“Las mamás tienen muchos trabajos, porque son cocineras, manejadoras (chofer), curadoras (enfermeras), organizadoras de fiestas, cuidan la plata, noteras (¡canso a las seños con notitas!) pero cuando estás en el otro trabajo, ¿de qué trabajas?”
Flor, 5 años.
Amé la visión de mi hija más pequeña. Pero si le dijera que trabajo acompañando a clientes en la decisión de la mejor solución tecnológica, que mejorará la experiencia de sus clientes, y mencionara cosas como “Analytics” “Omnicanalidad” “Inteligencia Artificial”, me diría: ¡Ah, vendés computadoras! Entonces, decidí contarle que a veces los trabajos nos dejan hacer muchas pequeñas cosas, que sumadas marcan la diferencia. Modifican la experiencia de compra de un producto o uso de un servicio.
Disfruto de ver a la gente “orgullosa” de ser cliente de algún servicio, aunque preferiría que no vaya acompañado de un “no parece Argentina”. En general, es verdad que las marcas con las que interactuamos en nuestro país (compañías de telecomunicaciones, bancos, supermercados, aseguradoras, etc.) no nos tienen enamorados. Yo como mujer, mamá, taurina y apasionada por los detalles, estoy convencida de que estamos en el camino correcto para modificar eso: algunos ya comenzaron a ordenar sus datos, otros comenzaron a encontrarle el valor, convirtiéndolos en información valiosa. Sin embargo, aún hay mucho desconocimiento de la tecnología disponible para seguir avanzando.
¿Qué nos falta para enamorar a los clientes? Conocerlos. Saber más de ellos y de nosotros; ¿para qué? Para mejorar nuestra relación, para entregar solo información y ofertas relevantes para cada uno, para optimizar nuestros recursos y esfuerzos, para minimizar la cantidad de veces que contactamos a nuestros clientes y adaptarnos a sus necesidades.
En esencia eso hacemos en SAS, proveemos software y servicios para que cada empresa pueda disfrutar de los beneficios que presenta el uso de la “Inteligencia Artificial” (IA). IA existe prácticamente desde que nacimos, pero comenzó a tener “fama” con el surgimiento de otras tecnologías que hacen posible su aplicación en problemas de negocio: procesamiento de grandes volúmenes de datos, capacidad de almacenamiento, desarrollo de algoritmos avanzados, etc. Nuevas capacidades que llegaron y cambiaron las reglas del juego. Estos algoritmos que analizan, diagnostican, describen y predicen existen desde que yo nací. SAS también se dedica a esto desde que nació. Hoy existe la capacidad de trasladarla a soluciones de negocio de manera simple: eso es la nueva Inteligencia Artificial.
Usando estas tecnologías (inteligencia artificial, machine learning, procesamiento de lenguaje natural), las computadoras pueden ser entrenadas para realizar tareas específicas al procesar grandes cantidades de información y reconocer patrones en los datos. Pero ¿cómo podemos aplicar esta tecnología y conocimiento al mundo cotidiano, a nuestro mundo cotidiano, al de nuestras organizaciones?
En Argentina, he visto compañías de telecomunicaciones (pioneras), y de seguros, algunos retailers y varios bancos que ya comenzaron. Todas estas empresas han recorrido (y lo siguen haciendo) un camino más o menos similar. La receta más efectiva para acercar Inteligencia Artificial al negocio es:
“Datos” + “Inteligencia”+ “Automatización”+ “Optimización”+ “Contextual Realtime”.
Cuando hablamos de datos, hablamos de calidad de datos, identificación de clientes, construcción de una visión customer-centric, y accesibilidad de los usuarios “de negocio”. Una vez que los datos comienzan a estar “como deberían”, el siguiente desafío es convertirlos en información relevante y valiosa para la toma de decisiones. No solamente como resultados o conclusiones, sino como información valiosa para conocer más y mejor a los clientes: para entender quienes se comportan de manera similar, como es el ciclo de vida y que valor tiene cada cliente para mí. De esta forma, podemos predecir cuán probable es que se comporte de determinada manera, que me abandone, y ofrecerle productos que se ajusten mejor a sus necesidades. Estas preguntas son respondidas por la analítica.
Los siguientes estadios (optimización, automatización y contextualidad) tienen que ver con saber automatizar, pero siempre manteniendo la personalización. Se relacionan con la incorporación de variables contextuales al juego: esos detalles que “marcan la diferencia”.
Me voy a detener por un momento en este concepto de “realtime” ya que el verdadero diferencial no está solo en responder de inmediato a un cliente o actuar rápido. No es únicamente cuestión de inmediatez, sino de relevancia. Y la relevancia solo se logra cuando es posible combinar 3 tipos de datos: personales, relacionales y contextuales. Es decir, quién es mi cliente, qué le gusta y qué le interesa; conociendo información de sus productos, pagos, frecuencia de compra y su actual situación, necesidad, ubicación.
Diferentes estudios y publicaciones demuestran los beneficios de diseñar experiencias que contengan touchpoints realtime. De acuerdo con McKinsey, el 61% de los consumidores son más propensos a comprar de compañías que ofrecen contenido personalizado basados en interacciones en tiempo real. El mismo estudio señala que los proyectos exitosos en los que se implementan interacciones en tiempo real generan en promedio ganancias del 10% y reducciones en los costos en el orden del 15% al 25%, después de 2 a 3 años.
En Argentina, hemos implementados soluciones de SAS Customer Intelligence en diferentes clientes donde hemos visto significativos aumentos en la conversión de las campañas, gracias a la segmentación basa en analytics, reducción en costos y principalmente disminución de la cantidad de contactos (emails, llamadas) mejorando enormemente la satisfacción de los clientes.
¿De qué trabajo? Me apasionan las cosas que no se ven, pero que se notan. En el fondo, de eso se trata Customer Experiencie, ¿no?
Te invito a ver y compartir con amigos y familia este video que, en una lenguaje simple, explica de que se trata esto de “La inteligencia artificial” https://www.sas.com/en_us/insights/analytics/what-is-artificial-intelligence.html
