Del marketing tradicional a la experimentación continua

Los autores Thomas H. Davenport y Jeanne G. Harris en el libro Competing on Analytics: The New Science of Winning mencionan que los líderes en analytics realizan experimentos sofisticados para medir el impacto o lift de distintas estrategias de intervención, y después aplican los resultados para continuamente mejorar los sucesivos análisis. La entidad financiera Capital One de Estados Unidos hace anualmente más de 30.000 experimentos, con distintas tasas de interés, incentivos, formato de marketing directo y otras variables; el objetivo es maximizar la probabilidad de que clientes potenciales (a) adquieran tarjetas de crédito con Capital One y (b) paguen a término.

En Argentina, la entidad bancaria lider en marketing directo no llega a realizar 500 campañas anuales contabilizando todos los tipos y productos.

¿A qué se debe tan abismal diferencia entre ambos mercados? ¿Es posible y tiene sentido aplicar en Argentina la metodología a ese nivel y, en tal caso, qué es lo que hace falta para lograrlo ?

Las entidades bancarias son intermediarios entre personas e instituciones que tienen excedentes de dinero y otros que necesitan financiamiento.

Quienes depositan su dinero excedente lo hacen en distintos tipos de cuentas o inversiones por las que esperan obtener algún tipo de beneficio. Si se realiza la inversión en un plazo fijo, al cabo del tiempo estipulado el contrato establece que el banco debe pagar el capital original más cierta tasa de interés. Obviamente en el camino el banco puede quebrar y la persona no rescatar ni siquiera el capital original, o esos fondos transformarse desventajosamente en otro tipo de moneda o bono estatal.

La entidad bancaria debe reservar cierta parte del dinero en lo que se llama “encaje bancario”, el resto del dinero es en última instancia prestado a empresas e individuos en forma de préstamos, hipotecas, descubierto en cuenta corriente, consumo de tarjeta de crédito, etc. Quien obtiene un préstamo debe pagar el capital inicial más cierta tasa de interés. En esta caso también existe el riesgo de que el deudor no cumpla con sus obligaciones en tiempo y forma.

Debido a esta crucial tarea de intermediación en el mercado financiero, los bancos están expuestos a regulaciones estatales que apuntan a que quienes depositan su dinero lo puedan rescatar. Para ello se establecen normas respecto a quién se puede prestar dinero, estimando la probabilidad que lo devuelva en función de analizar la historia crediticia en el mercado financiero y en el mismo banco. Es decir, hay personas a las que les es denegado el préstamo. Este es el único caso donde las entidades bancarias están obligadas a desarrollar modelos predictivos y en Argentina esta área está muy bien desarrollada.

Un subproducto de la regulación es el alto detalle de registración de las transacciones financieras, lo que genera la materia prima para los análisis de datos. Esta disponibilidad de información se ha visto fuertemente aumentada en las últimas dos décadas con la adopción del dinero electrónico, tarjetas de débito y crédito, pago electrónico de servicios, acreditación electrónica de sueldos, transferencias electrónicas, etc.

Lo fundamental que una entidad financiera debe hacer es posicionar su marca, desarrollar productos y servicios, captar nuevos clientes y administrar la relación con los clientes actuales de forma rentable a lo largo del tiempo, generando una buena experiencia.  Esta es la sintonía gruesa.

En Argentina, durante la crisis del año 2001 de devaluación y pesificación asimétrica, las personas se agolpaban diariamente frente a los bancos demandando la devolución de sus ahorros. Esta imagen negativa de los bancos comenzó, con gran astucia, a ser revertida en el año 2003 cuando algunos bancos comenzaron a ofrecer descuentos por compras con tarjeta de crédito. Acciones de marketing masivo, posicionamiento y cobranding con cadenas de electrodomésticos, supermercados, shopping centers, aerolíneas, cines (y no el marketing directo ni el data mining) revirtieron la imagen negativa y dieron gran ventaja competitiva a los primeros bancos que siguieron esta estrategia.

Más allá de la obligación de desarrollo de modelos predictivos para riesgo crediticio, gran porcentaje de entidades bancarias funcionan normalmente y de forma sostenible en Argentina  y en el mundo sin nunca haber llevado a cabo campañas de marketing directo ni data mining.

Sin embargo, dado que el data mining y marketing directo son útiles para optimizar la rentabilidad de la relación con los clientes y ayudar a entender necesidades de nuevos productos y servicios,  las entidades que lo utilizan adecuadamente tienen una ventaja competitiva,  siempre en la medida que además tengan un buen posicionamiento de su marca y ofrezca a sus clientes una buena experiencia.  El data mining funciona como una especie de sintonía fina.

Como ejemplo concreto de sintonía gruesa versus fina, tomemos dos bancos de primera línea que operan en Argentina (a nivel mundial están entre la décima y decimonovena posición) en campañas de venta de tarjeta de crédito a mercado abierto. Ambas tarjetas son muy similares en cuanto a sus características y beneficios. Luego de hacer data mining sobre campañas históricas, efectuando las ventas el mismo call center externo con los mismos operadores telefónicos, siendo el único estímulo un llamado en frío, el mismo cuatrimestre del año 2011,  un banco tenía un índice de venta tres veces mayor que el otro sobre contacto efectivo.  Esta diferencia estaba dada por la diferencia en la percepción de marca que los prospectos tenían entre un banco y otro, ya que el marketing había logrado imponer en la mente de esos prospectos que los beneficios de un banco eran superiores al otro y la experiencia del cliente iba a ser superior.  Esto se había logrado básicamente porque el banco más exitoso había comenzado 4 años antes a ofrecer descuentos en sus tarjetas de crédito y había invertido sensiblemente más dinero en publicidad, además de cuadruplicar en cantidad de clientes al otro a 2011.  En el caso concreto de estos bancos, ¡ambos tenían la misma cantidad de clientes en el año 2002!

Volvamos a la pregunta inicial del artículo: ¿de dónde surge la diferencia de 30.000 campañas anuales de Capital One a las 500 del banco líder de Argentina ?   La profundidad y calidad de información disponible es comparable entre ambos mercados.  La capacidad técnica de realizar modelos predictivos es también comparable, ya que se dispone de la misma tecnología en hardware y software.

La diferencia radica en un abismo cultural en la práctica del marketing directo en las empresas, dado que el data mining extrae resultados de experimentos pero no los genera.

Si se realizan campañas experimentales en donde se prueban distintos canales de comunicación, con distintos mensajes, distintas piezas de marketing directo, distintos speech de ventas en telemarketing y distintos atributos del producto/servicio ofrecido,  entonces los modelos predictivos permiten establecer la combinación óptima de lo que se probó a ofrecer a cada nuevo cliente.

Lo anterior demanda cierto esfuerzo y coordinación, dado que ya no alcanza con enviar el mismo folleto o sobre a decenas de miles de prospectos. Se deben confeccionar múltiples combinaciones, redactar múltiples cartas y mostrar el mismo producto o servicio de distintas formas. Además esos experimentos deben registrarse adecuadamente, se deben poder contestar preguntas,  por ej. si el cliente que compró respondió al estímulo de la pieza de marketing y realizó un llamado entrante, o fue necesario efectuar un llamado telefónico saliente desde el banco para lograr la venta.

Si no se pudo vender a una persona, ¿fue porque el estímulo no le llegó o  sí le llegó pero no le interesó?

Si solamente se ha enviando un mismo folleto por correo en campañas anteriores, el data mining es muy útil para determinar la probabilidad que tiene un nuevo prospecto de comprar el mismo producto ante el mismo estímulo.  No es posible utilizar data mining para determinar cómo reaccionará un nuevo prospecto ante un nuevo folleto nunca testeado.  Si todas nuestras campañas anteriores ofreciendo tarjeta de crédito fueron a personas en relación de dependencia, el data mining aplicado a esos datos históricos no puede determinar el índice de venta que se obtendrá con el mismo estímulo pero a una base de datos de monotributistas.

Ciertamente puede suceder que la respuesta a un nuevo folleto o en una nueva base sea muy similar a la anterior, pero justamente el juego es encontrar estímulos y segmentos que reaccionen distinto.

La única forma de ir optimizando la comunicación y aumentando la efectividad de las campañas orientando la comunicación al ideal de la personalización total, hacia el marketing uno a uno, es mediante la continua experimentación.

Aún existe en Argentina una cultura muy arraigada de HiPPO (Highest Paid Person Opinion) por sobre la cultura de la experimentación, en donde la opinión de la persona de mayor rango y mejor paga, generalmente de mayor experiencia, no da a lugar a la realización de experimentos, aunque sean a pequeña escala, en donde por medio de prueba y error controlados se descubran combinaciones más efectivas que las actuales, tendientes a comunicarse y estimular a los clientes para aumentar la rentabilidad.

Para aprovechar la tremenda oportunidad del marketing directo y data mining en el mercado financiero de Argentina aún hace falta un cambio de cultura en la alta gerencia, y pasar de frases que se escuchan en los pasillos, del estilo “hay que pegar fuerte y al centro”, a desarrollar todo el ecosistema que necesita la experimentación continua a fin de llegar a una gran capilaridad. No es suficiente con contratar personas para analytics, hace falta reforzar y sofisticar los canales y el marketing directo.