BACKGROUND IMAGE: Jirsak/iStock

E-Handbook:

Cómo elegir el CRM adecuado para su organización

Gestionar Aprenda a aplicar las mejores prácticas y optimizar sus operaciones.
Este artículo es parte de nuestra guía: Guía Esencial: Las suites de productividad empresarial evolucionan

Coordinar fuentes de datos es la clave para el éxito de CRM

La gestión de la relación con el cliente (CRM) de próxima generación requiere una estrategia de primero datos.

En 1993, Tom Siebel lanzó Siebel Systems. Su oferta insignia comenzó como una aplicación de automatización de la...

fuerza de ventas; sin embargo, conforme Siebel vio el tipo de datos que se estaban reuniendo, se hizo evidente que esto podría ser utilizado para obtener información sobre los clientes.

Como tal, nació la gestión de la relación con el cliente (CRM).

Siebel Systems fue de lejos el mayor proponente de CRM. Pero había problemas. CRM luchó para hacer frente al creciente número de canales (cara a cara, correo electrónico, web, móvil, etc.) que los clientes estaban empezando a utilizar.

Otros en el espacio de CRM se enfrentaban con los mismos problemas, y los sistemas de CRM se volvieron demasiado complicados y demasiado difusos en sus capacidades.

Además, la unidad para obtener información adicional acerca de los prospectos para ofrecer ofertas más específicas se estaba volviendo intrusiva.

Los prospectos estaban siendo alejados por las empresas que estaban tratando de servirles mejor.

Gire CRM en su cabeza

Para servir mejor a clientes y prospectos, se debe voltear CRM en su cabeza. En lugar de preguntar qué sistema de CRM se debe adquirir que permite generar la mayor cantidad de datos útiles, comience desde una posición de: ¿qué datos ya están disponibles?

La fuerza de ventas puede utilizar Salesforce.com o un sistema similar. Los equipos de marketing pueden estar utilizando un sistema diferente. Los sistemas de punto de venta en ambientes físicos pueden estar usando otro. El sitio web puede ser uno diferente.

Cada una de estas es una fuente de datos que puede ayudar a crear una vista completa del prospecto o del cliente. También hay fuentes externas, como Experian y Dun & Bradstreet, que pueden utilizarse para agregar valor a los datos internos. Componentes de la cadena de valor global –proveedores y sus subproveedores; clientes y sus propios clientes– también pueden tener fuentes de datos que pueden agregar valor.

La mayoría de las organizaciones ya dispondrán de sistemas para manejar todo esto, y cualquier consejo basado en una premisa de "echarlo todo y comenzar de nuevo" es probable que se reciba negativamente. La presencia de múltiples sistemas existentes debe ser aceptada: la dirección debe ser alrededor de obtener el máximo provecho de estos sistemas, no cómo saltar al siguiente carro de CRM.

Estrategia de primero datos

Esta es una estrategia de primero datos. El primer aspecto de cualquier enfoque de CRM "nuevo" debe ser la forma de reunir todas estas fuentes de datos para su análisis. El uso de interfaces de programación de aplicaciones y estándares de datos abiertos como SQL lo hacen más fácil, pero no todas las fuentes proporcionan dicho acceso.

Por lo tanto, los sistemas que permiten el manejo automatizado de datos de fuentes en las que la estructura puede ser más propietaria, como el Pentaho de Hitachi Data System, proporcionarán un medio simple y racionalizado de reunir datos. De hecho, una plataforma centrada en datos, como MapR, puede ser una buena idea para tratar con motores de análisis de datos mixtos como Hadoop, Spark y Apache Drill.

También debe haber un medio para garantizar que los datos sobre un cliente están completos. Con demasiada frecuencia, diferentes sistemas operan utilizando diferentes detalles clave para identificar a un individuo. ¿Los sistemas de ventas de campo utilizan "Jane Doe" como identificador, mientras que los sistemas de mercadeo utilizan "Ms J Doe"? ¿El sistema de logística utiliza "123, High St, AB1 2CD" como identificador clave para el individuo? Un enfoque de gestión de datos maestros (MDM), tal como el proporcionado por Informatica, IBM u Oracle, puede crear un sistema de entrada única para los usuarios que necesitan analizar los datos.

MDM crea un único registro maestro para un elemento, en el caso de CRM, generalmente el cliente. Siempre y cuando la entrada a los datos subyacentes se gestione a través del sistema MDM, cualquier cambio realizado en los datos del cliente se sincronizará en todas las bases de datos subyacentes. Esto asegura que es posible una sola vista del cliente, algo que es difícil de mantener si se utilizan múltiples bases de datos discretas y desconectadas.

Si se requiere un análisis de los datos de clientes en tiempo real, merece la pena mirar las tecnologías de base de datos en memoria, como Qlik, MicroStrategy, SAS o Tableau. Si su organización ya está utilizando Oracle o SAP como el motor principal de "CRM", entonces los sistemas en memoria Oracle o SAP Hana puede ser la mejor apuesta.

Siempre considere el resultado deseado para el negocio. Si se centra en la venta cruzada y en la venta de artículos, el análisis de clientes anteriores puede mostrar los escenarios "si <cliente> compró <este>, también compró <eso>". Asegúrese de que se establezcan sistemas que permitan que dichas ofertas se realicen en el punto de contacto con el cliente. Es una pérdida de tiempo seguir una oportunidad de ventas cara a cara con un correo electrónico algún tiempo después. Mucho mejor asegurar que el vendedor tiene la oportunidad puesta delante de ellos mientras el cliente está allí.

¿Qué tal reducir la rotación de clientes? Tiene sentido asegurarse de que los algoritmos están instalados para observar cuando un cliente existente es probable que se aleje y qué puede proporcionarles razones para quedarse, ya sea señalando qué beneficios ya tienen o haciendo una oferta especial a ellos a través del canal adecuado.

Atraer nuevos clientes

¿Atraer nuevos clientes? Asegurar que los sistemas de ventas y marketing estén totalmente vinculados, tanto en las capas de los datos como en las de proceso de negocio, puede ayudar a asegurar que los prospectos se conduzcan a través del proceso correcto para que sea más probable que lleguen a ver lo que necesitan ver.

Asegúrese de que estos sistemas son de aprendizaje; con demasiada frecuencia, las cosas como Amazon y otros sistemas en línea hacen ofertas ridículas más allá del tiempo que el prospecto miró un artículo similar (o incluso compró algo) y se movió.

Asegúrese de que la ayuda se proporciona en todas las etapas. Los sistemas automatizados de preguntas frecuentes (FAQ), como el ofrecido por Transversal, pueden ayudar a proporcionar información directa en el momento adecuado al cliente potencial o al cliente. Donde sea necesario, permita que tales sistemas recaigan en sistemas inteligentes de agentes de clientes, con enrutamiento de habilidades en la nube y una capacidad para que los agentes humanos puedan incorporar otras habilidades, según sea necesario. Proveedores como Interactive Intelligence, Avaya y Aspect ofrecen sistemas para esto. Otros sistemas, como eGain y Kana, permiten que la inteligencia multicanal automatizada se utilice para responder a las solicitudes de los clientes por correo electrónico, chat en la web, etc.

El uso tanto de MDM como de sistemas que pueden reunir los datos hace posible un único pool para análisis de datos, incluso cuando se crea esa singularidad alrededor del uso de enlaces virtuales entre diferentes bases de datos físicas. El paso a herramientas de análisis de datos más intuitivas y fáciles de usar, como Qlik, Tableau y MicroStrategy, ha democratizado aún más el uso de la analítica de datos para aquellos que están fuera de los papeles existentes de científico de datos y analítico.

Análisis avanzado

Pero todavía habrá un espacio para el análisis avanzado en el que las habilidades del mítico científico de datos pueden ser necesarias. Aquí, pueden usarse SAS, R, Hive, Shark y otras herramientas.

Los motores de análisis incrustados están cada vez más en primer plano. Un líder en este espacio es Logi Analytics, que tiene un enfoque específico en poner su motor altamente flexible y visual en otro software, como con LSI, MotionSoft e Integral.

En línea con la necesidad de mantener un enfoque en los resultados deseados, no se olvide de cosas como ser capaz de trazar datos contra mapas geográficos (como Esri UK, Google Maps o InstantAtlas) para obtener datos adicionales, como el tiempo para llegar de un punto a otro, o puntos que son equidistantes en el tiempo desde un punto (isocronas).

La democratización analítica se extiende más allá de su propia base de empleados. Si se implementa bien, puede ser de utilidad para los propios prospectos y clientes, permitiéndoles, por ejemplo, configurar un elemento por tamaño, color y material; así como a la cadena de suministro, donde los mandantes pueden planificar mejor para cumplir con los horarios justo a tiempo.

Todo esto proporciona más datos para que su propia organización analice y utilice, sin que se vea como intrusivo para los propios clientes.

Los datos son clave

Entonces, ¿qué significa todo esto? Significa que el CRM como una aplicación monolítica y auto-referencial está muriendo. Esto significa que los datos son clave y que las organizaciones necesitan no solo centrarse en qué datos tienen de forma interna para sí mismos, sino también en otras fuentes de datos externas. La clave para el éxito de la próxima generación de CRM es reunir una plataforma que sea adecuada para agregar, analizar e informar sobre las diferentes fuentes de datos y tipos disponibles.

No debería ser un caso de empezar de nuevo, sino de hacer que lo que hay trabaje de manera más eficaz. Y eso requerirá una estrategia de primero datos.

Sobre el autor: Clive Longbottom es fundador de Quocirca.

Este artículo se actualizó por última vez en julio 2017

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close