Estamos en un momento en el que conocer los pasos que sigue un usuario es fundamental para las empresas, ya que les ayuda a anticiparse a las necesidades de los consumidores en cada una de las diferentes etapas del proceso de toma de decisión y compra.
Dentro de las novedades más destacadas a lo largo de este año en lo que se refiere a la relación con el cliente, destaca el First Party Data y la relación con la privacidad de los datos de los usuarios, como consecuencia de la implementación de una ley que regule de forma más detallada la privacidad de sus datos.
En este último podcast de la tercera temporada hablamos sobre la analítica de cliente, donde descubrimos todos los detalles y el funcionamiento de este tipo de analítica y, a su vez, conocemos cuáles son los insights más relevantes y oportunos para anticiparnos a las necesidades del cliente.
Para ello, hemos contado con la participación de Milena Guerra, Head of Customer Intelligence and Analytics en Sportian (former “La Liga Tech”) que cuenta con una amplia experiencia en la gestión de datos, inteligencia empresarial, transformación digital, y está especializada en la analítica enfocada al cliente.
¿Qué podrás escuchar en este podcast?
- Qué es la analítica del cliente.
- Principales diferencias entre una analítica de producto/servicio y una analítica centrada en el cliente.
- Implicación de tener una analítica de cliente útil en una organización.
- Técnicas para el desarrollo de una analítica de cliente útil.
- Convivencia con la necesidad de construir un 1s data party y la llegada de las cookieless.
- Medida del ROI en una estrategia basada en la analítica del cliente.
- Beneficios de una estrategia analítica centrada en el cliente.
- Novedades a corto plazo en este tipo de analíticas.
¡Te esperamos en Digital Talks by t2ó! Ya tienes el episodio disponible en nuestros canales de Spotify, Apple Podcast, Google e iVoox 🎧
Si te ha gustado y te parece interesante de cara a tu negocio no dejes de escuchar los demás capítulos, ¡aprenderás de/con l@s mejores! 🤓
[Transcripción del Podcast]
EC: Hola, soy Esther Checa y hoy vamos a hablar sobre la analítica de cliente. Esta analítica es un conjunto de procesos y tecnologías que ayudan a las empresas a obtener los insights de cliente necesarios para poder anticiparse, ser relevantes y más oportunos a las necesidades de estos.
Para que nos cuenten en detalle el valor y el funcionamiento de este tipo de analítica, hoy contamos con Milena Guerra, Head of Customer Intelligence and Analytics en Sportium.
Milena tiene una amplia experiencia en la gestión de datos, inteligencia empresarial, transformación digital y está especializada en analítica enfocada al cliente. Su trayectoria profesional se ha desarrollado en las industrias de gran consumo, retail y deportivo, donde ha liderado la digitalización y optimización de estrategias sustentadas en datos. En su día a día fomenta siempre la cultura orientada a los datos, poniendo especial atención en el análisis del conocimiento del cliente. Esto le ayuda al desarrollo de estrategias que atiendan a sus necesidades y preferencias. Además, una parte importante de su tiempo también la dedica a la docencia, actualmente es profesora asociada en ISDI para los programas de analítica y gestión del dato.
Milena, me alegra mucho tenerte hoy, ya que la temática que vamos a tocar es esencial para comprender el desafío al que se enfrentan muchas empresas, que es básicamente reconocer la importancia de centrarse en el cliente. Así que, un lujo tenerte hoy. Muchas gracias.
MG: Muchas gracias Esther. La verdad que yo estoy feliz de estar contigo hoy y hablar de este tema, que la verdad es que me encanta y me fascina, y nada, como soy muy fan del podcast, estoy feliz de estar aquí.
EC: Pues estupendo Milena. Hoy vamos a arrancar con entender qué es la analítica del cliente. Me gustaría que empezarses a ponernos en contexto.
MG: Pues la analítica en general es ese proceso de recopilar, de analizar los datos, interpretarlos y, en el caso de la analítica del cliente, lo que la caracteriza es que la tipología de datos que vamos a utilizar para esto son el comportamiento, las necesidades y las preferencias de nuestros clientes.
Es importante tener en cuenta de que no hablamos de una simple recopilación de datos transaccionales, sino que lo que intentamos es comprender el viaje completo del cliente desde ese primer contacto que tiene con la marca hasta la posventa y la retención.
Normalmente cuando hablas con la gente de analítica de cliente lo primero que piensa es en las métricas más típicas como puede ser el lifetime value o el charm o cualquier otro tipo de métricas, estas que son las más comunes, pero en realidad es que vamos mucho más allá.
El objetivo es entender el por qué de cada una de las acciones y de las estrategias, de las tácticas que vamos a poner en práctica. Normalmente las métricas nos dan ese punto de referencia que es bastante importante para entender dónde estamos, pero la verdadera esencia es convertir toda esta información en insights que sean accionables para tomar decisiones en en la compañía.
Hay un aspecto importante en la analítica de cliente, que yo creo que también la diferencia del resto, es que más allá de obtener insights, lo que nos permite es que ese conocimiento que vamos adquiriendo del cliente lo podamos utilizar para ofrecer experiencias personalizadas. Al final esto nos permite adaptar esa oferta, nuestra oferta y la comunicación a qué es lo que realmente necesita el cliente en cada uno de los momentos.
EC: Aquí Milena, dónde ves las principales diferencias entre una analítica de producto o servicio, que es con lo que nos encontramos más familiarizado y un poco lo que has hecho mención y una analítica centrada en el cliente.
MG: Al final las diferencias van sobre todo enfocadas a cuál es el enfoque, los objetivos y la naturaleza de los insights que ofrecen.
La verdad es que yo considero que ambas analíticas tienen su valor y su lugar completamente y que no son excluyentes.
Realmente lo que hacemos es complementarlas, se complementan cada una de ellas es la analítica de producto, es más reactiva y más táctica porque está centrada en el desempeño inmediato del producto, mientras que la analítica de centrada en el cliente es más proactiva y estratégica, ya que no solo se preocupa del comportamiento actual de que tiene el cliente, sino que busca entender ese viaje completo y anticipar las tendencias a largo plazo, es decir, que, por ejemplo, el tema de la lealtad y la evolución de las preferencias es una predicción, no es algo que estamos midiendo en el momento.
Yo creo que otra cosa además que podemos destacar es que la analítica de producto también se centra en el performance del producto de forma individual, mientras que al final la analítica de cliente lo que nos ofrece es una visión holística del comportamiento en general, ya que al final lo que estamos viendo es no es solo qué es lo que compra el cliente, sino cómo, cuándo y por qué.
Y yo creo que esto es lo que más, lo que más lo diferencia.
Al final yo creo que con un ejemplo se ve mucho mejor: Imaginaros que hablamos de una tienda online de venta de zapatos, por ejemplo.
Con la analítica de producto podríamos llegar a identificar que hay una caída en las ventas en una línea específica de zapatillas de deporte, que realmente nos puede llegar a revelar la analítica de cliente, pues como va en este Por qué que estábamos comentando antes no sólo qué es lo que está pasando, sino por qué.
Lo que podríamos llegar a ver es que realmente los clientes están buscando unas opciones más sostenibles y por eso dejan de comprar este producto específicamente. Entonces, si hubiésemos tomado las decisiones basados en la analítica de producto, quizás la estrategia hubiera sido pues hacer una oferta en concreto para corregir esa tendencia de caída de ventas, mientras que con la información que nos está brindando la analítica de cliente, lo que podríamos llegar a decir es pues a lo mejor lo que necesitamos es una línea de zapatillas más sostenible o a lo mejor tenemos que cambiar o introducir en lo que es la distribución en opciones más sostenibles y ecológicas para que correspondan a esas requerimientos que nos está haciendo el cliente, es decir, al final lo que vemos es que si tomamos acciones basados solo en ese dato que nos da la analítica de producto, quizás no vamos a conseguir tener una optimización, entender realmente al cliente y ofrecerle lo que necesita.
EC: ¿Qué implicaría tener una analítica, entonces de cliente útil dentro de una organización?
MG: Al final lo importante es entender que no solo se trata de recopilar datos y hacer reporting.
Aquí hablamos de un cambio cultural, es decir, está totalmente asociada a una estrategia customer centric, y al final te obliga a implementar procesos de medición para poder entender y escuchar al cliente, identificar esos insights y promover una cultura de toma de decisiones basadas en este tipo de datos.
Aquí hay tres puntos de vista importantes que tenemos que tener en cuenta:
El primero es que tenemos que conseguir una comprensión profunda del cliente, Esto va un poco más allá de tener unas métricas superficiales, si no hay que entender el comportamiento, las necesidades, las motivaciones de los clientes e implica, como decíamos antes, cuestionar siempre el por qué y no solo el qué.
En un segundo, en un segundo momento, necesitamos implementar procesos para desarrollar esa capacidad de predicción de comportamientos futuros. Y aquí al final, sobre todo hablamos de tener capacidades de poner en marcha modelos predictivos que van nos van a permitir anticipar esas tendencias, identificar oportunidades de negocio o prevenir problemas antes de que surjan.
Por ejemplo, si somos capaces de predecir qué clientes tienen riesgo de abandono, podremos tomar medidas proactivas para conseguir retenerlos.
En un último punto, y aquí yo creo que en el contexto de la analítica de cliente es mucho más importante. Si ahora mismo hablamos en todo momento del tema de democratizar el acceso al dato en toda la organización, y esto en el caso de la analítica del cliente, tiene mucha más relevancia, porque, por ejemplo, los resultados en la analítica de financiera al final es relevante para determinados equipos en la empresa.
Sin embargo, los datos de cliente implican prácticamente a toda la organización y es por tanto, que esta democratización es muy importante, porque no solo hablamos de los departamentos de marketing,del servicio al cliente.
Todos ellos tienen que acceder y comprender las dinámicas del cliente para poder utilizar estos datos.
Hay otro punto importante en la analítica de cliente, que es el tema de la segmentación, es decir, no todos los clientes son iguales y por tanto el poder agruparlos para diferenciarlos en cuanto al comportamiento, la demografía, las preferencias, es esencial para la personalización y el diseño de estrategias de comunicación más efectivas.
Yo creo que podemos ver todo esto a través de un ejemplo de cómo realmente la analítica puede ser útil para una para una organización.
Imaginemos nuevamente un un retailer de, en este caso de moda, por ejemplo, que necesita planificar el plan comercial de la colección de verano.
¿Cómo incorporamos la analítica de cliente a este proceso?
En primer lugar, como decíamos antes, tenemos que segmentar la base de datos de clientes para entender en qué momento compra cada uno, imaginaros que en este proceso se identifica que hay un 20% de los clientes que compra regularmente a principios de temporada, otro un 30% que espera las primeras ofertas de mitad de temporada y el resto suele comprar a final de temporada buscando más descuentos. Al final ese sería el primer paso y en un segundo lugar veríamos qué tipo de producto compra cada uno de estos grupos de clientes.
Aquí podemos ver que este primer grupo que compraba a principio de temporada lo que está buscando son artículos exclusivos y ediciones limitadas. Este segundo grupo, que esperaba que aparecieran las primeras ofertas al final lo que está buscando es una relación calidad precio y los últimos al final son muy sensibles al precio.
¿Y qué podemos hacer con todos estos datos para esa planificación de la estrategia comercial de la empresa?
Pues por ejemplo, a inicio de temporada podemos lanzar una campaña dirigida a este 20% de clientes que compraban a principio de temporada, resaltando la exclusividad de determinados productos y planificando adecuadamente el inventario para que tanto en las tiendas físicas como online, estos productos estén disponibles de cara a mitad de temporada. Lo que podemos hacer es hacer ofertas de artículos, especialmente aquellos que no han tenido tanta rotación y enviarles comunicaciones personalizadas a este 30% de clientes que habíamos identificado previamente, y ya al final de la temporada lo que hacemos es aplicar los grandes descuentos con promociones dirigidas a este 50% de clientes que eran muy sensibles al precio final.
Aquí, además, tenemos que garantizar que el inventario de estos productos de descuento para que no haya roturas de stock en tienda.
Al final, con esta planificación lo que hemos hecho es implementar la analítica de cliente en los procesos de la compañía con dos objetivos uno conseguir maximizar los ingresos y por otro lado, personalizar la oferta a cada uno de los clientes en función de lo que realmente compran y el momento de compra que es preferente para ellos.
EC: A mí me gustaría también que nos hablases de las técnicas que aplicas en tu día a día para poder entender mucho mejor a este consumidor. Nos estás dando varias referencias, pero en detalle para personas que todavía no estén tan familiarizadas, ¿qué técnicas aplicarías?
MG: Hay muchas técnicas en la parte de la la analítica del cliente, pero yo creo que hay Las más importantes son, por ejemplo, la el análisis de la experiencia del cliente y ahí tenemos tres técnicas que es la voz del cliente, la satisfacción del cliente y el análisis del customer journey.
¿Cuál es el objetivo de estas técnicas? Aquí, al final lo que se trata es de observar al cliente en cuanto a su nivel de satisfacción, es recoger su opinión y entender en cada paso en qué momento se encuentra el cliente, ¿Qué aporta al negocio?
Pues nos permite mejorar la experiencia, ya que estamos reduciendo las tasas de abandono, estamos incrementando las conversiones o fortaleciendo la reputación de la marca.
Al final, estas técnicas se aplican a cualquier negocio, aunque normalmente lo vemos más frecuentemente en las telecos, en los seguros, en la banca.
Seguro que todos estamos familiarizados con esas llamadas que hacemos al call center que después nos preguntan cuál ha sido el nivel de satisfacción, si podemos recomendar o no el servicio a otro cliente.
Todos estos datos, al analizarlos, nos permiten conseguir estos objetivos que hablábamos antes.
Hay otro tipo de técnicas y son las que están la analítica más enfocada hacia la personalización, como son el next actions o la parte de la recomendación, el análisis hacia la recomendación o cross-sell o upsell.
Es decir, todos estos tipos de análisis lo que nos permiten es personalizar la experiencia y qué aportan al negocio pues directamente a la línea de resultados, ya que al final lo que intentamos es generar ingresos.
Aquí, por ejemplo, si hablamos de un negocio de contenidos, lo que estaríamos intentando con este tipo de técnicas, es incrementar el tiempo que pasan los usuarios en la plataforma más de mejorar la satisfacción del cliente debido a la personalización, lo que potencialmente se reduce es la tasa de cancelación de las suscripciones y por tanto, hacemos que los usuarios tengan una relación con nuestros contenidos de más afinidad y por tanto generemos más ingresos.
Por último, quería hacer foco en una tercera técnica, que es la que utilizamos para la retención y la lealtad.
Aquí hablamos del charm, que como hablábamos al principio, es bastante importante dentro de la analítica y la segmentación basada en el comportamiento. Ambas, al final lo que están enfocadas es en fomentar la fidelidad y reducir la pérdida de clientes y aportan al negocio también, al igual que la personalización, nos están aportando resultados en esa línea de generar más ingresos.
Es decir, si al final reducimos la pérdida de clientes, pues lo que estamos es maximizando los ingresos en cada caso.
EC: Oye Milena, escuchándote las técnicas que aplicarías en tu día a día para entender mucho mejor a este consumidor. Una pregunta que puede estar a lo mejor alguien planteándose, independientemente del sector en el que esté trabajando.
Estas técnicas de analítica de cliente, ¿se pueden aplicar para cualquier tipología de negocio?
MG: Pues es una pregunta excelente, porque al final yo por ejemplo, en mi caso, que he trabajado siempre en analítica de cliente, pero desde retailers a gran consumo y ahora en el deporte, en todo momento he utilizado las mismas técnicas, solo hay que adaptarlas al negocio en concreto.
Al final la esencia de la analítica se mantiene independientemente del negocio y lo único que tenemos que hacer es al final estamos en el foco de la estrategia de cada una de la compañía. Es decir, todas las empresas necesitan captar clientes, necesitan retenerlos, necesitan personalizar la experiencia y al final lo que hacemos es aplicar esas técnicas independientemente del negocio.
Si, por ejemplo, una de las técnicas que más se utilizan es identificar cuál es el valor de vida del cliente, es decir, esa proyección de valor que nos va a dar el cliente a lo largo de todo el ciclo de vida que tiene con la marca.
Al final, por ejemplo, si hablamos de un ecommerce cómo haríamos esto.
Inicialmente segmentamos que era lo que hablábamos antes y después intentamos predecir cuál es el valor, si en ese proceso identificamos que, por ejemplo, hay unos unos usuarios que consumen productos premium y al final, en esa predicción del lifetime value vemos que hay un incremento importante de cara al futuro, pues podría justificarse una mayor inversión, una mayor inversión en en la captación de estos clientes, al igual que pasa en el sector financiero al final, por ejemplo, en el sector financiero, segmentaremos a los clientes, haríamos la misma predicción del instant value. Y si por ejemplo, en el caso de financiero estamos viendo que los clientes de inversiones a largo plazo son los más leales y los que nos van a generar más ingresos.
Al final terminaríamos potenciando la captación de este tipo de clientes con el objetivo de maximizar los ingresos en el largo plazo
Entonces, al final, como podemos ver, las técnicas son exactamente las mismas. Lo único que tenemos que hacer es personalizar en función de las métricas que caracterizan cada uno de los negocios.
EC: Hablamos mucho de poner al consumidor en el centro y es sobre lo que estás iterando bastante. ¿Aquí podríamos decir que esta analítica del cliente es la forma de hablar con datos para llevar una estrategia de customer centric?
MG: Definitivamente la analítica de cliente es esencialmente el lenguaje de los datos en la estrategia customer centric.
En un mundo ideal, todas las empresas desearían poder sentarse con cada uno de los clientes individualmente y entender sus necesidades, sus deseos, sus preocupaciones. Pero en la realidad esto es inviable a gran escala, no es posible, pero ahí es donde interviene la analítica del cliente para resolver esa problemática.
Como hemos ido comentando previamente, al final podemos obtener insights sobre los comportamientos, sobre las preferencias y los patrones de compra, que es lo que nos permite la analítica, y esta información nos permite anticiparnos, revertir cualquier tipo de comportamiento y desarrollar incluso nuevos productos. Por tanto, estamos ayudando directamente a definir esa estrategia customer centric que puede tener una compañía.
Por ejemplo, si hablamos un poco del sector del deporte, si la analítica de cliente nos mostrará que hay aficionados al fútbol que están interesados en contenidos relacionados con entrenamientos o tácticas cualquier club podría crear contenidos exclusivos o talleres interactivos centrados en estos temas para atraer estos fans y fortalecer esa relación con ellos.
Toda esa información previamente nos ha venido del análisis de qué es lo que está buscando ese fan, en este caso en concreto, y podría llegar a desarrollarse un producto para satisfacer esas necesidades.
Al final, customer centric significa poner el cliente en el centro de todas las decisiones y las estrategias, y la analítica de cliente nos proporciona las herramientas y el conocimiento para hacerlo de una manera efectiva.
EC: Otra cuestión que se me plantea, y sobre todo que está de máxima actualidad, es la parte del cookies y toda la parte de las estrategias de First-party Data. Y aquí me gustaría que nos contases Milena, ¿cómo esta analítica de cliente convive con la necesidad de construir precisamente este first-party data y sobre todo con la llegada del cookies?
MG: Está directamente relacionada. Al final la analítica de cliente y la construcción del First-party Data está totalmente relacionada. Especialmente pensando en el cookieless.
Yo creo que al final, con la disminución de las cookies de terceros, las empresas se están dando cuenta de la importancia de construir y desarrollar este First-party data para adaptar las capacidades que tenemos actualmente con las cookies de tercera parte. Pero al final no tiene sentido desarrollar toda esta capacidad si no vamos a sacarle el máximo provecho.
Al final es invertir muchísimo dinero en la creación de todos estos nuevos ecosistemas de datos que permiten soportar toda esta estrategia. Al final es una inversión importante y necesitamos sacarle el máximo provecho.Y es justo ahí donde entra la analítica de cliente en la que nos va a permitir conseguir amortizar toda esta inversión.
Además de solucionar la problemática del cookieless en cuestión, porque al final nos va a permitir crear esas experiencias personalizadas y relevantes para los clientes. Al final, como venimos hablando, nos va a permitir crear esa comprensión profunda del comportamiento y las preferencias que nos va a habilitar al final para desarrollar las estrategias de customer centric que hemos venido hablando hasta ahora. Al final, en un mundo sin cookies, la analítica de cliente y el First-party Data se convierten en una herramienta muy poderosa. Esto nos va a permitir diferenciarnos de la competencia y conseguir mejores resultados de negocio, y las empresas que puedan combinar eficazmente estas dos elementos estarán en una posición muy ventajosa para ofrecer experiencias personalizadas a sus clientes y gestionar su negocio de una manera más eficiente.
EC: Totalmente de acuerdo. Totalmente de acuerdo, Milena. Mencionabas ahora la parte de ROI y a mí me gustaría que nos comentases cómo se puede medir este retorno de inversión de una estrategia basada en analítica centrada en el cliente y sobre todo, qué beneficios tangibles e intangibles puede aportar a negocio Creo que después de todo esto previo que nos estaba contando, yo creo que ya lo dejas bastante desmenuzado, pero si tuviésemos que concretar cómo lo concretarías.
MG: Al final el medir el retorno de una inversión, de una estrategia basada en analítica y cliente es bastante complejo.
Pero bueno, es esencial, como decimos, para poder justificar esta inversión. Y ahí tenemos que hacer foco en lo tangible y lo intangible para poderlo mostrar la compañía y ver que realmente está teniendo los resultados que esperábamos.
Yo creo que al final un ejemplo es mucho más claro para ver cómo podemos llegar a medir esto. Imaginaros que somos un restaurante y que queremos implementar un programa de fidelización para poder incrementar las ventas. Normalmente un programa de fidelización en cualquier compañía utiliza prácticamente todas las técnicas de analítica de cliente, por eso yo creo que es bastante relevante. En principio lo que tenemos que hacer es definir esas métricas que nos van a permitir medir ese objetivo.
En este caso estamos planteando un programa de fidelización para ver el incremento de las ventas. Por tanto, qué métricas podríamos utilizar: Pues podemos medir el incremento de las visitas y el gasto medio, el incremento del gasto medio, es decir, esas serían nuestras dos métricas que vamos a medir.
Al final este programa de fidelización lo que puede ofrecer a los clientes son puntos canjeables por visita y al analizar los datos a través de analítica de cliente, lo que vemos es que hay parte de la clientela que aprecia mucho los productos vegetarianos que estamos ofreciendo. Enfocamos el programa de fidelización hacia esos productos, bonificando al a los usuarios que prueben este tipo de platos.
¿Cómo haríamos el cálculo del ROI? Pues vamos a estimar cuáles son los ingresos que se han generado producto del programa y teniendo en cuenta el además el coste que nos ha generado, pues todo el programa en sí mismo.
¿Cómo vamos a calcular los ingresos? Pues con estas dos métricas que habíamos hablado de cuál sería realmente el incremento de las ventas y el incremento del gasto medio. Y en base a eso vamos a calcular el ROI.
¿Cuáles son los beneficios tangibles que podemos que podemos ver con este tipo de programas? Por un lado, sería medir en euros cuántos, cuántos euros se han generado, el incremento y una mayor eficiencia del programa de fidelización, porque al final estamos apuntando hacia las preferencias de los clientes que como habíamos dicho, en este caso estaríamos hablando de los productos vegetarianos, es decir, que esos serían claramente beneficios tangibles.
Si hablamos de los los beneficios intangibles, pues ahí podemos hablar de la mejora de la satisfacción del cliente, el fortalecimiento de la lealtad con el cliente y por supuesto, la recolección de datos valiosos que nos van a nos están permitiendo tomar decisiones sobre qué menús vamos a poner en el futuro, cuáles son esas preferencias de usuario.
Es decir, al final sí, si ponemos en práctica todo esto y somos capaces de medir lo que nos está, nos está aportando, yo creo que seremos capaces de mostrar a la compañía la importancia de poner en práctica este tipo de técnicas.
EC: Milena, para ir cerrando a mí me gustaría que nos dieses un poco la visión de qué cosas nuevas podemos esperar a corto plazo en este tipo de analítica.
MG: Bueno, al final, en este momento la tecnología está evolucionando de forma muy rápida.
Y yo creo que ahí va a estar el mayor impacto al final, la verdad es que llevo en este ambiente muchísimo tiempo y realmente lo que más ha influido a lo largo del tiempo ha sido la tecnología, es decir, el poder acceder a los datos de una manera ágil, el procesamiento de los datos, la capacidad de poder activar la información es lo que más está influyendo.
Estamos en un momento en el que la Inteligencia Artificial, pues tiene una velocidad que está acelerando todos los procesos y esto evidentemente va a influir muchísimo en cómo se va a comportar la analítica de cliente en el futuro.
Las tendencias que vemos, las más importantes, son el aprendizaje automático y la Inteligencia Artificial que nos van a permitir la implementación de modelos de predicción que van a ser mucho más efectivos de lo que son los que tenemos ahora mismo, y no solo más efectivos, sino que van a ser más accesibles para compañías que a lo mejor ahora mismo no se lo pueden permitir.
Por otro lado, la personalización en tiempo real que durante mucho tiempo ha sido como un deseo que hemos tenido todas las compañías de poder interactuar con esa experiencia personalizada con nuestros clientes en tiempo real, esta va a ser mucho más asequible y nos va a permitir conseguir esa interacción mucho más cercana con el cliente. Hay que tener en cuenta que la parte de la privacidad de los datos va a ser cada vez más importante, yo creo que en la medida que vamos a poder analizar mucho más los datos, la regulación nos va, nos va a requerir muchas más medidas y esto va a haber que el cumplimiento de estas medidas no va a marcar la evolución de hacia dónde vamos a ir.
Esto es inevitable, pero bueno, tiene todo el sentido, es decir, vamos a tener la posibilidad de conocer muchísimo más a nuestros clientes y por tanto tenemos que ser mucho más respetuosos con con ese acceso a los datos y el tratamiento que vamos a hacer tiene que ser acorde con lo que los clientes no van a permitir poder llegar a ser con ello.
Y por último, yo creo que una de las cosas que se prevé es la automatización, es decir, ahora mismo se requiere muchísimo, muchísimas personas para lo que es la gestión de los datos y poder sacar estos insights. Con el avance que estamos teniendo con la Inteligencia Artificial, al final lo que vamos a ver es que todo esto va a ser mucho más automatizable y nos vamos a poder centrar más en la interpretación de los datos y en la toma de decisión. Ese empoderamiento de lo que es las personas más cercanas al negocio van a tener muchas más posibilidades de tomar decisiones basadas en datos que hasta ahora.
EC: Pues Milena, una maravilla este cierre que nos has hecho, no solamente la oportunidad de darnos una visión de la importancia de este tipo de analítica, de cómo conectarla con la analítica que solemos tener en nuestro día a día, sino también entender el valor que tiene esta analítica dentro de las estrategias de first-party data hacia el entorno al que vamos. Y bueno, esto último que has dicho mayor respeto con respecto al usuario y entender muy bien los datos que le pedimos y para qué lo utilizamos. Así que un lujazo de verdad tenerte hoy.
MG: Muchísimas gracias. Me ha encantado estar aquí hoy.
