El uso de datos desestructurados nos va a permitir tener una visión 360 del cliente. Solo atendiendo sus necesidades y escuchando lo que dicen, podemos ofrecer un valor diferencial a nuestros clientes. El big data al servicio de la satisfacción

1. Customer Analytics
Conocer a nuestros clientes
para hacer crecer nuestro
negocio
Antonio Matarranz
Madrid, 30 de noviembre de 2016
Data & Analytics

2. Sngular
Una empresa nueva, con más de 20
años de experiencia
Resultado de la fusión de 5 empresas
tecnológicas especializadas en diversas
áreas
300+ personas en España, EE.UU. y
México
Hablamos los lenguajes del negocio y
la tecnología
¿Qué es Sngular?

3. Techtrategy
Software
Cloud
Xperience
Data & Analytics
User DataSets
eCommerce
Ventures
Virtual Reality
Tools
Investments

4. 



5. Menú para hoy








6. Una “tormenta perfecta” de datos en Customer Analytics
Medios sociales
Comportamiento online
No estructurados
Espontáneos
Externos
Customer Analytics es un
problema Big Data
Unos clientes cada vez más
digitales…
Nuevos canales y dispositivos

7. La vista de los clientes estaba limitada a datos de los que la
empresa hace seguimiento
Firmo/Demogra
phic Signals
Behavioral
Signals
Señales demo/
firmográficas
Señales de
comportamiento

8. Señales demo/
firmográficas
Señales de
comportamiento
Ahora hay
muchas más
señales por
descubrir que
son mejores
indicadores
Interacciones multicanal
Conversaciones sociales
Uso de tecnología

9. El feedback de los clientes está cambiando
No solicitado
Solicitado
Estructurado No estructurado
Ej., puntuaciones
de clientes en
sitios de terceros
Ej., verbatims de
llamadas de
clientes, tuits
Ej., encuestas de
satisfacción
Ej., comentarios
en encuestas
Las iniciativas de VoC / Customer Experience están expandiéndose hacia comentarios no
estructurados y no solicitados

10. ¿Amenaza… u Oportunidad?
Este nuevo mundo crea oportunidades significativas para los marketers
Experiencias personalizadas
• Optimización de anuncios, ofertas y contenidos
• Contenido personalizado
• Optimización de precios
Mejor toma de decisiones
• ROI de marketing real
• Modelado predictivo
• Planifcación holistica de campañas
• Rentabilidad por grupos de afinidad
Análisis profundo de la audiencia
• Hipersegmentación
• Comprensión de 360º del cliente
• Análisis de señales de compra
• Valor del tiempo de vida del cliente
Gasto más eficaz
• Atribución omnicanal
• Optimización de anuncios y
promociones en tiempo real
• Optimización del mix de medios
• Monitorización de marca

11. Conseguir una vista completa del cliente
Definir el “segmento de 1”

12. Una nueva visión de 360º de los clientes
Datos
demográficos
CRM / Autom.
Marketing
Interacciones
Contact Center
Dispositivos
Uso producto
Navegación
Social
Visión 360º
Pedidos y
pagos
Una visión holística y en tiempo real
de los clientes
A través de todos los productos,
sistemas, dispositivos y canales de
interacción
Para proporcionar una experiencia
personalizada, consistente, específica
del contexto y relevante

13. El gran reto es salvar la brecha entre análisis y acción
Convertir los análisis en algo “accionable”
Análisis
Acción

14. Escalera de valor de la analítica

15. Un proceso para extraer insights de datos multiformato
Conversión
voz a texto
Análisis
semántico
Analítica y
visualización
Call center
Email, chat, social
Texto
Datos
estructurados
Datos
Insights

18. Aplicación: análisis de causas raíz
en NPS (Net Promoter Score)
Pregunta
abierta
Interacciones /
incidencias
Comentarios
sociales
Analítica
¿Qué comentarios están más
correlacionados con scores
negativos?
Score
numérico
¿Qué temas emergen de los
comentarios y cuáles son los
más frecuentes?

20. Prevención del abandono (churn)
Datos cliente
Actividad uso/
consumo
Interacciones /
incidencias
Comentarios
sociales
Analítica predictiva
Campañas
específicas
Detección clientes
en riesgo 
Oferta especial
Modelo:
factores que
predicen
abandono

22. Perfil de cliente ideal
Descubriendo el “ADN” de tus mejores clientes (B2C)
Datos internos:
clientes y su
consumo
Datos aumentados (B2C):
Situación familiar y profesional,
intereses, aficiones,
afinidades,…
Rasgos comunes
de tus mejores
clientes
Analítica predictiva
Prospección
Scoring leads
Segmentación

23. Perfil de cliente ideal
Descubriendo el “ADN” de tus mejores clientes (B2B)
Datos internos:
clientes y su
consumo
Datos aumentados (B2B):
situación financiera, datos de personal,
ofertas de trabajo, uso de plataformas
tecnológicas en sus interacciones con el
exterior, tácticas de marketing y ventas,
fuentes de datos públicas, análisis
semántico de la huella digital de la empresa
Rasgos comunes
de tus mejores
clientes
Analítica predictiva
Prospección
Scoring leads
Segmentación

24. Marketing predictivo: está sucediendo ya…

25. La visión de 360º se puede aplicar a lo largo de todo el
viaje del cliente

26. Conectar - Analizar - Actuar
• Registros de clientes
• Registros de transacciones
• Notas de contact center
• Feeds de medios digitales
• Extracción de páginas web
• Ficheros de logs
• Tickets de compra
• Respuestaa anuncios
• ERP
… y más
Recoger flujos de
información big
data
Extraer señales
mediante analítica
avanzada
Generar acciones
personalizadas
• Quién es leal
• Quién es probable que nos abandone
• Quién quiere comprar más
• Quién es un cliente que repite
• Quién responderá a un anuncio
• Quén es rentable ahora
• Quién es rentable a largo plazo
• Cuál debería ser mi próxima oferta
• Cómo puedo influir en el
comportamiento de los clientes
… y más
• Ofrecer proactivamente bono
de retención a cliente que nos
puede abandonar
• Enviar cupón móvil a cliente
cuando entra a la tienda
• Campaña a medida basada en
preferencias individuales

28. CRISP-DM
Cross Industry Standard
Process for Data Mining
Foco en el negocio
Iterativo

29. Foco en el negocio
Preguntas clave

30. Hacia una
Analítica Ágil
Los insights se descubren,
no se diseñan
La analítica es
inherentemente ágil

31. Analítica ágil
Iterativa, incremental, evolutiva
Desarrollo dirigido por el valor
Calidad de producción
Proceso suficiente
Automatización
Colaboración
Equipos autoorganizados y autogestionados

33. Plataforma
Sngular para
Aplicaciones
Informacionales y
Operacionales
Centradas en Datos
INPUT
ANALÍTICA DE TEXTO
ANALÍTICA DE DATOS
OUTPUT

34. Input
 Ingesta de repositorios de datos
organizativos (ERP, CRM, etc.) y
también fuentes externas
• Soporte a procesos ETL
• Pentaho Kettle, Apache Camel, Apache Flume
 Datos de medios sociales
• Webhose, SocialGist, RSS, Twitter API, RSS…
 Integraciones ad-hoc con fuentes
de información de terceros

35. Plataforma como servicio
 Infraestructura distribuida de alto rendimiento
para procesamiento de datos en stream en
tiempo real y batch
• Basado en Apache Storm o Apache Flink
 Coordinación de datos basada en colas o
mensajes
• ActiveMQ, RabbitMQ, ZeroMQ, Amazon SQS
• Apache Kafka
 Soporte a infraestructura de datos distribuida
• HDFS, Apache Hive, Hbase, Elastic, Druid, noSQL (MongoDB,
Cassandra…), SQL (PostgreSQL, Mysql, Oracle…), bases da
datos de grafos (Neo4j, GraphDB, OrientDB, Allegro, Virtuoso…)
 Despliegue en la nube u on-premises
• EC2, Google Cloud, IBM Bluemix, Microsoft Azure, Databricks…

36. Analítica de datos
 Funcionalidad avanzada de analítica de
datos
• Batch y online
• Big data vs small data
 Módulos ML para
• Extracción de insights
• Previsión (clasificación/predicción)
• Clustering
• Scoring
• Perfilado
 Apache Spark + MLLib, R, Python
Scikit-learn, Sparkling Water

37. Analítica de texto
 Procesamiento semántico de texto
multiidioma usando MeaningCloud
• Identificación de idioma, extracción de topics,
clasificación, análisis de sentimiento, expansión
semántica, matching borroso
 Texto formal o contenido generado
por usuarios

38. Output
 Consolas de visualización
multidispositivo
• Pentaho dashboards, Tableau, Qlik, desarrollos ad
hoc, apps móviles
 Integraciones ad-hoc con
aplicaciones de terceros

39. MeaningCloud
La manera más fácil de extraer significado del contenido no estructurado
Regístrate y úsalo GRATIS en http://www.meaningcloud.com

40. Extracción de significado, en la nube (y on-premises)
OpinionesTemas
Hechos
Conceptos
Organizaciones
Personas
Análisis
Semántico
Relaciones

41. Servicios MeaningCloud
Análisis de sentimiento
 Global
 Basado en aspectos
Clasificación
 Modelos estándar
Extracción de topics
 Entidades
 Conceptos
 Fechas
 Direcciones
 Cantidades económicas
 Expresiones de tiempo
 …https://www.meaningcloud.com/demo

42. Herramientas de personalización
Más información sobre personalización en este webinar




43. Add-in para Excel




45. Centrémonos en un ejemplo práctico
Críticas de restaurantes en Londres extraídas de Yelp

46. Necesitamos una manera
fácil y potente de adaptar
la funcionalidad a
nuestro contexto

47. Ejemplo de clasificación a medida: taxonomía cocinas del
mundo

48. Restaurant
Dish
Ramen Sushi Sashimi …
Quality
Price Staff Ambience …
Ejemplo de diccionario a medida: platos y características de
restaurantes japoneses

49. Ejemplo de sentimiento a media: modelo para restaurantes
japoneses




51. 51

52. Operador Móvil Virtual

54. 
◆ ➡
◆ ➡
◆ ➡

56. 
Contrato
Servicio
ADSL Fibra Teléfono
Mes a mes 50,22 87,02 20,41
1 año 61,39 98,77 20,82
2 años 70,46 104,57 21,77

57. 


59. ≤ 60 meses > 60 meses
> 4 meses≤ 4 meses
> 69 $
≤ 69 $

60. •
•
•
•
•
•

62. Extendiendo el feedback del cliente a fuentes no estructuradas

63. Objetivos
• Entender lo que dicen sus clientes en todos los puntos de
contacto con ellos
• Multifuente: encuestas, contact center, entrevistas
personales…
• Contenido no estructurado
• Opiniones más espontáneas
Retos
1. Volumen y recursos disponibles
2. Incoherencia en clasificación y análisis
3. Proceso de generación de informes
4. Integración en sus procesos

64. Modelos de clasificación a medida

65. Modelos de clasificación: aprendizaje automático + reglas

66. Extrayendo insights del texto

68. Descubrimiento de “nueva voz”: clustering de texto





69. cuenta nómina (25)
tarjeta débito (25)
compras por internet (16)
ingreso de nómina (16)
Windows Phone (14)
cambio de divisa (13)
visa oro (13)
otras entidades (11)
app para Ipad (9)
otros bancos (7)
operar en mercado (6)
transferencia periódica (6)
mail que se envía (5)
aplicación móvil (4)
correo electrónico (4)
menores de edad (4)
clave de acceso (3)
día de cargo (3)
Whatsapp o push (2)
mediante SMS (2)
servicio de Vía T (2)
Descubriendo la nueva voz de los clientes

70. ING DIRECT: integración
Encuestas online
Entrevistas en persona
Interacciones Contact Center
Sistema integrado de
gestión de la
Experiencia de Cliente
Motor de analítica
de texto
CRM
¿Qué compañías/marcas
mencionan?
¿De qué temas hablan?
¿Cuál es su opinión?
¿Qué nuevos temas aparecen?

71. Integración con sistema CX

72. Solución completa para categorización automática y detección de
nueva voz
Modelo 1 Modelo 2 Modelo N
Control de calidad
Recepción
VoC
Mantenimiento de
categorización
VoC sin
clasificar
VoC
analizada
Revisión
manual de
la
clasificación
Mejora de modelos / Nuevos
modelos
Reanálisis
del
histórico
Análisis de la VoC
Análisis Automático
VoC
Histórico
VoC
categorización automática
+ detección de nueva voz

73. Demostrador para sector seguros

74. Modelo de clasificación
personalizado

75. Convirtiendo la información en insights actuables
Reglas
Canal
Servicio al
cliente
Calidad
Proveedor
Producto
Operación
Polaridad
Amenaza
reputacional
Agradecimiento /
Elogio
Petición
asesoramiento
Oportunidad
comercial
Posible baja
Ej.: punto de vista de
“La Caixa”

77. Conclusiones
Una “explosión” de datos de clientes
Analizarlos nos puede ayudar a identificar, atraer, servir
y retener mejor a los clientes
Nunca habíamos tenido tan accesibles tantas
posibilidades de análisis
La clave está en identificar y mostrar el valor de las
iniciativas analíticas

78. s|ngular Data & Analytics te acompaña en todo el camino
ÉXITO

79. Apúntate a nuestro Meetup
https://www.meetup.com/Madrid-Customer-Analytics-Meetup/

80. @
Antonio Matarranz, Director Marketing & Ventas
Sngular Data & Analytics
antonio.matarranz@sngular.team