Aproveche los datos de su CRM en una estrategia de Big Data

Aprovechar los datos de su CRM en una estrategia de Big Data significa combinar los registros de clientes, las interacciones y el historial de compras almacenados en su CRM con otras fuentes, como analítica web, transacciones, servicio y datos de mercado, y analizarlos en conjunto. El objetivo es pasar de los informes sobre el pasado a las predicciones y las acciones recomendadas que mejoran la adquisición, la retención y el margen.

Para el equipo directivo, esto tiene menos que ver con la tecnología y más con el uso de un activo que la empresa ya posee. El Big Data sigue siendo uno de los mayores desafíos para las empresas y una prioridad máxima para la gerencia. Los líderes de mercadeo lo saben bien, porque identificar patrones de comportamiento es la forma en que entienden a los consumidores y diseñan mejores experiencias. Sin embargo, la mayoría de las organizaciones aún trata el CRM como una lista de contactos y no como el núcleo de su inteligencia de clientes. Las empresas que cierran esa brecha adquieren y conservan clientes con mayor eficiencia que sus competidores.

Considere una reunión de liderazgo un martes en un minorista regional. El director comercial informa que las ventas están estancadas, la directora de mercadeo informa un récord de interacción en el correo electrónico y el jefe de servicio al cliente informa un aumento de las quejas por las entregas. Cada cifra es correcta, y cada una vive en un sistema distinto. Nadie en la sala puede decir si los clientes que se quejan son los mismos que dejaron de comprar, o si la campaña que entusiasmó al equipo de mercadeo trajo compradores que nunca regresan. El director ejecutivo hace una pregunta sencilla: ¿qué clientes estamos perdiendo y por qué? La reunión termina con la tarea de elaborar un informe. Ese informe tardará tres semanas y responderá la pregunta de ayer.

Este es el costo cotidiano de dejar los datos del CRM aislados. La información para responder al director ejecutivo existe, dispersa entre el CRM, la plataforma de comercio electrónico, la mesa de servicio y el ERP. Una estrategia de Big Data es la decisión gerencial de reunir esas piezas en torno a las preguntas que importan, de modo que la respuesta llegue en la propia reunión y no después de ella.

¿Por qué importan los datos del CRM en una estrategia de Big Data?

Según las encuestas del sector que revisó el autor, el 62 por ciento de las empresas cree que el Big Data puede darles una ventaja competitiva. Creer no es ejecutar. El éxito de una estrategia de Big Data depende de una implementación sólida de los datos de su CRM, de su calidad y de la capacidad de la organización para visualizarlos y utilizarlos.

Muy pocas empresas llegan a ese punto. Un estudio de Bain & Company sobre más de 400 empresas encontró que solo el 4% es realmente bueno en analítica, es decir, que cuenta con las personas, las herramientas y los datos para extraer conclusiones significativas y actuar sobre ellas. Cuando las estrategias de Big Data se implementan bien, la recompensa es significativa. El mismo estudio de Bain reporta que este pequeño grupo tenía el doble de probabilidades de estar en el cuartil superior de desempeño financiero de su industria.

La analítica debe ser parte de la estrategia desde el inicio. La investigación de McKinsey sobre cómo la analítica de clientes impulsa el desempeño corporativo encontró que las empresas que utilizan intensivamente la analítica de clientes tienen 23 veces más probabilidades de superar claramente a sus competidores en la adquisición de nuevos clientes y nueve veces más probabilidades de superarlos en la lealtad de clientes. La mayor parte de los datos necesarios para comenzar ya está en sus bases de datos o en fuentes a las que usted puede acceder, como las redes sociales, los registros de transacciones y los historiales de clientes.

¿Qué datos del CRM son más valiosos para el análisis de Big Data?

Los sistemas CRM almacenan una gran riqueza de información que a menudo se subutiliza. Más allá de los datos de contacto y el historial de interacciones, plataformas como HubSpot o Salesforce guardan datos de comportamiento, preferencias, ciclos de compra y tendencias de servicio. Procesada correctamente, esa información se convierte en un activo estratégico.

Unificar los datos del CRM con estas fuentes crea una visión completa y multicanal de cada cliente. Esa convergencia permite personalizar experiencias, automatizar decisiones y priorizar leads u oportunidades con base en el comportamiento real y no en la intuición.

Observe que cada fila comienza con una pregunta de negocio, no con una fuente de datos. Esa es la disciplina que separa la analítica útil de la recopilación costosa de datos. Antes de agregar cualquier fuente nueva, pregunte qué decisión mejorará, quién actuará con base en ella y cómo se medirá el resultado.

¿Cómo puedo aprovechar los datos de mi CRM con una estrategia de Big Data?

El autor propone cuatro bloques de construcción. Juntos convierten al CRM de una base de datos estática en un motor de conocimiento.

Calidad de los datos

Implementar gobierno de datos y algunos procesos recurrentes de mantenimiento ayuda a la empresa a capturar los datos que más importan y a mantenerlos actualizados y libres de duplicados a lo largo del tiempo. La calidad no es un detalle técnico. Gartner estima que la mala calidad de los datos cuesta a las organizaciones, en promedio, al menos 12,9 millones de dólares al año. La analítica construida sobre registros de CRM poco confiables producirá respuestas seguras pero equivocadas. Nuestro artículo sobre qué es el gobierno de datos explica cómo establecer responsabilidades y reglas.

Procesos de negocio

Una comprensión clara de sus procesos hace mucho más fácil adoptar el Big Data. Los CRM ya automatizan y estandarizan los procesos de negocio, por lo que las preguntas por responder son dónde están las principales fuentes de información, cuáles son los principales desafíos para madurar y retener a los clientes, y dónde faltan información o visualización de datos.

Con esa comprensión de los procesos, las fortalezas y las debilidades, usted puede definir los casos de uso de sus primeros escenarios de datos. Por ejemplo, si la retención de clientes es baja, el equipo puede explorar datos históricos y usar algoritmos para identificar qué patrones de comportamiento se repiten entre los clientes que se van. El resultado muestra qué procesos necesitan ajustes.

Campañas de mercadeo

El software de mercadeo de su CRM guarda el historial de cada campaña, las respuestas de los clientes y qué campañas fueron más o menos rentables. En un proyecto de Big Data, ese historial ayuda a diseñar campañas más inteligentes que utilizan datos de comportamiento de todas las fuentes, incluidos el correo electrónico, la web, el móvil, los SMS, las redes sociales y la mensajería grupal.

Análisis de la información

Visualizar los datos del negocio los pone en contexto y da vida a los casos de negocio de su proyecto de Big Data. Muchos de los primeros informes de mercadeo ya existen en su CRM, y deberían ser las primeras fuentes del proyecto. Comience con los informes que la dirección ya revisa cada mes, porque muestran qué preguntas considera importantes el negocio. El objetivo es ir más allá de ver lo que ocurrió y automatizar esos informes dentro de procesos que predicen resultados y prescriben acciones. La visualización avanzada mediante Big Data revela información que de otro modo sería imposible de ver.

¿Dónde rinde primero la combinación de datos del CRM y datos externos?

El valor de unir fuentes depende de la industria, y los casos de uso más convincentes suelen ser aquellos en los que un solo eslabón perdido ha estado costando dinero durante años. Los siguientes escenarios son ilustrativos y buscan mostrar la lógica, no reportar resultados de una empresa específica.

Imagine un banco minorista cuyo CRM registra cada conversación entre los clientes y los gerentes de sucursal, mientras que los datos de transacciones residen en el sistema bancario central. Por separado, cada uno cuenta una historia incompleta. Juntos muestran que los clientes que reciben un depósito de salario y luego comienzan a trasladar fondos a otra institución en un plazo de sesenta días tienen muchas más probabilidades de cerrar sus cuentas. El gerente de relación no necesita un modelo sofisticado para actuar con base en esto. Una simple alerta en el CRM, activada por el patrón, permite hacer una llamada mientras el cliente aún está reconsiderando. El banco no ha comprado una tecnología nueva. Ha conectado dos conjuntos de datos y ha asociado una acción al resultado.

En la manufactura y la distribución industrial, la misma lógica se aplica al ciclo de ventas. Un distribuidor que combina el historial de cotizaciones del CRM con datos de pedidos y registros de precios puede ver qué cuentas cotizan con frecuencia pero compran poco, qué productos se descuentan habitualmente por debajo del margen objetivo y qué representantes de ventas cierran a precios saludables. Esos hallazgos cambian la forma de asignar los territorios y los lugares donde se necesita disciplina de precios, y lo hacen con datos que la empresa ya posee.

En los seguros y las telecomunicaciones, donde la retención es la palanca económica central, las interacciones de servicio son la fuente más rica. Un operador de telecomunicaciones que vincula los contactos del centro de llamadas, las disputas de facturación y las caídas de uso puede identificar los hogares que se preparan en silencio para irse y atenderlos antes que el competidor. En los tres casos el patrón es el mismo. El conocimiento no proviene del volumen de datos, sino del cruce entre un registro comercial y uno operativo, y del proceso que convierte el resultado en acción.

De lo descriptivo a lo prescriptivo: ¿cuáles son los niveles de analítica del CRM?

Los ejecutivos suelen preguntar hasta dónde debería llegar su empresa. Una escala sencilla de madurez ayuda a fijar expectativas realistas y a secuenciar la inversión.

• Descriptiva. ¿Qué ocurrió? Informes estándar del CRM sobre el pipeline, las campañas y los volúmenes de servicio.
• Diagnóstica. ¿Por qué ocurrió? Análisis que cruza los datos del CRM con transacciones o con el comportamiento web para explicar los resultados.
• Predictiva. ¿Qué es probable que ocurra? Modelos que califican leads, pronostican ventas o señalan el riesgo de abandono.
• Prescriptiva. ¿Qué debemos hacer? Mejores acciones siguientes y decisiones automatizadas integradas en los flujos de ventas, mercadeo y servicio.

La mayoría de las empresas debería dominar los dos primeros niveles antes de invertir fuertemente en los dos últimos. Los modelos predictivos entrenados con datos incompletos del CRM simplemente automatizan malos supuestos.

¿Cómo se inicia el primer caso de uso de Big Data?

Todas las organizaciones están, de alguna manera, destinadas a ejecutar procesos que aprovechen el Big Data. Los primeros casos de uso deben comenzar con aprendizaje, paciencia y ensayo y error, así que no espere de ellos cambios importantes. Comience con hipótesis que inicialmente pueden ser erróneas. Ponerlas a prueba es parte del proceso de aprendizaje que mejora la selección de casos, la calidad de los datos y la forma en que la información se visualiza y se proyecta en beneficio de la empresa.

1. Elija una pregunta de negocio con valor económico claro, como reducir el abandono en un segmento clave o mejorar la conversión de leads.
2. Audite los datos del CRM que la respaldan. Verifique la integridad, los duplicados y las definiciones de los campos clave antes de cualquier modelado.
3. Identifique las fuentes adicionales necesarias para responder la pregunta y cómo se conectarán con el CRM.
4. Construya primero un modelo o análisis sencillo, valídelo con el equipo de negocio y mida su impacto frente a un grupo de control.
5. Integre el resultado en un proceso, por ejemplo una alerta de abandono que cree una tarea para el responsable de la cuenta, y luego escale.

Priorizar entre los casos de uso candidatos suele ser el paso más difícil. El toolkit de Análisis de Tráfico y Pareto de ICX ayuda a su equipo a clasificar las oportunidades por impacto y esfuerzo, de modo que el primer proyecto entregue valor visible.

¿Qué errores socavan los datos del CRM en los proyectos de Big Data?

Cuando estas iniciativas fracasan, la causa rara vez es el algoritmo. Suele ser una de un puñado de decisiones gerenciales tomadas, o evitadas, al comienzo.

• Comenzar por la tecnología. Comprar una plataforma de datos antes de definir las preguntas de negocio produce tableros impresionantes que nadie usa. Parta de la decisión que desea mejorar.
• Ignorar las definiciones de los campos. Si ventas, mercadeo y servicio definen de manera distinta a un cliente, un lead o un negocio perdido, los datos combinados se contradirán. Acuerde las definiciones antes de integrar las fuentes.
• Tratar la depuración de datos como una tarea única. Los datos del CRM se degradan cada día porque las personas cambian de empleo, las empresas se fusionan y los representantes omiten campos. La calidad necesita responsables, reglas y rutinas recurrentes.
• Mantener los hallazgos fuera del flujo de trabajo. Un modelo de abandono que vive en un informe es una curiosidad. El mismo modelo que crea una tarea para el responsable de la cuenta dentro del CRM cambia el comportamiento.
• Olvidar la privacidad y el consentimiento. Combinar fuentes multiplica los datos personales en juego. Asegúrese de que los consentimientos, las reglas de retención y los derechos de acceso viajen con los datos.

Si su equipo necesita una base común sobre el concepto en sí, nuestra introducción a qué es el Big Data y para qué sirve es un punto de partida útil antes del primer taller.

¿Cómo debería comenzar un equipo directivo el lunes por la mañana?

La razón más común por la que una iniciativa de Big Data con datos del CRM se estanca es que comienza como un proyecto tecnológico a cargo de un departamento que no carga con la cifra comercial. Un inicio más confiable es una sesión de trabajo de noventa minutos con los responsables de ventas, mercadeo, servicio y finanzas, cada uno con la pregunta que más le gustaría responder sobre los clientes y que hoy no puede. El grupo suele descubrir que dos o tres de esas preguntas son la misma pregunta vista desde distintas sillas, y esa es la señal de dónde corresponde el primer caso de uso.

A partir de ahí, la disciplina consiste en mantener el primer proyecto pequeño y visible. Elija un segmento, una métrica y una decisión, asigne un responsable de negocio con autoridad para cambiar un proceso y acuerde de antemano cómo se medirá el éxito frente a un grupo de control, para que finanzas acepte el resultado. Un equipo que entrega una mejora modesta y creíble en un trimestre se gana la confianza y el presupuesto para abordar la siguiente pregunta. Un equipo que intenta una plataforma de datos para toda la empresa en su primer año normalmente no gana ninguno de los dos.

También ayuda ser franco sobre los compromisos. Combinar fuentes plantea preguntas legítimas sobre privacidad, consentimiento y costo de integración, y algunos datos resultarán ser demasiado pobres para usarse. Reconocer estos límites desde el principio es señal de madurez y protege a la iniciativa de la decepción que sigue a las promesas excesivas. Los ejecutivos que establecen la expectativa de que el primer ciclo es un ciclo de aprendizaje suelen obtener mejores resultados en el segundo.

Qué significa esto para la alta dirección

• Atraer. Use datos unificados del CRM y de la web para identificar los segmentos y canales que traen a los clientes más valiosos, y reoriente el presupuesto en consecuencia.
• Convertir. Priorice los leads y las oportunidades con una calificación basada en el comportamiento real, para que el tiempo de ventas vaya donde la probabilidad de cierre es mayor.
• Retener. Detecte a tiempo las señales de abandono a partir de patrones de servicio, uso y compra, y active acciones proactivas.
• Lealtad. Personalice las ofertas y la comunicación por segmento, con base en lo que los clientes realmente hacen y no en lo que la empresa supone.
• Eficiencia. Automatice los informes y las mejores acciones siguientes para que los gerentes dediquen menos tiempo a compilar datos y más a decidir.

El punto más profundo para los líderes senior es que estas decisiones rara vez residen en una sola función. La retención depende del servicio, los precios y el producto tanto como del gerente de cuenta, y la adquisición depende de que mercadeo y ventas coincidan en cómo es un buen cliente. Una estrategia de Big Data construida sobre los datos del CRM da al equipo directivo una base factual compartida, y esa base compartida suele ser más valiosa que cualquier modelo individual que produzca.

Haga una pregunta en su próxima reunión de liderazgo. ¿Qué decisión de este trimestre cambiaría si confiáramos plenamente en los datos de nuestros clientes? La respuesta suele ser su primer caso de uso.

Cómo ayuda ICX

ICX Consulting ayuda a empresas en Estados Unidos y Latinoamérica a convertir los datos del CRM en decisiones comerciales. Nuestros servicios de analítica e inteligencia de clientes definen los casos de uso, el modelo de datos y el gobierno, y conectamos el CRM con los procesos y tableros donde se toman las decisiones, en plataformas como HubSpot, Salesforce y Tableau. ¿Quiere saber cuáles de sus datos de clientes pueden crear valor primero? Solicite un diagnóstico con un consultor de ICX.

Preguntas frecuentes

¿Necesitamos un data lake o un data warehouse para usar los datos del CRM en Big Data?

No desde el primer día. Muchos de los primeros casos de uso funcionan con datos del CRM combinados con una o dos fuentes adicionales mediante integraciones nativas o una herramienta de inteligencia de negocios. Un data warehouse se vuelve necesario cuando crecen los volúmenes, las fuentes y los usuarios, o cuando varios equipos necesitan una única versión gobernada de los datos de clientes para distintos análisis.

¿Quién debería ser responsable de una iniciativa de Big Data con datos del CRM?

La responsabilidad debe recaer en un líder de negocio, normalmente el responsable comercial, de mercadeo o de Customer Experience, con el apoyo de los equipos de datos y de TI. La titularidad por parte del negocio mantiene el proyecto enfocado en decisiones con valor económico. Los equipos de TI y de datos garantizan la seguridad, la integración y la calidad de los modelos, pero no deberían elegir solos las preguntas de negocio.

¿Cómo cambia la IA el uso de los datos del CRM?

La IA hace que la predicción y la automatización sean más accesibles dentro de las plataformas CRM, por ejemplo en la calificación de leads, el pronóstico y las recomendaciones generadas. También eleva la importancia de la calidad de los datos y la privacidad, porque los modelos amplifican los patrones que existan en los datos. Contar con datos de CRM limpios, consentidos y bien definidos es la condición previa para que la IA sea útil.

¿Cuánto tarda un caso de uso de analítica del CRM en mostrar resultados?

Un primer caso de uso bien delimitado, como una alerta de abandono para un segmento, puede mostrar resultados medibles en uno o dos trimestres si los datos están razonablemente limpios. La mayor parte del tiempo se dedica a acordar definiciones y a corregir datos, no a modelar. Mida frente a un grupo de control para que el impacto sea creíble ante finanzas.

Su CRM ya sabe más sobre sus clientes que cualquier otro sistema de la empresa. La diferencia entre las empresas que crecen con ese conocimiento y las que no lo hacen es la disciplina de utilizarlo. Hable con un consultor de ICX y convierta su CRM en la fuente de su próxima ventaja comercial.