Big Data y predicción del comportamiento: 5 usos que ya son una realidad

El Big Data es uno de los temas de moda en el entorno empresarial actual, cada vez más presente incluso en nuestra vida cotidiana. Desde que en 2010 se empezó a hablar del término, su popularidad ha ido creciendo, y se mantiene como una de las búsuqedas más populares con un 100 sobre 100 en el índice de Google Trends. En este artículo hablaremos sobre la estrecha relación entre Big Data, psicología y marketing, pero sobre todo, intentaremos explicar para qué sirve y cómo se está usando actualmente en empresas e instituciones.

 

¿Qué es el Big Data?

Con la invención del procesador vino la capacidad de realizar operaciones a una velocidad impensable hasta el momento, pero resolver problemas numéricos no es suficiente para desarrollar las tareas que hacemos hoy en día con nuestro ordenador, smartphone o tableta. No basta con máquinas capaces de calcular, pues es necesaria también la capacidad de almacenar los resultados y los procesos (programas) para obtenerlos. A raíz de esta necesidad aparecieron los sistemas de almacenamiento de datos, y desde entonces hemos pasado de los 0,06 KB de los Tubos Williams a la capacidad virtualmente infinita del Cloud (la Nube). Junto con la aparición de nuevas tecnologías y la evolución del hardware, esto ha supuesto una gran revolución, permitiendo almacenar y analizar una cantidad de datos por encima del alcance del software habitual. Esto es, la revolución de los datos masivos o Big Data.

 

Floppy Disks

Los Floppy Disks con más capacidad no podían contenter más de 3 MB de datos, menos de lo que ocupa una canción standard en formato MP3. Imagen por Mister GC extraída de freedigitalphotos.net.

 

¿Qué relación tiene con la psicología del consumidor?

Los grandes volúmenes de datos por sí solos no sirven, no dicen nada. Del mismo modo que es imposible conocer el contenido de un libro si no es leyéndolo, no podemos sacarle partido a los datos si no hay un proceso de análisis. Por eso a menudo nos encontramos el concepto de Big Data asociado al término “Advanced Analytics”, que hace referencia al tipo de procesos requeridos para analizar bases de datos complejas como las que hemos comentado.

Cuando publicamos nuestro estado en Facebook, buscamos un restaurante en Google, miramos camisetas en la web de Zara o realizamos una compra con tarjeta de crédito, estamos generando datos que quedan registrados en los servidores de las entidades que nos prestan estos servicios. A través de su integración y el análisis adecuado, estos datos aportan información sobre los hábitos de los consumidores, de sus preferencias y de su manera de pensar y actuar. Estudiar los hábitos de los consumidores… ¿No os suena? A mí sí, y es que de hecho es exactamente a lo que se dedica la psicología del consumidor: conocer al consumidor (obtener datos), estudiarlo (analizarlos) y hacer predicciones (modelarlos).

 

5 usos que ya son una realidad

Es innegable que el Big Data tendrá un papel fundamental en el campo del marketing y la psicología del consumidor, ¿pero es así en la actualidad? Nosotros vamos un paso más allá y os traemos 5 usos de Big Data y Advanced Analytics que ya son una realidad en varias empresas e instituciones.

 

1. Credit score

Uno de los usos más extendidos de datos a gran escala es el credit scoring, una práctica común en el sector financiero que consiste en asociar una puntuación (score) a un posible cliente a partir de la agregación de datos de su historial bancario. Así, gracias a empresas como Experian, Equifax o TransUnion, las entidades financieras tienen un indicio de la probabilidad que tiene el usuario de pagar sus créditos y evitan prestar dinero a particulares o empresas con “mala reputación”. A nivel nacional cabe destacar la empresa AIS, la primera en implementar sistemas de este tipo en España. En Estados Unidos, donde la legislación es más laxa que en Europa, se usan otros datos a parte del historial de crédito personal, como por ejemplo la estabilidad esperada del empleo del cliente, su salario o hasta la solvencia de su pareja sentimental en caso de compartir una cuenta. En algunos países este tipo de prácticas se ven con recelo, puesto que los bancos pueden acabar negando crédito precisamente a los sectores de la población que más lo necesitan, dejando de realizar su labor social y perpetuando situaciones de desigualdad.

 

2. Priorización de clientes

Otro uso bastante extendido es el de la gestión de servicios de atención al cliente y soporte técnico, sector en el que se usan técnicas parecidas a las comentadas en el primer punto. Se trata de sistemas de scoring que tienen en cuenta datos del cliente relacionados con la empresa, como su fidelidad, su CLV (customer lifetime value), su gasto mensual (en caso de servicios por suscripción) o su ubicación en el funnel de ventas. Se basa en un principio muy sencillo: si todos los clientes no tienen el mismo valor, no deberíamos tratarlos a todos igual. De éste modo, las compañías consiguen priorizar la atención a sus mejores clientes, reorganizando las colas de espera en el caso de llamadas telefónicas o la asistencia a través de las redes sociales. Grandes empresas dedicadas al soporte y atención al consumidor como Genesys y LiveOps han integrado el índice Klout en su sistema de gestión de clientes. El índice Klout es un número del 0 al 100 que estima la influencia de un usuario a partir de su presencia y actividad en webs, blogs y redes sociales. Así que ya sabes, si quieres que tu teleoperadora te haga caso, cuida de tu perfil en Twitter.

 

3. Targeting y recomendación de contenido

Datos como nuestras búsuqedas en Google, los vídeos que miramos en Youtube, las webs que hemos visitado recientemente o las páginas que nos gustan en Facebook, influyen directamente el contenido al que tenemos acceso. El uso del retargeting es una práctica muy extendida que acostumbra a ser muy efectiva, y consiste en personalizar los anuncios o contenido al que el usuario tiene acceso en función de los productos o servicios por los que ha mostrado interés anteriormente. Esto significa que si has estado mirando libros en Amazon, es probable que al abrir Facebook veas un anuncio de alguno de los libros que has estado a punto de comprar. Por otro lado, empresas que ofrecen servicios multimedia como Netflix o Spotify también usan los datos producidos por sus usuarios para detectar patrones de uso y recomendar contenido a usuarios con perfiles similares, dándole un valor añadido a la herramienta. Si alguien que escucha los mismos grupos que yo, también escucha a otro grupo que yo no conozco, quizá éste grupo también me guste a mi.

 

4. Optimización del espacio físico

El Big Data no solo permite presentar el contenido más apropiado a cada cliente en entornos online, sino que también puede aplicarse al mundo físico. En la pasada edición del Mobile World Congress asistimos a un workshop presentado por tres integrantes de Arcvi, una empresa ubicada en Barcelona dedicada a Big Data y Advanced Analytics. Nos explicaron cómo consiguieron optimizar la ubicación de establecimientos en un centro comercial para maximizar las visitas de los clientes de paso, usando los datos de geolocalización obtenidos a partir de los dispositivos móviles que estos llevaban encima. Haciendo un modelo predictivo a partir de los datos obtenidos (las rutas seguidas habitualmente por los usuarios en el centro comercial), pudieron anticiparse al comportamiento de futuros consumidores. Un análisis de este tipo permite fijar los precios de alquiler de cada establecimiento ajustándolos a las probabilidades reales de ser visitados, ubicar los establecimientos en la mejor posición posible según el producto de venta y las características del local y optimizar la colocación de carteles, señalización y anuncios para atraer clientes a los puntos de menos actividad.

 

 5. Lucha contra enfermedades contagiosas

Durante la crisis del Ébola, empresas, universidades y gobiernos trabajaron juntos para frenar y prevenir contagios mediante el uso de Big Data. Analizando millones de publicaciones en Twitter, llamadas de emergencia y altas en centros médicos fue posible detectar aquellas zonas en las que varios usuarios padecían molestias que encajaban con el cuadro clínico de la enfermedad, pudiendo actuar incluso antes de que alguno de ellos acudiera al médico y permitiendo acotar las zonas de riesgo. También se rastreó el movimiento de personas en el oeste de África gracias a la geolocalización a partir de la ubicación de sus dispositivos móviles para poder predecir el impacto del virus y establecer los protocolos de seguridad a seguir. Del mismo modo que se puede combatir el ébola analizando tweets, llamadas y datos hospitalarios, mecanismos parecidos pueden utilizarse para controlar otros procesos virales como la reputación de marca o el impacto de una campaña publicitaria, siempre usando los datos de forma ética y legal, buscando el beneficio mutuo de la empresa y del consumidor.

Ricard Tapias Guillén

3 Comments

Leave a Reply

Your email address will not be published. Required fields are marked *