Actualmente estamos sumergidos en una revolución tecnológica que está cambiando por completo el mundo de los negocio. Gracias a la digitalización todo lo que ocurre en internet queda registrado y existe la tecnología necesaria capaz de extraer información muy valiosa en estos datos.
Una de estas innovaciones es el Data Science, que mediante algoritmos de Inteligencia Artificial y técnicas de Machine Learning es capaz de detectar patrones consiguiendo optimizar procesos y conseguir una posición de ventaja respecto a la competencia.
A simple vista puede parecer que estas tecnologías solo estén al alcance de grandes multinacionales con equipos muy potentes capaces de almacenar y analizar todos esos datos, pero nada más lejos. Con el paso del tiempo este tipo de procesos se han ido democratizando y cada vez son más accesibles para pequeñas y medianas empresas. Es más, estas tecnologías están presentes en nuestro día a día y su uso no solo significa una ventaja competitiva, sino que las empresas que no se adapten verán muy difícil seguir siendo eficientes.
En este contexto cobra un mayor protagonismo los e-commerce ya que, por la cantidad de datos que son recogidos y las oportunidades que existen, pueden aprovecharse del potencial que tiene el Data Science. Como veremos a continuación, el Data Science es capaz de dar respuesta a muchas preguntas vitales para las empresas que cuentan con una tienda online.
¿Qué les gusta a mis clientes?
Es el caso de uso más conocido y gracias a responder a esta respuesta mediante Data Science, empresas pioneras en su uso como Netflix, Spotify o Amazon han conseguido posicionarse como líderes en sus mercados. En el caso concreto de Amazon, se estima que alrededor del 35% de sus ingresos son generados por su sistema de recomendaciones.
Mediante un análisis de datos relativos al comportamiento de los usuarios en la web y el nivel de satisfacción de los productos (las famosas cinco estrellitas), estas Data Driven Companies son capaces de incluir sistemas de recomendaciones con productos nuevos o complementarios aumentando así el precio del carrito o consiguiendo que no te des de baja de su servicio.
¿Cómo son mis clientes?
Con el objetivo de ofrecer una experiencia de cliente única, primero tendremos que conocer qué tipo de clientes tenemos. A través de una segmentación de clientes según su comportamiento podremos saber los distintos grupos de clientes y así ofrecerles unos mensajes adaptados a sus características.
No es lo mismo un cliente fiel que lleva comprando muchos años en nuestro e-commerce que un nuevo cliente que solo ha comprado una vez. Por lo tanto, tampoco debería ser el mismo mensaje que reciben.
¿Dónde están mis clientes?
Otro dato del que disponen todos los e-commerce es la dirección donde hay que entregar el producto. Mediante los datos de la localización de los clientes y un análisis de Catchment Area podemos hacernos una idea de dónde se encuentran.
Por ejemplo, si vemos que la mayoría de los clientes proceden de una misma ciudad, sería interesante realizar una campaña de publicidad en esa ciudad, o si ya contamos con una tienda física, modificar los productos para ofrecer lo que más gusta.
¿Cuánto voy a vender?
A parte de los datos de los clientes, los e-commerce también disponen de los datos del negocio. Gracias a técnicas de Data Science podremos realizar una predicción de la demanda y utilizarla para optimizar los niveles del inventario. De este modo podremos reducir costes al realizar compras más eficientes evitando roturas de stock y manteniendo la cantidad óptima.
Una mejor planificación se traduce en un aumento de los márgenes de la empresa.
¿Qué productos están relacionados?
Existen productos que resulta obvio que se compran en conjunto, por ejemplo, Nesquick y leche, pero existen otras relaciones que no están disponibles a simple vista y que identificar esas conexiones y ofrecer los productos en el momento oportuno puede suponer un aumento los beneficios de la empresa.
Igual que la relación existente entre productos, también podemos buscar la relación entre un producto y otros factores que pueden ocultar conexiones relevantes como la temperatura o los días de la semana. Esto es posible mediante un análisis de Association rule, que nos indica la relación que existe entre dos elementos.
Un ejemplo muy curioso es el que llevó a cabo Walmart. En 2004, con la llegada del Huracán Frances, la empresa norteamericana quiso saber qué compraban sus clientes cuando se avecinaba una tormenta de tal calibre para poder abastecerse correctamente. Para ello analizaron las ventas de miles de tiendas durante las semanas de alerta en ocasiones similares.
A simple vista, uno diría que la comida en conserva o el agua serían los productos más vendidos, pero sorprendentemente el producto más vendido era una tarta de queso con fresa, que en ese periodo multiplicaba por siete veces su demanda habitual. El segundo producto más vendido era cerveza.
En resumen, hemos visto varios ejemplos del potencial que tienen las aplicaciones de Data Science en tiendas online. El resultado permite a las empresas estar en una posición de ventaja respecto a otras empresas competidoras y comprender mejor el comportamiento de sus clientes pudiendo así ofrecerles la mejor experiencia posible.