Muchas mujeres experimentan en su vida la necesidad de quedarse embarazada y de aumentar la familia. Un momento que en la actualidad se retrasa buscando la estabilidad económica y de pareja. Durante el embarazo, las futuras madres adoptan patrones de conducta similares, patrones que pueden identificarse a través de Data Mining y predecir el consumo durante esta etapa.
Data Mining permite analizar los volúmenes de datos y, a partir de la información obtenida, establecer y predecir patrones de conducta. Una mujer embarazada tiene necesidades diferentes, desde el primer mes. La comida varía, quedan prohibidos muchos productos. Las horas de las comidas almuerzos y cenas varían, por norma aumentan. Los productos de cosmética como cremas o perfumes son diferentes, evitando que determinados tóxicos lleguen a la placenta.
Ecommerce, Data Mining y embarazo
Si una mujer está embarazada sus búsquedas en Google varían. Sienten curiosidad por el desarrollo de su cuerpo. Miran al futuro buscando cosas para el bebé y analizan las etiquetas de cada alimento. Las embarazadas que tienen tendencia a comprar en ecommerce, comienzan a inscribirse en newsletters para recibir “muestras”. Mientras otras simplemente cambian su forma de consumo. Estas últimas, que comienzan a realizar los primeros cambios durante los primeros meses, guardan con recelo el secreto de su estado, esperando que todo salga bien a la ecografía de las 12 semanas.
Pero Data Mining puede predecir su situación. Los ecommerce que aplican esta estrategia analizan los carritos de compra de cada usuario y pueden segmentar a los clientes por los productos que compran. De tal forma que agrupan los productos indicadores de embarazo. A partir de aquí, llega el momento de aplicar el marketing. Si el ecommerce trabaja email marketing y es capaz de detectar a las mujeres posiblemente embarazadas, puede enviar newsletter con ofertas de productos adecuados a su estado. Si la clienta responde correctamente a la oferta, la tenemos dentro del embudo de ventas, cubriendo sus necesidades.
Cuando un establecimiento dispone de venta física y ecommerce a gran escala, acumula grandes volúmenes de datos. Su análisis correcto y la predicción de los patrones de conducta de determinados clientes mejorará las acciones de marketing y la atención al cliente.
El caso de Target y sus predicciones
Target es una cadena de grandes almacenes de EE.UU. En ella se pueden encontrar productos de todo tipo, desde electrónica hasta productos premamá y para bebés. Además, de las tiendas físicas dispone de ecommerce.
El científico Andrew Pole, master en estadística y en economía, entró a la plantilla de Target en 2002. Para analizar los patrones de conducta y las cestas de la compra creó un algoritmo que estudiaba los datos que las tiendas almacenan sobre sus clientes. En un aborigen de datos, y con estrategias Data Mining, detectó que las mujeres que esperaban un bebé desarrollan patrones de compra concretos. En las primeras 20 semanas, las clientas compran suplementos con calcio, magnesio y zinc, así como cremas sin perfume.
A partir de estos datos, la tienda comenzó a enviar a las clientas newsletter con ofertas de productos relacionados con el embarazo y el parto, así como con bebés. Hasta el punto, que una adolescente resistente a contar su estado en casa comenzó a recibir este tipo de email marketing. El padre, enfadado con el comercio y creyendo que se estaban equivocados, recriminó a Target el tipo de ofertas que enviaban a su hija. Aunque su opinión cambió cuando descubrió que esos emails no se equivocaban, sino que su pequeña iba hacerle abuelo.
Así con Data Mining no sólo detectó y predijo el estado de embarazo de una joven, sino que mejoró las ofertas y los servicios a sus clientes, cubriendo las necesidades reales de sus consumidores.
Comments
comments