Las empresas modernas toman decisiones comerciales basadas en datos. Desafortunadamente, la mayoría de ellos se conforman con los datos como una forma de tomar “decisiones estratégicas”, mientras que hay muchas formas inteligentes y creativas de usar los datos con un impacto muy directo.
Actualmente existen múltiples Growth Hacks basados en datos, a continuación explicaremos algunos de ellos:
1. Alertas de Slack
Las alertas de Slack basadas en eventos de datos son fáciles de configurar y tendrán un gran impacto en las conversiones.
La idea es simple, cuando un usuario o empresa desencadena un determinado evento, una combinación de eventos o coincide con ciertos criterios, se envía una alerta a un canal de Slack para que los equipos orientados al cliente puedan reaccionar rápidamente.
Algunos ejemplos de Slack Alert:
- Pago abandonado: cuando un usuario inicia pero no completa el proceso de suscripción, se envía una alerta al equipo de ventas.
- Cliente potencial de alto valor: en función de ciertos criterios, cuando se detecta a un usuario que prueba el producto como un cliente potencial de alto valor, se envía una alerta al equipo de ventas.
- Prevención del abandono: en función de criterios y eventos, se envía una alerta a al equipo correspondiente cuando un cliente podría partir.
Para almacenar los datos y activar esas alertas, se puede utilizar un almacén de datos (BigQuery) y una arquitectura de producto/consumidor.
2. Scoring (puntuación)
Las puntuaciones basadas en datos son métricas operativas que se utilizan para calificar mejor a los usuarios o empresas. En lugar de analizar múltiples criterios complejos, una puntuación agrega los criterios de toma de decisiones en un solo valor, que generalmente oscila entre 0 y 100.
Las puntuaciones más populares incluyen:
- Customer health score (Puntuación de salud del cliente): Customer health score o indicador de la salud del cliente es una métrica que monitorea la relación de los clientes con la empresa. El customer health score actúa como una anticipación a los movimientos del cliente, porque permite identificar cuándo un cliente puede estar en riesgo o cuándo puede existir una oportunidad para el negocio.
- Product engagement score (Puntuación de interacción con el producto): una métrica que ayuda a entender cómo interactúan los usuarios con tu producto.
- Activation Score (Puntuación de activación): una métrica utilizada por las ventas y el éxito del cliente para determinar el grado de compromiso con su producto durante las primeras semanas de uso. Por lo general, durante un período de prueba.
- Net Promoter Score (Puntuación neta del promotor): Una puntuación declarativa simple, que generalmente oscila entre 0 y 10, basada en una pregunta formulada al usuario como “¿Cómo calificaría nuestro producto?”.
Por lo general, esas puntuaciones son definidas y creadas por analistas de datos. Deberían estar disponibles en cada herramienta utilizada operativamente por sus equipos.
3. Machine Learning (ML) y predicciones
Generar predicciones utilizando Machine Learning es una técnica relativamente avanzada para optimizar el embudo. Pero puede ser súper potente.
Para hacerlo simple, en lugar de tener un humano que define reglas y condiciones basadas en la lógica empresarial , con ML, la máquina aprende a generar esas reglas por sí misma, en función de tus datos anteriores.
El uso de indicadores basados en ML puede ayudar a su equipo a responder preguntas como:
- Probabilidad de conversión: ¿Qué probabilidades hay de que alguien se convierta en un cliente de pago?
- Probabilidad de venta adicional del plan: ¿Qué probabilidades hay de que alguien aumente las ventas a un plan más caro?
- Interés del complemento (probabilidad): ¿Qué probabilidades hay de que alguien esté interesado en este o aquel complemento?
- Interés del complemento (sugerencia): qué complemento sería interesante sugerir a un cliente determinado, en función de su uso o en función de la similitud con sus otros clientes.
- Churn: ¿Qué probabilidades hay de que alguien abandone? ¿Por qué?
- Análisis de supervivencia: ¿Cuándo es más probable que tu cliente abandone?
- Valor a largo plazo: ¿cuánto dinero debe aportar un cliente con el tiempo?
- MRR (Monthly Recurring Revenue)/ Predicción del plan: Si este cliente se convierte, ¿cuánto pagará? ¿O qué plan elegirá?
La predicción dada por su algoritmo de ML puede ser una puntuación (por ejemplo: Probabilidad de conversión), una cantidad (por ejemplo: MRR) o un valor de texto (por ejemplo: sugerencia de complemento).
Por lo general, se envían esas predicciones a sus herramientas para que los equipos orientados al cliente puedan acceder a ellas. También es posible que desee utilizar algunas de esas predicciones para activar la automatización del marketing (por ejemplo: secuencias de correo electrónico), reorientación de anuncios, etc.
Nota: No siempre necesitas usar ML para responder a esas preguntas. El ML es potente, pero dependiendo de la situación, podría ser exagerado, e incluso podrías tener mejores resultados con técnicas más simples.
4. Contenido de nicho generado por datos
El SEO de long tail es una técnica para generar tráfico orgánico, centrándose en palabras clave de long tail. Las palabras clave de long tail son términos de búsqueda que contienen tres o más palabras. Tienen un volumen de búsqueda más bajo, lo que facilita la clasificación de esas palabras clave específicas. Y suelen estar asociados con contenido específico o de nicho.
Entonces, ¿cómo te ayudarían los datos a generar contenido de nicho? Generando automáticamente artículos basados en tus datos.
¿No tienes datos en tu base de datos que puedas usar para generar contenido? ¿Contenido específico y de nicho que la gente encontraría usando palabras clave long tail? También puede enriquecer sus datos mediante el web scrapping, conjuntos de datos públicos y las API.
5. Demostrar valor
Los usuarios a menudo no se dan cuenta del valor de un producto hasta que les muestras los números. Por lo tanto, es una interesante estrategia de conversión y retención para demostrar el valor de su producto a sus usuarios, a través de métricas clave.
Es aún mejor si puedes compartir métricas que se correlacionen fácilmente con el ROI de tu producto, en un momento clave del viaje del usuario: ¿Cuánto dinero generaste con nuestro producto? ¿Cuántas horas has ahorrado? ¿A cuántas personas has llegado? ¿Cuál fue tu impacto?
Si ya realiza un seguimiento de las interacciones que los usuarios tienen con su producto y envía los datos a un almacén de datos o CRM. O si puedes obtener esa información de tu propia base de datos de productos, tienes todo lo que necesitas.
6. Vuelva a interactuar con los leads inactivos
Su empresa probablemente tenga un montón de direcciones de correo electrónico en su CRM o base de datos. Muchos de los cuales probablemente pertenecen a clientes potenciales de los que no has oído hablar en mucho tiempo.
Los leads inactivos pueden incluir:
- Personas que ingresaron un correo electrónico a cambio de un libro electrónico hace mucho tiempo, y no se han vuelto a comprometer con usted desde entonces.
- Personas que probaron su producto y no se han convertido en usuarios de pago.
- Personas que solían pagar por su producto, pero ya no pagan.
entre otros.
Todos esos clientes potenciales representan un potencial sin explotar, y podría valer la pena definir una estrategia para volver a interactuar con ellos. Hay varias técnicas que probar.
En primer lugar, se recomienda clasificar a esos leads en categorías (o segmentos): no te comunicarás de la misma manera con alguien que ya probó tu producto y con alguien que no lo hizo. Y, por supuesto, la información, como el lenguaje del líder, es importante.
En segundo lugar, hay múltiples razones o pretexto para comunicarse con un cliente potencial inactivo, en función de las categorías que hayas creado:
- Anunciar una nueva función de producto que podría interesar a uno de los segmentos.
- Anunciar un evento que sabes que podría ser de interés.
- Activar mensajes como “Es bueno verte de vuelta” cuando detectas que uno de tus leads inactivo ha vuelto a tu producto, o simplemente lee un artículo en tu blog.
En tercer lugar, hay varios canales que puedes utilizar, entre ellos:
- Correo electrónico: desde su CRM, herramienta de marketing por correo electrónico o servicios como AWS SES.
- Reorientación de anuncios: plataformas como los anuncios de Facebook permiten subir una lista de direcciones de correo electrónico y reorientarlas en línea.
Hay mucho que puedes hacer con los datos para mejorar tus conversiones. Desde el uso de un simple Google Analytics hasta una compleja pila de datos (data stack), desde el análisis de datos básicos hasta el Machine Learning. Las empresas modernas conocen el valor de los datos.
Pero con una mentalidad de Growth Hacker, también hay formas menos comunes de usar los datos, ¡que podrían tener un impacto enorme y muy operativo en el negocio!
