Las bases de datos son finitas. Crecen, sí, pero lo hacen más lentamente de lo que sería necesario para mantener vivas a tantas agencias. La realidad es que no hay tantos usuarios activos en mercado, o que su índice de actividad no coincide con las necesidades de la empresa, o ambas cosas. Toca afinar, no queda otra.
Impactar a todos nuestros usuarios de la misma manera tiene, desde hace tiempo, una vida limitada y genera unos resultados dudosos. Canales de respuesta directa como el email siempre han resultado muy apetitosos para lograr los objetivos a corto. Si no llegamos, tiramos a toda la base y algo rascaremos, independientemente de a quién impactamos y en qué momento.
Por otro lado, no hay que olvidar a los ISPs (Google, Microsoft, Yahoo, etc), encargados de entregar nuestras comunicaciones. Su objetivo principal – captar tantos usuarios para sus servicios de email como sea posible – se traduce en medir el interés de nuestras comunicaciones, o el engagement, a su manera. Se parece a cómo intentan medir el interés de las búsquedas, dando lugar a los famosos algoritmos y a los expertos en SEO.
Así que tenemos que conocer a nuestros usuarios, saber qué quieren y cuándo lo quieren, y, además, convencer a los carteros. La buena noticia es, que si hacemos bien lo primero, normalmente no tendremos problema con lo segundo.
“Ya, pero yo he probado estrategias de segmentación y no me sale rentable”. Eso lo he escuchado en más de una conversación con responsables de marketing de empresas no precisamente pequeñas. También, “segmentar es costoso, no tenemos las herramientas necesarias para hacerlo bien.”
Segmentar no es caro, es laborioso. Necesitamos tener una base bien informada, unos procesos bien definidos y una buena estrategia de producto. Necesitamos registrar información, centralizarla; necesitamos sentido común y método; necesitamos rematar el proceso recogiendo el tráfico en landings específicas y retroalimentar el sistema. Tedioso, pero no caro.
Segmentar sí que es rentable, pero hay que prestar atención no sólo a las ventas que se generan sino también a otros KPIs de calidad de la base como las bajas – churn – o el índice de reactividad. Una base pequeña pero activa vale muchísimo más que una grande e inactiva. El mercado ya cuenta a la base como parte de la valoración de una compañía. No tardará en medir la actividad de dicha base como el valor real.
Segmentar ya no es complicado, al contrario. Ahora podemos ser mucho más precisos y a un coste más bajo. Lo que conocemos ahora como Big Data, de los que muchos hablan y escriben, nos permite captar, guardar y analizar muchos más datos para poder acertar a la hora de comunicar.
Vaya, Big Data, ya tardaba en salir. La segmentación tal y como la conocíamos hasta ahora se basaba en conjuntos de datos muy acotados, estáticos, fáciles de recoger y fáciles de reconocer. Lo primero que nos viene a la cabeza son las variables demográficas: poblaciones, géneros, edades, etc. Cuando hablábamos de bases de datos enriquecidas, nos limitábamos a saber dónde vivía alguien y si era hombre o mujer. Tener su número de teléfono era ir a por nota.
Segmentar por reactividad
El siguiente paso, era segmentar por reactividad. Si alguien ha reaccionado a tal envío, enviamos otra comunicación pasado un determinado tiempo, y medimos. Aquí la cosa ya se complica ya que tenemos que registrar diversos tipos de reacción a diversos tipos de comunicaciones, en momentos puntuales y con contenidos diferentes. Esto empieza a sonar a dinámico si lo comparamos con lo estático de la población o, sobretodo, el género.
Dinámico implica cambiante, creciente y masivo. Las nuevas posibilidades que nos abre el Big Data apuntan, entre otras cosas, hacia la predicción en base a modelos matemáticos, hacia patrones de comportamiento. Nos permiten salirnos de la extrapolación estadística – una muestra aleatoria sobre una distribución normal nos acerca al comportamiento del grupo – y entrar en la medición de toda la muestra y la predicción individual en base a modelos matemáticos. Pasamos de la estadística descriptiva a la inferencial. Pasamos del grupo al individuo.
Según los trabajos de diversos autores, existen varios principios que impulsan cambios en nuestro comportamiento, hacia la compra, el clic, etc. La escasez – (últimas unidades), la autoridad – (el hotel seleccionado por…), el social proof – (#1 en ventas) – son ejemplos de dichos principios
Aplicando lo anterior a algo más tangible como enviar email, podemos realizar tests A/B dinámicos con nuestra muestra, cambiando la manera de comunicar en función a lo que predecimos que será más interesante para nuestro usuario objetivo, en vez de hacerlo en base a una muestra extrapolada y testeada de manera aislada.
Un ejemplo concreto sería la persuasión. Según los trabajos de diversos autores, existen varios principios que impulsan cambios en nuestro comportamiento, hacia la compra, el clic, etc. La escasez – (últimas unidades), la autoridad – (el hotel seleccionado por…), el social proof – (#1 en ventas) – son ejemplos de dichos principios. Si podemos asignar un porcentaje de cada principio a cada persona obtendremos un perfil de sensibilidades a mensajes, su perfil de persuasión. En base a dicho perfil, segmentaremos justo en el momento del envío para poder persuadirlo hacia nuestros objetivos.
Suena bien pero, ¿cómo funciona? Pues midiendo cada interacción de los usuarios y ajustando su perfil. Inicialmente los usuarios son neutros y reciben comunicaciones estadísticamente distribuidas y en base a las respuestas se corrige y enriquece el perfil. De manera progresiva, vamos conociendo más a nuestros usuarios y, sobretodo, qué principios les mueven a reaccionar de una manera o de otra.
En Webpower seguimos apostando por una entregabilidad excelente en base a ayudar a nuestros clientes a comunicar lo que toca cuando toca. Es por eso que el pasado Diciembre compramos la compañía Science Rockstars, pionera en persuasive profiling, para incorporar los resultados de sus investigaciones a nuestra plataforma.
No sólo enviamos email.
