lo compara con el modelo, y da como resultado un segmento de membresía para cada cliente potencial.

El nivel de integración ERP y CRM

El santo grial de la implementación para cualquier sistema predictivo es su integración en los procesos empresariales. Para la mayoría de las empresas, esto significa la colocación de la perspectiva y las predicciones específicas en las aplicaciones ERP y CRM.

Los modelos de segmentación del cliente que ya han pasado por los dos niveles previos de evaluación están listos para integrarse. Los empresarios ya han comprado la idea. Ellos los han validado a nivel hoja de cálculo. Luego lo modelos pueden ser integrados programáticamente a las pantallas de información del cliente, pantallas de entrada de pedidos y sistemas CRM y pueden ser usados para crear recomendaciones de ventas cruzadas entre otros usos.

Dependiendo de cómo desee usar el modelo, hay muchas formas de que las aplicaciones interactúen con el modelo de segmentación. Primero, el modelo puede ser consultado directamente. Si ha planteado el modelo usando el concepto de árbol de decisión, puede crear consultas complejas pero rápidas que cumplan con los criterios para la membresía en la segmentación dentro de la consulta. Solo imagine una sola consulta que busca a un cliente o a un cliente potencial, toma algunos campos para la base de datos para ese cliente o cliente potencial y luego lleva a cabo lo que es esencialmente una gran declaración IF para dar como resultado el segmento o el grupo al que pertenecería ese cliente.

Otra de las formas sería hacer una consulta comparada con el modelo como se hizo en el nivel de hoja de cálculo que mencionamos antes. IBM SPSS Modeler soporta consultas comparadas con el modelo existente hechas en vivo. Envíe los valores relevantes de base de datos para un cliente o cliente potencial a SPSS Modeler y le dará como resultado una clasificación.

Una tercera forma puede ser clasificar a todos los clientes y los clientes potenciales en un proceso por lotes. Luego de hacer esto se colocan esos resultados como columnas dentro del archivo de datos del cliente dentro de la aplicación ERP o CRM. Esto puede parecer un método menos elegante. Después de todo, no se hace en tiempo real y no involucra consultas y programas integrados. En realidad, las personas que no estén familiarizadas con la realización de consultas a los modelos predictivos pueden usar los archivos de datos para otros fines. Las clases de segmentación se vuelven un campo más en la base de datos a la que puede accederse y a la que se puede consultar con otros fines que no solo sean la fomentación de la experimentación y del uso.

La desventaja es que existe una cierta demora. La membresía de segmentación puede cambiar antes de que sea posible actualizar el archivo de base de datos. Es necesario que usted o alguna otra persona con acceso a SPSS Statistics califique a los nuevos clientes potenciales. Cualquiera sea la forma que elijas para integrar el modelo de segmentación, habrás entretejido con éxito al análisis predictivo en el tejido de las operaciones de tu empresa.


Las herramientas IBM traen resultados

Ya he mencionado SPSS Statistics. Este es el punto de inicio del análisis. Usar esta herramienta requiere que revise los materiales estadísticos que estudiaba en la Universidad. Afortunadamente, la segmentación es un área de la estadística que es bastante fácil de entender.

Cuando pase a la producción y esté usando alguno de los niveles de integración a los que hicimos referencia en la sección anterior, es necesario que el SPSS Modeler esté ejecutándose en un servidor para que puedan realizarse búsquedas en su modelo de segmentación. El SPSS Modeler es el producto clave para realizar la clasificación de los nuevos clientes potenciales y de los clientes en tiempo real. Es una aplicación de servidor que responde a la entrada de variables y luego da como resultado la clasificación en tiempo real. (Consulte los Recursos).


Grandes datos en el futuro

La mayoría de las compañías (especialmente las organizaciones pequeñas o medianas) no recolectan muchos datos que hoy entren en la categoría de grandes datos, esto sin contar a las organizaciones de marketing que hacen el seguimiento de la navegación en el sitio web. Sin embargo, esto está cambiando rápidamente. Los nuevos elementos de datos que están ingresando entran definitivamente en la categoría grandes datos.

En el futuro, los vendedores podrán seguir a clientes individuales a través de las tiendas. Los fabricantes van a poder realizar el seguimiento del uso del producto que hace el cliente. Estos y otros tipos de datos ingresan al centro de datos como datos no estructurados o semiestructurados. Hay mucho que analizar manualmente. No cabe duda de que estas características suenan a grandes datos.

No menciono el concepto grandes datos para asustar a nadie: Es posible experimentar con grandes datos usando IBM InfoSphere® BigInsights™. Puede usar InfoSphere BigInsights Basic Edition tanto como una descarga sin cargo o en el SmartCloud™ de IBM. Usarlo es una muy buena forma de explorar grandes datos usando elementos de datos actuales y luego puede integrar datos futuros adicionales.

Llámelo presagiar: Las habilidades y técnicas que aprenda hoy sobre los análisis predictivos tienen un lugar en el futuro de los grandes datos.


Conclusión

La mayor parte de los tipos de empresas necesitan segmentar a sus clientes para lograr una comprensión uniforme de todos los departamentos. Las historias de éxito abundan en ventas, distribución, cuidado de la salud, gobierno y en cada tipo de empresa que conduce transacciones por Internet. Para lograr un impacto en los procesos empresariales, la segmentación debe colocarse en los procesos empresariales para que así los usuarios de la empresa puedan actuar de acuerdo a la información.

El análisis de la segmentación del cliente incluye estadísticas comunes, fáciles de comprender y de las que es fácil hablar con los empresarios. Es un estupendo primer paso hacia el campo del análisis predictivo.

Recursos

Aprender

Obtener los productos y tecnologías

  • InfoSphere BigInsights Basic Edition es una descarga integrada, probada, pre configurada y sin cargo para cualquiera que quiera experimentar con Hadoop. También es posible usar este producto en la nube.
  • Evalúe más productos IBM de la forma que más prefiera: Descargue la prueba del producto, pruebe el producto online, use el producto en el entorno de la nube o pase unas pocas horas en SOA Sandbox aprendiendo cómo implementar arquitectura eficaz orientadas a servicios.

Comentar

  • Participe de la comunidad developerWorks. Conéctese con otros usuarios de developerWorks mientras explora los blogs conducidos por desarrolladores, foros, grupos y wikis.

Comentarios

developerWorks: Ingrese

Los campos obligatorios están marcados con un asterisco (*).


¿Necesita un IBM ID?
¿Olvidó su IBM ID?


¿Olvidó su Password?
Cambie su Password

Al hacer clic en Enviar, usted está de acuerdo con los términos y condiciones de developerWorks.

 


La primera vez que inicie sesión en developerWorks, se creará un perfil para usted. La información en su propio perfil (nombre, país/región y nombre de la empresa) se muestra al público y acompañará a cualquier contenido que publique, a menos que opte por la opción de ocultar el nombre de su empresa. Puede actualizar su cuenta de IBM en cualquier momento.

Toda la información enviada es segura.

Elija su nombre para mostrar



La primera vez que inicia sesión en developerWorks se crea un perfil para usted, teniendo que elegir un nombre para mostrar en el mismo. Este nombre acompañará el contenido que usted publique en developerWorks.

Por favor elija un nombre de 3 - 31 caracteres. Su nombre de usuario debe ser único en la comunidad developerWorks y debe ser distinto a su dirección de email por motivos de privacidad.

Los campos obligatorios están marcados con un asterisco (*).

(Por favor elija un nombre de 3 - 31 caracteres.)

Al hacer clic en Enviar, usted está de acuerdo con los términos y condiciones de developerWorks.

 


Toda la información enviada es segura.


static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=90
Zone=Business analytics, Information mgmt, Industries
ArticleID=846217
ArticleTitle=Integrar el análisis predictivo de la segmentación del cliente a las aplicaciones de la empresa.
publish-date=11192012