Los compradores una vez confiaron en un vendedor familiar, como el propietario de la

tienda general de su vecindario, para ayudarlos a encontrar lo que querían. Basándose en

lo que sabía o podía deducir rápidamente sobre el cliente, localizaría el producto perfecto
y, a menudo, sugeriría elementos adicionales que el cliente ni siquiera había pensado. Es
un escenario pintoresco. Los consumidores distraídos de hoy, bombardeados con
información y opciones, a menudo luchan por encontrar los productos o servicios que
satisfagan mejor sus necesidades. El personal de planta, poco informado y, a menudo,
mal informado en muchos sitios de venta al por menor no puede comenzar a reproducir
el toque personal del que los compradores alguna vez dependieron, y los consumidores
todavía son en gran medida independientes cuando compran en línea.

Esta lamentable situación está cambiando. Los avances en la tecnología de la

información, la recopilación de datos y el análisis están haciendo posible la entrega de
algo como, o quizás incluso mejor, que el consejo del propietario. Con el uso de datos
cada vez más detallados, desde datos demográficos y psicográficos detallados hasta las
secuencias de clics de los consumidores en la web, las empresas están empezando a crear
ofertas altamente personalizadas que llevan a los consumidores a la mercancía o servicios
"correctos", en el momento adecuado, al precio correcto y en El canal correcto. Estas se
denominan "las mejores ofertas siguientes". Considere el éxito de Microsoft con las
ofertas de correo electrónico para su motor de búsqueda Bing. Esos correos electrónicos
se adaptan al destinatario en el momento en que se abren. En 200 milisegundos, un
desfase imperceptible para el destinatario, el software de análisis avanzado reúne una
oferta basada en información en tiempo real sobre él o ella: los datos incluyen la
ubicación, la edad, el género y la actividad en línea, tanto histórica como inmediatamente
anterior, junto con las respuestas más recientes de otros clientes. Estos anuncios han
elevado las tasas de conversión hasta en un 70%, mucho más que esfuerzos de marketing
similares pero no personalizados.

¿Qué hace un NBO?

La "mejor oferta siguiente" se usa cada vez más para referirse a una propuesta
personalizada en base a los atributos y comportamientos del consumidor (datos
demográficos, historial de compras)

El contexto de compra (ladrillos y mortero, online).

Características del producto o servicio (estilo de zapato, tipo de hipoteca).

Los objetivos estratégicos de la organización (aumentar las ventas, fidelizar a los

clientes).

Las NBO se diseñan con mayor frecuencia para inspirar una compra, impulsar la lealtad
o ambas cosas. Pueden consistir en

Productos (un cupón para pañales)

Servicios (un descuento en una visita al spa)

Información (anuncios de Google para hacer clic en)

Relaciones (recomendaciones de LinkedIn y Facebook)

A pesar del nombre, un NBO puede de hecho ser un compromiso inicial. Y ya sea que la
relación con el cliente sea nueva o continua, la NBO está destinada a ser una "mejor
oferta".

Las tecnologías y estrategias para elaborar las mejores ofertas proximamente están
evolucionando, pero las empresas que esperan explotarlas verán a sus clientes desertar a
los competidores que toman la iniciativa. Microsoft es solo un ejemplo; Otras compañías
también están revelando el potencial de negocios de las NBO bien diseñadas. Pero en
nuestra investigación sobre estrategias de NBO en docenas de minoristas, software,
servicios financieros y otras compañías, que incluyeron entrevistas con ejecutivos de 15
firmas de vanguardia, descubrimos que si las NBO se hacen en absoluto, a menudo se
hacen mal. La mayoría son indiscriminados o mal dirigidos: lanzamientos a clientes que
ya han comprado la oferta, por ejemplo. Un banco minorista descubrió que sus NBO eran
más propensos a crear mala voluntad que a aumentar las ventas.

Las compañías pueden perseguir miles de buenos objetivos utilizando el análisis de los
clientes, pero los programas de NBO ofrecen quizás el mayor valor en términos de ROI
potencial y mayor competitividad. En este artículo proporcionamos un marco para la
elaboración de NBOs. Es posible que no pueda realizar todos los pasos de inmediato, pero
en algún momento será necesario avanzar en cada uno para mejorar sus ofertas.

Construyendo la siguiente mejor oferta

Lee Mas

Definir objetivos
Muchas organizaciones se tambalean en sus esfuerzos de NBO no porque carezcan de
capacidad analítica, sino porque carecen de objetivos claros. Entonces la primera
pregunta es: ¿Qué quieres lograr? ¿Mayores ingresos? ¿Mayor fidelidad del
cliente? ¿Una mayor proporción de billetera? ¿Nuevos clientes?

Tesco, el minorista con sede en el Reino Unido, ha centrado su estrategia de NBO en

aumentar las ventas a clientes habituales y aumentar la lealtad con ofertas de cupones
dirigidos a través de su programa Clubcard. Como lo han descrito Roland Rust y sus
colegas ( "Repensar el marketing",HBR de enero a febrero de 2010), Tesco utiliza
Clubcard para rastrear qué tiendas visitan los clientes, qué compran y cómo pagan. Esto
ha permitido al minorista ajustar la mercadería según los gustos locales y personalizar las
ofertas a nivel individual a través de una variedad de formatos de tienda, desde
hipermercados a tiendas vecinales. Por ejemplo, los compradores de Clubcard que
compran pañales por primera vez en una tienda Tesco reciben cupones por correo no solo
para toallitas y juguetes para bebés, sino también para cerveza. (El análisis de los datos
reveló que los nuevos padres tienden a comprar más cerveza, porque pasan menos tiempo
en el pub). Más recientemente, Tesco ha experimentado con "ventas instantáneas" que
hasta el triple del valor de canje de ciertos cupones de Clubcard, en esencia Haciendo su
mejor oferta aún mejor para clientes seleccionados. Un mecanismo de cuenta atrás
muestra la rapidez con que se agotan el tiempo o los productos, Construyendo tensión y
conduciendo respuestas. Algunas de estas ofertas se han agotado en 90 minutos.

La estrategia NBO de Tesco busca ampliar el rango de compras de los clientes, pero
también apunta a clientes regulares con ofertas en productos que generalmente
compran. Como resultado de sus ofertas cuidadosamente elaboradas y ejecutadas de
manera creativa, Tesco y su consultor interno dunnhumby alcanzan tasas de redención
que van del 8% al 14%, muy por encima del 1% o 2% visto en otras partes de la industria
de comestibles. Microsoft tenía un conjunto de objetivos muy diferente para su Bing
NBO: lograr que nuevos clientes probaran el servicio, lo descargaran en sus teléfonos
inteligentes, instalaran la barra de búsqueda de Bing en sus navegadores y lo convirtieran
en su motor de búsqueda predeterminado.

Comenzar con un objetivo claro es esencial. Por lo tanto, ser flexible para modificarlo
según sea necesario. La compañía de alquiler de DVD a bajo costo Redbox hizo
inicialmente ofertas de sitio de correo electrónico y cupones de Internet para familiarizar
a los consumidores con sus kioscos. Los kioskos de Redbox eran un nuevo concepto de
venta minorista, pero con el tiempo la gente se acostumbró al alquiler automatizado de
películas. A medida que el negocio crecía, los ejecutivos de la compañía se dieron cuenta
de que para aumentar las ganancias mientras mantenían el modelo de bajo costo, tenían
que persuadir a los clientes para que alquilaran más de un DVD por visita. Así que
cambiaron el énfasis de su estrategia NBO de atraer nuevos clientes a descuentos en
alquileres múltiples.

Reunir datos
Para crear un NBO efectivo, debe recopilar e integrar datos detallados sobre sus clientes,
sus ofertas y las circunstancias en que se realizan las compras.

Conozca a sus clientes.

La información valiosa para adaptar las NBO puede ser relativamente básica y fácil de
adquirir o derivar: edad, sexo, número de hijos, domicilio residencial, ingresos o activos,
y datos psicográficos de estilo de vida y comportamiento. Las compras anteriores a
menudo son la mejor guía de lo que el cliente comprará a continuación, pero esa
información puede ser más difícil de capturar, especialmente de los canales sin
conexión. Los programas de lealtad como los de Tesco pueden ser una herramienta
poderosa para rastrear los patrones de compra de los consumidores.
Incluso cuando las empresas trabajan (y algunas veces luchan) para adquirir estos tipos
familiares de datos de clientes, la creciente disponibilidad de información social, móvil y
de ubicación (SoMoLo) crea nuevos conjuntos de datos importantes para ser
extraídos. Las compañías están comenzando a elaborar ofertas basadas en dónde se
encuentra un cliente en un momento dado, lo que dicen sus publicaciones en redes
sociales sobre sus intereses e incluso lo que sus amigos están comprando o discutiendo
en línea.

Un ejemplo es Foursquare, que hace ofertas personalizadas según la cantidad de veces

que los consumidores se han "registrado" en una determinada tienda minorista. Otro es
Walmart, que adquirió la nueva tecnología de redes sociales Kosmix para unirse a su
recién creada unidad de estrategia digital, @WalmartLabs,en la capitalización de los
datos de consumo de SoMoLo para sus ofertas. Entre los proyectos de la unidad está
encontrar formas de predecir las compras de los compradores en Walmart.com en función
de sus intereses en las redes sociales. Walmart también está buscando tecnologías basadas
en la ubicación que ayudarán a los clientes a encontrar productos en sus tiendas
cavernosas. El minorista de ropa H&M se ha asociado con el juego en línea MyTown
para recopilar y utilizar información sobre la ubicación del cliente. Si los clientes
potenciales están jugando el juego en un dispositivo móvil cerca de una tienda de H&M
y se registran, H&M los recompensa con ropa y puntos virtuales; Si escanean productos
promocionados en la tienda, los ingresan en un sorteo. Los primeros resultados muestran
que de los 700,000 clientes que ingresaron en línea, 300,000 entraron a la tienda y
escanearon un artículo.

Muchos minoristas se centran en cómo utilizar la información de ubicación de los clientes

en tiempo real; Donde los clientes han estado también puede revelar mucho sobre
ellos. Solo en los Estados Unidos, los dispositivos móviles envían a los proveedores de
telecomunicaciones alrededor de 600 mil millones de datos de datos etiquetados
geoespacialmente. Una aplicación desarrollada por la empresa de análisis de software
Sense Networks puede comparar los movimientos de un consumidor con miles de
millones de puntos de datos sobre los movimientos y atributos de otros. Usando este
historial de ubicación, puede estimar la edad del consumidor, el estilo de viaje, el nivel
de riqueza y la próxima ubicación probable, entre otras cosas. Las implicaciones para la
creación de NBO altamente personalizados son claras.

Conozca sus ofrendas.

A menos que una empresa tenga información detallada sobre sus propios productos o
servicios, tendrá problemas para determinar qué ofertas pueden atraer más a un
cliente. Para algunos productos, como las películas, las bases de datos de terceros
proporcionan atributos del producto, y las compañías que alquilan o venden películas
pueden suponer que si le gustó una película con un actor o tipo de trama en particular,
probablemente le gustará otra. Pero en otras industrias minoristas, como ropa y
comestibles, compilar atributos de productos es mucho más difícil. Los fabricantes no
clasifican uniformemente un suéter como "moda avanzada" o "tradicional", por
ejemplo. Ni siquiera tienen categorías de colores claros y estandarizados. Por lo tanto, los
minoristas deben invertir mucho tiempo y esfuerzo en capturar los atributos del producto
por su cuenta. Zappos tiene tres departamentos que trabajan para optimizar las búsquedas
de los clientes y crear las ofertas más efectivas para sus zapatos. Incluso cuando los
atributos se reducen al tipo de producto, estilo, color, marca y precio, un zapato puede
tener cualquiera de más de 40 patrones de materiales: perlado, remiendo, guijarros, rayas,
paisley, lunares o cuadros, por nombrar solo aquellos que comienzan con "p". Sin un
sistema para una clasificación tan detallada de los atributos del producto, Zappos no
sabría que un cliente a menudo había comprado paisley en el pasado, por lo que no sabría
que debería incluir productos de paisley en las NBO para ese cliente

De manera similar, sin buenos sistemas de clasificación, las tiendas de comestibles no

pueden determinar fácilmente qué productos atraerán a clientes aventureros, preocupados
por la salud o con poco dinero. Cuando Tesco quiera identificar productos que atraigan a
los paladares más aventureros, comenzará con algo que se acepta ampliamente como una
opción audaz en un país determinado (pasta de curry verde tailandés en el Reino Unido,
tal vez) y luego analizará las otras compras que los compradores compran. La elección
atrevida de hacer. Si los clientes que compran pasta de curry también compran con
frecuencia el pesto de calamares o rúcula (rúcula), estos productos tienen un alto
coeficiente de relación.

Conozca el contexto de compra.

Finalmente, las NBO deben tener en cuenta factores como el canal a través del cual un
cliente se está comunicando con una empresa (cara a cara, por teléfono, por correo
electrónico, por Internet), la razón del contacto y sus circunstancias. , e incluso el volumen
de la voz y el tono, lo que indica si el cliente está tranquilo o molesto. (El software de
detección de emociones está demostrando ser valioso para el último factor). Bank of
America ha aprendido que las ofertas hipotecarias presentadas a través de un cajero
automático en el momento del contacto con el cliente no funcionan bien porque los
clientes no tienen el tiempo ni la inclinación para comprometerse con ellos. , mientras
que pueden ser receptivos a las mismas ofertas durante una visita. Del mismo modo, es
poco probable que una persona que llame al servicio de atención al cliente con una queja
responda a la oferta de un producto, aunque podría recibirla por correo electrónico en otro
momento.

El clima, la hora del día o el día de la semana, y si un cliente está acompañado o no puede
afectar el diseño de una oferta.

Otros factores contextuales que pueden afectar el diseño de una NBO (y la respuesta de
un consumidor) incluyen el clima, la hora del día o el día de la semana, y si un cliente
está solo o acompañado. Si bien los datos de compra en línea o en línea recientes son a
menudo los más relevantes para orientar una estrategia NBO en línea, en algunos casos,
como el precio de los pasajes aéreos, la hora y el día son importantes: las aerolíneas
pueden subir los precios los domingos por la noche, porque más personas buscan entonces
que, digamos, mediodía durante la semana. Un minorista de calzado chino que
estudiamos está probando ofertas dirigidas a los principales compradores. Cuando una
mujer entra en una de sus tiendas con su esposo, generalmente es la compradora principal,
y el NBO del comerciante es un artículo relativamente barato para el esposo.

Por supuesto, muchos otros factores contextuales dependen de la naturaleza del negocio
y de sus clientes.

Analizar y Ejecutar
Las primeras NBO predictivas fueron creadas por Amazon y otras compañías en línea
que desarrollaron "las personas que compraron esto también compraron eso" ofertas
basadas en correlaciones de compra cruzada relativamente simples; no dependían de un
conocimiento sustancial de los atributos del cliente o del producto, y por lo tanto eran
más bien un instrumento contundente. Las ofertas algo más específicas se basan en el
comportamiento de compra anterior de un cliente, pero incluso esas son famosamente
indiscriminadas. Si compra un libro o un CD para un amigo que no comparte sus gustos,
eso puede desviar fácilmente las ofertas futuras que reciba.

Las empresas que han recopilado sistemáticamente información sobre sus clientes,
atributos de productos y contextos de compra pueden hacer ofertas mucho más
sofisticadas y efectivas. El análisis estadístico y el modelo predictivo pueden crear un
tesoro de datos sintéticos de estas fuentes de información sin procesar para, por ejemplo,
medir la probabilidad de un cliente de responder a una oferta de venta cruzada con
descuento entregada en su dispositivo móvil. La segmentación del comportamiento y
otros análisis de datos avanzados que dan cuenta simultáneamente de la demografía del
cliente, las actitudes, los patrones de compra y los factores relacionados pueden ayudar a
identificar a los clientes que tienen más probabilidades de desertar. Con esta información
y el valor de vida útil esperado del cliente para un cliente, una organización puede
determinar si su NBO para ese cliente debe alentar o desalentar la deserción.Marketing
Engineering, por Gary L. Lilien y Arvind Rangaswamy, ofrece una visión general sólida
de las principales técnicas analíticas, cuantitativas y de modelado por computadora.)

Aunque estos análisis pueden generar una profusión de ofertas potencialmente efectivas,
las reglas de negocio gobiernan el siguiente paso. Cuando un análisis muestra que un
cliente tiene la misma probabilidad de comprar cualquiera de varios productos, una regla
puede determinar qué oferta se hace. O podría limitar la frecuencia de contacto general
para un cliente si los análisis han demostrado que demasiado contacto reduce las tasas de
respuesta. Estas reglas tienden a ir más allá de la lógica de los modelos predictivos para
cumplir objetivos estratégicos generales, como aumentar la lealtad de los clientes por
encima de maximizar las compras.

Un NBO cuidadosamente elaborado es tan bueno como su entrega. Dicho de otra manera,
es posible que no exista un NBO de correo electrónico brillante que nunca se
abra. ¿Deben los NBO ser entregados cara a cara? Presentado en un quiosco en la
tienda? Enviado a un dispositivo móvil? Impreso en un recibo de registro? A menudo, la
respuesta es relativamente sencilla: el canal a través del cual el cliente hizo contacto es el
canal apropiado para entregar la NBO. Por ejemplo, un cliente de CVS que escanea su
tarjeta de fidelidad ExtraCare en un quiosco de la tienda puede recibir instantáneamente
cupones personalizados.

Sin embargo, hay ocasiones en que los canales de entrada y salida deben diferir. Una
oferta compleja no debe ser entregada a través de un simple canal. Recuerde la
experiencia de Bank of America con las ofertas de hipotecas: se descubrió rápidamente
que el canal de entrada (el cajero automático) es un canal de salida deficiente, porque las
hipotecas son demasiado complicadas para esa configuración. De manera similar, muchos
representantes del centro de llamadas no entienden las necesidades de los clientes y los
detalles del producto lo suficientemente bien como para hacer ofertas efectivas,
particularmente cuando el propósito principal de los representantes es completar ventas
simples o transacciones de servicio.
Las empresas a menudo prueban ofertas a través de múltiples canales para encontrar la
más eficiente. En CVS, las ofertas de ExtraCare se entregan no solo a través de quioscos
sino también en los recibos de registro, por correo electrónico y circulares dirigidas y,
recientemente, a través de cupones enviados directamente a los teléfonos móviles de los
clientes. Qdoba Mexican Grill, una franquicia de servicio rápido, está expandiendo su
programa de lealtad al entregar cupones a los teléfonos inteligentes de los clientes en
ciertos momentos del día o la semana para aumentar las ventas y la demanda sin
problemas. Las campañas nocturnas cerca de las universidades han visto una tasa de canje
de casi el 40%, mientras que las tasas de canje promedian el 16% para el programa general
de Qdoba. Starbucks utiliza al menos 10 canales en línea para ofrecer ofertas específicas,
medir la reacción y la satisfacción del cliente, desarrollar productos y mejorar la
promoción de la marca. Por ejemplo,

Los minoristas exclusivos y las empresas de servicios financieros encuentran que un ser
humano es a menudo el mejor canal para entregar ofertas.

Nordstrom y otros minoristas de lujo y empresas de servicios financieros con clientes

adinerados, invierten fuertemente en el conocimiento de los productos de sus vendedores
y en la capacidad de comprender las necesidades de los clientes y establecer
relaciones. Para estas empresas, un ser humano es a menudo el mejor canal para entregar
ofertas. Muchas organizaciones diseñan múltiples ofertas y las clasifican de acuerdo con
modelos predictivos que clasifican la propensión de un cliente a aceptarlas sobre la base
de compras anteriores u otros datos. Los vendedores o representantes de servicio al cliente
pueden seleccionar entre estas ofertas en tiempo real, guiados por su diálogo con el
cliente, el apetito que percibe el cliente por una oferta determinada, e incluso el nivel de
comodidad entre el cliente y el vendedor. Combinar el juicio humano con modelos
predictivos puede ser más efectivo que simplemente seguir las recomendaciones de un
modelo. Por ejemplo, insistir en que un representante ofrezca una oferta específica en
cada caso puede reducir la probabilidad de que ambos clientes acepten la oferta y su
satisfacción posterior a la compra. La firma de inversiones T. Rowe Price ofrece a los
representantes del centro de llamadas ofertas específicas, pero concluyó que si un
representante entrega las ofertas en más del 50% de las interacciones, probablemente no
esté sintonizando con las necesidades de los clientes.

Aprende y evoluciona
Crear NBO es una ciencia inexacta pero en constante mejora. Como toda ciencia, requiere
experimentación. Algunas ofertas funcionarán mejor que otras; Las empresas deben
medir el rendimiento de cada una y aplicar las lecciones resultantes. Como nos dijo un
ejecutivo de CVS: "Piense en cada oferta como una prueba".

Las empresas pueden desarrollar reglas generales a partir del desempeño de sus NBO para
guiar la creación de ofertas futuras, hasta que los nuevos datos requieran una modificación
de las reglas. Estas reglas diferirán de una compañía a otra. En nuestra investigación
identificamos algunos que utilizan las principales empresas:

Cajón de los zapatos:

Promociona solo zapatos de moda a través de las redes sociales.

CVS:

Proporcionar descuentos en cosas que un cliente ha comprado anteriormente.

Sam’s Club:

Proporcionar ofertas individualmente relevantes para categorías en las que un cliente aún
no haya comprado y recompensar la lealtad del cliente.

Nordstrom:

Proporcionar ofertas a través de asociados de ventas en interacciones cara a cara con el

cliente.

Las reglas generales deben derivarse de análisis basados en datos y basados en hechos,
no en convenciones o conocimientos. Las reglas anteriores han sido probadas, pero
deberán ser desafiadas y reevaluadas con el tiempo para garantizar la efectividad
continua.

Mientras tanto, los problemas legales, éticos y regulatorios asociados con las estrategias
de NBO están evolucionando rápidamente, a medida que la recopilación y el uso de los
datos de los clientes se vuelven cada vez más sofisticados. Cuando las empresas
experimentan con entusiasmo con las NBO, deben desconfiar de la posibilidad de cruzar
fronteras legales o éticas.

Sería difícil para cualquier empresa incorporar todas las variables de contexto, producto
y cliente posibles en un modelo de NBO, pero ningún minorista debería dejar de recopilar
datos demográficos, psicográficos e historiales de compras básicos de los clientes. La
mayoría de los minoristas necesitan acelerar su trabajo en esta área: sus clientes no están
impresionados por la calidad o el valor de las ofertas hasta el momento. Las variables y
los canales de entrega disponibles solo crecerán en número; Las empresas que no están
mejorando rápidamente sus ofertas se atrasarán aún más.