Conocer el perfil de los clientes, sus necesidades y deseos es indispensable para cualquier marca. Hoy, gracias a los insights obtenidos a través de soluciones de big data, las compañías pueden diseñar las estrategias necesarias para cumplir sus objetivos con éxito. De esta forma, el conocimiento del cliente se convierte en la clave del éxito del retail moderno.

El sector retail vive un momento de auténtica transformación digi­tal. A pesar de la gran influencia que están teniendo tendencias como el e-commerce o la llegada de los players di­gitales, aproximadamente el 91% de las compras todavía se realiza en tiendas físicas.

Para cualquier retailer está claro que la transformación digital es un proce­so que resulta ineludible, y que le permitirá acercar la inteligencia del mundo online a un contexto offline. Sin embargo, no siempre resulta sencillo decidir cómo hacerlo. En  este punto, las tecnologías relacionadas con la analítica avanzada y el big data van a resultar claves para me­jorar las interacciones y la personalización de la oferta.

 El caso de La Vaguada

Jesús Hernández, subdirector de La Vaguada —el centro comercial más vi­sitado de España—, nos cuenta cómo, desde el departamento de Innovación y Marketing, del que es responsable, se plantearon la necesidad de enten­der mejor a sus clientes a través de información que pudiéra ir más allá de la conseguida a través de la realización de encuestas y la intervención del usuario.

Para ello, en abril de 2017, La Vaguada inició una colaboración con LUCA, la unidad de datos de Telefónica. El objetivo de esta colaboración era definir la mejor manera de competir con el comercio electrónico basándose en un mejor conocimiento del cliente que visita su centro y de cómo se comportan sus principales competidores. El proyecto se centró en tres áreas principales:

Estudiar los comportamientos y perfiles de los clientes en el interior del centro y en su área de influencia.

Establecer comparativas entre el perfil y performance de las áreas de influencia de sus principales competidores.

Analizar el market share del centro, además de a sus competidores dentro de sus áreas.

De esta forma, La Vaguada ha mejorado su conocimiento no sólo del perfil y pautas de comportamiento de su cliente actual, sino también qué tipo de clientes le interesa captar, cómo son y dónde residen.

Lo que antes se basaba en estudios de mercado puntuales, ahora se obtiene de manera continuada en el tiempo, lo cual permite analizar la evolución y el impacto de sus decisiones en la afluencia al centro por tipología de visitante. Esta información ha sido clave para mejorar sus decisiones de negocio en aspectos tales como los siguientes:

Consecución de una combinación de tiendas alineada con el tipo de público que quiere captar y fidelizar.

Efectividad de las campañas de comunicación adaptadas al perfil del público objetivo.

Identificación de oportunidades de crecimiento en su entorno.

Así, ejemplos de acciones concretas que ha emprendido La Vaguada han sido definir las acciones de marketing según la procedencia o el tipo de público al que se quiera llegar, o cambiar la propia política de comunicación para adaptarla al estilo y los canales propios del público objetivo.

La analítica avanzada es clave para mejorar las interacciones y personalizar la oferta

Trabajar con los datos

Los datos, combinados con sus cifras de negocio, permiten que las compañías puedan analizar el potencial de los puntos de venta, identificar a sus clientes más valiosos y diseñar acciones orientadas a mejorar su captación y valor en la tienda. Las empresas que toman decisiones basadas en datos han dejado de ser el futuro para convertirse en realidad. Se trabaja con los datos con una estrategia zoom out-zoom in. De esta forma, se analizan los siguientes tipos de datos:

Datos macro a escala nacional, de interés para identificación de la conveniencia de apertura/cierre de nuevas tiendas.

Datos fuera de la tienda, que proporcionan información sobre los clientes que pasan por delante de la tienda. Ayudan a comprender movimientos y patrones o a realizar comunicaciones dirigidas.

Datos dentro de la tienda, que proporcionan información detallada sobre el perfil sociodemográfico y el sexo de los clientes, categorización web, patrones de comportamiento, tiempo medio en la tienda, gasto medio por ticket, así como otros datos micro sobre el comportamiento de compra.

Datos micro, que proporcionan información sobre el comportamiento de compra.

Por ejemplo, los datos de fuera de la tienda permiten realizar un análisis de los visitantes basado en su origen nacional e internacional; realizar segmentaciones por sexo, edad y poder adquisitivo; conocer la frecuencia con la que visitan un área de interés; analizar el tiempo que invierten en esta área; qué volumen de ellos corresponde a residentes, trabajadores o visitantes; cuántas de las personas que visitan un área de interés visitan otras áreas comerciales, etc.

El proyecto combina big data con datos de la red móvil y sus propias cifras de negocio

Procedencia de los datos

A las propias cifras de negocio de La Vaguada se suman los más de mil millones de eventos diarios recogidos en la red Movistar (24 × 7 × 365), con los que cuenta LUCA STORE. Esto se traduce en tamaños muestrales de 21 millones de clientes nacionales (30% de la población), basados en eventos reales (como llamadas de teléfono, uso del WhatsApp, envío de SMS, etc.) generados en la red, a los que se suman ocho millones de roamers mensuales de media.

La base de datos de clientes también permite segmentar según distintos perfiles: residencia, sexo y edad (en caso de ser españoles), y por nacionalidad.

El proceso de obtención de esos datos se realiza a través de la plataforma SmartSteps y consta de los siguientes pasos:

Extracción. A través de sondas instaladas en la red, diariamente se recogen los datos generados a lo largo de toda España.

Anonimización. Una vez extraídos los datos, el siguiente paso es anonimizarlos para su posterior almacenamiento en una infraestructura big data. Los algoritmos usados en el proceso de anonimización tienen dos características principales. Por un lado, no permiten dar marcha atrás, por tanto, NO es posible conocer la identidad del usuario que los ha generado. Por otra parte, los identificadores asociados a cada línea son persistentes a lo largo del tiempo.

Extrapolación. Una vez anonimizados, los usuarios se extrapolan, de modo que los insights que se generan a partir de ellos harán referencia a la totalidad de la población y no solo a los usuarios que se conectan a nuestra red.

Agregación. Por último, antes de generar los ficheros o informes para los usuarios finales, los datos se agregan en función de diferentes variables sociodemográficas definidas según el caso de uso de retail. Según las restricciones impuestas por la Agencia Española de Protección de Datos, nunca se podrá hacer referencia a comportamientos asociados a menos de quince individuos.

En definitiva, la combinación de tecnologías big data con datos de la red móvil y sus propias cifras de negocio ha permitido a La Vaguada lograr su objetivo: conocer mejor a sus clientes.