|
||||||||||||||||||||||||||||||||||||
 |
||||||||||||||||||||||||||||||||||||
 |
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Mejora la retención de clientes a través de un mejor conocimiento de sus necesidades
La desregularización del sector de la energía, ha hecho que los grandes monopolios utilicen la inteligencia de negocios para ocupar un nicho en el mercado.
La desregularización del mercado de la energía alemán en 1998 causó un despertar en el sector. Sin la posición de un monopolio burocrático, los proveedores públicos de energía enfrentaron una competencia caracterizada por los bajos precios. Las compañías buscaban sobrevivir a esta guerra de precios y para lograrlo necesitaban buscar nuevos mercados.
Hamburgische Electricitäts-Werke AG (HEW) jugó un papel importante proporcionando servicios de primera clase y cuidado en el cliente. HEW se ha enfocado en estos factores por varios años. Actualmente, su estrategia consiste en encontrar nichos de mercado en el mercado privado, en donde el servicio es lo que cuenta en lugar de los precios. Los proveedores de energía han comenzado a ofrecer a las amas de casa valor por su dinero y paquetes de servicio vía HEWfuture. Los clientes de HEWfuture automáticamente se benefician con reducciones de precio, contratos por poco tiempo, y estructuras de precio simplificadas. La interacción entre el proveedor y el cliente ha sido mejorada vía llamadas telefónicas y con la introducción de una tarjeta de clientes para compañías privadas.
Estas interacciones, en conjunto con encuestas y mediciones de la tasa de consumo, han generado un flujo de datos que la compañía captura, analiza y posteriormente de manera estratégica crea campañas de mercadotecnia para tener un mejor acercamiento con los clientes. Este acercamiento se realiza segmentando a los clientes según sus necesidades.
En primer lugar, HEW construyó un data warehouse y eligió una herramienta analítica para realizar la segmentación. La empresa encontró que lo que deseaba en SPSS era Clementine, el software analítico que cubría sus requerimientos. Clementine despliega todo el proceso de Minería de Datos en pantalla, permitiéndoles a los usuarios intervenir en cualquier etapa durante el proceso.
Este no era el primer acercamiento de HEW a SPSS. La compañía ha estado trabajando con SPSS desde que el software se desarrolló en 1970. Lo que hizo que se inclinará la balanza a favor de Clementine era el hecho de que a diferencia de otras herramientas analíticas, Clementine le permitía a los usuarios acceder a bases de datos de Oracle®, la cual era la plataforma que la compañía había elegido para los datos de sus clientes. Los resultados fueron impresionantes: las pruebas resaltaron las características de los grupos de clientes; así como también sus requerimientos y necesidades. “Además, el sistema era sencillo de interpretar y comprender para cada nivel de decisión en HEW”, asevera Peter Goos, quien se desempeña en el Departamento de Mercadotecnia en HEW.
El data warehouse de HEW ofrecía la base con la cual se construía la clasificación. Valores específicos como códigos postales, pueblos, calles, número del domicilio, y el consumo de electricidad se derivaban de 11,035 piezas de datos históricos, de la muestra de 5,000 clientes de los dos grupos más grandes, más todos los grupos pequeños. En especial, características micro geográficas de los clientes fueron agregadas a la base de datos.
“Antes de comenzar con el análisis actual, utilizábamos tablas cruzadas de SPSS para establecer si los datos eran útiles - en otras palabras, para encontrar si las características elegidas nos darían una tipología del cliente”, afirma Goos. Ocho indicadores probaron ser insostenibles, incluyendo la característica del poder de compra (la cual es alta en Hamburgo) y el tipo de región (la cual caracteriza a los ciudadanos de Hamburgo como personas que viven en zonas conurbadas).
En el siguiente paso, Clementine fue utilizada para analizar todas las características de manera simultánea. Los árboles de decisión de Clementine y los perfiles nos proporcionaron descubrimientos importantes. No nos era posible hacer una distinción clara para los grandes grupos de clientes, pero la distribución de las características en los grupos pequeños pudieron ser asociadas con el tipo de tasa individual de consumo con una precisión del 90%.
Más de 183,000 direcciones de 60 distritos fueron ingresadas en el modelo final. El resultado fue: 360,000 clientes ahora recibirían ofertas vía postal.
“Cuatro proyectos más son planeados utilizando Clementine”, afirma Goos. El utilizar los datos históricos para estimar qué tan preparados están los clientes para cambiar de proveedor, y así calcular las posibles pérdidas. Para contrarrestar esto, la compañía segmentará su base de datos en grupos tomando como base el “valor del tiempo de vida de los clientes” – las ventas totales que un cliente genera para la compañía – y analizará las tendencias en comportamiento entre estos grupos. Lo que HEW desea es encontrar una forma de utilizar los datos existentes para descubrir el riesgo que implica finalizar un contrato con un nuevo cliente.
Peter Goos es realista es sus afirmaciones sobre la aplicación: “Nuestra búsqueda de modelos adecuados ha demostrado que los análisis de Clementine no ofrecen un conocimiento completo a HEW. Sin embargo, nos proporcionan una importante fuente para decidir cuáles son los datos que nos proporcionarán la información que necesitamos para alcanzar nuestros objetivos CRM, y en qué momento tenemos que adquirir información adicional para obtener nuevos descubrimientos.”
