Inicio Customer Experience. CRM, herramienta para la inteligencia de clientes

CRM, herramienta para la inteligencia de clientes

La filosofía de la administración de la relación con el cliente, o customer relationship management (CRM, por sus siglas en inglés), cuyo crecimiento se aceleró a partir de los noventa, sigue siendo de gran interés para las organizaciones, independientemente de su tamaño, debido a que las compañías buscan crear y manejar en forma más eficiente las relaciones con sus clientes.

¿Cuál es el objetivo de administrar esta relación? ¿Paga el tiempo invertido en el diseño y actualización de las bases de datos? Algunos autores enfatizan que una buena relación con los clientes puede generar lealtad, mayor retención y, a su vez, incrementar las utilidades; sin embargo, las tecnologías de la información que soportan al CRM no deben confundirse con la filosofía misma.

A pesar de que a inicios de la década, la percepción de las compañías en relación con el CRM era contar con un software para registrar y dar seguimiento a las peticiones y quejas de los clientes, el aprendizaje, aunque costoso, ha sido que no se trata únicamente de invertir en un sistema o en tecnologías de la información.

El CRM, al ser una filosofía, demanda el compromiso de diferentes departamentos y niveles en la organización: sistemas, mercadotecnia, comercialización, servicio al cliente y sobre todo de la alta dirección para contribuir al éxito de la implementación de la misma.

Los recursos de tiempo y esfuerzo que demanda la operación del sistema implican que los datos alimentados en esa base deben ser utilizados para el diseño de estrategias y no simplemente almacenados. Es aquí donde surge el problema en la mayoría de las empresas que cuentan con el software y han implementado la filosofía, ya que el procesamiento de esos datos no es en automático. Se requiere transformar esos datos en información para generar «inteligencia de clientes».

Conocer la última fecha de compra de nuestros clientes, la frecuencia de compra, la preferencia de líneas de productos, la cantidad que compran, su respuesta al diseño de estrategias promocionales, la forma de pago, entre otros, permite generar esa inteligencia de clientes.

Cabe señalar que no se trata únicamente de almacenar datos, sino involucra el poder contestar preguntas: ¿Qué datos necesito? ¿Por qué los necesito? ¿Quién los tiene? ¿Cuánto cuestan (en tiempo y dinero)? ¿Cómo los usaré?, ya que precisamente lo importante es usarlos.

De ahí que para esta función tan importante dentro de la empresa, se requiera una persona que analice y modele estos datos con el fin de identificar segmentos de clientes. Dicha segmentación quizá no sea establecida con base en las muy conocidas variables demográficas de género, nivel socioeconómico y rango de edad únicamente, sino que tomará en cuenta el comportamiento de compra del consumidor.

De acuerdo con el Dr. V. Kumar, líder experto en CRM, en su libro Managing Customers for Profit (2008) señala que las empresas no sólo deben segmentar a los clientes y asumir que por esto los conocen y tienen excelente administración de la relación con ellos, sino tratar de predecir el valor futuro de esos clientes, o customer lifetime value (CLV, por sus siglas en inglés) y con base en ese valor, dirigirles herramientas promocionales diferentes.

Tomar en cuenta no sólo el comportamiento de compra histórico, del cual se tiene registro, sino involucrar además el costo de mercadotecnia requerido para cada cliente, estimando el valor futuro de esos clientes y por tanto calculando la utilidad por cliente o segmentos de clientes, es la principal recomendación del autor.

De esta forma se puede identificar si realmente los clientes leales son los más rentables y son ellos quienes merecen un programa de recompensa o la implementación de alguna estrategia para incrementar su nivel de compra.

Por tanto, decir que hacemos inteligencia de clientes implica capitalizar los datos almacenados en el sistema de información del CRM y los registros de ventas a través de una adecuada minería de datos que permita no sólo agrupar a los clientes en segmentos, sino identificar las principales variables que explican y predicen su comportamiento.

Fuente: El Financiero, Claudia Quintanilla Domínguez, ITESM-Campus Monterrey.