MARKETING 5.

Tecnología para la Humanidad

Philip Kotler, Hermawan Kartajaya e Iwan Setiawan

CAPÍTULO 8

Marketing basado en datos: creación de un ecosistema de datos para una mejor

orientación

En 2012, un artículo de Charles Duhigg en The New York Times Magazine sobre Target
prediciendo el embarazo de una adolescente apareció en los titulares. El padre de la
adolescente se enojó al saber que su hija había estado recibiendo cupones
promocionales para artículos para bebés del minorista. Pensó que el correo estaba mal
dirigido y Target la estaba animando a quedar embarazada. Después de una
conversación con ella, supo que efectivamente estaba embarazada.

Un año antes del evento, Target había creado un algoritmo para predecir la
probabilidad de que una compradora estuviera embarazada según los artículos que
compraba. El minorista asignó una identificación única a cada comprador y la conectó
con toda la información demográfica y el historial de compras. El análisis de big data
había revelado un patrón de consumo específico para mujeres embarazadas reales,
que podría usarse para predecir compras futuras de compradores que coincidieran con
ese patrón. La empresa incluso había intentado predecir la fecha de vencimiento
basándose en el momento de la compra. Todos estos esfuerzos serían útiles para
determinar quién recibiría qué cupones enviados por correo y cuándo.

La historia es un excelente ejemplo de empresas que aprovechan los ecosistemas de

datos para tomar decisiones más informadas. El marketing basado en datos es el
primer paso para implementar el Marketing 5.0. Al tener un motor de análisis, las
marcas pueden predecir qué es más probable que compren sus clientes potenciales a
continuación en función de compras anteriores. De esa forma, las marcas pueden
enviar ofertas personalizadas y ejecutar campañas personalizadas. La infraestructura
digital actual permite hacer esas cosas no sólo a un puñado de segmentos del mercado
sino también a clientes individuales uno por uno.

Durante más de 20 años, los especialistas en marketing han soñado con tener esta
capacidad de crear un marketing verdaderamente personalizado. Don Peppers y
Martha Rogers son los primeros defensores del marketing uno a uno, que es una
práctica muy codiciada. Los “segmentos de uno” se consideran el método de
segmentación definitivo, y la implementación de tecnologías digitales en marketing se
reduce a habilitarlo.
Los segmentos de uno

El mercado es heterogéneo y cada cliente es único. Por eso el marketing siempre

comienza con la segmentación y la focalización. Basándose en la comprensión del
mercado, las empresas pueden diseñar estrategias y tácticas para conquistar el
mercado. Cuanto más micro sea la segmentación, más resonará el enfoque de
marketing, pero más difícil será la ejecución.

El enfoque de segmentación en sí ha evolucionado desde que fue conceptualizado en

la década de 1950. Hay cuatro métodos para realizar una segmentación de mercado:
geográfica, demográfica, psicográfica y conductual.

Cuatro métodos de segmentación

Los especialistas en marketing siempre comienzan con la segmentación geográfica,

que consiste en dividir el mercado por países, regiones, ciudades y ubicaciones. Una
vez que se dan cuenta de que los segmentos geográficos son demasiado amplios,
añaden variables demográficas: edad, género, ocupación y clase socioeconómica.
“Mujeres jóvenes de clase media que viven en Illinois” o “Baby Boomers adinerados de
Nueva York” son ejemplos de nombres de segmentos con variables geográfico-
demográficas.

Por un lado, los métodos de segmentación geográfica y demográfica son de arriba

hacia abajo y, por tanto, muy fáciles de entender. Más importante aún, son
procesables. Las empresas saben exactamente dónde encontrar y cómo identificar los
segmentos. Por otro lado, los segmentos son menos significativos ya que las personas
con el mismo perfil demográfico y que viven en los mismos lugares pueden tener
diferentes preferencias y comportamientos de compra. Además, son relativamente
estáticos, lo que significa que un cliente sólo puede clasificarse en un segmento en
todos los productos. En realidad, el proceso de decisión del cliente difiere según la
categoría y el ciclo de vida.

A medida que la investigación de mercado se vuelve común, los especialistas en

marketing utilizan un enfoque más ascendente. En lugar de desglosar el mercado,
agrupan a los clientes con preferencias y comportamientos similares en grupos según
sus respuestas a las preguntas de la encuesta. A pesar de ser ascendente, la
agrupación es exhaustiva, lo que significa que cada cliente de la población entra en un
segmento. Los métodos bien conocidos incluyen la segmentación psicográfica y
conductual.

En la segmentación psicográfica, los clientes se agrupan en función de sus creencias y

valores personales, así como de sus intereses y motivaciones. Los nombres de los
segmentos resultantes suelen explicarse por sí solos, como “escalador social” o
“experimentador”. Un segmento psicográfico también demuestra una actitud hacia
una característica específica de un producto o servicio, por ejemplo, "orientada a la
calidad" o "consciente de los costos". La segmentación psicográfica proporciona un
buen indicador del comportamiento de compra. Los valores y actitudes de uno son los
impulsores de su toma de decisiones.

Un método aún más preciso es la segmentación conductual, ya que agrupa

retrospectivamente a los clientes en función de su comportamiento pasado real. Los
segmentos de comportamiento pueden incluir nombres que reflejen la frecuencia y el
monto de las compras, como "viajero frecuente" y "quien más gasta". También puede
mostrar la lealtad del cliente y la profundidad de la interacción con nombres como
"fanático leal", "cambiador de marca" o "comprador por primera vez".

Las técnicas son muy significativas ya que los segmentos reflejan con precisión grupos
de clientes con diferentes necesidades. De esa manera, los especialistas en marketing
pueden adaptar sus estrategias a cada grupo. La segmentación psicográfica y
conductual, sin embargo, es menos procesable. Los segmentos con nombres como
“adicto a la aventura” o “cazador de gangas” sólo son útiles para diseñar creatividades
publicitarias o pull marketing. Sin embargo, en el marketing push, es más difícil para los
vendedores y otro personal de primera línea identificar estos segmentos cuando se
reúnen con los clientes.

La segmentación debe ser de arriba hacia abajo y de abajo hacia arriba. En otras
palabras, debe ser significativo y viable. Por tanto, debe combinar las cuatro variables:
geográfica, demográfica, psicográfica y conductual. Con la segmentación psicográfica y
conductual, los especialistas en marketing pueden agrupar a los clientes en grupos
significativos y luego agregar el perfil geográfico y demográfico a cada segmento para
que sea procesable.

Desarrollando una Persona

La breve descripción ficticia resultante de un segmento de clientes con las cuatro

variables se denomina persona. Aquí hay un ejemplo de una persona:

John es un gerente de marketing digital de 40 años que cuenta con 15 años de

experiencia y actualmente trabaja para una importante empresa de bienes de consumo
envasados. Es responsable de diseñar, desarrollar e implementar campañas de
marketing en medios digitales y reporta al director de marketing.

El director mide el desempeño de John según el conocimiento general de la marca y las

tasas de conversación en línea en los canales de comercio electrónico. Además de
esforzarse por mejorar el rendimiento en función de las métricas, John también es
muy consciente de los costos y cree que el gasto en marketing digital debe ser lo más
eficiente posible.
Para gestionar todo, John trabaja con su personal y también con agencias de
marketing digital. Tiene un equipo de cinco personas a su cargo, cada una manejando
diferentes canales de medios. Tiene contratos con una agencia de SEO que ayuda a
administrar el sitio web, así como con una agencia de redes sociales que ayuda con el
marketing de contenidos.

FIGURA 8.1 Perfiles de clientes de segmentos de uno

El ejemplo es una persona que puede resultar útil para una agencia de marketing
digital o una empresa de software de automatización de marketing digital que busca
adquirir nuevos clientes. Muestra el perfil del prospecto ficticio y, lo más importante,
lo que le importa. Por tanto, la persona puede resultar útil a la hora de diseñar la
estrategia de marketing adecuada.

Segmentar y perfilar a los clientes ha sido un elemento básico para los especialistas en
marketing. Pero el auge del big data abre nuevas posibilidades para que los
especialistas en marketing recopilen nuevos tipos de datos de mercado y realicen
microsegmentación (consulte la Figura 8.1). Las bases de datos de clientes y los
estudios de mercado ya no son las únicas fuentes de información sobre los clientes.
Los datos de medios, datos sociales, datos web, datos de puntos de venta (POS), datos
de Internet de las cosas (IoT) y datos de participación pueden enriquecer los perfiles
de los clientes. El desafío para las empresas es crear un ecosistema de datos que
integre todos estos datos.

Una vez configurado el ecosistema de datos, los especialistas en marketing pueden

mejorar su práctica de segmentación de marketing existente de dos maneras:
1. Los macrodatos permiten a los especialistas en marketing segmentar el mercado en
la unidad más granular: un cliente individual. Básicamente, los especialistas en
marketing pueden crear una personalidad real para cada cliente. En base a esto, las
empresas pueden ejecutar marketing uno a uno o de segmentos de uno, adaptando
sus ofertas y campañas a cada cliente. Y gracias a la enorme potencia informática, no
hay límite en cuanto a cuán detallada puede ser la persona y cuántos clientes pueden
perfilarse.

2. La segmentación se vuelve más dinámica con big data, lo que permite a los
especialistas en marketing cambiar de estrategia sobre la marcha. Las empresas
pueden rastrear el movimiento de un cliente de un segmento a otro en tiempo real,
dependiendo de los diferentes contextos. Un viajero en avión, por ejemplo, puede
preferir asientos en clase business para un viaje de negocios y elegir una clase
económica para un viaje de placer. Los especialistas en marketing también pueden
realizar un seguimiento de si una intervención de marketing ha logrado convertir a una
persona que cambia de marca en un cliente leal.

Es importante señalar que, a pesar de la mejora, la segmentación tradicional sigue

siendo beneficiosa. Facilita una comprensión sencilla del mercado. Poner una etiqueta
descriptiva en un grupo de clientes ayuda a los especialistas en marketing a
comprender el mercado. No se puede lograr con demasiados segmentos de uno, ya
que el poder computacional humano no es tan fuerte como el de una computadora. El
etiquetado fácil de entender también es útil para movilizar a las personas dentro de la
organización hacia la visión general de la marca.

Configuración del marketing basado en datos

Un gran marketing suele surgir de excelentes conocimientos del mercado. En las

últimas décadas, los especialistas en marketing han perfeccionado la forma en que
realizan investigaciones de mercado para descubrir información que sus competidores
no tienen. Una combinación de investigación cualitativa y encuesta cuantitativa se
convierte en la norma para todo especialista en marketing antes de comenzar
cualquier ciclo de planificación de marketing.

En la última década, los especialistas en marketing también se han obsesionado con

recopilar una base de datos sólida de clientes para facilitar una mejor gestión de las
relaciones con los clientes (CRM). La disponibilidad de big data ha llevado al auge del
marketing basado en datos. Los especialistas en marketing creen que, ocultos bajo el
enorme volumen de datos, se encuentran conocimientos en tiempo real que pueden
permitirles impulsar el marketing como nunca antes. Y comenzaron a preguntarse
cómo fusionar dos conjuntos aislados de información provenientes de análisis e
investigación de mercado en una plataforma unificada de gestión de datos.
A pesar de la promesa, no muchas empresas han descubierto la mejor manera de
realizar marketing basado en datos. La mayoría de ellos terminan con una enorme
inversión en tecnología, pero aún no han aprovechado todos los beneficios del
ecosistema de datos. Los fracasos de la práctica del marketing basado en datos se
deben a tres razones principales:

1. Las empresas suelen tratar el marketing basado en datos como un proyecto de TI. Al
emprender el viaje, se concentran demasiado en seleccionar las herramientas de
software, realizar una inversión en infraestructura y contratar científicos de datos. El
marketing basado en datos debería ser un proyecto de marketing. La infraestructura TI
sigue la estrategia de marketing y no al revés. No significa simplemente hacer que el
personal de marketing sea patrocinador del proyecto. Los especialistas en marketing
deberían ser quienes definan y diseñen todo el proceso de marketing basado en datos.
Como creen muchos investigadores de mercado, un mayor volumen de datos no
siempre significa mejores conocimientos. La clave es comprender qué buscar en los
océanos de información teniendo objetivos de marketing claros.

2. El análisis de big data a menudo se considera la solución milagrosa que desentraña

cada conocimiento del cliente y resuelve todos los problemas de marketing. Los
macrodatos no sustituyen a los métodos tradicionales de investigación de mercado,
especialmente los de alto contacto, como la etnografía, las pruebas de usabilidad o las
pruebas de sabor. De hecho, los big data y la investigación de mercado deberían
complementarse y potenciarse mutuamente porque el marketing basado en datos
necesita ambos. La investigación de mercado se lleva a cabo en un ciclo regular para
objetivos específicos y limitados. Por otro lado, los big data se recopilan y analizan en
tiempo real para mejorar el marketing sobre la marcha.

3. El análisis de big data ofrece tantas promesas de automatización que las empresas
piensan que, una vez configurado, puede funcionar en piloto automático. La
expectativa es que los especialistas en marketing puedan verter grandes conjuntos de
datos en la caja negra llamada algoritmo y obtener respuestas instantáneas a sus
preguntas. En realidad, los especialistas en marketing todavía deben ser muy prácticos
en el marketing basado en datos. Y aunque una máquina puede detectar patrones de
datos que ningún ser humano puede detectar, siempre se necesita un especialista en
marketing con experiencia y conocimiento contextual para filtrar e interpretar los
patrones. Más importante aún, los conocimientos prácticos requieren especialistas en
marketing que diseñen nuevas ofertas o campañas, aunque sea con la ayuda de
computadoras.

Paso 1: definir los objetivos del marketing basado en datos

Parece una obviedad iniciar cualquier proyecto con objetivos claros. Pero con
demasiada frecuencia, un proyecto de marketing basado en datos se lanza dejando los
objetivos como una ocurrencia tardía. Además, la mayoría de los proyectos de datos se
vuelven demasiado ambiciosos porque los especialistas en marketing quieren lograrlo
todo de una vez. Como resultado, los proyectos se vuelven demasiado complicados,
los resultados probados se vuelven difíciles de lograr y las empresas eventualmente se
dan por vencidas.

Los casos de uso del marketing basado en datos son, de hecho, abundantes y de
amplio alcance. Con big data, los especialistas en marketing pueden descubrir nuevas
ideas de productos y servicios y estimar la demanda del mercado. Las empresas
también pueden crear productos y servicios personalizados y personalizar la
experiencia del cliente. Calcular el precio correcto y configurar un modelo de precios
dinámico también requiere un enfoque basado en datos.

Además de ayudar a los profesionales del marketing a definir qué ofrecer, el big data
también es útil para determinar cómo ofrecerlo. En las comunicaciones de marketing,
los especialistas en marketing utilizan big data para dirigirse a la audiencia, crear
contenido y seleccionar medios. Es valioso para impulsar el marketing, como la
selección de canales y la generación de leads. También es habitual utilizar datos para el
servicio postventa y la retención de clientes. Los macrodatos se utilizan a menudo para
predecir la deserción y determinar medidas de recuperación del servicio.

A pesar de la abundancia de casos de uso, es fundamental limitar el enfoque a uno o

dos objetivos al embarcarse en un esfuerzo de marketing basado en datos. Por
naturaleza, las personas desconfían de las cosas que no comprenden, y los aspectos
técnicos del marketing basado en datos pueden ser algo desconocido e intimidante
para todos en la organización, desde arriba hasta abajo.

FIGURA 8.2 Ejemplos de objetivos de marketing basados en datos

Las metas estrechas son más fáciles de comunicar y, por lo tanto, ayudan a movilizar a
las personas de la organización, especialmente aquellas que son escépticas. Ayuda a
alinear varias unidades, generar su compromiso y garantizar la rendición de cuentas.
Los objetivos enfocados también obligan a los especialistas en marketing a pensar en
el apalancamiento del desempeño más efectivo y priorizar sus esfuerzos en ello.
Cuando los especialistas en marketing eligen el objetivo con mayor impacto, las
empresas pueden obtener ganancias rápidas y significativas y, por lo tanto, la
aceptación temprana de todos.

Al establecer objetivos claros, la iniciativa de marketing basada en datos se convierte

en una iniciativa mensurable y responsable (ver Figura 8.2). Los conocimientos
generados a partir del análisis de datos también serán más procesables y conducirán a
esfuerzos específicos de mejora del marketing.

Paso 2: Identificar los requisitos y la disponibilidad de los datos

En la era digital, el volumen de datos está creciendo exponencialmente. No sólo se

está profundizando el nivel de detalle, sino que también se está ampliando la variedad.
Sin embargo, no todos los datos son valiosos y relevantes. Una vez que las empresas se
centran en los objetivos, deben comenzar a identificar los datos correctos para
recopilar y analizar.

No existe una única forma correcta de clasificar los big data. Pero una de las formas
prácticas es categorizar según la fuente:

1. Datos sociales, que incluyen toda la información que comparten los usuarios de las
redes sociales, como ubicación, perfil demográfico e intereses.

2. Datos de medios, que incluyen mediciones de audiencia de medios tradicionales,

como televisión, radio, prensa escrita y cine.

3. Datos de tráfico web, que incluyen todos los registros generados por los usuarios
que navegan por la web, como visitas a páginas, búsquedas y compras.

4. POS y datos de transacciones, que incluyen todos los registros de las transacciones
realizadas por los clientes, como ubicación, monto, información de la tarjeta de
crédito, compras, horarios y, a veces, identificación del cliente.

5. Datos de IoT, que incluyen toda la información recopilada por dispositivos y

sensores conectados, como ubicación, temperatura, humedad, proximidad de otros
dispositivos y signos vitales.

6. Datos de participación, que incluyen todos los puntos de contacto directo que las
empresas establecen con los clientes, como datos del centro de llamadas, intercambio
de correo electrónico y datos de chat.

Los especialistas en marketing deben desarrollar un plan de recopilación de datos que

establezca todos los datos que deben adquirirse para lograr el objetivo
predeterminado. Una matriz de datos es una herramienta útil que mapea los datos
requeridos con el objetivo. Al observar la matriz de datos horizontalmente, los
especialistas en marketing pueden determinar si tienen suficientes datos para lograr el
objetivo. Para tener conocimientos válidos, necesitan triangulación de datos: tener
múltiples fuentes de datos que contribuyan a una comprensión convergente. Mirar la
matriz de datos verticalmente también ayuda a los especialistas en marketing a
comprender qué información necesitan extraer de cada fuente de datos (consulte la
Figura 8.3).

Algunos de los tipos de datos mencionados anteriormente en la lista numerada, como

los datos de transacciones y participación, son internos y accesibles para los
especialistas en marketing. Sin embargo, no todos los datos internos están listos para
su uso. Dependiendo de qué tan bien organizados y mantenidos estén los registros, es
posible que sea necesario limpiar los datos. Incluye corregir conjuntos de datos
inexactos, consolidar duplicados y lidiar con registros incompletos.

FIGURA 8.3 Marco de matriz de datos

Otros conjuntos de datos, como los datos de redes sociales y medios, son datos
externos y deben adquirirse a través de proveedores externos. Algunos datos también
pueden provenir de socios de la cadena de valor, como proveedores, empresas de
logística, minoristas y empresas de subcontratación.

Paso 3: Construir un ecosistema de datos integrado

La mayoría de las iniciativas de marketing basadas en datos comienzan como

proyectos ágiles y ad hoc. Sin embargo, a largo plazo, el marketing basado en datos
debe ser una operación de rutina. Para asegurarse de que el esfuerzo de recopilación
de datos se mantenga y actualice continuamente, las empresas deben crear un
ecosistema de datos que integre todos los datos externos e internos.
El mayor desafío para la integración de datos es encontrar un denominador común en
todas las fuentes de datos. Lo más ideal es integrar los datos a nivel de cliente
individual, permitiendo los segmentos de un solo marketing. Las buenas prácticas de
mantenimiento de registros garantizan que cada conjunto de datos capturados sobre
el cliente esté siempre vinculado a ID de cliente únicos.

Si bien es sencillo para fuentes de datos internas, utilizar ID de clientes para datos
externos es un ejercicio desafiante, aunque factible. Por ejemplo, los datos sociales se
pueden integrar con la identificación del cliente y los datos de compra si el cliente
inicia sesión en sitios web de comercio electrónico utilizando sus cuentas de redes
sociales, como Google o Facebook. Otro ejemplo de integración de datos es el uso de
una aplicación de fidelización de clientes para conectarse a sensores de baliza
inteligentes. Siempre que un cliente que lleva su teléfono móvil se acerca a un sensor,
por ejemplo en un pasillo de una tienda, el sensor registra el movimiento. Es útil
realizar un seguimiento del recorrido del cliente en ubicaciones físicas.

Sin embargo, a veces no es posible vincular todo a una identificación de cliente

individual, principalmente debido a cuestiones de privacidad. Una solución de
compromiso es utilizar una variable de segmentación demográfica específica como
denominador común. Por ejemplo, el nombre del segmento "cliente masculino de 18 a
34 años" puede ser la identificación única para consolidar cada elemento de
información de cada fuente de datos sobre un grupo demográfico en particular.

Cada conjunto de datos dinámicos debe almacenarse en una única plataforma de

gestión de datos, que permita a los especialistas en marketing capturar, almacenar,
gestionar y analizar los datos de forma integral. Cualquier nuevo proyecto de
marketing basado en datos con nuevos objetivos debe seguir utilizando la misma
plataforma, lo que permitirá un ecosistema de datos más rico, lo cual es beneficioso si
la empresa decide utilizar el aprendizaje automático para automatizar el análisis.

Resumen: Creación de un ecosistema de datos para una mejor orientación

El auge del big data ha cambiado la segmentación y la focalización del mercado. La

amplitud y profundidad de los datos de los clientes están aumentando
exponencialmente. Los datos de los medios, los datos sociales, los datos web, los datos
de POS, los datos de IoT y los datos de participación pueden constituir un perfil rico de
clientes individuales, lo que permite a los especialistas en marketing realizar marketing
de segmentos de uno.

En la era digital, el problema ya no es la falta de datos sino identificar los que

importan. Es por eso que el marketing basado en datos siempre debe comenzar
definiendo objetivos específicos y concretos. Según los objetivos, los especialistas en
marketing adquieren conjuntos de datos relevantes y los integran en una plataforma
de gestión de datos que está conectada a un motor de análisis o aprendizaje
automático. Los conocimientos resultantes pueden conducir a ofertas y campañas de
marketing más precisas.

Sin embargo, el marketing basado en datos nunca debe emprenderse como una
iniciativa de TI. Un equipo de liderazgo de marketing sólido debe encabezar el
proyecto y alinear los recursos de la empresa, incluido el soporte de TI. La
participación de todos los especialistas en marketing de la organización es imperativa,
ya que el marketing basado en datos no es una solución milagrosa y nunca se ejecutará
en piloto automático.

PREGUNTAS DE REFLEXIÓN

Piense en cómo una mejor gestión de datos puede mejorar las prácticas de marketing
en su organización. ¿Cuál es la fruta madura?

¿Cómo segmenta el mercado para sus productos y servicios? Cree una hoja de ruta
para implementar marketing de segmentos uno en los datos de su organización.