Personalización de la experiencia del cliente con recomendaciones
Accede directamente a los notebooks de recomendación mencionados en esta publicación.
El comercio minorista dio un salto agigantado en la adopción del comercio electrónico en 2020; el comercio electrónico como porcentaje del total de las ventas minoristas registró el progreso de varios años en solo uno. Mientras tanto, la COVID, los confinamientos y la incertidumbre económica han alterado por completo la forma en que interactuamos con los clientes y los retenemos. Las empresas necesitan reconsiderar la personalización para competir de manera eficaz en este período de cambios rápidos.
En 2020, vimos un cambio rápido en el comportamiento del consumidor, no solo en la adopción del comercio electrónico. Las marcas de las tiendas tuvieron una mayor aceptación por parte de los consumidores. Los productos de primera necesidad experimentaron un resurgimiento en la demanda. Los clientes no solo reconsideraron sus relaciones con productos específicos, sino también con los minoristas, y distribuyeron su gasto entre múltiples socios minoristas. La relevancia de las exhibiciones, características y promociones en la tienda fue desafiada por los principales minoristas capaces de generar el 35 % de sus ingresos a través de recomendaciones personalizadas.
Ofrecer una experiencia que haga que los clientes se sientan comprendidos ayuda a los minoristas a destacarse entre la multitud de comerciantes masivos y a generar lealtad. Esto era cierto antes de la COVID, pero las cambiantes preferencias de los consumidores hacen que esto sea más fundamental para las organizaciones minoristas. Dado que las investigaciones demuestran que el costo de adquisición de clientes es hasta cinco veces mayor que el de retener a los existentes, las organizaciones que buscan tener éxito en la nueva normalidad deben seguir construyendo conexiones más profundas con sus clientes actuales para retener una base de consumidores sólida. En la actualidad, los consumidores tienen una gran cantidad de opciones e incentivos para reconsiderar sus patrones de gasto habituales.
La personalización es imprescindible para competir
Ante una abrumadora cantidad de opciones, los consumidores esperan que las marcas que compran y las organizaciones a las que se las compran ofrezcan una experiencia acorde a sus necesidades y preferencias. La personalización, que alguna vez se presentó como una visión exótica de lo que podría ser, se está convirtiendo cada vez más en la expectativa básica para los consumidores que están continuamente conectados, tienen poco tiempo y buscan valor a través de un conjunto de consideraciones cada vez más complejo.
Las marcas que ofrecen experiencias personalizadas pueden competir con estos gigantes del retail. En un análisis previo a la COVID de las actitudes y los patrones de gasto de los consumidores, el 80 % de los participantes indicó que era más propenso a hacer negocios con una empresa que ofreciera experiencias personalizadas. Se descubrió que esas personas eran 10 veces más propensas a realizar 15 o más compras por año en organizaciones que, según ellas, entendían y respondían a sus necesidades y preferencias personales. En una encuesta aparte, el 50% de los participantes informó que ve las marcas que compra como extensiones de sí mismo, lo que impulsa una lealtad del cliente más profunda y sostenida para las marcas que lo hacen bien.
A medida que el COVID forzó un cambio en el enfoque del consumidor hacia el valor, la disponibilidad, la calidad, la seguridad y la comunidad, las marcas más en sintonía con las necesidades y los sentimientos cambiantes vieron a los clientes cambiarse de rivales. Mientras que algunos segmentos ganaron negocios y muchos perdieron, las organizaciones que ya habían comenzado el camino hacia una mejor experiencia del cliente obtuvieron mejores resultados, lo que refleja de cerca los patrones observados en la recesión de 2007-2008 (Figura 1).
Figura 1. Los líderes en CX superan a los rezagados, incluso en un mercado a la baja, una visualización del Índice de Rendimiento de la Experiencia del Cliente de Forrester proporcionada por McKinsey & Company (enlace
Mientras nos acercamos a lo que será la nueva normalidad, está claro que la personalización de las experiencias del cliente seguirá siendo un enfoque clave para muchas organizaciones B2C e incluso B2B. Cada vez más, los analistas de mercado reconocen la experiencia del cliente como una fuerza disruptiva que permite a las organizaciones emergentes superar a los actores ya establecidos. Las organizaciones enfocadas en competir únicamente a través del producto, la distribución, el precio y la promoción se verán presionadas por competidores capaces de ofrecer más valor a los consumidores por cada dólar recibido.
Enfócate en el recorrido del cliente
La personalización comienza con una exploración cuidadosa del recorrido del cliente. Esto comienza cuando los clientes reconocen una necesidad y buscan un producto para satisfacerla. Luego, pasa a la selección de un canal para su compra y concluye con el consumo, el desecho y la posible recompra. El recorrido es variado y no es simplemente lineal, pero en cada etapa, existe la oportunidad de crear valor para el cliente.
La digitalización de cada etapa le brinda al cliente flexibilidad en cuanto a cómo interactuará y le proporciona a la organización la capacidad de evaluar el estado de su modelo. Si bien es una parte integral de la experiencia en línea y móvil, la digitalización puede extenderse a las etapas en la tienda, en tránsito e incluso en el hogar del recorrido del cliente, con las consideraciones adecuadas de transparencia, privacidad y valor agregado para el cliente.
Estos datos generados por el cliente, así como la información de terceros, le proporcionan a la organización la información que necesita para refinar su comprensión del cliente y sus recorridos únicos. Ahora se pueden entender mejor las motivaciones, los objetivos y las preferencias individuales, y se pueden ofrecer experiencias más personalizadas al cliente.
El análisis del recorrido del cliente, su digitalización y el análisis de los datos que genera se utilizan para crear un ciclo de retroalimentación mediante el cual mejora la experiencia del cliente. Para poner en marcha este ciclo y sostenerlo a lo largo del tiempo, se debe expresar una visión clara para competir en la experiencia del cliente. Esta visión debe unir a toda la organización, no solo al área de marketing y a sus facilitadores de TI, en torno a objetivos compartidos. Estos objetivos deben luego traducirse en estructuras de incentivos que fomenten la colaboración entre departamentos y la innovación. El recorrido de la organización para ofrecer experiencias diferenciadoras para el cliente es, en esencia, un recorrido para convertirse en una organización que aprende, una que pone en práctica sus conocimientos, celebra los aprendizajes que conlleva el fracaso y escala rápidamente sus éxitos para generar valor para el cliente.
Aprovechar las preferencias de los clientes
La personalización es multifacética, pero en varios puntos del recorrido del cliente, las organizaciones tendrán la oportunidad de seleccionar el contenido, los productos y las promociones que se le presentarán. En estos momentos, podemos tener en cuenta los comentarios anteriores de los clientes para seleccionar los elementos correctos que se presentarán. Los comentarios de los clientes no siempre nos llegan en forma de calificaciones de 1 a 5 estrellas o reseñas escritas. Los comentarios pueden expresarse a través de interacciones, tiempos de permanencia, búsquedas de productos y eventos de compra. La consideración cuidadosa de cómo los clientes interactúan con diversos activos y cómo estas interacciones pueden interpretarse como expresiones de preferencia puede desbloquear una amplia gama de datos con los que puede habilitar la personalización.
Con los comentarios recibidos, ahora consideramos qué artículos presentar. Pensemos en un cliente que navega por una selección de productos recomendados, hace clic en uno, explora alternativas a este artículo, lo agrega a su carrito y luego explora artículos que se compran con frecuencia en combinación con este. En cada etapa de esta porción tan específica del recorrido del cliente, el cliente interactúa con nuestro contenido con objetivos muy diferentes en mente. Las preferencias del cliente no cambian a lo largo de este recorrido, pero su intención nos lleva a usar esa información para tomar decisiones muy diferentes con respecto a lo que podríamos presentar.
Entiende que es tanto arte como ciencia
Los motores que usamos para ofrecer contenido según las preferencias de los clientes se conocen como recomendadores. Decir que su construcción es tanto un arte como una ciencia sería quedarse corto. Con algunos recomendadores, nos centramos principalmente en las preferencias compartidas de clientes similares para ampliar la gama de contenido que podríamos mostrar a los clientes. Con otros, nos centramos en las propiedades del contenido en sí (p. ej., las descripciones de los productos) y aprovechamos las interacciones específicas del usuario con contenido relacionado para cuantificar la probabilidad de que un artículo sea de interés para el cliente. Cada clase de motor de recomendación se orienta a un objetivo general, pero dentro de cada una, hay un sinfín de decisiones que la empresa debe tomar para orientar sus recomendaciones hacia objetivos específicos.
La complejidad de estos motores y la naturaleza de por qué los construimos son tales que cualquier evaluación inicial de su supuesta precisión es cuestionable. Aunque se han propuesto métodos de evaluación offline y deberían emplearse para garantizar que los recomendadores que construimos no se descontrolen, la realidad es que solo podemos evaluar eficazmente su capacidad para ayudarnos a alcanzar un objetivo particular lanzándolos en programas piloto limitados y evaluando la respuesta de los clientes. Y en esas evaluaciones, es importante tener en cuenta que no se espera la perfección, sino solo una mejora incremental con respecto a la solución anterior.
Considera el equilibrio entre el rendimiento & la completitud
El principal desafío que debemos superar en la construcción de cualquier sistema de recomendación es la escalabilidad. Considere un sistema de recomendación que aprovecha las similitudes entre usuarios. Un pequeño grupo de 100,000 usuarios requiere la evaluación de aproximadamente 5,000,000,000 de pares de usuarios, y cada una de esas evaluaciones puede implicar una comparación de preferencias para cada artículo que podríamos recomendar. Desde un punto de vista puramente técnico, realizar este número de cálculos no es un problema, pero el costo de hacerlo de forma regular y dentro de las limitaciones de tiempo impuestas a estos sistemas hace que una evaluación de fuerza bruta sea inviable.
Es por esta razón que la literatura técnica que rodea el desarrollo de los sistemas de recomendación pone un gran énfasis en las técnicas de similitud aproximada. Estas técnicas ofrecen atajos que nos permiten centrarnos en aquellos usuarios o elementos con mayor probabilidad de ser similares a los objetos que estamos comparando. Con estas técnicas, existe una compensación entre las mejoras de rendimiento y la exhaustividad de las recomendaciones. Así que, si bien estas técnicas tienen una orientación bastante técnica, es importante que se produzca una conversación entre los arquitectos de soluciones y las partes interesadas del negocio sobre el equilibrio adecuado entre estas dos consideraciones.
Impulse sus esfuerzos con aceleradores de soluciones
No hace falta decir que la gestión cuidadosa de los recursos puede contribuir en gran medida a mantener el costo del desarrollo, el entrenamiento y el despliegue continuos de los recomendadores. Databricks está diseñado específicamente para el desarrollo escalable en infraestructuras en la nube que les permiten a las organizaciones aprovisionar y desaprovisionar recursos rápidamente, exactamente por esta razón.
Para ayudar a nuestros clientes a comprender cómo podrían usar Databricks para desarrollar diversos recomendadores, hemos puesto a disposición una serie de notebooks detallados como parte de nuestro programa Solution Accelerators. Cada notebook utiliza un conjunto de datos del mundo real para mostrar cómo los datos crudos pueden transformarse en una o más soluciones de recomendación.
El enfoque de estos notebooks es educativo. Nadie debería tomar las técnicas que se demuestran aquí como la única forma, ni siquiera como la preferida, para resolver un desafío de recomendación específico. Sin embargo, al lidiar con los problemas antes descritos, esperamos que algunas partes del código presentado ayuden a nuestros clientes a abordar sus propias necesidades de recomendación.
Recomendadores de filtro colaborativo
- CF 01: Preparación de datos
- CF 02: Identificar usuarios similares
- CF 03: Crear recomendaciones basadas en el usuario
- CF 04: Crear recomendaciones basadas en artículos
- CF 05: Implementar filtros colaborativos
Recomendadores basados en contenido
También puedes ver nuestro webinar on-demand sobre personalización y recomendaciones.
Ciencia de Datos y ML
December 18, 2020/10 min de leitura
Personalización de la experiencia del cliente con recomendaciones
No te pierdas ninguna publicación de Databricks.
¿Qué sigue?
Data Science e ML
October 31, 2023/9 min de leitura
