Introducció a les dades transaccionals

Les dades transaccionals són la millor font d'informació per conèixer els clients i poder personalitzar l'oferta.

La informació dels tickets associats a cadascun dels clients ens ofereix la possibilitat d'identificar patrons de comportament que ens facilita la personalització de les campanyes i les comunicacions.

Les compres dels clients amaguen una gran quantitat d'informació que hem d'explotar en la nostra estratègia de marketing

Les persones som, en general, força bones detectant patrons i relacions en les dades. La nostra limitació és el processament. Per fer-nos-en una idea, si veiem una taula de 15 clients amb 10 variables associades a cadascun (nombre de tickets, despesa total, despesa mitjana per ticket, botiga preferida, % d'obertura de email, % de descompte...) ràpidament serem capaços d'identificar aquells clients que podem considerar més fidelitzats o més rendibles. Si ens imaginem una taula amb 500 usuaris amb 50 variables per usuari ens costarà molt fer el mateix exercici.

Aquí és on entren en joc les tècniques de Machine Learning i esdevenen imprescindibles en la feina amb Big Data. En l'aprenentatge automàtic els models de dades es van entrenant cada dia i milloren la seva precisió de manera constant. Un exemple conegut per tothom seria el recomanador de productes d'un eCommerce o de continguts de les plataformes de vídeo.

Les dades de les compres no només ens ofereixen la informació dels productes adquirits, l'hora o el lloc. Darrere de les dades directes hi ha la metainformació extremadament valuosa per a un ninja del marketing predictiu. Els tickets et donaran informació sobre la influència del preu o les promocions, els gustos sobre la gamma de productes, la preferència per determinades marques, usos associats al producte... Tota aquesta informació és la que podràs utilitzar per fer continguts més rellevants i campanyes de més conversió.

Quan tinguis les dades de client juntament amb el seu transaccional, en un sol lloc i ben relacionats, és el moment en què entendràs millor els teus clients i descobriràs oportunitats de creixement.

Les dades transaccionals no donaran els hàbits de consum i les preferències

Darrere de cadascun dels productes o serveis que comercialitzem hi ha un conjunt d'atributs que descriuen les necessitats i les preferències dels nostres clients.

Dades del punt de venda: canal en línia, ciutat, establiment...
Dades del producte: marca, categoria, segment, funció, qualitat...
Dades de preferència: material de l'envàs, quantitat, durada...
Dades d'estacionalitat: mes, setmana, dia, hora...
Dades econòmiques: preu, marge, descompte, volum...

Utiliza la Inteligencia de Pleasepoint para aumentar el ROI de tus acciones de CRM, marketing y publicidad digital.

Pleasepoint es la plataforma de machine learning que segmenta los clientes de tu CRM con predicciones de compra por cliente y personaliza tu marketing digital a escala.

Solicita una demo para ver las ventajas de trabajar la segmentación de clientes utilizando el Customer Lifetime Value, personalizando según el perfil de buyer-persona basado en datos y la recomendación de productos one-to-one.

Solicita una demo

Quines dades transaccionals necessito per detectar oportunitats de creixement i aprofitar-les en l'estratègia de marketing?

Les dades transaccionals són una font de dades perfecta per enriquir cadascun dels registres de la base de dades de clients o CRM. La informació transaccional ens permet identificar aquelles preferències o hàbits de consum de cadascun dels nostres clients. Gràcies a les tècniques de Big Data i intel·ligència artificial aplicades al marketing podem trobar grups de clients que es comporten i compren d'una manera semblant.

Conèixer millor els nostres clients ens permet comunicar pels canals més apropiats, oferint els productes més afins i proporcionant la promoció justa per maximitzar els marges de l'acció comercial. Gràcies a la informació que s'obté de treballar les dades associades al ticket seràs capaç de personalitzar l'oferta segons diferents grups de clients amb preferències diferents.

Aquestes són les fases que recomanem seguir per poder personalitzar les comunicacions segons les preferències dels clients en poques setmanes:

Integrar les dades de clients fidelitzats amb totes les seves compres.
Seleccionar els atributs de client útils en la personalització.
Definir els atributs importants de tots els productes o serveis.
Definir els atributs importants de tots els canals de venda.

Incrementa les vendes coneixent els hàbits i les preferències dels teus clients

Personalitzar els continguts segons els hàbits de consum i les preferències detectades amb les dades transaccionals per a cada grup de client pot augmentar fàcilment un 66% de click through a les campanyes de email.

La clusterització de clients, el procés d'identificar grups de clients diferents, la podem orientar segons les necessitats de negoci (producte, marca, promoció, ticket mitjà...).

Les dades de client juntament amb les dades transaccionals ens permeten trobar, gràcies al big data i la intel·ligència artificial, grups de clients amb preferències i hàbits de compra diferents entre tota la base de dades emmagatzemada al CRM.

Els ninges del marketing predictiu coneixen els seus clients, personalitzen les comunicacions i multipliquen els resultats de les seves campanyes

Si has llegado hasta aquí esto te interesa.

Pleasepoint es la plataforma de machine learning que segmenta los clientes de tu CRM con predicciones de compra por cliente y personaliza tu marketing digital a escala.

Solicita una demo

L'etapa inicial d'integració de dades és només part del camí necessari per a una veritable estratègia de marketing predictiu. Al Curs de Marketing amb Intel·ligència Artificial t'ensenyarem a fer aquest camí de manera ràpida i amb els mínims esforços tècnics possibles. El valor de debò rau a donar resposta a les necessitats de negoci i a crear accions mesurables que ens acostin a assolir els objectius. Abans de començar a crear moltes personalitzacions primer has de conèixer millor la nostra base de clients.

L'anàlisi descriptiva ens permet revisar les dades disponibles amb la intenció de saber què va passar en un espai de temps determinat. Aquest tipus d'anàlisi se centra a descriure o resumir les dades en brut en alguna cosa explicable i significativa. L'anàlisi descriptiva ens permet veure com són els clients de la nostra base de dades amb informació sobre el ticket mitjà, la freqüència de compra, els productes/serveis comprats, l'ús de promocions...

La informació que obtenim en aquesta primera etapa ens ajuda a interioritzar el comportament dels clients. Ara és el moment de començar a personalitzar les comunicacions. Gràcies a les tècniques de clusterització podrem agrupar els clients amb gustos, preferències i hàbits de consum semblants per enviar un contingut de més rellevància per a cadascun d'ells.

Els resultats d'aquestes accions són immediats i ens permeten poder iterar contínuament per millorar els resultats. Com més aviat comencis a personalitzar, més aviat començaràs realment a aprendre què et fa vendre més. Al Curs de Marketing amb Intel·ligència Artificial t'ensenyem a utilitzar la tecnologia d'una manera fàcil perquè puguis centrar els teus esforços en la creació de les campanyes.