¿Puede aprender la banca de Amazon?
En los tiempos que corren, disponemos de numerosas herramientas tecnológicas, al alcance de todos, que nos facilitan el acceso a todo tipo de información. Esto permite al consumidor comparar entre muchas opciones de compras y servicios y ha conllevado un aumento del porcentaje de clientes que cambian de compañía telefónica, de seguros o de entidad bancaria, por poner un ejemplo. Esto ha causado que la competencia entre las empresas por mantener a su clientela sea más fuerte; y la difícil coyuntura económica por la que estamos atravesando no ayuda. Pero en este panorama, como suele ocurrir en los momentos de crisis, muchas compañías ponen en práctica nuevas ideas y estrategias que les permitan mantener su estatus e incluso liderar su segmento de negocio..
En este sentido, Amazon ha entendido perfectamente la situación y para anticiparse al riesgo ha llevado a cabo una campaña para tratar de fidelizar a sus clientes actuales y lograr aumentar el número de usuarios futuros. Así, la compañía de comercio electrónico ha optimizado durante los últimos años un método de identificación del modelo de conducta de compra de sus clientes. Para ello, ha establecido una serie de patrones y parámetros que compara dicha conducta de compra de sus antiguos clientes con la de los actuales y hace posible llevar a cabo ‘recomendaciones personales’. Es decir, a través del análisis de los patrones de compra y la comparación con otros perfiles, la empresa elabora ofertas personalizadas para el usuario. ¿Cómo? Ofreciendo a sus clientes actuales todos aquellos productos comprados por usuarios históricos, ya que ambos cuentan con patrones de conducta de compra similares. Además de este método, Amazon dispone de una estrategia clásica para examinar dicha conducta tras llevar a cabo un análisis de muestreo de la ‘cesta de la compra’. Por ejemplo: quién compra qué producto; si un cliente compra un determinado producto, ¿puede comprar también ese otro?, ¿éste se compra frecuentemente junto con el otro? Una serie de parámetros y de preguntas que van a establecer modelos de conducta que, posteriormente, serán aplicables a determinadas categorías de usuarios.
En la mayoría de los casos, las empresas se siguen basando en hipótesis y supuestos concretos para desarrollar modelos predictivos en la identificación de clientes en peligro de abandono. Este sistema garantiza unas cuotas de éxito que casi nunca superan el 50%. Pues bien, el método de Amazon también sirve para identificar clientes en peligro de abandono. En estos casos es posible extraer muestras de los usuarios perdidos, a través de sus análisis de conducta, que se aplicarán a los clientes actuales, buscando clientes con modelos de conducta parecidos. Así, cuanto más parecido sea el modelo de conducta de los clientes actuales con el de los perdidos, mayor será el Churn Score (el índice que cuantifica la probabilidad de que clientes individuales o grupos de clientes dejen de serlo). Se trata de un método que cuenta con una garantía de éxito de identificación que ronda el 90%.
Tras conocer el sistema de Amazon, la pregunta sería: ‘¿puede aprender la banca de Amazon?’ La respuesta es sencilla: sí. De hecho, las entidades bancarias deberían buscar nuevos enfoques respecto a lo que hace Amazon, sobre todo en lo relacionado con la gestión de los clientes y en saber qué necesita cada uno de ellos y cuál es el producto más adecuado para cada usuario de la entidad. Como hemos señalado anteriormente, la compañía de comercio electrónico utiliza un minucioso análisis de los hábitos de consumo y una comparación de perfiles similares para ofrecer a sus clientes productos que no conocen todavía pero sobre los cuales existe una probabilidad muy elevada de que estén interesados.
En este sentido, el sector bancario podría seguir el ejemplo y utilizar el mismo método focalizando el interés de sus clientes. Para ello, los bancos cuentan con una serie de herramientas, tales como sistemas de alertas o asesores bancarios, para ofrecer una detallada información de sus productos y servicios. También pueden decidir que aparezcan en la pantalla del usuario sólo aquellos productos sobre los que haya demostrado un especial interés, ofrecer recomendaciones de carteras de valores o primas de riesgo, etc. Todo un abanico de posibilidades que permitirá al banco tener un control adicional sobre qué servicios ofrecer, a qué cliente concreto y en qué momento.
Y para que la banca pueda poner en marcha el concepto de Amazon con éxito es necesario que tenga en cuenta algunas consideraciones:
– Inteligencia de los datos: los bancos puede definir los términos en los que un cliente puede establecer sus consultas.
– Escuchar al cliente: la entidad bancaria debe recoger todas las dudas o sugerencias de sus clientes sobre los productos y servicios, condensar esa información y, posteriormente, llevar a cabo un asesoramiento más enfocado en las necesidades del usuario.
– Responsabilidad en el servicio al cliente: asignación de responsabilidades para los problemas generados en la relación con el cliente. La figura del ‘propietario de las soluciones’ controla el proceso de solución de los contratiempos.
– Adelantarse a las necesidades del cliente: los bancos a través de su canal online, deben ser capaces de proporcionar información útil al cliente y no esperar a que sea éste quien la solicite o la demande.
– Simplicidad: los bancos deben facilitar a los usuarios los procesos de contratación de productos, vía Internet o el móvil.
Miguel Reiser
Head of Business Marketing del Grupo GFT
