Marketing En Telecomunicaciones Basado En Inteligencia Artificial: Cómo Generar Millones De Ofertas Personalizadas Para Sus Clientes

• La aplicación de Inteligencia Artificial (IA) en las grandes telcos resulta clave para aumentar los ingresos en mercados de intensa presión competitiva

Madrid, 21octubre 2020. - Los gigantes digitales figuran entre las empresas más valiosas del mundo, bien se trate de retailers o buscadores, principalmente gracias a haber encontrado la forma de utilizar los datos que atesoran para predecir las preferencias de los consumidores y personalizar ofertas que maximizan las aceptaciones y los ingresos. Por el contrario, muchas de las empresas tradicionales, entre las que se cuentan algunos de los operadores de telecomunicaciones más importantes, aún gestionan sus bases de clientes mediante segmentaciones muy básicas, lo que les impide capturar todo el valor que dichas bases encierran.

Pero no es siempre así. Uno de los grandes operadores de telecomunicaciones con el que Oliver Wyman ha trabajado usó inteligencia artificial y ‘machine learning’ para generar cada mes 55 millones de ofertas personalizadas para su base de clientes, superando su segmentación tradicional. Estas ofertas fueron la base de las interacciones comerciales con los clientes de la base, tanto en llamadas salientes como después de consultas entrantes en el centro de atención, en las tiendas y en los canales digitales. Gracias a esto, las interacciones con los clientes pasaron de diluir a generar ingresos, suponiendo 100 millones de euros en adicionales en la línea de arriba de la cuenta de resultados. Desarrolladas de manera correcta, diferentes versiones de esta forma de abordar la gestión de la base de clientes pueden ayudar a maximizar sus beneficios a otros servicios ofrecidos a través de suscripciones - como seguros, banca minorista, energía eléctrica y tarjetas de crédito.

La aplicación exitosa de esta forma de gestión de la base de clientes requiere una profunda transformación, ya que la mayoría de las compañías en sectores de suscripción no son nativas digitales y necesitan cambiar la manera en la que interaccionan con sus clientes. Este cambio implica una radical ubicación del cliente en el centro de toda la operación, el uso masivo de información en inteligencia y una operativa omnicanal. Además, los canales de venta y atención asistidos deben aprender a utilizar estas nuevas herramientas.

Millonesde clientes y decenas de millones de opciones

El sector de las telecomunicaciones ilustra el potencial que puede suponer este cambio, ya que muchas de las empresas ofrecen servicios similares a precios casi idénticos: un movimiento competitivo típico del sector consiste en campañas de marketing basadas en descuentos. Los servicios tradicionales de televisión, acceso a Internet y telefonía han convergido, en muchos mercados, en ofertas integradas en un solo paquete. Los clientes cambian de operador buscando mejores ofertas, o para recibir un precio más bajo y mejores condiciones de su operador. En los mercados competitivos, los clientes que cambian de operador lo hacen a nuevas tarifas que suponen importantes descuentos respecto de las facturas que pagaban antes del cambio.

Las empresas digitales de mayor éxito han dado con la clave para escapar a esta lógica de destrucción de valor. La traducción de su fórmula al sector de las telecomunicaciones contaría con los siguientes ingredientes. Primero, el desarrollo de algoritmos para trabajar los perfiles de los clientes - procesando su uso de servicios de telecomunicaciones y redes sociales para averiguar qué tipo de producto les interesa. Por ejemplo, alguien que consume muchos datos móviles es un candidato ideal para una oferta de datos ilimitados. Si tres o cuatro personas están a menudo en línea en un hogar con un contrato de internet y un único servicio móvil, eso significa que hay más clientes móviles potenciales. El ‘machine learning’ puede mejorar la predicción del algoritmo, aprendiendo de los errores del pasado y teniendo en cuenta los gustos de los clientes con perfiles similares. Esta precisión puede reducir notablemente los costes de los operadores de telecomunicaciones, ya que captar la atención de un cliente a través de los agentes tiene un alto coste y sólo vale la pena cuando hay una alta probabilidad de éxito.

El algoritmo ‘de la mejor siguiente oferta (NBA por sus siglas en inglés)

El “machine learning” también puede determinar el precio que un cliente está dispuesto a pagar por un producto y, por lo tanto, cuál de las ofertas disponibles tiene más probabilidades de éxito. El siguiente elemento de la fórmula de éxito es la generación de “la siguiente mejor acción” para cada cliente. Consideremos dos clientes que pueden estar interesados en datos móviles ilimitados además de sus paquetes actuales. Uno podría estar interesado en una oferta de 3 euros extra al mes, pero el otro sólo estaría dispuesto si el coste adicional es de 2 euros. Así, igual que para el primer cliente la "siguiente mejor acción" consistía en una oferta de datos ilimitados por 3 euros más; para el segundo sería la misma oferta pero por 2 euros extra. A cada cliente se le asigna también una "siguiente mejor acción 2": una oferta alternativa por si rechazan la inicial.

También permite predecir con mayor precisión si el valor potencial que se obtendrá de la “siguiente mejor acción” merece una llamada directa. En algunos casos, cuando es probable que el cliente esté dispuesto a pagar lo suficiente para una actualización de los servicios, una llamada merece la pena. En cambio, si el valor estimado que se obtendría de una llamada fuese demasiado bajo no merecería la pena, pero este valor todavía puede adjuntarse al perfil del cliente para utilizarse futuras llamadas o en una visita física.

Participación de la fuerza de ventas

Cuando Oliver Wyman implantó esta forma de trabajo esto en un operador de telecomunicaciones líder, se dio cuenta de que las herramientas de ‘machine learning’ no son suficientes por sí solas. Su papel no era reemplazar a la fuerza de ventas, sino ayudarla a hacer mejor su trabajo. En una reunión los comerciales nos dijeron: "esto es muy interesante, pero va a haber un ser humano en el teléfono dirigiendo la interacción con el cliente". "Así hay que pensar: ¿cómo podemos asegurarnos de que el teleoperador haga lo que tú quieres que haga? Esto requiere del uso de herramientas, la aplicación de incentivos y la formación de los agentes".

Así que se transformó el funcionamiento de los canales comerciales asistidos, invirtiendo tiempo y esfuerzo en formación y diseñando un nuevo sistema de incentivos. Esto se aplicó tanto a los agentes de ventas que hacían llamadas como al personal que entraba en contacto con los clientes por otros motivos, y se ilustraba mediante un esquema de semáforos de fácil comprensión para mostrar a los agentes la cantidad de comisión que obtendrían de cada trato. En primer lugar, se les exige que ofrezcan la “siguiente mejor acción” al cliente, a menos que éste esté claramente enfadado. Si acepta, el agente ganará la mayor comisión posible. Si no, pueden probar la “siguiente mejor acción 2”, que otorgará una comisión menor, o negociar libremente y ganar sólo una pequeña comisión, si la hay.

Conclusión: El aprendizaje de las máquinas necesita del aprendizaje de los humanos

La experiencia de Oliver Wyman demuestra que el “machine learning” es una gran herramienta, pero que debe combinarse con la transformación integral de los métodos de trabajo de las personas que la utilizan, es decir, el personal que entra en contacto con los clientes. Para llevar a cabo este cambio, el papel tradicional del director de producto debe complementarse con la introducción de una figura de “dueño de la base de clientes” y la integración de las funciones tecnología de la información, el business intelligence, el marketing y las ventas en una forma ágil de trabajo.

Cuando se implantó esta forma de hacer, además del aumento del 50% de los ingresos por interacción, la compañía informó de un aumento de 15 puntos porcentuales en las tasas de aceptación en un año y un aumento del 10% en el tamaño de la base de datos de clientes activos. Estamos convencidos de que se podrían lograr resultados similares aplicando estos principios en una amplia gama de sectores en los que los proveedores de servicios tienen relaciones a largo plazo con los clientes, como la televisión de pago y la banca minorista. El primer paso para obtener resultados más parecidos a los retailers líderes de la venta digital es empezar a actuar como ellos a través de la tecnología.

Sobre Oliver Wyman

Oliver Wyman es líder global en consultoría estratégica. Con oficinas en más de 60 ciudades de más de 29 países, Oliver Wyman combina un profundo conocimiento sectorial con experiencia especializada en estrategia, operaciones, gestión de riesgos y transformación de las organizaciones. La firma cuenta con más de 5000 profesionales en todo el mundo, que ayudan a sus clientes a optimizar sus negocios, mejorar sus operaciones y perfil de riesgo y acelerar su desarrollo organizacional para aprovechar las oportunidades. Oliver Wyman es una subsidiaria de Marsh & McLennan Companies [NYSE: MMC].

Para más información visita: www.oliverwyman.es o síguenos en nuestras redes sociales:
LinkedIn: Oliver Wyman; Twitter: @OliverWyman; Facebook: @oliverwyman; Instagram: oliverwymanconsulting