Inversores minoristas: El científico informático Vivek Subramanian es cofundador de la empresa de Silicon Valley CalmSea, que ayuda a los minoristas a usar los medios sociales para focalizar las promociones.
Fuente: Gabriela Hasbun
Por Paul Boutin
Antes de que la gente comenzase a hacer pública su vida en las redes sociales, los minoristas tenían que averiguar sus gustos de forma más indirecta. Empresas como Oracle y Siebel proporcionaban grandes programas de base de datos que analizaban las ventas individuales y la demografía de los consumidores en busca de patrones que pudieran dar lugar a más ventas—por ejemplo, dirigiéndose a grupos de clientes que pudieran ser más propensos a responder ante ofertas especiales. Sin embargo los minoristas no podían observar directamente las conexiones entre los consumidores individuales, o verlos chatear en línea entre ellos acerca de los productos.
CalmSea, una empresa fundada en 2009 por veteranos de la industria de bases de datos, añade la actividad en las redes sociales de los consumidores al grupo de cosas que los minoristas pueden analizar. Además, la empresa se aprovecha de la económica computación de base de datos a gran escala para hacer los cálculos casi en tiempo real, y experimentar sobre la marcha con nuevos métodos de análisis que en el pasado habrían requerido modificaciones sustanciales en las bases de datos. Entre sus clientes están la compañía de zapatillas Puma y Tobi.com, una tienda de ropa en línea.
"La venta al por menor está cambiando", afirma el vicepresidente de productos de CalmSea, Vivek Subramanian, ex ingeniero de software de Siebel Analytics. "Estábamos acostumbrados a ver sólo los datos dentro de la empresa. Hoy día, hay muchos más datos que vienen de fuera de la empresa". La fuente principal es Facebook, donde los clientes de CalmSea publican aplicaciones bajo su propio nombre. Una aplicación para Tobi.com, por ejemplo, puede ofrecer un 10 por ciento de descuento en los artículos a la venta; cuando alguien utiliza la aplicación, el cliente puede ver qué páginas de Facebook de marcas, productos, o minoristas le gustan al cliente, cuáles comparte o en cuáles hace comentarios.
Al dar a cada cliente un código promocional exclusivo, CalmSea puede saber quién compra qué. También puede ver quiénes son los amigos del cliente, por lo que es posible identificar grupos de compradores de gustos similares que ni siquiera se den cuenta de que poseen gustos en común. La industria al por menor "solía analizar los datos de ventas anteriores sobre quién había comprado chaquetas Ralph Lauren en abril", señaló Subramanian. "Ahora combinamos eso con el gráfico social de la actividad actual. ¿Cuáles son las marcas más populares que siguen en su red social? Tal vez sea Calvin Klein en su lugar".
CalmSea calcula las afinidades de marcas y productos individuales de los clientes, así como su "elasticidad de promoción"—es decir, qué diferencia supone un descuento en su propensión a comprar un producto promocionado. Algunos clientes no compran sin rebajas. Pero incluso en la era de los súper descuentos de Groupon, los vendedores se resisten a dar a todo el mundo una reducción de precios que podría no ser necesaria. La optimización de precios es una de las razones por las que los minoristas gastan una gran cantidad de dinero en bases de datos.
La tecnología de CalmSea analiza tanto los historiales tradicionales de los clientes como el comportamiento social en la red para ayudar a los minoristas y a los gerentes de marca a identificar la oferta adecuada para el producto correcto al cliente correcto, a través del canal de comercialización adecuado. Los clientes de CalmSea utilizan un panel de control que agrupa a los clientes por sus gustos, comportamientos y redes de amigos. A continuación, los clientes pueden crear promociones—descuentos, compras en grupo, o tal vez un sorteo en el que los clientes obtengan un ingreso extra cada vez que comparten la promoción. El panel de control también hace más fácil dirigir las promociones a grupos específicos de clientes definidos por género, edad y otras características. A continuación, los minoristas publican las promociones—fundamentalmente, nuevas aplicaciones—en sus sitios web, en Facebook y en Twitter.
Cuando los compradores potenciales aceptan la nueva promoción, dando acceso a algunos de sus datos de Facebook, posteriormente CalmSea hace un seguimiento de la respuesta. ¿Cuántas personas hicieron clic? ¿A cuántas les gustó, o lo compartieron en Facebook? ¿Cuántas compraron algo, y qué compraron? ¿Cuánto gastaron? CalmSea combina el comportamiento de Facebook con datos adicionales del minorista, tales como información sobre devoluciones de productos, para crear un gráfico interactivo que muestra cómo ha funcionado la promoción en cada paso del proceso.
La vicepresidenta de marketing de Tobi.com, Jennifer Song, afirma poder identificar los beneficios. "Una promoción específica que tuvo un éxito enorme fue una con un descuento enviado a nuestra base de correo electrónico existente, para animarles a convertirse también en fans en Facebook", explica. "Vimos una elevación inmediata del 500 por ciento en los ingresos de Facebook. El setenta por ciento de los participantes finalmente se convirtió en ventas". Más importante aún, ahora estos clientes pueden ser objeto de futuras campañas, teniendo en cuenta la forma en que reaccionaron a la oferta.
Las herramientas de CalmSea están basadas en dos tecnologías de bases de datos de bajo coste y fácil escalado: Hadoop, un sistema de código abierto capaz de analizar petabytes de datos a través de miles de servidores, y la Elastic Compute Cloud (EC2) de Amazon, un servicio que permite a los clientes alquilar capacidad de procesamiento de datos numéricos por horas. El flexible marco de Hadoop permite al equipo técnico de CalmSea probar nuevos métodos de modelado sobre la marcha, sin volver a configurar en primer lugar la base de datos. Y al llevar a cabo la mayor parte de su proceso por la noche, durante las horas de baja actividad de EC2, mantienen los costes de operación bajos. Hace cinco años, señala Subramanian, "habríamos tenido enormes gastos de capital sólo para que los servidores hicieran las pruebas. Esas máquinas costaban un millón de dólares, y las instalábamos usando una grúa. Mediante el pago por hora en EC2, una máquina nos cuesta unos pocos cientos de dólares al año".
No hay comentarios:
Publicar un comentario