3.1. Concepto de funnel de conversión y etapas

El embudo o funnel de conversión es un término que define cada uno de los pasos que atraviesa una persona desde que no conoce una empresa o marca hasta que se convierte en un consumidor fiel; es decir, la ruta que sigue el cliente durante todo el proceso de compra. Ayuda a entender el comportamiento de los consumidores en cada etapa.

El embudo o funnel de conversión es la ruta que sigue el cliente durante todo el proceso de compra

Figura 4. Etapas del funnel de conversión

Las diferentes etapas que componen el funnel de conversión son:

1. Descubrimiento. La primera etapa del funnel de conversión se basa en cómo una empresa da a conocer una marca o producto a los usuarios. Es decir, cómo consigue que la conozcan.
2. Consideración. Consiste en una etapa de repetición del mensaje que se quiere transmitir al cliente con el objetivo de que quiera comprar. Existen diferentes tipos de insistencia y, según el perfil de cada usuario, se procederá a insistir de una manera u otra.
3. Decisión. El objetivo de esta etapa se basa en acotar las posibles dudas que el usuario experimenta al ser una opción de compra.
4. Recomendación. Esta etapa, también llamada fidelización, consiste en crear un engagement con el cliente para que se convierta en un cliente fidelizado. El proceso de venta no acaba con la compra, sino que hay que realizar una serie de acciones con el objetivo de que este vuelva a comprar sin necesidad de conocer a la empresa y considerarla nuevamente. Fidelizar a un cliente es 10 veces más barato que captar uno nuevo.

En este tramo acontece lo que conocemos como loyalty loop, que se define como la evolución dinámica de la lógica lineal del funnel de conversión. Es decir, una vez que los consumidores llegan a la fase de recomendación, no repetirán las fases de consideración, sino que directamente vuelven a la fase de compra saltándose
las etapas anteriores. Se crea un estrecho vínculo hacia la marca y se refuerzan las
preferencias de consumo.

Figura 5. El loyalty loop en la etapa de recomendación del funnel de conversión

3.2. Integración del dato en las distintas etapas del funnel

Como observamos en la figura 6, actualmente nos encontramos ante un inmenso océano de datos provenientes de muchas fuentes. La clave en el proceso de su aprovechamiento será identificar qué información es relevante para la marca y aprender de aquella para crear conocimiento y tener una visión que aporte sabiduría.

Es decir, con los datos disponibles, se tratarán aquellos que sean relevantes para la actividad con el fin de conocer el comportamiento de los consumidores, ser capaces de entender su punto de vista y, con este conocimiento, poder tomar decisiones estratégicas.

Figura 6. Aprovechamiento del dato hacia la sabiduría

Según IAB Spain (2016), en el tratamiento de datos masivos podemos encontrar tres tipos de datos de forma combinada:

• First party data. Datos que han sido recolectados de fuentes propias del anunciante. Por ejemplo, datos procedentes de su sitio web, CRM, datos sociales, emailing, etc.
• Second party data. Datos que provienen de acuerdos de compra y venta con diversos partners de procedencia conocida. Proporcionan menos información. Son los first party data de otras empresas que se pueden adquirir. Además, es frecuente el uso de DMP (Data Management Platform) en este tipo de acuerdos.
• Third party data. Datos de terceros cuya procedencia se desconoce; normalmente, proporcionados por los data providers para realizar una mejor segmentación. Algunos ejemplos son: edad, género, localización geográfica, etc.

El objetivo de toda empresa será incrementar y enriquecer sus bases de datos constantemente proveyéndose de una gestión automatizada. Para dicha gestión, se puede hacer uso de lo siguiente:

A) Marketing automation

Hace referencia a la utilización de software con objeto de automatizar las acciones de marketing derivadas de estrategias digitales. Utilizado de forma eficiente, el marketing automation permite llevar a cabo procesos de marketing complejos, reduciendo los costes y los tiempos del personal, y consiguiendo un mayor control y seguimiento de las acciones de forma más detallada. Las tres áreas principales son:

El marketing automation permite llevar a cabo procesos de marketing complejos,
reduciendo los costes y los tiempos del personal, y consiguiendo un mayor control y seguimiento
de las acciones de forma más detallada

• Engagement con el producto. Gestiona el interés que provoca una oferta comercial en los clientes actuales o leads a partir de dos técnicas, mediante el envío de correos electrónicos (emailing) y re-engagement, para captar nuevamente la atención del usuario tras un tiempo de inactividad.
• Automatización de los procesos reiterativos de marketing. Tales como cambios de propiedades de los usuarios, interacción instantánea con los usuarios y segmentación automática de los contactos.
• Educación automática de la base de datos:

• Lead nurturing. Es el diseño de procesos de educación y maduración de bases de datos. Consiste en contactar automáticamente con el usuario vía email para hacerle avanzar por el funnel.
• Lead scoring. Es la detección de forma automática de los perfiles que están más receptivos para recibir un impacto comercial. Está relacionado con el grado de aproximación del lead al buyer persona (cliente ideal) definido, así como con la etapa del funnel en la que se encuentra. Una vez determinado, se define qué acción de comunicación es la más adecuada para ese usuario y la manera, momento y lugar adecuados para ello.

B) Social CRM y big data

La analítica de big data ya está teniendo un gran impacto en la forma de gestionar las relaciones de las empresas con los clientes. Se puede afirmar que, para tener éxito en big data, es condición necesaria su integración con social CRM.

La analítica de big data ya está teniendo un gran impacto en
la forma de gestionar las relaciones de las empresas con los clientes

Greenberg define social CRM del siguiente modo:

Es una filosofía y una estrategia de negocio, soportada por una plataforma tecnológica, reglas de negocio, procesos y características sociales, diseñada para conectar con los clientes a través de una conversación colaborativa de cara a generar un beneficio mutuo en un entorno de confianza y transparencia para los negocios. Es la respuesta de las compañías al actual control de la conversación por parte del cliente (Greenberg, 2008, p. 34).

Las principales aplicaciones que proporciona se resumen en:

• Integración de información de datos en perfiles de clientes en la aplicación social CRM. Facilita la tarea de determinar qué productos se deben ofrecer, a quién y el modo y momento adecuado para hacerlo.
• Identificación de segmentos de nuevos mercados. Brinda la oportunidad de conocer segmentos ocultos que son leads potenciales desconocidos hasta ese momento.
• Orientación sobre la optimización de campañas. Para determinar qué canales son más efectivos y qué es lo que más funciona.
• Elección de las mejores temáticas en redes sociales. A fin de generar mayor participación por parte de los usuarios e incremento del engagement.

C) DMP (Data Management Platform)

Como hemos comentado anteriormente, los datos en bruto no tienen valor si no se aplican las tecnologías oportunas para darles sentido.

Según el libro blanco de la IAB:

Los DMPs (Data Management Platform) son plataformas tecnológicas en las que se recolectan, se integran y se gestionan grandes cantidades de datos estructurados y no estructurados. Tienen la capacidad de recopilar datos de audiencia procedentes de cualquier fuente (IAB Spain, 2014, p. 19).

Gracias a ellos, se posibilita el procesamiento de cuantiosos volúmenes de datos a gran velocidad, lo que permite seleccionar aquellos que son relevantes y dinámicos y capaces de transmitir información útil.

Los DMP cobran sentido dentro de la compra programática, que es la compra pujada de espacios publicitarios a tiempo real con aprovechamiento del dato. Estas plataformas dan acceso a los datos de las audiencias y permiten que la publicidad sea personalizada e impacte a la persona adecuada, en el momento adecuado y de la forma adecuada.

A continuación, tal y como se refleja en la figura 7, procederemos a un análisis detallado de las aplicaciones de big data e inteligencia artificial basadas en la utilización de datos en cada una de las distintas etapas del funnel de conversión.

Figura 7. Aplicaciones de big data e inteligencia artificial en el funnel de conversión

3.2.1. Etapa 1. Descubrimiento

Figura 8. Objetivo de la etapa 1. Descubrimiento del funnel de conversión

Como mencionamos previamente, la primera etapa del funnel de conversión, descubrimiento, sirve para dar a conocer la marca o producto y alcanzar el target. Sin embargo, no se trata de impactar de manera generalizada a toda la audiencia, sino de crear una segmentación de cliente que sea atractiva, rentable e interesante. Es, en sí, conseguir impactar a un lead potencial que sea más propenso a generar conversiones que otro.

Conocer a los clientes en el mundo digital se convierte en una tarea compleja, pues no existe el contacto físico, por lo que es necesario conocerlos a través de otros medios. Esto se consigue a través del estudio de los datos estructurados y desestructurados que la empresa posee en su base de datos enriquecida (como comentamos al inicio de este epígrafe), de manera que se obtenga una visión detallada del consumidor y se sea capaz de detectar y entender sus comportamientos.

Big data consiste precisamente en eso: conocer al cliente, saber qué y en qué momento ofrecerle, así como la forma de hacerlo. Los datos nos proporcionan los insights de los consumidores y los traducen en ventajas competitivas. Asimismo, cuando se perfila a un consumidor potencial, es posible identificar comportamientos similares y establecer patrones de forma instantánea. La creación de públicos similares con Facebook Lookalike Audiences es una de las funciones con mayor potencial de la plataforma. Es una técnica de segmentación avanzada que permite amplificar el público objetivo creando audiencias similares basadas en intereses, comportamiento, etc.

Conocer a los clientes en el mundo digital se convierte en una tarea compleja, pues no
existe el contacto físico, por lo que es necesario conocerlos a través de otros medios

En esta etapa, podremos llevar a cabo:

• Smart content curation (curación inteligente de contenidos). La inteligencia artificial permite seleccionar y ofrecer el contenido más relevante a cada usuario en función de lo que otros compradores potenciales han comprado en el pasado. Esta técnica se utiliza como motor de recomendación, incluyendo productos, ofertas y contenidos. El contenido inteligente es aquel que está más personalizado y genera mayor engagement, acelerando de una forma eficiente el salto de las etapas del funnel, con lo que se consigue un aumento de la tasa de conversión y una reducción de la tasa de rebote. Netflix utiliza eficientemente estas metodologías con su sistema de recomendación para sugerir de una manera totalmente personalizada el contenido que le pueda interesar a cada persona.
• Programmatic buying (compra programática). Aprovecha los datos que se disponen sobre las audiencias para automatizar la compra de inventario a tiempo real de una manera más eficiente. Estos datos son de gran relevancia porque permiten identificar, entender y alcanzar a las audiencias. Tiene una estrecha relación con el uso de modelos de propensión generados por algoritmos de aprendizaje automático, para orientar los anuncios de la manera más efectiva a los usuarios más relevantes. La inteligencia artificial puede ayudar a identificar los mejores y peores sitios donde se pueden publicar anuncios.
• Artificial intelligence generated content (generación de contenido a través de inteligencia artificial). Actualmente, más del 50 % del contenido que se publica en internet ha sido generado por ordenadores, con unas previsiones de alcanzar un 90 % en los próximos años. Estos contenidos se han generado automáticamente recurriendo a los datos estructurados a pesar de que existe escasa información estructurada. Dicha situación limita las posibilidades de las tecnologías NLG (Natural Language Generation), industria que presenta un potencial crecimiento. Los programas de escritura de contenido son útiles para comunicar sobre informes regulares enfocados en datos, por ejemplo, informes de beneficios trimestrales, datos del mercado, partidos deportivos, etc. Por lo que, en algunos sectores, el contenido generado por inteligencia artificial puede ser un componente interesante dentro de la estrategia de marketing de contenidos.
• Voice search (búsqueda por voz). Es una tecnología de inteligencia artificial basada en la experiencia de las empresas GAFA (Google, Apple, Microsoft y Amazon) para incrementar el tráfico orgánico utilizando asistentes personales. Se presenta como una de las aplicaciones más relevantes de la inteligencia artificial para las empresas. La búsqueda por voz modificará las estrategias de SEO introduciendo un nuevo concepto de SEO por voz. Estas búsquedas de voz benefician el long tail y los asistentes de voz, ya que juegan un papel primordial.

La combinación de las búsquedas predictivas con los datos que se posean de los usuarios servirá para anticiparse a las necesidades de los usuarios. De hecho, Google está desarrollando mecanismos para mejorar la identificación de los sonidos a partir de espectrogramas para convertir datos visuales en sonidos.

La combinación de las búsquedas predictivas con los datos que se posean de los
usuarios servirá para anticiparse a las necesidades de los usuarios

3.2.2. Etapa 2. Consideración

Una vez que el consumidor ha visto la marca o producto, en la etapa de consideración el propósito será activar al lead potencial. Es importante en este momento tener en cuenta el perfilado de cliente y su comportamiento de la etapa anterior, ya que, dependiendo de los diferentes perfiles de consumidor, se insistirá de un modo distinto.

Big data, a través de la gestión de datos, será capaz de hacer diversas recomendaciones para cada tipo. Encontramos distintos tipos de reacciones ante la insistencia en sujetos más sensibles que otros. Por tanto, se repetirá el mensaje tantas veces como sea necesario para que se produzca la compra, pero teniendo en cuenta cómo aparecer y de qué manera hacerlo, determinando la frecuencia y el momento oportunos.

Figura 9. Objetivo de la etapa 2. Consideración del funnel de conversión

Algunas de las técnicas que se emplearán en este trayecto del funnel serán:

• Propensity modeling (modelos de propensión). Se crean a partir de los algoritmos de machine learning que utilizan una gran cantidad de datos históricos con la finalidad de realizar predicciones acertadas sobre lo que sucederá.
  Dentro de la etapa de consideración, se usan modelos que estiman la probabilidad de que se produzcan conductas para cada cliente del tipo compra (cross-sell y up-sell), fuga (churn rate), riesgo de impago y sensibilidad al precio. Se basan en la idea de que, dentro de la experiencia humana, el futuro próximo es semejante al pasado reciente.
• Predictive analytics (análisis predictivo). El uso del análisis predictivo permite a las empresas ser más proactivas, ya que pueden anticipar resultados y comportamientos gracias a la minería de datos. Puede ayudar a determinar la probabilidad de conversión de un cliente en concreto, prediciendo qué precio es más probable que lo convierta o qué clientes tienen más probabilidades de realizar compras repetidas. La clave principal del análisis predictivo se basa en tener datos precisos y valiosos.
• Lead scoring (calificación de leads). Técnica que consiste en calificar los leads con base en su grado de proximidad con el buyer persona (cliente ideal), su interacción con la empresa y la fase del funnel en la que se encuentra, con el objetivo de determinar cuáles son más propensos a generar una conducta u otra. De este modo, se puede priorizar recursos y prestar más atención a aquellos segmentos que se consideran más probables de generar conversiones.
  Es particularmente importante en las empresas B2B con procesos de venta consultiva, donde cada venta lleva una cantidad considerable de tiempo por parte del equipo de ventas. Al contactar con los clientes potenciales más relevantes, el equipo de ventas prioriza sus acciones en ellos para conseguir resultados más efectivos. También se puede utilizar para determinar qué clientes necesitan un empujón para incentivar la compra, es decir, ofrecer promociones y descuentos para realizar la conversión.
• Ad targeting (targetización de anuncios). Utiliza datos históricos para determinar qué anuncios funcionan mejor con un determinado perfil de usuario y, en etapas específicas del proceso de compra, para gestionar anuncios de la misma tipología con usuarios similares.
  Las técnicas que se llevan a la práctica son:

• Árboles de decisión. Procedimiento consistente en la clasificación de los individuos en grupos de comportamiento diferente discriminando por las variables de entrada.
• Redes neuronales. Se fundamenta en el entrenamiento de una red neuronal para que aprenda a combinar los atributos con la estructura y pesos más adecuados.
• Regresión logística. Técnica de modelización paramétrica que supone que la relación entre la variable target y la variable explicativa es lineal. La variable independiente no tiene limitaciones y la dependiente se define como la ocurrencia o no de un suceso, expresada en términos de probabilidad.

3.2.3. Etapa 3. Decisión

Figura 10. Objetivo de la etapa 3. Decisión del funnel de conversión

La finalidad de la etapa de decisión dentro del funnel es la de generar la conversión. Para ello, se trata de acotar las dudas que puede experimentar el usuario al tener en cuenta la marca como opción de compra.

Este tramo se centra en acotar las dudas del cliente e impulsarlo a tomar la decisión. Para ello, habrá que evaluar los miedos que este experimenta, que están estrechamente relacionados con el riesgo de la propia compra. Es decir, hay que generar un entorno de confianza en el que se transmita que el riesgo es mínimo y que no ocurre nada si se compra. Entran en este momento en juego las técnicas sobre modalidades de pago, flexibilidad de devoluciones, etc.

Se llevarán a cabo acciones de:

• Retargeting. El aprendizaje automático se puede utilizar para establecer qué contenidos son más probables que hagan que los clientes regresen al proceso de compra en función de los datos históricos. Se pueden optimizar los anuncios de reorientación para que sean lo más efectivos posible y disminuyendo costes en el proceso. El retargeting se puede utilizar en otras etapas del funnel, pero es en la etapa de decisión donde cobra mayor importancia, por incentivar la conversión.
  Su uso es frecuente en e-commerce. Gracias a todo el conocimiento de los datos de sus consumidores, estas empresas son capaces de realizar acciones de retargeting basadas en compras anteriores, productos más vendidos o productos potenciales que se han consultado o que no se hayan comprado después de incorporar artículos en el carrito de la compra. Estas acciones son una fuerte motivación para completar la compra.
• Dynamic pricing (precios dinámicos). Utilizan el aprendizaje automático para construir un modelo de propensión que permita ajustar oferta y demanda en tiempo real, modificando automáticamente los precios basándose en una serie de características. Pueden orientar ofertas especiales para incentivar la conversión únicamente a los usuarios que lo necesiten. Esta técnica permite aumentar las ventas sin reducir significativamente los márgenes y maximizar así los beneficios.
  Amazon es conocida por utilizar esta estrategia digital de precios dinámicos aplicando precios inteligentes (price intelligence). Analiza la competencia y la información propia de sus clientes mediante la minería de datos (data mining) para establecer estrategias de repricing, lo que maximiza cada operación.
• Web & App personalisation (personalización de la web y aplicación). Utilización de modelos de propensión para personalizar y adaptar una página web o aplicación mostrando el contenido más relevante en función de dónde se sitúa el consumidor en las etapas del funnel. Es una metodología muy potente.
  Si un usuario ha visitado varias veces el sitio, está claramente interesado en el producto, por lo que un contenido más profundo sobre los beneficios del producto tendrá mayor utilidad. Sin embargo, si es un usuario nuevo, el contenido que le informa, guía y le mantiene interesado será más efectivo.
• Chatbots que aprenden de los propios usuarios: machine learning artificial intelligence. Un chatbot es un software capaz de mantener una conversación vía audio o texto, imitando la inteligencia humana al interpretar de manera automatizada las consultas de atención al cliente. En cada fase del funnel se necesita un tipo de información y de interacción con la empresa para incentivar la compra final y generar mayor engagement hacia la marca.
  Según Elósegui (2016), los chatbots se pueden utilizar en todas las etapas del funnel y tienen una finalidad determinada para cada una de ellas:

• En la etapa de descubrimiento, para resolver dudas sencillas sobre la marca o producto.
• En la de consideración, para dar información detallada sobre el funcionamiento del producto.
• En la de decisión, parar ayudar a cerrar la venta o conversión.
• En la de recomendación, para llevar a cabo la atención al cliente.

Actualmente, implementar un chatbot es bastante sencillo, económico y aplicable a cualquier tipo de empresa. Facebook facilita el desarrollo de chatbots para las marcas mediante su aplicación Messenger.

3.2.4. Etapa 4. Recomendación

Figura 11. Objetivo de la etapa 4. Recomendación del funnel de conversión

En último lugar, una vez que el lead ha comprado y se ha convertido en cliente, la meta principal será crear en él un engagement con la marca. Se querrá establecer un compromiso mutuo por ambas partes que genere la entrada en el loyalty loop evitando pasar por el principio del funnel de nuevo. En esencia, que ese cliente prefiera la marca sobre otras y no necesite reflexionar sobre todo el proceso de compra. Igualmente, otra finalidad es que la recomiende, ya que las recomendaciones procedentes de otros consumidores transmiten más confianza y veracidad que ninguna otra.

Todo esto se conseguirá a través de:

• Predictive customer service (servicio de atención al cliente predictivo). Dado que es mucho más fácil realizar ventas repetidas con base en los clientes actuales que captar nuevos, mantener a dichos clientes contentos es la clave para reducir esfuerzos.
  El análisis predictivo del servicio de atención al cliente, gracias al aprendizaje automático, permite determinar comportamientos como qué clientes son más propensos a quedarse o a abandonar. Gracias a esta información, se es capaz de comunicar de una forma más personalizada a esos clientes con ofertas o servicios que eviten su descontento.
  Las aplicaciones prácticas de este servicio pueden ser desde crear un listado de clientes en riesgo de fuga para reaccionar ante la misma, como crear alarmas y profundizar en aquellos grupos que son más propensos a abandonar cuando se detectan ciertas conductas.
• Marketing automation (marketing automatizado). El aprendizaje automático y el análisis predictivo utilizan una serie de reglas para determinar las interacciones de iniciativa con los clientes. Por ejemplo, para averiguar cuáles son los momentos más oportunos para establecer contacto con los clientes, qué mensajes son los más adecuados para ellos, etc.
  Es el caso de un visitante que se convierte en lead mediante la descarga gratuita de un ebook en una landing page y tres semanas más tarde sigue a la empresa en sus perfiles de redes sociales de LinkedIn y Twitter. Se pueden automatizar acciones comerciales dirigidas a esos clientes potenciales que han contactado con la empresa en múltiples plataformas. Incluso, las empresas pueden segmentar los leads según las preferencias de contenidos.
• 1:1 dynamic content emails (emails de contenidos dinámicos). El emailing es la forma más económica y efectiva de comunicación. Ha sabido adaptarse a las nuevas tendencias y hoy en día se caracteriza por permitir comunicar con los clientes de manera personalizada.
  Gracias a los análisis de los suscriptores, se puede establecer la propensión a comprar en ciertas categorías, tamaños, colores y mostrar qué productos y servicios son más oportunos para promocionar. Además, se asegura que el stock del producto, las ofertas y su precio son los correspondientes en el momento de apertura del email.