Cómo utilizar el big data para atraer a tu cliente

Según datos del Ministerio de Industria, Comercio y Turismo en 2018 nos han visitado más de 82,6 millones de turistas extranjeros, lo que supone un incremento de 0,9% con respecto a 2017. El sector turístico supone aproximadamente un 14,6% de nuestro PIB (Fuente: Consejo Mundial de Viajes y Turismo), y lo que, por un lado, puede parecer una buena noticia por la fortaleza de este sector en nuestra economía, también puede ser una amenaza por la dependencia de este sector. Por otro lado, en un ecosistema empresarial e industrial en el que cada vez tenemos más información, y por tanto más datos (44 x 10^21 bytes de datos digitales en 2020, según el Foro Económico Mundial), es importante la gestión de estos y su correcta explotación.

Lo primero de todo ¿cuánto voy a vender en el próximo mes? ¿Y en el próximo año?

Nos adentramos en el mundo del forecasting. Esta parte es apasionante por la variedad de técnicas y tipos de modelos que hay. Desde modelos más clásicos como el modelo autorregresivo integrado de media móvil (ARIMA, sus siglas en inglés) hasta modelos de inteligencia artificial como las redes neuronales. Aquí tenemos que ver muchos aspectos que se salen de la extensión del artículo, pero voy a quedarme con dos: precisión e interpretación. Lo ideal es encontrar el equilibrio de ambos, pero generalmente es difícil (no imposible). Hay casos en que no solamente queremos una cifra estimada del futuro, sino queremos conocer en detalle que ha impactado y cómo es esa cifra. En este caso sacrificaremos algo de precisión por ganar capacidad de interpretación.

Un reto importante dentro de los modelos de forecasting aplicado al negocio hotelero es el uso de las reservas (On The Books) como una importante guía en el proceso de modelización. Y esto nos lleva a la siguiente pregunta.

¿Quién y cuándo se cancelará una reserva determinada?

Uno de los motores de venta más potente son las ventas online. Las cadenas hoteleras invierten grandes cantidades en tener plataformas con una buena experiencia de usuario que facilite la contratación de los productos y servicios. Pero al igual que un gran número de ventas vienen por este canal, también suele haber un alto número de cancelaciones. Para poder mitigar esto, es importante implementar un excelente modelo de cancelaciones (en el argot analítico se suelen denominar de fuga o churn). Este tipo de modelo nos podrán conocer qué clientes tienen mayor probabilidad de cancelar, y por tanto, poder realizar acciones preventivas (conociendo cuándo es el mejor momento) como pueden ser: promociones, productos auxiliares, facilitar el cambio de producto o fechas, etc…

¿Cómo son nuestros clientes?

Es muy interesante conocer la segmentación de la cartera de clientes. Esto es indispensable pero no sencillo. Un problema muy recurrente que nos encontramos es la calidad del dato: falta de datos, datos corruptos, duplicados, etc. Por ello en estos casos (y en general en todos los proyectos de modelización) es muy importante el data cleaning y todas la técnicas relacionadas con el tratamiento de valores nulos.

Para generar los modelos de segmentación hay dos caminos habituales: o bien segmentar apoyándose en alguna variable económica como ingresos o los beneficios, o bien buscando similitudes y diferencias entre clientes.

Las cadenas hoteleras buscan fidelizar a sus clientes y conocerles adecuadamente, lo que nos lleva a la siguiente cuestión.

¿Es posible saber qué cliente repetirá?

Nuevamente la respuesta es sí. Se pueden construir un modelo estadístico de propensión a la repetición y recency. Es decir, con qué probabilidad el cliente va a volver a usar la cadena hotelera (o el hotel) y cuánto va a tardar en producirse tal evento. Esto permite realizar acciones de marketing con antelación al evento y potenciar la repetición. También dentro de este punto se podría hablar de modelos de índice satisfacción de cliente.

Un tema muy interesante es conocer qué “atrae” al consumidor a la contratación del hotel, es decir, cuáles son las variables de marketing que tienen mayor impacto. Para ello formulamos las siguientes preguntas:

¿Cómo puedo saber cuál es el ROI de mi inversión de medios? ¿Cuál es el óptimo mix de medios? y ¿cuánto contribuyen los eventos digitales a la conversión?

Para responder a las dos primeras cuestiones debemos recurrir a los modelos de marketing mix (Marketing Mix Modelling). Estos modelos relacionan todas nuestras variables de marketing, haciendo énfasis en las que tienen que ver con los medios (impactos en TV, impresiones online, promociones, patrocinios, inversión de competidores, inversión en marca, etc.), con la variable objetivo (target) que normalmente suele ser los ingresos por ventas o relativas a ésta: conversión, lead, etc. No solo se incluyen variables de marketing, sino todas las variables que puedan afectar al target: meteorología, índices macroeconómicos, etc. Una vez que obtenemos cómo contribuye cada variable en el target podemos conocer el ROI aplicando un sencillo cociente: Contribución Medio X / Inversión Medio X. Otros aprendizajes que se pueden obtener son: mix de medios óptimo para un presupuesto dado, curvas de respuesta y saturación, generación de escenarios, etc.

Por otro lado, para responder a la tercera cuestión es necesario acudir a los modelos de atribución, que nos ayuden a conocer cómo contribuyen los distintos medios digitales al éxito de nuestras campañas y acciones de marketing. A diferencia de los modelos de marketing mix, los modelos de atribución miran el comportamiento usuario a usuario en el ecosistema digital y son capaces de darnos información tan relevante como: cuál es el camino óptimo a la conversión, qué canal es más relevante para la conversión, cómo se apoyan unos canales a otros, etc. En especial, hay que destacar los modelos Multi-Touch. Aunque el Reglamento General de Protección de Datos (GDPR) está limitando el uso de estos modelos, se están encontrando nuevas vías para poderlos utilizar.

Desde las áreas de I+D+i estamos trabajando para mejorar estás técnicas y dar respuesta a todas las cuestiones previas. En un próximo artículo veremos algunos modelos más los cuales también son muy interesantes.

--------------------------------------------------------------------------------------

Otto F. Wagner

Manager de Lighthouse (Retail & Digital) de KPMG en España

---------------------------------------------------------------------------------------

Si está interesado en saber más, contacte con nuestro equipo aquí.