Amazon: Servicio al cliente usando datos
El gigante del e-commerce tiene una gran cantidad de información sobre la dirección, historial de búsquedas y órdenes de sus clientes; y utiliza esta data para sus algoritmos de publicidad. Seguramente estás familiarizado con sus anuncios: ítems que dejaste en el carro de compras que te siguen por todas las páginas web que visitas.
Pero ¿sabías que Amazon también usa data para mejorar el servicio al cliente? Si contactas a Soporte al Cliente de Amazon, la persona que te contesta ya tendrá tus datos personales – nombre, dirección, email – y la información sobre tus órdenes, haciendo que el servicio sea más eficiente y evitando que tengas que volver a repetir tus datos personales múltiples veces.
Target: Predicción de compras
Si alguna vez has comprado algo en Target, seguramente has recibido cupones en tu casa o correo electrónico. Puede que pienses que todos los clientes de Target reciben los mismos cupones, pero la verdad es que cada cliente recibe descuentos específicos a sus hábitos de compras e información demográfica.
Todos los clientes son identificados por un código único. Cada vez que un cliente hace una compra en la tienda, visita la página web, usa un cupón o abre un email de Target, esas acciones se vinculan a su código único. De esta forma, Target recolecta información sobre cada cliente y puede inferir sus datos demográficos y hábitos de compra, además de dar descuentos para productos que necesita en el futuro. Por ejemplo, Target puede identificar que una mujer que compra loción sin aroma, suplementos como zinc y magnesio, y bolas de algodón está embarazada.
Target creó un modelo basado en la compra de 25 productos para predecir qué mujeres están embarazadas y enviarles cupones para productos para bebés y maternidad. Es esencial, sin embargo, recalcar la importancia de tener cuidado con el uso de la data de clientes: el padre de una adolescente embarazada se enteró que iba a ser abuelo por uno de estos cupones. Desde esta eventualidad, Target ha sido más sensible con el uso de data de clientes.
American Express: Cómo la data puede ayudar a evitar el “churn” en una empresa
La retención de clientes es un reto para muchas empresas. Por eso American Express decidió usar Big Data para analizar el comportamiento de sus clientes y predecir si estaban cerca de cerrar sus cuentas. Con modelos predictivos que toman en cuenta más de 100 variables, American Express logró pronosticar cuáles clientes tienen la intención de cerrar sus cuentas y así ofrecerles más beneficios, descuentos, o servicios adicionales para evitar el “churn” (o cancelación prematura de contratos).
Netflix: ¿Qué contenido va a ser popular?
Cada hora que pasas pegado a tu pantalla viendo contenido en Netflix, estás alimentando las bases de datos de esta empresa de entretenimiento. La selección de películas y series que tienes a tu disposición no está ahí por casualidad. Netflix utiliza datos sobre la popularidad de cada película o serie, con diferentes audiencias y mercados, para decidir si debe comprar los derechos de un nuevo contenido. De la misma manera, usa patrones de uso de su plataforma para escoger el tema, escribir los guiones y elegir el casting de sus contenidos originales. El uso de Big Data ha ayudado a Netflix a convertirse en una empresa con casi 100 millones de suscriptores (y que incluso gana premios Oscar).
Starbucks: ¿Dónde abrir la siguiente cafetería?
Con más de 24.000 cafeterías, Starbucks es una de las compañías más exitosas del mundo. En algunas ciudades puedes ver hasta 3 Starbucks en la misma cuadra. ¿Cómo decidieron que podían abrir 3 locales con tanta proximidad sin canibalizar sus propias ventas? La respuesta es Big Data. Antes de abrir una nueva cafetería, Starbucks analiza data sobre ubicación, tráfico, área demográfica y comportamiento de consumidor para evaluar el éxito del local. De esta manera Starbucks asegura su inversión en cada nuevo local.
Spotify: Los clientes también quieren data
Spotify, el gigante de “streaming” de música, usa Big Data para recomendar música a sus usuarios. Todos los usuarios tienen dos playlists personalizadas que se actualizan cada semana con nueva música: Descubrimiento Semanal y Radar de Novedades. Además de esto, Spotify recomienda nuevas canciones que puedes agregar a las playlists que tú creaste.
Desde 2013, Spotify ha compartido la data que tienen almacenada con los clientes. Al final de cada año, Spotify saca “Mi año en música”, una recopilación de las canciones, artistas, álbumes y géneros más escuchados por cada usuario. Comparten estos datos de una manera interactiva y completan la experiencia con una playlist dedicada a canciones recomendadas para escuchar el siguiente año.
