Realice experimentos de campo para darle sentido a su Big Data

Tomar decisiones de marketing basándose en un análisis del Big Data puede resultar arriesgado si no se hace correctamente, porque los datos rara vez revelan la relación causal entre los eventos correlacionados. Tomemos el caso de un gran minorista que estudiamos. La empresa se dio cuenta de que los clientes que compraban productos perecederos también tendían a comprar televisores de pantalla grande. Basándose en esta observación, la empresa realizó una importante inversión en actividades de marketing destinadas a aumentar las compras de productos perecederos, con la esperanza de que esto generara más compras de televisores. Pero aunque vendían más productos perecederos, no lograron cambiar más televisores y los beneficios de la venta de más productos perecederos no fueron suficientes para cubrir la inversión en marketing.

Centro de información

• Las nuevas herramientas de marketing

  Patrocinado por Percolate

  Cómo las principales empresas conectan con los clientes.

Para evitar caer en trampas como esta, cada vez más empresas complementan sus análisis de datos con experimentos de campo controlados que comprueban si las correlaciones que arroja el análisis de datos históricos representan realmente relaciones causales. Pero los experimentos de campo también pueden utilizarse indebidamente: por ejemplo, los gerentes pueden tomar decisiones basándose en los hallazgos que se vuelven obsoletos cuando se toman las medidas, o pueden ignorar los efectos secundarios de sus acciones que no se consideran detenidamente durante los experimentos. Entonces, ¿cómo saben las empresas cuándo usarlos? La decisión depende de las respuestas a cuatro preguntas:

¿Nuestros experimentos se ampliarán realmente?

Para determinar si tiene sentido realizar un experimento, debe asegurarse de que el entorno de pruebas es similar al entorno en el que se desplegará la información_._ Aunque una prueba de correo directo con una muestra pequeña de clientes debería adaptarse bien a poblaciones más grandes, las intervenciones en las tiendas, en las que los empleados cambian su forma de interactuar con los clientes, no siempre se adaptan bien. Con un experimento pequeño, es fácil comprobar el cumplimiento de las instrucciones del experimento, sobre todo cuando el personal utilizado para llevar a cabo la intervención recibe una formación, supervisión y suministro especiales como recurso adicional. Sin embargo, cuando se implementa el cambio y los empleados habituales aplican el nuevo proceso con menos supervisión, los resultados observados en el experimento a menudo no se replican.

¿Qué importancia tienen los efectos entre productos?

Si hay muchos y grandes efectos cruzados en una categoría que está analizando, tendrá que realizar un gran número de experimentos para tener en cuenta todos los efectos en cuestión. Pero si los efectos entre productos son pequeños, nuestras investigaciones muestran que el número de experimentos necesarios para tomar decisiones de precios u otras decisiones de marketing puede crecer lentamente con el número de productos de una categoría. Esto permite a las empresas obtener estimaciones significativas a partir de un número realista de experimentos, incluso en categorías en las que el número de productos complementarios o sustituibles es elevado.

¿Cuánta precisión necesita?

Hay muchas razones por las que el entorno de un producto puede cambiar: la época del año, el nivel de exposición previa, las experiencias de los clientes que intervienen y las diferencias en los detalles de las comunicaciones pueden provocar cambios en los resultados del mercado. Como resultado, es posible que los resultados de un experimento de campo no predigan los resultados futuros. Nuestra investigación sugiere que la diferencia entre las respuestas presentes y futuras depende del nivel de agregación de los datos. En general, los experimentos que establecen predicciones agregadas para grupos grandes de clientes son más fiables que los que se dirigen a grupos pequeños y muy definidos. Además, descubrimos que las conclusiones direccionales son más seguras que las absolutas. Por lo tanto, la conclusión experimental de que una prueba gratuita es más rentable que un descuento de precio será más segura que la conclusión de que el 2% de los clientes responderá a la prueba gratuita y el 1,5% responderá al descuento de precio. En muchos casos, esta orientación direccional es suficiente para tomar buenas decisiones empresariales.

¿Puede utilizar los datos de un experimento de campo para dirigirse a los clientes?

Los experimentos de campo ofrecen una fuente de datos que puede aprovecharse mediante una amplia gama de métodos de segmentación. En principio, la combinación de los datos de los experimentos de campo y estos métodos de segmentación permite a las empresas adaptar sus decisiones de marketing a los diferentes segmentos de clientes. Por ejemplo, piense en un minorista que se enfrenta a un problema de captación de clientes; el minorista quiere segmentar a los clientes y dirigirse a cada segmento de clientes con un correo de promociones óptimo. Aprovechando la potencia del aprendizaje automático y de los experimentos de campo, el minorista puede utilizar un experimento de campo inicial como fuente de datos para los métodos de segmentación, que luego se pueden utilizar para elegir una política óptima.

El Big Data ofrece una ventana a los cambios en tiempo real en el entorno empresarial, las necesidades de los clientes y el comportamiento de los clientes. Pero los peligros del uso indebido de los datos pueden superar a los beneficios: las malas decisiones empresariales basadas en los datos se toman con mucha más frecuencia de lo que los gerentes creen. Los experimentos de campo aplicados con cuidado pueden ayudar a cambiar esta ecuación.