Predicción del comportamiento de clientes

LA COMPAÑIA

Nuestro cliente es una compañía estadounidense de cadenas minoristas con 70 años de historia, más de 7,000 empleados, 13 millones de clientes y más de 480 sucursales en 9 estados de la costa oeste de Estados Unidos.

EL PROBLEMA

Esta empresa debió enfrentarse a la compleja decisión de cerrar y reconfigurar algunas de sus sucursales como medida de reorganización durante la pandemia de Covid-19. Nuestro cliente necesitaba contar con información confiable que le permita tomar decisiones acertadas de manera rápida.

Para esto era necesario predecir diferentes aspectos:

  • La cantidad de clientes que se perderían con el cierre
  • El impacto del cierre en las ventas globales
  • Las acciones de mitigación más eficientes para reducir al máximo la pérdida de clientes
  • Clientes de más valor para retener 

LA SOLUCIÓN

Con técnicas de machine learning, inteligencia artificial y data lakes logramos reunir y cruzar datos sobre el comportamiento de los usuarios para desarrollar algoritmos que predijeron, con cierta exactitud, no solo el porcentaje de los clientes que aceptarían moverse a otra sucursal, sino a cuál migrarían, y la cantidad de clientes que no se moverán y buscarán alternativas en la competencia.

Además, implementamos tecnología de visualización gráfica en mapas para simular cómo se comportarían los clientes frente a determinada campaña o a la usencia de acciones. Esto permitió realizar campañas segmentadas y focalizadas según el conocimiento de los clientes con el objetivo de dirigirlos a una sucursal donde puedan obtener la misma experiencia a la que estaban habituados.

Los clientes no son todos iguales, por lo que a través de algoritmos determinamos las ofertas que les resultaran relevantes basándonos en el historial de compra de productos, con qué frecuencia, ticket promedio, cómo reaccionó frente a promociones, canal y momentos de compra de preferencia. Del mismo modo, no todos los clientes generan los mismos ingresos, por lo que incorporamos descuentos diferenciados según su valor hacia la marca.

BENEFICIOS

  • A través de las acciones focalizadas, se logró la retención de un 34% de clientes.
  • Modelo de toma de decisiones data-driven como activo para la organización
  • Mejora de la experiencia de los clientes gracias a una mayor personalización de la oferta
Snowflake
Python
Dataiku
Tableu