Conversis Consulting – Marketing orientado a resultados para mercados tecnológicos

Posts from the ‘análisis de marketing’ category

Para reinventar el Marketing y ayudarle a liderar la transformación digital de la empresa es imprescindible incorporar todos los datos disponibles sobre nuestros clientes y utilizar una plataforma integrada que nos permita automatizar, personalizar y escalar las interacciones con ellos.

En esta segunda parte del post (ver la primera) seguimos pasando revista a las ideas que Mohanbir Sawhney propone en su artículo “Re-imagining Marketing: A Roadmap For Transformation” para reimaginar  y transformar la función de marketing de modo que pueda liderar la transformación digital de la empresa.

Datos y analítica

En el marketing convencional dependemos de los datos transaccionales del sistema CRM para analizar a nuestros clientes. Pero estos datos transaccionales sólo nos dicen lo que un cliente hizo en el pasado, no nos dicen qué piensan o cómo se sienten ni las razones de su comportamiento.

Ahora los marketers tenemos acceso a unos datos más ricos, incluyendo datos sociales, de localización y de comportamiento online. Los datos sociales aportan contexto para las acciones de los clientes, informándonos sobre sus relaciones, intereses y opiniones. Los datos de localización proporcionados por dispositivos móviles, beacons y displays digitales interactivos proporcionan insights sobre dónde están los clientes, qué hacen y qué servicios e información específicos de la ubicación podrían gustarles. Y los datos de comportamiento online nos informan sobre qué recursos online utilizan, qué contenidos les interesan y cómo interactúan con ellos.

Integrar marketingEl poder real de estos datos se pone de manifiesto cuando los datos transaccionales, sociales, de localización y comportamiento online se combinan para crear un perfil holístico del cliente. Con esta vista de 360º de los clientes los marketers podemos crear experiencias para ellos que sean sensibles al contexto y personalizadas. (Aunque por supuesto deberemos asegurar que se salvaguarda su derecho a la privacidad y se cumplen las normativas como GDPR.)

Para crear estas experiencias relevantes para los clientes necesitamos invertir en una plataforma que combine eficazmente datos de todas las fuentes para perfilar y segmentar a nuestros clientes en tiempo real. Los clientes son objetos multidimensionales y necesitamos un sistema que permita analizarlos desde diferentes puntos de vista para conseguir una imagen completa de ellos.

(Si quieres saber si estás preparado para un marketing basado en datos te recomiendo este sencillo test.)

Plataformas y automatización

En la mayoría de organizaciones, las diversas  funciones usan diferentes plataformas tecnológicas para gestionar la interacción con los clientes. Estas plataformas suelen ser específicas de la función y el canal. Por ejemplo, nuestra función de marketing puede usar una plataforma de monitorización social mientras que nuestra función de ventas puede usar un sistema CRM. Sin embargo, este enfoque provoca recursos malgastados, una vista fragmentada del cliente y oportunidades perdidas.

En el futuro, todas las funciones deberán cambiar a una plataforma única y agnóstica respecto al canal. Este tipo de plataforma tiene módulos que se conectan, como bloques Lego, a cualquier canal y sistema de terceros utilizado en el  front office. Como resultado estas plataformas pueden automatizar la interacción con los clientes, permitiéndonos monitorizar y responder a los clientes en tiempo real.

Una plataforma agnóstica respecto al canal funciona de este modo: primero selecciona y analiza datos internos y externos sobre los clientes para inferior su intención y etapa en su viaje. Después, segmenta los clientes de acuerdo a su intención y les distribuye contenido para cultivar esa intención. Una vez que el cliente reacciona a ese contenido la plataforma mide esa respuesta, analiza si la etapa de su viaje ha cambiado y automáticamente adapta el contenido para mantenerlo en movimiento a través de su viaje.

Las plataformas de automatización de marketing permiten dar a los potenciales clientes un trato personalizado de manera eficiente y escalable, cultivando nuestra relación con ellos y realizando un scoring continuo que nos ayude a entender en qué fase de su viaje se encuentran.

Una plataforma integrada también ayuda a las empresas a asegurar su cumplimiento del entorno regulatorio y proporciona una protección añadida ante la posibilidad de una inspección (como prescribe GDPR), al documentar sus actividades de marketing. Un sistema de interacción unificado favorece la gobernanza de datos y el cumplimiento normativo.

Esta integración está ya empezando a cambiar la relación entre el marketing y otras funciones del front office. Por ejemplo, la función de marketing se está posicionando como un impulsor estratégico de los ingresos porque el valor de sus resultados se puede medir y supervisar. Como resultado,  marketing y ventas trabajan colaborando estrechamente para gestionar el pipeline y desarrollar la estrategia de adquisición de clientes.

En la tercera parte de este post seguiremos pasaremos revista a las restantes dimensiones de esta reinvención del marketing.

El post “Reinventando el Marketing (2)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Anuncios
Deja un comentario

La analítica del funnel completo de un negocio SaaS nos permite ir más allá de las fases iniciales de visibilidad, considerar la generación de ingresos como un proceso unificado y  detectar en qué fases lo estamos haciendo bien y en cuáles tenemos que mejorar.

Seguimos hablando de la analítica del funnel de negocios SaaS, en este post aplicando un conocido modelo del funnel completo que nos aporta una visión integrada de nuestra “fábrica de clientes” en este tipo de negocios.

Métricas para Piratas

Las “métricas para piratas” son uno de los modelos más populares para analizar el funnel de un producto online y fueron creadas por Dave McClure,  fundador de la aceleradora 500 Startups. El modelo define un funnel con 5 etapas: Acquisition, Activation, Retention, Referral, Revenue (abreviado AARRR, de ahí el nombre).

Vamos a explicar el modelo aplicado a negocios SaaS y para ello, como otros autores, lo vamos a complementar con una fase previa: Awareness. El modelo (que ahora se abrevia como AAARRR) queda así:

Funnel SaaSAwareness

Consiste en presentarnos y ser visibles ante nuestro mercado objetivo e intentar llevarlos a realizar alguna acción. Se trata de conseguir que el potencial comprador deje lo que estaba haciendo y nos preste atención.

Se produce, por ejemplo, cuando el comprador nos ha visto en una publicación social, en unos resultados naturales en buscadores, en una nota de prensa o noticia publicada por algún medio, en un anuncio (display, social, en buscadores), ha visitado nuestro sitio web o blog, etc. Hay que resaltar que en esta fase el cliente sigue siendo un visitante anónimo, no tenemos su identificación.

Esta fase es muy propensa al uso de “métricas de vanidad”, por ejemplo, número de visitantes por mes, que en muchos casos no tienen conexión con los resultados de negocio. Es importante utilizar alguna métrica de engagement (por ejemplo, tasas de rebote del sitio) o de “micro-conversión” (por ejemplo, el visitante ejecutó un video o hizo clic en la página de producto).

Métricas a considerar: impresiones, CTR, número de visitas, páginas visitadas, tasas de rebote, minutos de atención, comparticiones y votos sociales.

Canales y tácticas a utilizar: buscadores (SEO, anuncios), social (orgánico, anuncios), display, retargeting, relaciones públicas, recomendación, afiliados.

Acquisition

La adquisición significa empezar a identificar a nuestro lead como alguien individualizado. Podemos pensar en ello como la primera transacción con el usuario, solo que en lugar de intercambiar dinero por un producto o servicio estamos intercambiando un contenido por el permiso para dirigirnos a él en el futuro.

Nuevamente, dependiendo del escenario pueden existir diferentes micro- o macro-conversiones que puede resultar útil medir. Por ejemplo, de menor a mayor valor: el  cliente ha empezado a seguirnos en nuestras cuentas sociales, nos ha hecho una consulta a través de nuestros canales de soporte/ventas, se ha suscrito a nuestro blog o boletín, ha dejado sus datos a cambio de algún contenido (ej.: white paper, webinar), se ha registrado en la versión gratuita de nuestro producto (si usa un modelo freemium) o en su versión de prueba.

Métricas a considerar: seguidores en nuestras cuentas sociales, interacciones de soporte/ventas, suscriptores email a nuestro blog/boletín, registros para descarga de recursos, nuevos leads, registrados en versión gratis/prueba del producto.

Canales y tácticas a utilizar: medios sociales, Conversion Rate Optimization (CRO), contenidos (blog, boletín, white papers, webinars…), chats, páginas de aterrizaje.

Activation

La activación es la fase en la que el cliente usa inicialmente de manera significativa nuestro producto. Dependiendo de la naturaleza de dicho producto la activación podrá tomar múltiples formas: crear una primera campaña, generar un primer informe, hacer una primera transacción…

Si consideramos que un criterio para estar en nuestra fase anterior, Adquisición, es registrarse en nuestro producto (versión de prueba o freemium) podemos preguntarnos si Adquisición (registro) y Activación (uso) no son prácticamente simultáneos y la relación entre ellos no es de 1:1 (después de todo, si alguien se registra en un producto es esencialmente para usarlo). Sin embargo, nos sorprendería descubrir cuánta gente se registra en un producto del que no llega a hacer el más mínimo uso.

Métricas a considerar: registrados que hacen un primer uso significativo del producto (gratis o prueba).

Canales y tácticas a utilizar: onboarding, tutoriales, documentación y formación, características y funcionalidad del producto.

Retention

La Retención implica que los usuarios utilizan el producto regularmente, es decir, que el producto es “pegajoso”. Es una métrica importante tanto en la fase de uso gratuito (si el cliente no lo usa es difícil que llegue a pagar por él) como en la fase de pago (el no uso lleva al abandono, con la consiguiente pérdida de ingresos). Puede parecer una perogrullada, pero si no usan el servicio no son usuarios de verdad.

La frecuencia ideal de uso depende de la naturaleza del producto: una red social puede buscar que sus usuarios la utilicen diariamente, un producto para la preparación de la declaración de impuestos basta con que se use en contadas ocasiones a lo largo del año.

Métricas a considerar: ratio de activados que usa frecuentemente el producto, volumen de uso por usuario y día o semana, CLTV, churn.

Canales y tácticas a utilizar: marketing a lo largo del ciclo de vida del cliente,  customer success, tutoriales, documentación y formación, características y funcionalidad del producto.

Referral

Las métricas de Referencia miden cuántos nuevos usuarios entran en nuestro funnel como consecuencia de la recomendación de nuestros usuarios actuales. La recomendación es el canal de marketing más fiable para los clientes y más rentable para los proveedores. Todos los estudios muestran una gran propensión de los potenciales clientes a actuar como respuesta a la recomendación, tanto en persona como en medios sociales.

Que nuestros usuarios nos recomienden implica que no solo les gusta nuestro producto, sino que piensan que sus amigos y contactos podrían beneficiarse también de ese valor. Pero esa no es la única manera. La referencia se puede estimular incorporando al producto características de compartición y comunicación entre usuarios o mediante incentivos explícitos (ej.: programas member-get-member).

Métricas a considerar: Net Promoter Score, referencias, coeficiente de viralidad, recomendaciones sociales.

Canales y tácticas a utilizar: características y funcionalidad del producto, marketing basado en referencias.

Revenue

La fase de Ingresos es la más primordial de todas: es cuando nuestro contacto realiza el primer pago a cambio de nuestro producto. Si hay alguna métrica que merece escapar al calificativo “de vanidad” es esta. Después de todo, los ingresos son la razón por la que optimizamos nuestro funnel.

Pero aunque hayamos llegado hasta aquí no quiere decir que nuestro trabajo esté todo hecho. Es mucho más barato llevar a un cliente actual a repetir su compra que conseguir uno totalmente nuevo.

Métricas a considerar: ingresos, conversión Gratis (o Prueba) – Pago.

Canales y tácticas a utilizar: características, funcionalidad y precio del producto, optimización del flujo de compra.

El problema con las vanity metrics

Todos tenemos afición a las métricas que “nos hacen sentir bien”: variables que siempre aumentan, gráficos que evolucionan “hacia arriba y hacia la derecha”… pero que tienen poca relación con el éxito de nuestro negocio y no nos ayudan a cambiar nuestra manera de hacer las cosas. Solemos llamarlas “métricas de vanidad” frente a las más decisivas “métricas de claridad” o “accionables”.

Consideremos, por ejemplo, el “número total de registrados” como métrica de Adquisición. Es una métrica de vanidad porque solo aumenta con el tiempo, es mucho más útil considerar el “número de registrados por período de tiempo” que nos permitirá comparar diferentes enfoques y campañas. Y, desde luego, complementarla con métricas posteriores en el funnel, de Activación y Retención, que nos den la medida de involucración con el producto, tales como “número total de usuarios activos” (todavía de vanidad) o, mucho mejor, el “porcentaje de usuarios activos”. Esta métrica sí nos permitiría saber si estamos haciendo las cosas mejor desde el punto de vista de involucración con el producto.

En general, usar números totales es una mala manera de medir el progreso y especialmente el crecimiento (aunque probablemente sean esos números los que usemos en público para atraer la atención). Los números totales siempre crecen, por lo que es difícil detectar nada excepto los grandes cambios.

Cada vez que consideremos una métrica  tenemos que preguntarnos “¿Qué debería hacer de manera diferente a la vista de esta información?” Si no podemos responder a la pregunta probablemente la métrica es de vanidad y no deberíamos preocuparnos demasiado por ella. Deberíamos concentrarnos en métricas accionables, que cambien nuestro comportamiento ayudándonos a elegir un curso de acción.

Poniéndolo en práctica

Ahora ya solo nos queda definir nuestro propio  dashboard analítico. Y para ello puede ser útil partir de alguna plantilla predefinida, como las que se pueden descargar en este artículo clásico de David Skok o de éste de Christoph Janz.

No os quepa duda de que analizar sistemáticamente el funnel y actuar en consecuencia va a ser clave para el éxito de vuestro negocio SaaS.

¡Que os sea útil!

El post “Analítica del funnel en negocios SaaS (2)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Deja un comentario

Los negocios SaaS son muy diferentes a los de software tradicional y las métricas que se utilizan en estos últimos no son suficientes para guiar la rentabilidad de un producto SaaS. En este post presentamos aspectos como las métricas de abandono o el análisis de cohortes, que son clave en estos negocios.

Los productos SaaS (Software-as-a-Service) tienen unas características que hacen que la monitorización y análisis continuos de su funnel comercial sea imprescindible para su éxito. Hace tiempo describimos el funnel como el “sistema de inventario” de nuestro proceso de “fabricación de clientes”. En este y el siguiente post describimos como medirlo y analizarlo en el caso particular de productos SaaS.

¿Por qué es necesario analizar el funnel?

Decía Lord Kelvin que “lo que no se puede medir no se puede mejorar”. Unas buenas métricas son primordiales para saber si lo estamos haciendo bien o mal y entender el efecto de nuestras acciones de marketing:SaaS

  • ¿Gano dinero con mis clientes? ¿En cuáles si y en cuáles no? ¿Qué segmentos/clientes son los más rentables y cuáles son los menos?
  • ¿Qué aspecto tiene nuestro funnel? ¿Cómo son los ratios de conversión en sus diferentes fases, y cómo evolucionan? ¿Cómo puedo predecir su rendimiento (producción de clientes)?
  • ¿Consigo captar suficientes nuevos leads? ¿Cuántos se registran en mi producto? ¿Cuántos lo usan de manera recurrente? ¿Cuántos se convierten en clientes de pago? ¿Cuántos me recomiendan y traen nuevos leads?
  • ¿Cómo medimos el efecto de un esfuerzo particular, sea en marketing o en mejora de producto?
  • Si tuviéramos un presupuesto adicional ¿en qué actividades sería óptimo invertirlo?

Muchas de las ideas de este post aparecen en este clásico de David Skok.

Las características de un producto SaaS

SaaS y en general los negocios basados en suscripciones tienen un cash-flow muy malo. Como todo negocio basado en producto estándar deben acometer grandes inversiones al principio, durante la fase de desarrollo de producto, antes de poder empezar a venderlo. Pero después, en la fase de comercialización, en el caso de SaaS los problemas se agravan mucho más debido a que

  • Los ingresos se producen en forma de cuotas (mensuales o anuales) a lo largo de la vida del cliente, en lugar de mediante un gran pago único al principio como ocurre típicamente, por ejemplo, con la venta de productos físicos o la de licencias perpetuas.
  • En muchos casos los clientes nos pueden abandonar al cabo de unos pocos meses, con la consiguiente interrupción de los pagos.

Este desfavorable perfil de ingresos hace que sea mucho más difícil compensar los costes de adquisición de cada cliente y que la gestión del abandono de los clientes sea unos de los aspectos clave del éxito de estos negocios. Podría decirse que en un producto SaaS hay dos tipos de “venta”:

  1. Una inicial, con la adquisición y la primera suscripción del cliente.
  2. Otra continua, período a período, con las sucesivas renovaciones del cliente.

¿Qué deberíamos medir?

Desde el punto de vista de la analítica, un negocio SaaS es muy diferente, por ejemplo, de un medio de comunicación online. Debemos buscar métricas que tengan una relación directa y un impacto en el negocio (ej.: suscripciones, prueba del producto) y dejar en un segundo plano medidas cuyo impacto es discutible en este entorno (ej.: visitas al sitio web).

Con esta óptica las principales áreas de medida son:

Economías unitarias

Tratan de responder a la pregunta ¿puedo ingresar más dinero de mis clientes de lo que me  cuesta ganarlos? Para ello necesitamos dos métricas:

  • CLTV (Customer Lifetime Value): valor que nos aporta un cliente a lo largo de toda su vida. Su cálculo suele implicar el descuento de las entradas y salidas de caja desde que un cliente empieza a serlo hasta que termina abandonándonos. Podemos calcular el CLTV por cliente o segmentarlo por tipo o tamaño de cliente, sector de actividad, etc.
  • CAC (Customer Acquisition Cost): coste de adquisición de un cliente entendida como la situación en que éste empieza a pagar por nuestros servicios (lo que en el modelo de Métricas para Piratas se conoce como fase de Revenue). Una manera sencilla de calcular el CAC medio es dividiendo el gasto total en marketing y ventas entre el número de clientes ganados en un período. Sin embargo, es más útil poder segmentar el cálculo según tipo de cliente o canal de marketing.

A la hora de analizar si un negocio es financieramente viable se suelen aplicar un par de heurísticos basados en estas métricas:

  • Para predecir la rentabilidad a largo plazo se suele calcular el ratio CLTV/CAC. Si este ratio es superior a 3 se suele concluir que el negocio es rentable a largo plazo.
  • Para analizar el tiempo que tiene que transcurrir hasta que el negocio es rentable se suele calcular el plazo necesario para recuperar el CAC. Si este plazo es inferior a 12 meses se suele considerar que el negocio tienen un buen payback.

CLTV-CAC

Las economías unitarias son útiles para tomar decisiones como ¿deberíamos “pisar el acelerador” del negocio ya o esperar? o ¿en qué canales de marketing o segmentos de clientes deberíamos enfocarnos? Ciertamente, si tenemos un mal ratio CLTV/CAC en general, deberíamos invertir esfuerzo en mejorarlo y optimizar el negocio antes de intentar escalarlo. Análogamente, si el ratio es bueno en algunos segmentos o canales de marketing deberíamos concentrarnos en ellos para aumentar la rentabilidad.

Abandono (churn)

El abandono o churn es una de las métricas clave en negocios SaaS. Un abandono alto tiene efectos devastadores sobre la rentabilidad de negocio ya que impide que las cuotas mensuales (o anuales) compensen los costes de adquisición de los clientes. Y si el abandono es alto vamos a perder más dinero cuanto más esfuerzo invirtamos en vender.

Un negocio SaaS saludable debería experimentar una tendencia creciente en su Aumento Neto de MRR (Monthly Recurring Revenue), que podemos calcular como la suma de tres factores:

+ MRR Nuevo, debido a nuevos clientes

+ MRR Expandido, debido a clientes existentes que aumentan su suscripción

– MRR Perdido por Abandono, debido a clientes existentes que cancelan o rebajan su suscripción

El abandono puede ser un factor de mucho peso que nos haga perder MRR mes a mes. Esta métrica se evalúa tanto en número de clientes que nos dejan como en ingresos que se reducen. De este modo podemos detectar situaciones en las que perdemos pocos clientes en número, pero son los que más ingresos aportaban.

El abandono se suele evaluar periódicamente y expresarse como un porcentaje de reducción (en número o dinero) respecto a la situación al inicio del periodo. El churn es sin duda el problema prioritario que tenemos que resolver en SaaS: de no ser así estaríamos esforzándonos en “llenar un cubo con agujeros”.

Cohortes

Las cohortes no son una métrica, sino una manera de distribuir nuestros datos para hacer que las métricas sean más accionables. En lugar de mirar a todos los usuarios como una unidad, los repartimos en grupos relacionados a efectos de su análisis. Estos grupos -o cohortes- habitualmente comparten un conjunto de características o experiencias comunes en un rango temporal definido. Típicamente, en el mundo SaaS una cohorte está formada por los usuarios que se registraron en un cierto periodo: así, por ejemplo, tenemos la cohorte de los registrados en enero, la cohorte de febrero, etc. De este modo se consigue una cierta homogeneidad en el análisis y descubrir patrones a lo largo del ciclo de vida de los usuarios.

Las cohortes se aplican mucho al análisis de churn y nos permiten, por ejemplo, comprobar si el abandono durante el primer mes va mejorando cohorte a cohorte o si el churn para una cohorte se estabiliza pasados unos meses.

Si estáis interesados en realizar análisis de cohortes podáis aplicar algunas de las múltiples plantillas disponibles, por ejemplo, esta de Christoph Janz) o esta otra que nos propone François Derbaix.

En el próximo post hablaremos de las “métricas para piratas” aplicadas a productos SaaS.

El post “Analítica del funnel en negocios SaaS (1)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Deja un comentario

Algunas de las métricas más populares de marketing son mal entendidas y usadas y eso reduce el crédito de esta disciplina. En este post seguimos pasando revista a algunas de ellas y aportando algunas ideas para aplicarlas mejor.

EMétricas de marketingn esta segunda parte del post (ver la primera aquí) continuamos con el repaso que Neil Bendle y Charan Bagga hacen en su artículo “The metrics that marketers muddle” a algunas de las más populares métricas de marketing, identificando los errores más frecuentes en su uso y haciendo recomendaciones para aplicarlas mejor.

En esta entrada nos ocupamos de las siguientes métricas: valor del tiempo de vida de un cliente, valor de un “me gusta” y ROI.

Valor del tiempo de vida del cliente (CLV)

La forma de calcular el CLV depende de la decisión que quieras tomar

El CLV (o CLTV, Customer Lifetime Value) es una predicción del beneficio neto que se puede atribuir a la relación completa con un cliente. EL CLV se utiliza para tomar decisiones tales cómo en qué clientes debo priorizar mis esfuerzos de captación o retención.

Habitualmente se calcula aplicando técnicas de actualización de los flujos de caja (entradas y salidas) que se prevé sean producidas a lo largo de la relación con el cliente, lo que implica tener en cuenta factores como el valor temporal del dinero y las tasas de retención de los clientes. Muchos directivos, para calcular el CLV, aplican ciegamente fórmulas que descuentan flujos de caja futuros a partir del momento en que alguien se convierte en cliente y le restan una estimación del coste que implica conseguirlo como cliente, CAC (Customer Acquisition Cost).

Y es aquí donde empiezan los problemas, que hacen que podamos estar cayendo en una variante de la falacia de los “costes hundidos”. Los costes hundidos o irrecuperables son aquellos en los que ya hemos incurrido y no podemos recuperar. Las decisiones a futuro no pueden considerar los costes incurridos porque desvirtúan la comparación. Veamos un ejemplo en el contexto de CLV: imaginemos que estamos analizando el valor de la vida de un conjunto de clientes que ya hemos ganado, para decidir en cuáles concentro mi presupuesto de fidelización. ¿Qué pasa si utilizo una versión del CLV que incluye todos los ingresos y costes anteriores a este momento, incluyendo el CAC? Puede ocurrir que haya un conjunto de clientes con gran potencial de ingresos futuros pero con un alto CAC: esos clientes serían penalizados en el cálculo de su valor al restarle ese coste.

¿Quiere esto decir que no puedo incorporar el CAC a ningún cálculo del CLV? Pues no: hay ocasiones en las que es imprescindible hacerlo. Por ejemplo, al priorizar inversiones en captura de clientes debo incorporar al CLV una estimación de los costes de adquisición y servicio a lo largo de toda la vida de cada tipo de cliente. Igualmente debo considerar el CAC al hacer un análisis retrospectivo de mi base de clientes a efectos de segmentarla o cuando evalúo la rentabilidad de diferentes estrategias y campañas de marketing.

En definitiva, para calcular correctamente el CLV debemos tener en cuenta qué decisión queremos informar con él y cuál es el alcance temporal del análisis.

El valor de un “me gusta”

Úsalo para evaluar el resultado de tus actividades de marketing social

Desde muchos puntos de vista, la estrategia y las métricas del marketing social adolecen de cierta falta de rigor. No sólo suelen reducirse a poco más que consejos del tipo “hay que participar en la conversación”, sino que desde el punto de vista de su análisis y evaluación en el sector ha habido cierta oposición a su medición y a la asunción de responsabilidades. Todo marketer eficaz espera ver un ROI claro y positivo de cualquier canal de marketing, incluyendo email, buscadores o publicidad, pero por alguna razón se olvidan de la rentabilidad cuando se trata de canales como Facebook o Twitter. Sin embargo algunos están intentando cambiar esta tendencia.

Me GustaBendle y Bagga hablan en su artículo de una manera de medir el valor de un “me gusta”, calculando el valor medio de los clientes que son fans de una marca en medios sociales (o hacen “me gusta” o son seguidores) y restándole el valor medio de los clientes que no son fans. Sin embargo, los mismos autores reconocen que es difícil atribuir esta causalidad: que tal vez la diferencia de valor no es consecuencia del “me gusta” y que los fans son inicialmente más favorables hacia la marca que los no fans.

Ha habido otros intentos interesantes de medir el valor de un “me gusta”, por ejemplo, éste de Dan Zarella durante su etapa en HubSpot, que se materializó en una sencilla fórmula implementada y explicada en este calculador online.

Rentabilidad de la inversión (ROI)

Un ROI es un ROI es un ROI

El ROI es una métrica financiera muy utilizada en marketing para evaluar diversas inversiones. Se obtiene calculando el beneficio neto incremental originado por una inversión y dividiendo por el importe de ésta. Por lo tanto, para que haya un ROI debe haber una inversión y unos beneficios atribuibles a ella.

ROIEl principal aspecto a tener en cuenta en el cálculo es que los beneficios deben ser incrementales, es decir, atribuibles directamente a la inversión, y que deben excluir los que se habrían producido si la inversión no se hubiera llevado a cabo (“caso base”). Esto añade complejidad al trabajo de los evaluadores, que en muchas ocasiones incorporan equivocadamente al cálculo todos los beneficios, no sólo los incrementales.

Utilizar únicamente el ROI como criterio para priorizar inversiones en marketing puede llevarnos a elegir selectivamente sólo las de ROI más alto y dejando de lado otras que pueden aportar una contribución positiva a los beneficios.

Con todo, el principal problema es que los marketers tendemos a llamar “ROI” a cualquier cosa que implique un resultado positivo y a no ser rigurosos en el manejo de esta métrica: calificamos como ROI cualquier mejora en algún parámetro (ej.: conocimiento de marca) aunque su conversión a resultados financieros no sea obvia, o hacemos una evaluación totalmente subjetiva de la rentabilidad.

El ROI no es una métrica desconocida por los marketers, sino que más bien se abusa de su nombre y no se la usa adecuadamente.

Si la profesión del marketing se toma en serio mejorar su reputación en cuanto a aportar resultados sus profesionales deben estar preparados para desarrollar sus capacidades de medición. Los marketers tendremos más influencia si aprendemos a usar unas métricas relevantes adecuadamente. Los anteriores consejos contribuirán a ayudarnos.

El post “Las métricas de marketing me confunden (2)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Deja un comentario

El marketing tiene dificultades para justificar su aportación al negocio y las seguirá teniendo si no adopta y usa correctamente unas métricas aceptables para las otras áreas.

Uno de los mayores retos para los marketers está en demostrar el valor de negocio que aporta. Las actividades a las que se dedica el Marketing hacen inherentemente difícil medir su impacto: por ejemplo, el valor de una marca o el efecto de una campaña es difícil de cuantificar. Pero aunque las métricas de marketing no son perfectas serían mucho más útiles si la gente entendiera qué significan las diferentes medidas. Definitivamente la influencia del marketing aumentará si los marketers usan las métricas más eficazmente.

Métricas de marketingEn un estudio realizado por Neil Bendle y Charan Bagga y cuyos resultados se analizan en su artículo “The metrics that marketers muddle” se descubrió que, si bien los marketers reconocen que unas métricas bien definidas son críticas para un marketing eficaz, muchas de las métricas más populares de marketing son mal entendidas y usadas. Y esta confusión puede socavar la reputación de la disciplina del marketing para proporcionar resultados.

En su artículo, Bendle y Bagga pasan revista a cinco populares métricas de marketing, identifican los errores más frecuentes en su uso y hacen recomendaciones para aplicarlas mejor.  En este post y su continuación os resumimos sus propuestas para esas cinco métricas:

  • Cuota de mercado
  • Net Promoter Score (NPS)
  • Valor del tiempo de vida del cliente
  • El valor de un “me gusta”
  • Rentabilidad de la inversión (ROI)

Cuota de mercado

La relación entre cuota y rentabilidad no es inmediata

Cuando yo empecé a estudiar marketing se daba a la cuota de mercado una gran importancia: la estrategia de la cartera de productos se definía sobre una matriz (creada por el Boston Consulting Group) que tenía a la cuota de mercado en uno de sus ejes, y alcanzar una alta cuota de mercado era, gracias a las economías de escala y los efectos de la curva de la experiencia, una garantía de rentabilidad.

Posteriormente se ha ido comprobando que la relación entre cuota y rentabilidad no es ni mucho menos causal aunque pueda existir una correlación. La evidencia ha demostrado que cuota y rentabilidad no sólo no van siempre juntas, sino que muchas veces una cuota elevada se alcanza únicamente a expensas de la rentabilidad.

Tomando esto en consideración, es obvio que una alta cuota no constituye en sí misma un buen objetivo final de marketing, sobre todo si no es evidente que vaya a generar beneficios. La cuota sí puede constituir un objetivo intermedio adecuado, en tanto que represente un indicador de éxito futuro. En algunos mercados “ser más grande es mejor”, por ejemplo, en sectores propensos a economías de escala (no todos los son) o con efectos de red (donde el producto es tanto más valioso para los clientes cuanto mayor es el número de usuarios actuales, por ejemplo, una red social o una aplicación de mensajería). Una alta cuota también puede implicar un mayor poder en la cadena de valor del sector (por ejemplo, sobre los distribuidores del producto) o puede beneficiar a los clientes (a través de una mayor consolidación del mercado, si es el caso).

A veces los beneficios no vienen tanto de la cuota como del volumen, y evidentemente cuota y volumen no son lo mismo: en un mercado en declive es posible que la cuota suba y el volumen baje. La cuota es una medida de éxito relativo.

El uso de la cuota tiene otras limitaciones: muchas veces la definición del mercado en el que competimos es subjetiva y la cuota puede variar drásticamente si se incluye o excluye de los cálculos a un cierto competidor.

La relación entre cuota y rentabilidad es ambigua y no hay reglas generales. En cualquier caso, antes de usar ciegamente la cuota de mercado como una métrica de marketing, resulta imprescindible entender la relación entre cuota y rentabilidad en nuestro mercado.

Net Promoter Score (NPS)

NPS es útil como centro de un sistema de mejora de la experiencia del cliente

En NPS se ha convertido en una religión. Esta métrica se obtiene formulando a los clientes una única pregunta: “¿cuán probable es que recomiende nuestro producto o servicio a un familiar o amigo?” a la que pueden responder en una escala de 0 (muy improbable) a 10 (muy probable). Los clientes que responden 9 o 10 son clasificados como promotores, lo que contestan 7 u 8 son catalogados como pasivos y los que responden entre 0 y 6 son designados como detractores. El NPS se obtiene calculando el porcentaje de promotores menos el de detractores.

Net Promoter ScoreDurante algún tiempo el NPS se ha vendido como “el único número que necesitas para crecer” y muchos directivos creen que hay una relación causal entre un NPS alto y un crecimiento rentable.

El mundo académico, sin embargo, ha sido más reacio a reconocer las excelencias del NPS y la opinión generalizada es que no parece que este indicador sea más eficaz que otras métricas de satisfacción con la experiencia de usuario. Incluso es posible identificar situaciones donde se puede conseguir un NPS alto a costa de la rentabilidad.

Al NPS se le achaca que las fronteras entre las diferentes categorías de clientes –con ese evidente “sesgo hacia la detracción”– son arbitrarias y que hay otras métricas de satisfacción con mayor capacidad predictiva. También, que agregar en la categoría de detractores –dándole un mismo peso– un rango tan amplio de probabilidades de recomendación (del 0 de los furibundos detractores al 6 de los casi pasivos) hace que no se tenga en cuenta una información valiosa.

NPS es una métrica sencilla y fácil de entender y comunicar. Pero lo que está claro es que simplemente monitorizar el NPS no va a mejorar el rendimiento. La clave está en ir más allá de la métrica y usarla como parte de un sistema para cambiar la cultura de la organización y hacerla más centrada en el cliente.

En la segunda parte de este post seguiremos hablando de métricas de marketing poco entendidas y mal usadas.

El post “Las métricas de marketing me confunden (1)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Deja un comentario

El uso de analítica predictiva en marketing B2B añade nuevas fuentes masivas de datos externos a los datos internos sobre clientes ya disponibles en nuestros sistemas y aplica la ciencia de datos para permitirnos entender a nuestros mejores clientes, encontrar más como ellos y crecer en los clientes actuales, vendiéndoles más.

La analítica predictiva siempre ha sido una aspiración para muchos marketers B2B, que miran a sus colegas en mercados de consumo (B2C) con envidia: desde hace tiempo ellos contaban con la información sobre los comportamientos, las actitudes y los eventos en la vida de sus clientes y las herramientas analíticas para tratarlos, una situación que se ha visto acentuada por la disponibilidad en la web de datos más ricos y accesibles.

Por suerte las cosas están empezando a cambiar. El big data ha transformado el paradigma del marketing B2B, permitiendo a los marketers que venden a otros negocios saber mucho más sobre sus prospects y mejorar su capacidad para analizar la información.

De la automatización de marketing a la analítica predictiva

Analítica predictiva en marketingLas herramientas de automatización de marketing permiten hacer un scoring de leads basado en su “lenguaje corporal digital”. Los leads que muestran actividad con los emails y los sitios web de la empresa tienen una alta puntuación y se envían a ventas. Típicamente este scoring consiste en sumar una puntuación predeterminada por cada actividad del prospect (ej., descargarse un white paper) y tiene poco poder predictivo.

Esta capacidad para enfocar el esfuerzo comercial se mejoró adicionalmente con la analítica predictiva que ayudaba a descubrir los patrones adecuados de los perfiles de aquellos clientes y prospects que con mayor probabilidad van a comprar o que tienen el mayor potencial de ingresos. El uso de tecnologías de aprendizaje automático permite identificar el perfil ideal (o, como le gusta decir a algunos, el “ADN”) de los clientes. Estos modelos valoran cada nueva señal detectada en un prospect para predecir la verosimilitud de que se produzca una conversión en un plazo determinado. En una palabra, el motor de analítica predictiva puede considerar una variedad enormemente más amplia de datos y predecir sistemáticamente la composición de los mejores leads.

La explosión de datos

Con el advenimiento del big data los marketers pueden aprovechar fuentes de datos más diversas y procesarlas para optimizar el foco y el gasto de su marketing. Los datos disponibles incluyen tanto los datos internos procedentes de las plataformas de automatización de marketing como datos de intención y comportamiento procedentes de la web.

Entre estos nuevos datos, que se han incorporado de manera masiva a los procesos analíticos, están la información pública sobre situación financiera,  datos de personal, ofertas de trabajo, uso de plataformas tecnológicas en sus interacciones con el exterior, tácticas de marketing y ventas, fuentes de datos públicas (listas de contratantes con la administración, solicitudes de patentes…), análisis semántico de la huella digital de la empresa (sitio web, notas de prensa, sitios de noticias, presencia y actividad en redes sociales…)

Las herramientas de analítica predictiva permiten “industrializar” el procesamiento de estos datos sobre millones de empresas, para generar indicadores de encaje, involucración e intención útiles para el marketing. Toda esa información sobre sus mercados objetivo ha dado a los marketers B2B la posibilidad de desarrollar estrategias basadas en una información corporativa más profunda, en triggers en tiempo real y en datos sobre comportamiento.

Como ejemplo de esas señales de interés para el marketing imaginemos que estamos interesados en saber si nuestros potenciales clientes usan Microsoft SQL Server¿cómo podríamos inferir esa señal a partir de datos externos? Se pueden escanear multitud de datos: ofertas de trabajo publicadas por la empresa con un título relacionado con ese producto o que lo incluyen entre los requisitos, puestos en la organización que tienen ese nombre o atribuciones, referencias a partnerships con Microsoft o menciones al producto en el sitio web de la empresa, casos de estudio, notas de prensa o noticias en sitios de terceros… Estos puntos de datos se combinan mediante data science para obtener una probabilidad de que dicha empresa tenga esa tecnología instalada.

Analítica predictiva a lo largo de todo el viaje del cliente

El uso de estas herramientas no sólo se centra en las fases iniciales del funnel, para descubrir cuentas totalmente nuevas en las que enfocarse o para hacer scoring de leads. También se aplica para la priorización y gestión de oportunidades de venta o para las iniciativas de venta adicional y fidelización en clientes actuales:

  • Desarrollo de perfil de cliente ideal e identificación de potenciales clientes en los que enfocarse. La analítica predictiva analiza cientos de variables y descubre qué rasgos poseen las empresas que tienen la más alta propensión a comprar. Las empresas que más se ajustan a ese perfil se usan para refinar las listas de cuentas objetivo y para conducir programas de account based marketing.
  • Gestión de leads. Scoring, cultivo y cualificación de leads basados en la aplicación de modelado avanzado y aprendizaje automático sobre grandes conjuntos de datos que permite estimar la propensión de los leads a convertirse en clientes. Definición de mensajes y campañas adaptados específicamente a esos perfiles.
  • Gestión de oportunidades. El análisis predictivo hace posible estimar probabilidad de cierre, tamaño de la operación y fecha de cierre, permitiendo a los vendedores concentrarse en las oportunidades más prometedores y aumentando la exactitud de las previsiones de venta.
  • Gestión de cuentas. Se analizan los datos sobre los clientes actuales para predecir cuáles de ellos ofrecen más potencial de ingresos adicionales o presentan más posibilidad de abandono y poder dirigir actividades de cross-sell y upsell o fidelización sobre ellos.

La analítica predictiva nos permite aumentar la conversión enfocándonos y cultivando nuestros prospects más valiosos  a través del funnel de marketing completo.

El post “Analítica predictiva en marketing B2B” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Marketing estratégico para empresas tecnológicas y El nuevo marketing digital en mercados tecnológicos te pueden ayudar.]

Deja un comentario

El uso de más y más diversos datos sobre todos los aspectos de nuestros clientes/mercados ofrece un gran potencial para transformar el modo en que desarrollamos productos, creamos negocios y nos relacionamos con los clientes. Pero para lograrlo debemos cambiar nuestra manera de pensar sobre los datos y dotarnos de procesos y competencias para explotarlos.

En esta segunda parte del post seguimos analizando cómo el uso de datos esta transformado las actividades de marketing y la innovación en las empresas, en particular cómo los datos nos permiten crear nuevos productos y negocios, así como gestionar y personalizar las experiencias de los clientes para ganarlos y servirlos mejor.

Datos transforman negocio

Usar los datos para innovar nuestra oferta y para ganar, servir y retener clientes

Los datos pueden transformar y revolucionar el marketing y la innovación. Pero no se trata, como algunos temen, de eliminar la componente de imaginación en estas actividades sino de complementarla y extenderla para que, por decirlo así, se involucren nuestros dos hemisferios cerebrales. Veamos cómo la experimentación, la evidencia y la optimización pueden amplificar la creatividad y la intuición:

  • Entender y segmentar a los clientes. El análisis de la Voz del Cliente (VoC) y la generación de customer insights han dejado de estar basados en datos internos, solicitados y estructurados (p.ej.: transacciones y encuestas) y están expandiendo su alcance para incorporar comentarios e informaciones externos, no solicitados y no estructurados. Integrando los datos del CRM con historiales de compra, comentarios en medios sociales y datos suministrados por brokers, Marketing puede construir una vista de 360 grados de sus clientes para mejorar la segmentación y sustentar sus iniciativas de personalización. Esta información permite identificar comportamientos (ej., navegación web), actitudes (ej., afinidad de marca) y perfiles demográficos (edad, sexo) de los usuarios, detectar en qué fase del “viaje de comprador” se encuentran y descubrir tendencias y necesidades no cubiertas. En Daedalus estamos desarrollando herramientas para incorporar de una manera sencilla la información no estructurada (tuits, respuestas abiertas en encuestas, comentarios en foros…) al análisis de la Voz del Cliente.
  • Mejorar nuestros productos. Entender mejor a los clientes -como se explica en el punto anterior- implica entre otras cosas detectar sus necesidades no cubiertas y problemas no resueltos, que pueden convertirse en ideas para características adicionales de producto y nuevas ofertas de todo tipo. Y especialmente en productos digitales es posible medir en tiempo real el uso que los clientes hacen de todas las features, permitiendo detectar qué atributos son valorados y cuáles otros tienen escasa aceptación. Pero además, los datos constituyen en sí mismos oportunidades de negocio: es posible extender productos existentes con nuevas features basadas en datos y proporcionar una capa información alrededor de ellos (ej., recomendaciones en tienda de productos físicos).
  • Crear productos y negocios totalmente nuevos. También podemos utilizar los datos para innovar de una marera más radical y crear productos y negocios totalmente nuevos basados en datos que lleven la disrupción a cualquier mercado (ej., productos de datos generados a partir de la actividad de un banco). Incluso podemos aplicar el análisis de datos al propio proceso de creación de nuevos productos y modelos de negocio – aunque estos productos no estén basados en datos: las filosofías de Lean Startup, Customer Development y similares hacen mucho énfasis en la experimentación en el mercado real y el emprendimiento dirigido por datos.
  • Personalizar experiencias. La publicidad basada en contexto y comportamiento y el marketing programático en general permiten entregar a los clientes mensajes relevantes en tiempo real. Y la microsegmentación y el análisis predictivo permiten personalizar nuestra oferta e involucrarse con ellos de forma innovadora a lo largo de todo su ciclo de vida. El resultado es una mayor satisfacción y fidelidad de esos clientes.
  • Integrar y optimizar los procesos comerciales (nuestra “fabrica de clientes”). Monitorizando y analizando los puntos de contacto con los clientes para trazar su respuesta a sus interacciones con nosotros se puede visualizar su viaje completo y optimizar la conversión en todas las fases. Como consecuencia, mejoran la eficiencia y eficacia de nuestros procesos de generación de ingresos.

En un mundo digital como el actual, el marketing y la innovación están viviendo una revolución basada en los datos, que van a desempeñar un gran papel a la hora de mejorar nuestros productos y servicios, crear nuevos negocios y ganar, servir y retener a nuestros clientes. Pero para ello no solo necesitamos más datos y datos diferentes: es imprescindible adoptar un nuevo modo de pensar sobre cómo usar los datos y una cultura, procesos y competencias que ayuden a sacar partido de los datos disponibles.

El post “Los datos están transformando el marketing y la innovación (2)” se publicó primero en “Marketing & Innovación”.

[Conceptualizar nuestros problemas de marketing y ventas desde un punto de vista interno puede confundirnos. Descubre en este documento cómo definir tus verdaderos problemas de marketing desde la perspectiva del cliente.]

Deja un comentario

El uso de datos -cada vez más en grandes volúmenes y aplicando análisis sofisticados- para conseguir una toma de decisiones basada en evidencias (y no en “ocurrencias”) esta transformado el marketing y la innovación, aunque el camino está lleno de dificultades.

En Daedalus estamos colaborando en el programa Experto en Data Science de U-Tad y me ha correspondido impartir un par de sesiones sobre modelos de negocio y aplicaciones de la “ciencia de datos”. En este post resumo varios de los puntos que toqué y algunas reflexiones suscitadas por el estupendo debate que se creó con los alumnos (gracias por vuestra participación).

Los datos están transformando el marketing y la innovación Específicamente vamos a hablar de cómo el disponer de montañas de datos sobre nuestros clientes, mercados y negocios que hasta hace poco eran inaccesibles está afectando a nuestras actividades de marketing e innovación (dos de los temas favoritos de este blog ;- ). Es interesante aclarar que cuando hablamos de gestionar basándonos en datos no tiene que tratarse necesariamente de big data ni de analíticas sofisticadas, aunque estos escenarios sean cada vez más frecuentes. No es imprescindible tratar terabytes de información ni aplicar analítica predictiva para extraer de los datos resultados muy valiosos.

Las empresas están “nadando en datos”

¿Port qué este interés por los datos? Pues sin duda, entre otras razones, porque en los últimos tiempos las organizaciones de toda índole parecen estar inundadas por nueva información, tanto interna como externa, en grandes volúmenes y de todo tipo. Vamos a empezar analizando las tendencias y drivers que hacen que esto sea así:

  • Clientes más conectados. Los clientes están permanentemente online, consumiendo (y generando) información e interactuando socialmente desde todo tipo de dispositivos. Y todas esas conversaciones y puntos de contacto van dejando una huella digital que es posible almacenar y analizar para descubrir comportamientos, actitudes y necesidades. Las empresas ya no solo se basan en datos internos (principalmente, transacciones) y encuestas, sino que los combinan con otras nuevas -y masivas- fuentes de datos para generar customer insights, en un proceso que está suscitando un gran debate ético.
  • Interacciones empresa-cliente más online y automatizadas. Para entender y relacionarse mejor con esos clientes permanentemente conectados, las empresas utilizan unos canales comerciales y de servicio cada vez más digitales: marketing en buscadores y medios sociales, publicidad programática y retargeting, optimización dinámica de contenidos, recomendadores de producto, scoring y cultivo de leads… Estos canales y técnicas son mucho más medibles y controlables que los del mundo offline y en muchos casos son implementados mediante algoritmos que incorporan componentes analíticos.
  • Productos más digitales. Los productos y servicios actuales son mucho más digitales e incorporan más atributos basados en la información. No es sólo que se multipliquen los nuevos servicios y aplicaciones web/móviles enfocados en la información y los contenidos digitales; incluso los productos y servicios más “físicos” incorporan cada vez más software, y sus características y funcionalidades se aumentan con elementos e información digitales. Y por ello, estos productos son mucho más monitorizables y trazables en su uso, hasta el punto de que podemos registrar qué usuario utilizó qué funcionalidad, cuándo y dónde.
  • Tecnologías e infraestructuras de datos más accesibles. En los últimos años, la proliferación y el abaratamiento de plataformas y herramientas de almacenamiento, gestión y tratamiento de datos, (p. ej.: Hadoop, R…) han hecho posible la generalización del análisis de datos, incluso en grandes volúmenes.

Hacia un marketing e innovación basados en evidencias… y no en “ocurrencias”

El uso de datos basados en la realidad de nuestros mercados y negocios hace posible una toma de decisiones basadas en la evidencia y no en “ocurrencias”, entendiendo por tal lo que le pasa por la cabeza a la máxima autoridad presente en la reunión o, como algunos le llaman, la “HiPPO” (Highest Paid Person’s Opinion).

Sin embargo, este camino no está exento de dificultades y riesgos:

  • Silos de datos. La proliferación de herramientas desintegradas (CRM, analítica web, compra de anuncios…) hace difícil obtener esa visión completa de los clientes.
  • Dilemas éticos. La capacidad para extraer patrones y conocimiento a partir de montones de datos va más deprisa que nuestros marcos éticos y legales. La revolución de los datos plantea gran cantidad de problemas éticos relacionados con la privacidad, la confidencialidad, la transparencia y la identidad.
  • Reticencias a una cultura basada en los datos. Los datos solo tienen sentido en el marco de una cultura orientada a la experimentación (como medio de conseguirlos) y a la flexibilidad (para actuar en función de ellos). Pero esta cultura choca con la filosofía de muchos directivos educados en la jerarquía y la planificación rígida, y para quienes experimentación y flexibilidad son sinónimos de fracaso.

En la segunda parte de este post hablaremos de cómo usar los datos para innovar nuestras ofertas y para ganar, servir y retener clientes.

El post “Los datos están transformando el marketing y la innovación (1)” se publicó primero en “Marketing & Innovación”.

[Conceptualizar nuestros problemas de marketing y ventas desde un punto de vista interno puede confundirnos. Descubre en este documento cómo definir tus verdaderos problemas de marketing desde la perspectiva del cliente.]

2 comentarios

El funnel no es nuestro proceso de fabricación de clientes, sino el sistema de inventario de ese proceso. Y, bien construido, nos permite prever nuestras actividades de generación de ingresos a medio y largo plazo. Esta es la llave para que el departamento de Marketing pueda demostrar su contribución y deje de ser considerado un centro de gastos difíciles de justificar.

Decíamos en el post anterior que algunas de las voces que anuncian la muerte del funnel comercial asumen erróneamente que el embudo representa el ciclo de vida del cliente / proceso de compra / viaje del comprador o que en sí mismo constituye un proceso de Marketing+Ventas. Pero esa no es la realidad.

El propósito del funnel es entender, medir, controlar y ayudar a optimizar nuestro proceso de generación de ingresos: cuántos potenciales clientes se generan, con qué ratios y a qué velocidad van moviéndose entre las etapas, cuál es el valor de los elementos en cada fase y qué cambios operativos deberíamos hacer para afinar el proceso y eliminar cuellos de botella.

Marketing Sales Funnel

Uno de los cambios que más pueden beneficiar a la actividad comercial es aplicar un cierto “enfoque de operaciones”.Si aceptamos que nuestro proceso de generación de ingresos viene a ser como el proceso de fabricación de un “producto” muy particular -nuestros clientes- podemos análogamente asimilar el funnel al sistema de inventario de ese proceso. Aunque, como inventario de un proceso de fabricación, el funnel es un poco particular: además de cuantificar los volúmenes y los costes de los productos en curso trata de medir la transformación entre las fases del proceso y el “valor de mercado” de esos productos. Los elementos que discurren por el proceso son:

  • Materia prima, que en el caso de la “fabricación de clientes” recibe denominaciones como las de visitantes, nombres, suspects, raw leads
  • Producto en curso, que en este entorno suelen llamarse prospects, qualified leads (en varios “grados de acabado”, oportunidades
  • Producto terminado: clientes reales

Personalmente, no me gusta utilizar para el funnel nombres de etapas que reflejan una perspectiva “interna”, basada en nuestra organización y funciones. Etapas con nombres como Marketing Qualified Leads, Sales Accepted Leads, Sales Qualified Leads… no tienen sentido desde el punto de vista del ciclo de vida del cliente y tal vez ni siquiera desde el punto de vista de nuestros propios procesos de Marketing+Ventas. En cierto modo son etapas “artificiales” cuya definición depende de cómo organicemos nuestras actividades y de los criterios que utilicemos en cada momento.

El objetivo del proceso comercial no es generar MQLs (o SQLs), sino potenciales clientes interesados en (o evaluando) nuestro producto… Por eso prefiero definir el funnel mediante etapas que reflejen el ciclo de vida del cliente, p. ej., en el caso de un producto de compra compleja: Interesado, Considerando, Evaluando, Decidiendo, Negociando… Obviamente -aún siendo estas etapas mucho más significativas y “naturales”- el problema de definir criterios de cualificación para los leads que se encuentran en cada etapa y de transición de una etapa a otra dista mucho de ser trivial.

Caracterizando el funnel: volumen, conversión, velocidad, valor

Sea cual sea el faseado del funnel, las características básicas del éste (que habría que controlar mediante las métricas adecuadas) son las siguientes:

  • Volumen: número (de elementos: prospects, leads…) en cada fase. Da idea del “alcance” de nuestras actividades
  • Conversión: ratios medios de transformación entre una fase y otra (o entre una fase y el final del funnel/cierre)
  • Velocidad: período medio en cada fase (o del ciclo completo)
  • Valor: “precio” medio en cada fase. ¿Si el valor medio de una operación cerrada es 100, cuánto vale una oportunidad de venta? ¿Y un lead cualificado? Deberíamos poder definir un modelo para el valor de un lead en función de su ratio hasta cierre, valor medio de cliente y otras variables
  • Coste: coste medio en cada fase, repercutiendo los costes de las actividades realizadas para llegar a dicha fase
  • Origen: atribución a departamento, campaña…

Obviamente para cada uno de estos aspectos hay que definir las métricas adecuadas (accionables, accesibles, auditables… según la terminología al uso) para controlarlos.

Inventariar el volumen, la conversión, la velocidad y el valor del funnel es crucial porque nos permite predecir sus salidas (“producción”) a medio y largo plazo. De este modo no estamos limitados -a la hora de hacer previsiones- al típico forecast de ventas a tres meses vista. Aparte de tener una mayor visibilidad y control sobre el negocio global, esta posibilidad permite el departamento de Marketing cuantificar y demostrar su contribución desde el primer momento delante de la alta dirección. Con unas buenas estimaciones, fiables mes a mes, Marketing puede dejar de ser considerado un centro de gasto para pasar a convertirse en una imprescindible inversión en el crecimiento de la empresa.

Finalmente, aunque en el futuro el cambio en los procesos de compra y comercialización nos obligue a ir optando por funnels menos lineales, siempre persistirá la necesidad de una herramienta para entender y contabilizar el proceso, que nos ayude a optimizarlo y a predecir su producción a corto y largo plazo.

En próximos posts hablaremos de si en tu caso necesitas un proceso de fabricación de clientes y de cómo diseñarlo, validarlo y construirlo.

El post “El funnel es el sistema de inventario de tu proceso de fabricación de clientes” se publicó primero en “Marketing & Innovación”.

[Conceptualizar nuestros problemas de marketing y ventas desde un punto de vista interno puede confundirnos. Descubre en este documento cómo definir tus verdaderos problemas de marketing desde la perspectiva del cliente.]

7 comentarios

Últimamente hay muchos que defienden que el funnel lineal ya no es útil en esta época de clientes más sociales y autónomos. Pero algunas de esas críticas se basan en el concepto erróneo de equiparar el funnel con el ciclo de vida del cliente / viaje del comprador o con el propio proceso de Marketing+Ventas.

Uno de los temas más actuales en el campo de la gestión comercial (y en este blog) gira alrededor de la necesidad de optimizar el ciclo de generación de ingresos y de proporcionar a los clientes unas experiencias de compra satisfactorias y consistentes, con el consiguiente imperativo de implementar un proceso comercial integrado y de unificar funnels de Marketing+Ventas.

Funnel muerto

En este contexto, se han alzado opiniones que defienden que la propia idea de un “embudo” lineal ha quedado obsoleta y que el funnel comercial ha muerto. El argumento es que un funnel lineal no puede representar ese camino lleno de ciclos y desviaciones, puntos de entrada y salida alternativos e influencias externas que un comprador recorre en esta época social. Probablemente la representación más gráfica de esta nueva situación es la que se presenta en este post Lori Wizdo, de Forrester  (y que apareció inicialmente en el informe de 2007 “Marketing’s New Key Metric: Engagement”). Posteriormente, tanto McKinsey con su Consumer Decision Journey como Google con su Zero Moment Of Truth han hecho aportaciones interesantes. Y estas críticas tienen su parte de razón: la web y los medios sociales han empujado la asimetría informativa hacia el lado de los compradores y estos ya no siguen el camino marcado por el proveedor, sino que son más autónomos y tienen el control del proceso.

Otro argumento que frecuentemente se utiliza en descrédito del funnel es que sustenta una teoría de la generación de ingresos como “juego de grandes números” y que es “pasivo”, en el sentido de que no se representan las fuerzas que tratan de convertir esos inquiries, suspects, etc. en oportunidades y clientes.

Y, ciertamente, cualquiera que contemple un funnel sin saber lo que representa pensará equivocadamente que el proceso de generación de ingresos consiste en “dejar deslizarse” a cientos o miles de supuestos leads a través de un camino de desgaste en serie hasta que al final del embudo emerge una operación cerrada. Pero si algo sabemos los que trabajamos en esto es que en el funnel no hay una fuerza de gravedad natural que empuja los leads hacia el fondo del embudo… sino más bien una fuerza  centrífuga que los lleva a alejarse de él.

Realmente, aunque estas críticas tienen parte de razón (y además, los titulares sobre la muerte del funnel llaman la atención) parten de una premisa equivocada: ni el funnel está pensado para representar el ciclo de vida del cliente ni constituye un proceso comercial integrado. Vamos por partes.

El funnel NO representa el ciclo de vida del cliente / proceso de compra / viaje del comprador…

En productos de compra compleja/organizacional es frecuente hablar de aspectos como el ciclo de vida del cliente, su proceso de compra y el “viaje del comprador “. Y aún tratándose de artefactos fundamentalmente diferentes (otro día lo explicaremos) esencialmente todos  ellos nos ayudan a entender cómo compran nuestros clientes, cómo intervienen en esos procesos los diferentes actores involucrados y cuál es la evolución en el tiempo de la relación de un cliente con su proveedor.

Sin duda, el ciclo de vida del cliente / viaje del comprador es ahora menos lineal y más autónomo respecto del proveedor (y en muchos momentos resulta, incluso, invisible para él). Pero el funnel no entra ahí: tal como algunos resaltan últimamente, ni baja al detalle de cada lead/oportunidad particular ni mucho menos refleja el viaje de cada comprador individual.

Los modelos/mapas de ciclo de vida del cliente, viaje del comprador, etc. son imprescindibles para entender qué información necesitan los clientes para avanzar en su proceso de compra, los contenidos que nuestra empresa debe ofrecer y las experiencias que debe proporcionar en cada punto de contacto: en definitiva, para a partir de ellos definir un proceso comercial integrado. Como veremos más tarde, la utilidad del funnel es otra.

… pero el funnel tampoco constituye un PROCESO de generación de ingresos

El funnel es una fotografía macroscópica (agregada) del resultado de nuestras iniciativas de Marketing y Ventas. Pero no representa una visión “activa” (del tipo  “¿cómo se actúa sobre los leads para convertirlos?”) ni microscópica por lead. Y es que un funnel no es un proceso de generación de ingresos.

Como dice la propia Lori Wizdo en “Pinpoint The Actions And Outcomes That Elevate Leads To Revenue”, un proceso de generación de ingresos comprende las actividades y competencias necesarias para llevar a un lead a través de un proceso optimizado que lo convierta en cliente y, después, repetir ese proceso cientos o miles de veces. A mí me gusta ver el proceso de generación de ingresos como el “proceso de fabricación” de un “producto” muy particular: nuestros clientes.

Y lamentablemente, muchas empresas se creen que por definir un funnel ya tienen un proceso activo de Marketing y Ventas  y no van más allá en la definición de sus actividades comerciales. El funnel es la causa de que muchas empresas carezcan de un proceso explícito y deliberado de generación de ingresos. Pero, por mucho que el viaje del comprador sea cada vez más disperso y autónomo, como proveedores no podemos renunciar a definir y crear la mejor cadena de eventos para que ese viaje culmine en una decisión favorable a nuestra propuesta.

Finalmente, si estamos de acuerdo en que el funnel no es ni el ciclo de vida de nuestro cliente ni nuestro proceso de generación de ingresos nos queda por ver qué es realmente y para qué sirve el embudo. Lo veremos en el próximo post, pero mientras tanto, pensad en esta analogía: si nuestro proceso de generación de ingresos debe ser nuestro proceso de fabricación de clientes, entonces ¿qué debería ser el funnel?.

El post “El funnel ha muerto… ¿o no?” se publicó primero en “Marketing & Innovación”.

[Conceptualizar nuestros problemas de marketing y ventas desde un punto de vista interno puede confundirnos. Descubre en este documento cómo definir tus verdaderos problemas de marketing desde la perspectiva del cliente.]

4 comentarios
A %d blogueros les gusta esto: