La CREACIÓN de valor a través de la INTELIGENCIA del CLIENTE

La pandemia, la incertidumbre y un enrarecido ambiente político y social, están causando que billones de pesos se estén trasladando a otros sectores, a otros países o incluso desapareciendo por completo, ocasionando pérdidas para muchos, pero creando oportunidades sorprendentes para aquellos que sepan anticiparse y abordar sin fanatismo una realidad que supone en sí misma la ruptura del modelo tradicional de negocio.

En esta carrera por la diferenciación como ventaja competitiva, nueve son las tendencias que están marcando el camino para llevar la inteligencia del negocio a otro nivel.

1. El momento de la innovación radical

El cambio de entorno por la pandemia aceleró el cierre de un ciclo que inició desde 2007 con la Banca 3.0 y que ha estado marcado por el acceso a servicios financieros en cualquier lugar y cualquier momento, a través de la economía de las plataformas móviles; Sin embargo esto ya es el pasado. Urge evolucionar hacia la Banca 4.0, que inicia marcada por una disrupción sin precedentes en la manera de entregar servicios basados en innovación radical en entornos de incertidumbre.

Para Mauricio Londoño, Director de MyABM en Colombia, firma internacional experta en estrategia de negocio financiero y banca digital: Las instituciones financieras están cambiando la manera de entregar servicios bancarios. inteligentes e invisibles ya que están integrados en la vida de las personas y basados en escenarios. Estamos frente a la necesidad de nuevos skills para gestionar la incertidumbre y diseñar nuevos modelos de negocio, pasando de los modelos de Innovación Incremental basados en metodologías de Gestión del Conocimiento hacia la Innovación radical basada en Gestión de la Incertidumbre soportada en tecnología”.

Es así como el mercado avanza hacia una mayor diversidad con nuevos patrones de consumo y desarrollo de grupos con intereses más específicos y de mayor sofisticación. En este caminar es clave la accesibilidad y facilidad de uso para que los productos financieros cubran las necesidades al momento; la creación de experiencias personalizadas con especialistas del producto y segmento del cliente y el aumento en la transparencia en precios y beneficios de manera comparativa con el mercado.

2. Colaboración y alianzas para consolidar el efecto red

Ecosistema abierto y ágil, de fácil escalabilidad para lograr la multipresencia en la atención de los diferentes mercados y segmentos

En la visión de la prestigiosa firma internacional Forrester Consulting, aquellos que se asocian ven mayores ganancias. Y en ese mismo sentido la compañía líder en consultoría en inteligencia de negocio, Accenture Strategy, resalta el impacto del efecto red: “los impactos más importantes serán el resultado de una transformación de cadenas de valor interconectadas y de una profunda reestructuración de la economía global impulsada por cambios a largo plazo en el comportamiento de los consumidores, con la capacidad de generar una estrategia de volumen persiguiendo un efecto de red, entendida como las interacciones de los ecosistemas para aumentar la venta y adquirir nuevos clientes”. 

Al respecto Mauricio Londoño, Director de MyABM confirma: “Esta vez el modelo de negocio bancario va estar mucho más interrelacionado con otras industrias de  manera transparente para los clientes”.

Y en este camino de colaboración como cultura corporativa, será clave pasar de un modelo de conocimiento individual distribuido, al conocimiento colectivo. Como lo explica Josep Salvatella, CEO de RocaSalvatella, consultora de negocio digital especializada en acelerar el crecimiento de las empresas: “La inteligencia del equipo soportada, no en el conocimiento individual acumulado, sino en un conocimiento insertado en flujos de información (redes y ecosistemas) que constantemente estén actualizando el saber, generando un espiral positivo de aprendizaje intersectorial”.

3. La eficiencia operativa

En este caminar en la banca 4.0, no todas las instituciones financieras y especialmente los bancos, están siguiendo los mismos pasos para modernizar su modelo de negocio y su forma de operar. Para los expertos de MyABM, existen 3 modelos de operación bancaria que claramente se están diferenciado: Los Bancos Challenger (retador) independientes; Bancos Challenger actuales y los Bancos Challenger liderados por BigTech y Telcos.

En esta diferenciación hay una variable que está resultando verdaderamente diferenciadora: lograr mejor eficiencia operativa a costo bajo.

Y en este objetivo es mandatorio que el modelo de negocio opere con menos personas. Para MyABM “Las entidades financieras requieren generar ahorros del 30% al 50% de su base de costo, ya que los cambios y choques de industrias prevén una reducción del 10% al 30% del ingreso que se obtenía de los medios tradicionales”.

Lo anterior resulta un contrasentido en momentos en que la protesta social clama por mayores oportunidades de empleo para personas de carne y hueso. Quizá en la inteligencia de clientes está la respuesta.

4. Los modelos de Inteligencia del Cliente avanzan del terreno de la simple predicción al terreno de los resultados

Sin duda el mayor aporte de la evolución en la tecnología analítica es su capacidad de generación de información de valor, que permita responder con mayor certeza a las preguntas del “core” del negocio, más aún en momentos de gran turbulencia social y económica.

¿Qué clientes se irán en los próximos 6 meses? ¿Cuáles son mis clientes más rentables? ¿Qué clientes son los más riesgosos? ¿Qué clientes tienen la mayor probabilidad de incumplir su pago? ¿Cuáles son los clientes que me comprarán más fácilmente? ¿Qué canal es más adecuado para conectarme con cada cliente? ¿Qué producto le ofrezco de primero?

Estas y más preguntas de la cotidianidad de cualquier negocio, se responden ahora con mayor certeza gracias a potentes y evolucionados modelos de inteligencia de Clientes o Inteligencia de mercado.

Para los expertos de Lisim, firma líder en inteligencia analítica, son tres cosas las que diferencian un buen modelo de uno malo: simplicidad en lo que se refiere a su entendimiento; potencia en la capacidad de discriminación y estabilidad respecto a su validez en el tiempo.

Ya no suficiente la simple predicción. Ahora se trata de mover la aguja del resultado; de mover los indicadores, estableciendo un sentido de creación de valor a través de la inteligencia del cliente.

Así lo explica Ximena Flórez, Directora de Consultoría de Lisim: “la sola capacidad predictiva de los modelos ya no es suficiente. El gran desafío es llegar a cambiar o afectar esos comportamientos de los clientes, como el objetivo más complejo de los procesos, para lograr mover los indicadores. Las herramientas analíticas han migrado de ser elementos de aplicación en mis estratégias, a convertirse en herramientas para producir los cambios en los comportamientos de los clientes para que mi negocio logre los indicadores que se ha trazado”. Por ejemplo, no es solo saber quiénes me van a pagar con retraso, lo importante es desarrollar las estrategias que logren presionar un cambio en el comportamiento de ese grupo de clientes para que atiendan al día los pagos.

5. El poder de la tecnología analítica en la gestión del Ciclo de Vida del Cliente

Los modelos a partir de analítica predictiva, han migrado de las áreas de riesgo y crédito y de la detección de patrones de uso fraudulento de los productos, especialmente tarjetas de crédito, hacia áreas de negocio y mercadeo.

 Milena Chaparro Directora de Consultoría y Analytics de Lisim nos explica los múltiples usos que tienen los modelos en toda la cadena de valor del negocio: “Son utilizados para maximizar la rentabilidad a través de la optimización de recursos; hasta la detección de clientes con probabilidad de deserción (Churn); identificación de patrones de compra; búsqueda de asociaciones entre clientes y productos; análisis de cesta de compras, hasta para el desarrollo de estrategias de venta cruzada (x-sell) y venta ascendente (up-sell). Por su parte en las áreas financieras son utilizados para análisis RFM, que permiten identificar aquellas variables necesarias para determinar el valor del cliente, y para garantizar un manejo rentable y adecuado de las necesidades de cada uno”.

Para la experta de Lisim, uno de los mayores aportes de los modelos de inteligencia de clientes es la capacidad de determinar con alta certidumbre a quienes ofrecerle una u otra estrategia y por cual canal, tarea en la cual el CRM Predictivo, resulta ser una herramienta potente de relacionamiento: “Si yo conozco muy bien cuál es la probabilidad de deserción que tiene cada cliente, (resaltando además que uno puede a comenzar a predecir la deserción del cliente desde la adquisición), sabe cuál es el potencial de compra que tiene, cuál es su frecuencia, cuál es su riesgo de pago, y más que la rentabilidad, conozco cual es la generación de valor de cada cliente, puedo convertir estas variables en un mapa inteligente de segmentación con tres o cuatro cuadrantes. Como por ejemplo clasificar a los cliente para una campaña de activación (indecisos, perezosos y dormidos) o para una campaña de incrementar las ventas (fieles, desertores, nuevos y esporádicos)”. Estrategias enfocadas a profundización, para que incrementen su consumo o su valor; o estrategias agresivas de recuperación o de fidelización, o una estrategia de salida ante la presencia de determinado detonante que obligue el cierre de la relación. Quiero tener mayor penetración entonces desarrollo estrategias de venta cruzada, retención, o fidelización; o si quiero mejor la calidad de cartera entonces priorizar estrategias de cobranza inteligente de alto impacto.

Milena Chaparro, Directora de Consultoría y Analytics de Lisim nos recuerda que el cliente no es unidimensional “una estrategia de cobranza puede incrementar la deserción voluntaria; una estrategia de mercadeo puede incrementar el riesgo de no pago; o una estrategia encaminada a solucionar un problema puede crear uno mayor en el largo plazo”.

6. La inteligencia del cliente rentable, como ventaja competitiva

En el entorno de mercado competitivo actual, la diferenciación en términos de comprensión de los clientes rentables es clave; y en esta tarea los avances en inteligencia artificial, y otras tecnologías como reconocimiento de voz, permiten a los empresarios comprender los requisitos exactos de sus clientes y separar aquellos de mayor aporte, separando a su vez los de suma cero, e identificando los grupos que en vez de aportar, restan.

Mauricio Londoño, Director de MyABM en Colombia, firma internacional experta en estrategia de negocio financiero y banca digital, retoma: “en épocas de incertidumbre es importante cuidar al cliente. El verdadero generador de riqueza es la aportación de los clientes, por esto es muy importante identificarlos para enfocar los esfuerzos en los que más rendimientos generan a la organización. El comportamiento del cliente cambia considerablemente. Los patrones de consumo afectan la dinámica del mercado modificando la dinámica en la cual son adquiridos los productos bancarios y de seguros. El principal requerimiento para modernizar el modelo de negocio está en dejar de orientarse en productos, para pasar a centrarse en los clientes rentables”.

 En la misma línea, Ximena Flórez, Directora de Consultoría de Lisim complementa: “es necesario un cambio en la perspectiva de ganancias y pérdidas de la cuenta   de resultados para enfatizar las métricas enfocadas en obtener resultados financieros y no financieros que sostengan la ventaja competitiva y la salud financiera de la   organización, lo que lleva a integrar cuestiones estratégicas y financieras con la operación en varios niveles de la organización”.

 Para Ximena Flórez de Lisim: “el reto está en mejorar el perfil de cada segmento de clientes”. Lo más fácil y que hace todo el mundo es mover el negocio hacia los   clientes rentables, sin duda el gran desafío esta en mover la masa de clientes hacia el cuadrante correcto construido sobre un nuevo concepto de creación de valor a través de la inteligencia de clientes.

Y en esta tarea de incrementar el valor que genera cada cliente, los expertos de Lisim recomiendan enfocar la estrategia comercial en tres dimensiones que determinarán la población a la cual se le otorgará el nuevo producto en función del análisis de los productos existentes a través de un modelo no supervisado, término que hace referencia a metodologías aglomerativas que segmentan la población en grupos homogéneos entre ellos, pero heterogéneos entre sí:

1. RENTABILIAD referida a la tendencia en la utilización de productos, refleja los posibles clientes que generan MAYOR RENTABILIDA sin olvidar que la rentabilidad no es solo para calcularla, hay que evolucionar al concepto de evaluar el valor.

2. Identificación de los clientes mejor calificados (potencial de consumo vs. probalidad de deserción vs. resultados): indica el VALOR DEL CLIENTE.

3. La antigüedad del producto permite medir el grado de RELACIÓN que la entidad tiene con el Cliente.

En la nueva dimensión de los modelos para que logren mover los indicadores de gestión y resultado, hay varios aspectos claves:

- Mantener una mayor transparencia de las operaciones a través de mediciones de rendimiento.

- Proporcionar el nivel de detalle de la información adecuada para cada responsable de la toma de decisiones y el control a diferentes niveles de la organización.

- Enfocar la planificación en los ritmos del ciclo económico, en lugar del año calendario típico.

- Evaluar los costos del valor que agregan a la empresa en lugar de comparar solo los gastos mes a mes.

- Permitir la comparación con otras organizaciones para analizar sus fortalezas y debilidades.

- Identificar los clientes que menos contribuyen a la rentabilidad para establecer acuerdos específicos que reduzcan el costo por transacción y llevarlos a una mayor rentabilidad a través de otros servicios financieros, de pagos, seguros y no financieros, en los que la red de colaboración y de aliados se hace clave.

- Crear una cultura alrededor de la rentabilidad y su alineación con las iniciativas de “Store Profitability” y “Sales Velocity”.

- Determinar cuál es el impacto de los costos incrementales de largo alcance.

Para Eduardo Montañez, gerente general de Lisim, además de los elementos tradicionales que intervienen en el cálculo de la Rentabilidad como el número de productos, la utilización, la oportunidad en el pago, de manera combinada con los productos del pasivo, saldos en cuenta corriente que son más rentables que las cuentas de ahorro, más rentables que los saldos en CDT y sus hábitos de pago y gastos de provisiones; el arte está en sumarle variables no tradicionales como transaccionabilidad y oportunidad. Qué tipo de transacciones y en que canales y cuántas comisiones paga por esas transacciones. Por su parte, incorporar estimados predictivos que ayuden a proyectar esta estrategia de crecimiento, como por ejemplo, potencial de consumo, potencial de abandono, crecimiento y probabilidad de deserción. Para Eduardo Montañez, ayudar entender los patrones de comportamiento es clave, donde el flujo de caja no se reemplaza, se complementa.

7. Cultura y modelo de gobierno de los datos

Para Forrester Cosulting, la escala de transformación necesaria para seguir siendo relevante en un mundo cambiante continuará. Los empresarios deberán comprender su papel fundamental en ese cambio y, con la ayuda de expertos, adoptar las nuevas herramientas y enfoques, que se puedan aprovechar para lograr un éxito aún mayor, y en esta modernización, la flexibilidad, la automatización y los datos son clave.

Si bien sabemos que los datos son clave, puede ser fácil sentirse abrumado por ellos. Para Liliam Simbaqueba CEO y fundadora de Lisim, el gran desafío está en conseguir la data correcta: “Capturamos muchos datos del cliente cuando se va a vincular. Pero el desafío es capturar los datos que se van a usar. Yo guardo lo que pregunto y voy a usar. Si no lo voy a usar, no lo pregunto, no lo guardo. El espacio es costoso” y continúa: “los fundamentales son los mismos, cambia es la tecnología” e insiste: “no se trata de meterle modelos a un proceso ineficiente. Se trata de entender los datos como activos”.

Para Mauricio Londoño, Director de MyABM: “El 80% del éxito en el papel de las personas es cómo usar la información y tomar decisiones, y si los modelos no están bien estructurados el 80% del aporte de esos equipos se está perdiendo”.

Al final del día, todo modelo de inteligencia de cliente parte de una formulación estratégica: ¿Cómo es tu modelo de negocio?

Nuevos modelos de negocio donde la sofisticación sea remplaza por la simplicidad al momento de cumplir un solo objetivo de igual de simple: Permitir ejecutar decisiones críticas de riesgo, inversión, y negociación, con la confianza en que se tiene la información adecuada.

Y en momentos en que gran parte de la capacidad predictiva de la data histórica se vino abajo por la pandemia, ha sido clave la incorporación de información analítica no tradicional o data alternativa de fuentes no convencionales, además de nuevas tecnologías que han llegado para dotar de mayor agilidad y flexibilidad a los modelos tradicionales, especialmente en la capacidad de adaptarse rápidamente e incluir nuevos conjuntos de datos a medida que cambian las circunstancias a la par que garantizan una experiencia fluida para el usuario desde el onboarding. Modelos que no solo soporten el cumplimiento de las normativas regulatorias, sino que se constituyan en sí mismos en ese mapa de alertas temprana de los riesgos.

Para Eduarda Sampaio, Jefe de Ventas del Sur de Europa de Refinitiv, uno de los proveedores de datos e infraestructura del mercado financiero más grandes del mundo con usuarios en 190 países en su entrevista con Finnovating resalta la necesidad de asegurar datos más limpios, más ricos y de más fácil acceso para respaldar el uso de tecnologías avanzadas como la inteligencia artificial y el aprendizaje automático, con el fin de aprender más, impulsar una innovación más rápida y navegar con éxito en esta era de cambios sin precedentes: “En un mundo tan volátil y cambiante como el que vivimos, las empresas necesitan una gran cantidad de datos de alta calidad y además es importante que puedan acceder a ellos de manera ágil y flexible. Ese es nuestro objetivo: hacer posible que las empresas puedan acceder de manera sencilla y desde cualquier dispositivo/ lugar a los datos que necesiten”.

8. Incorporación de Tecnología con sentido

Sin duda las herramientas digitales, Inteligencia Artificial, Big Data, Analytics, Robótica, IoT, Cloud, Blockchain, Cybersecurity entre otras, están transformando rápidamente los modelos de negocio en empresas de todos los sectores, en la automatización de procesos, la reducción de los riesgos y la transformación de los modelos comerciales, ayudando a simplificar y automatizar las interacciones con los clientes para que los agentes se centren en tareas de alto nivel. Por su parte, la automatización de tareas y procesos junto con el procesamiento rápido de datos de ML (Machine Learning/Aprendizaje Automático) brindan a los usuarios información y datos personalizados para que puedan tomar mejores decisiones de negocio.

Para Eduarda Sampaio, de Refinitiv: “Las soluciones de automatización brindan a los ejecutivos tiempo adicional para enfocarse en la generación de clientes potenciales, manejar posibles escaladas y brindar una mejor experiencia general al cliente. Para lograr esto, las organizaciones recurren a asistentes virtuales de servicio al cliente habilitados para IA para mejorar el servicio con la ayuda de soluciones innovadoras”.

Si bien los chatbots están atendiendo consultas que son frecuentes, siempre y cuando estén bien tipificadas, en opinión del cliente aún les falta mucho camino para encontrar las respuestas correctas, y en este alcance funcional será clave el desarrollo de algoritmos de aprendizaje automático para ayudar a los chatbots a ser más precisos e inteligentes.

Para Nicolás Zavala, Director global Legal & Collections en Konecta Corporativo: “Definitivamente las herramientas tecnológicas están y han permitido automatizar los procesos de crédito y cobranzas; al final las empresas lo que están haciendo es una inversión tecnológica con tres propósitos, eficiencia en los procesos, obviamente aminorar los costos y buscar una experiencia del cliente” y continúa: “la tecnología que va avanzando mes a mes, nos da la capacidad de poder tener speech analytics, revisión de datos con inteligencia artificial, conversaciones también con inteligencia artificial, y foco en esas grabaciones; en definitiva evaluar esos procesos en continuo momento para poder recalcular; redirigir rápidamente la estrategia y poner las alarmas que identifican el contexto de estos quality controls. Conociendo el momento preciso, el canal correcto y el agente adecuado, generamos estrategias de marcación y contacto para que exista la menor fricción posible. Eso es fundamental en todas estas estrategias”.

En ese mismo sentido añade Sergio Contreras, CEO de InteliBPO, call center 100% virtual: “Poder individualizar la estrategia a partir de una masa de individuos es de las cosas más importantes que tecnología nos puede permitir hoy en día”.

A pesar del importante terreno que han ganado las diferentes herramientas tecnológicas aún hay una mala concepción de su verdadero impacto. 

 Al respecto, Sergio Contreras, CEO de InteliBPO resalta: “El hecho de que yo juegue tenis con una raqueta que fue construida con inteligencia artificial, no quiere decir   que yo esté jugando tenis con inteligencia artificial, y en el mundo de los negocios existe mucha confusión entre estas dos dimensiones. Las compañías creen que por que   están usando un chatbot o un agente virtual inteligente o por que están aplicando cierto algoritmo de machine learning, ya están gestionando su negocio con inteligencia   artificial, la inteligencia artificial va mucho más allá”.  

9. Gestión del Conocimiento alrededor de la Tecnología y la Analítica

Uno de los campos de gran aporte de las herramientas como Inteligencia artificial, es el de la Gestión de Conocimiento: Para Sergio Contreras de InteliBPO, hoy hay mucho conocimiento que se queda en la mente del supervisor y la tecnología llega para corregir esa falencia: “La tecnología permite que esa estrategia, ese conocimiento se quede dentro de nosotros, madure con nosotros y podamos hacer una gestión que independientemente de las personas, siempre tome lo mejor de la experiencia para que el siguiente paso sea siempre mejor. A medida que ese conocimiento va avanzando y va evolucionando, se construye una curva de aprendizaje de un valor incalculable que jamás se pierde”.

Y es que la evolución misma de la tecnología, las metodologías, las técnicas para su administración, y el conocimiento alrededor de la analítica ha sido sorprendente: La utilización de la estadística tradicional, se ha enriquecido con técnicas de aprendizaje con procesos de maching learning y data maining. Los modelos que solo describen y prospectan quedaron atrás. Ahora los modelos aprenden mediante las diferentes técnicas para reconocimiento y aplicación de patrones.

Es así como en métodos de analítica predictiva, hay para todos los gustos y necesidades, según nos explica Ximena Flórez de Lisim: árboles de decisión, análisis discriminante, máquinas de soporte vectorial como métodos alternativos de clasificación, algorítmos genéticos para enfoques de optimización, regresión lógica, y otros más avanzados como Redes Neuronales Artificiales, y Adaboost/gradiente Booting /decisión Tree/ XGBoost . Hasta los más potentes conocidos como Meta -algoritmos que suman a su interior diferentes modelos para llegar a un modelo que tome lo mejor de esos diferentes algoritmos individuales e intermedios trabajados.

Según lo explica Ximena Flórez de Lisim, según la encuesta de “The State of Data Science and Maching Learnig” la metodología más usada a nivel de negocio corresponde a las regresiones logísticas, seguida por Arboles de decisión y en tercer lugar los métodos de boosting, que han ganado terreno.