El Customer Journey se ha convertido en el vehículo de comunicación ideal entre las compañías y los consumidores. Gracias a la tecnología actual los retailers pueden poner el conocimiento del cliente al servicio del negocio, utilizando la inteligencia analítica partiendo de toda la información del cliente obtenida a través del call center, las encuestas, el CRM operacional, las RRSS o los programas de fidelización.
En Cognodata aplicamos Machine Learning en el Customer Journey con el fin de aportar inteligencia en los procesos de relación con los Clientes. Como resultado tenemos lo que conocemos como «Customer Intelligence Journey» y podemos destacar tres fases dependiendo de donde se produzcan los momentos de contacto.
Antes de la compra. En esta primera fase es fundamental la monitorización del momento de las interacciones del cliente, las consideraciones demográficas y los hábitos de consumo. Según el Decálogo del Ecommerce en España 2017 de IAB Spain, los compradores utilizan las siguientes fuentes para informarse: un 53% a través de la Web de la marca; 43% por amigos y familiares; 41% a través de foros y blogs; 26% por redes sociales.
Durante la compra. Es la fase crítica tanto en el acto de la compra como en la entrega del producto. En la compra, las promociones inteligentes impactan en el punto de contacto, ubicación y momento del cliente en el customer journey. Las más efectivas son aquellas que apuntan a los impulsos tanto personales (nacimiento de bebé, vuelta al cole, cumpleaños…); negocio (rebajas, blackfriday…); meteorológicos (tarde de lluvia…) o festivos (Reyes Magos, Día del Padre…). En cuanto a la entrega, según el informe de IAB Spain, los consumidores valoran más las características del envío (79%) que la confianza (77%) o el precio (53%). Además 1 de cada 3 clientes estaría dispuesto a pagar por recibir antes su producto.
Después de la compra. Los retailers no deben olvidar a sus clientes una vez finalizada la compra. Deberán acompañarles para entender mejor su comportamiento a través de sus gustos o exigencias no resueltas; sus hábitos, con las rutinas o costumbres y realizar un seguimiento de ubicación monitorizando el geoposicionamiento del cliente.
En definitiva, el Machine Learning nos posibilita crear una mejor experiencia de cliente y acompañarlo, a partir de un inmenso número de datos e informaciones del cliente a lo largo de su Customer Journey y de las tiendas. La incorporación de las nuevas variables de dónde está el cliente (geoposicionamiento) y el momento donde se encuentra (real-time) son claves para potenciar el acierto de las acciones con el cliente, aplicando la inteligencia analítica a lo largo de su Customer Intelligence Journey.