La omnicanalidad está a la orden del día. Y mientras el viaje del consumidor es cada vez más complejo, los especialistas de marketing analizan el cambiante comportamiento del cliente y utilizan la tecnología para adaptarse a él. El consumidor se ha vuelto agnóstico en cuanto al canal de adquisición y lo único que busca es tener una experiencia de compra única que permita satisfacer sus necesidades, independientemente de si lo hace a través de una tienda física o en un e-commerce.
A medida que las empresas se ajustan a esta ineludible transformación digital, el first party data, (datos de primera parte/datos propietarios) , toma cada vez más peso para solventar los problemas que van surgiendo. Llegar a la audiencia correcta es y será uno de los principales objetivos del marketing, y es precisamente el análisis de los datos a través de machine learning, lo que permite acceder a la información más valiosa a día de hoy: qué le gusta, interesa y/o preocupa a los consumidores.
La complejidad del procesamiento de datos
La omnicanalidad comienza a ser el modo natural en el que el consumidor opera, sin embargo, para las empresas puede suponer un problema a la hora de procesar los datos. La importancia del first party data es innegable, pero cuando estos datos tienen origen en distintos canales su procesamiento se complica. Es aquí donde Google Cloud aparece como la herramienta perfecta para la consolidación de estos datos, y por lo tanto, para la extracción de información valiosa.
Cuando van de la mano, los datos y la tecnología pueden ayudar a las empresas a enfrentarse a este reto, facilitando el procesamiento del first party data y pudiendo extraer así insights más útiles. Con esta alianza las empresas pueden conocer mejor a su audiencia y mejorar el rendimiento de sus acciones de marketing. Gracias a la aplicación de la tecnología de Google Cloud, Carrefour ha conseguido una escucha activa de los consumidores mediante la generación de una infraestructura de datos client-centric.
Por otro lado, existen casos en los que garantizar una atención al cliente excelente tanto en offline como en online puede resultar complejo. La omnicanalidad expone un panorama complejo para las marcas y deja evidente la mayor exigencia por parte del consumidor. Una vez más, conocer a la audiencia es la clave. En el caso de Carrefour, se centralizó toda esa información gracias a la combinación de las tecnologías Google Cloud con Google Marketing Platform. Todo ello les ha permitido generar un conocimiento 360º de los clientes que es la base para la generación de experiencias de usuario personalizadas.
La importancia de generar una experiencia de compra única
Además de esta complejidad a la hora de poner en común los datos, es momento de dejar atrás la segmentación demográfica y comenzar a crear clusters en base a necesidades.
Una vez que se dispone de este conocimiento profundo de la base de clientes, gracias a los datos propietarios combinados con la tecnología de Google Marketing Platform, se pueden crear experiencias de compra personalizadas que permiten crear un alto engagement de los clientes, así como incrementar la rentabilidad de las acciones de Marketing.
A la vez, la utilización de algoritmos de Machine Learning para agrupar a los clientes en función de patrones similares, Carrefour, junto a su partner Merkle, consiguió generar mensajes y ofertas personalizadas .
La tecnología como herramienta para enfrentarse a un sector limitado
En otras ocasiones, la tecnología es la clave para superar desafíos que surgen de la propia naturaleza del sector. Esto es lo que le ocurrió a Luckia, empresa española dedicada al juego online. Este sector se caracteriza por ser muy competitivo y por operar bajo una regulación exhaustiva, además de por tener usuarios con poca lealtad y alta probabilidad de cambiar de marca. A esto se le suman las limitaciones de la política de Google respecto a las audiencias y estrategias de remarketing para clientes de juegos de apuestas.
Como resultado, Luckia se enfrentaba a un aumento de los costes - tanto de medios como de captación - y necesitaba una alternativa para lograr la eficiencia. Para conseguirlo, Performics, agencia de medios de Publicis Groupe, propuso a Luckia una estrategia basada en crear conversiones ponderadas en Search Ads 360 para los clientes potenciales que califican para la búsqueda, con el fin de recopilar primero el volumen suficiente para usar el aprendizaje automático y, luego, implementar estrategias de oferta más eficientes. Este enfoque contribuyó a reducir los costes de captación, forzando además al algoritmo de Google a excluir de manera natural a los usuarios y clientes, lo que impactó muy positivamente en los resultados.
El planteamiento de Performics cumplió con los objetivos y la confianza de Luckia se ve recompensada, ya que consigue incrementos del 185 % en FTD (First Time Deposit). Esta mejora permite la implementación de una estrategia de oferta de CPA más efectiva, que reduce el CPA en un 19,5 % y aumenta el CR en un 5 %.
La importancia de la correcta optimización de las pujas
Pero no solo eso, los datos tienen un gran valor en las estrategias de puja. En el caso de Carrefour, su optimización tradicional no tenía en cuenta los CLTV (Customer Lifetime Value) de los clientes captados. Analizar el CLTV permite no sólo mejorar la toma de decisiones de marketing sino también orientar las campañas hacia la captación de usuarios de alto valor.
Gracias a la utilización de un modelo ad-hoc de Machine Learning, Carrefour ha logrado identificar los comportamientos de los consumidores online de alto valor a largo plazo utilizando esa señal como fuente de optimización de las herramientas de puja automática de Search Ads 360.
La era digital ha adquirido más importancia que nunca y la única forma de afrontarla es generando conocimiento centralizado de los clientes para ofrecer experiencias personalizadas que se traducen en una mayor satisfacción y una mejora de la rentabilidad de las acciones de marketing.
