Data y analítica: su rol en la gestión omnicanal de la experiencia del cliente

En este artículo te hablaré de la dimensión número 5 del Modelo de madurez para la gestión omnicanal de la experiencia del cliente: la Data y analítica.

Si has llegado hasta aquí después de realizar una búsqueda en Google o siguiendo un enlace recomendado, sería bueno que primero leyeras un poco de contexto sobre nuestro modelo de madurez.

Si ya te has enterado de que nuestro modelo de madurez apunta a operacionalizar el concepto de omnicanalidad, entonces es posible que quieras dar un vistazo a las demás dimensiones que hemos revisado hasta este punto:

1. Estrategia de negocios
2. Gestión de la omnicanalidad
3. Customer experience (CX)
4. Personas y cultura

Y después de conocer el contexto siempre necesario…

¡Vamos entonces por la Data y analítica!

Los datos y la analítica son uno de los pilares de la gestión omnicanal de la CX. En este contexto, los objetivos y resultados clave deben estar alineados con la estrategia omnicanal. 

Los datos de los clientes deben estar integrados para permitir una visión integral del cliente, desde sus puntos de contacto hasta sus necesidades, problemas, comportamiento de compra, uso de los canales y el seguimiento del cumplimiento de los pedidos de logística.

El foco en la omnicanalidad se debe reflejar en el uso de métricas cruzadas de canales y la búsqueda de resultados de interacción con la marca.

Por métricas cruzadas nos referimos a métricas que vayan más allá de un solo canal de contacto, ya que estamos buscando que las personas interactúen con nuestra marca independiente de un canal específico. En palabras simples, da lo mismo que el cliente se atienda por la web al inicio y termine resolviendo una necesidad / un requerimiento / una tarea por WhatsApp.

Al final, lo que buscamos es la resolutividad y, con eso, el cierre adecuado de una interacción de manera fluida.

Por último, en la empresa omnicanal la analítica es prescriptiva y predictiva, mientras el benchmark permite compararse con competidores directos y otras marcas del mercado.

¿Por qué compararse con otras marcas? Porque las experiencias previas de las personas (clientes y colaboradores) tienen un impacto o moldean sus expectativas en sus interacciones con las marcas. Dicho de manera simple, si tenemos una buena experiencia con una marca financiera, tendemos a esperar lo mismo de una empresa de telecomunicaciones, por ejemplo. 

Criterios que componen la dimensión Data y analítica

Si aplicas nuestro Modelo de madurez para la gestión omnicanal de la CX para evaluar a tu empresa, verás que la dimensión Data y analítica abarca los siguientes criterios de evaluación:

• Objetivos y resultados clave: nuestros objetivos y resultados clave están alineados con nuestra estrategia omnicanal de CX.
• Datos del cliente integrados: nuestra empresa tiene datos integrados e información agregada que proporciona una visión integral del cliente, sus puntos de contacto anteriores, así como sus necesidades, problemas y comportamiento de compra. Podemos así rastrear cómo nuestros clientes usan cada uno de nuestros puntos de contacto e identificar patrones de compra.
• Seguimiento del cumplimiento: realizamos un seguimiento del cumplimiento de los pedidos de logística como: puntualidad, disponibilidad y estado de los productos (por ejemplo: integridad del pedido, precisión del pedido en la recolección inicial, estado del producto y tiempo de espera para artículos agotados).
• Benchmarking: en nuestra empresa somos conscientes de las capacidades y acciones de CX omnicanal de nuestros competidores directos y otras marcas en el mercado. Nos comparamos con nuestros competidores directos y marcas de otras industrias.
• Resultados de la marca: en nuestra empresa medimos los resultados correctos de interacción con la marca, como la confianza en la marca, la satisfacción con la marca y la participación de la marca.
• Métricas cruzadas de canales: nuestras métricas cruzadas de canales están priorizadas más allá de las métricas de cada canal (métricas cruzadas = métricas que involucran más de un canal).
• Analítica predictiva y prescriptiva: siempre buscamos analítica predictiva e incluso prescriptiva (la analítica predictiva permite anticipar mientras que la analítica prescriptiva recomienda acciones a tomar).
• Datos sociodemográficos: nuestra empresa captura y mide las características individuales de nuestros clientes (como edad, sexo, ingresos, etc.).
• Segmentación dinámica: tenemos la capacidad de utilizar la segmentación dinámica, lo que significa que entendemos que la segmentación de clientes puede cambiar con el tiempo. Nuestros datos de canales y CRM se utilizan para revelar segmentos de clientes ocultos.

Con esto ya querrás explorar nuestro modelo de madurez en línea y ser de las primeras personas en usarlo.

De momento, cierro este artículo dejándote las siguientes preguntas y así generamos debate:

¿Qué tan importante es la interacción con la marca en tu organización? 

Si es importante, ¿cómo se mide eso?

La versión original de este artículo fue publicada en LinkedIn para la Newsletter Omnicanalidad en español. Ya sabes, puedes seguirme también por esa plataforma.