Segmentación tradicional Vs Segmentación Predictiva

¿Por qué ya no sirven las tradicionales segmentaciones para las acciones de marketing?

Cómo ya sabéis, segmentar a tu público objetivo es fundamental para conseguir el éxito en una campaña. La elaboración de los targets es una de las tareas más delicadas a las que se enfrenta un director de marketing y sin duda, uno de los puntos clave en la planificación de las estrategias de marketing y ventas.

Tradicionalmente realizamos las divisiones según 3 ó 4 tipos de segmentación:

Geográfica: segmentaciones basadas en la geolocalización (país, ciudad, C.P….)
Demográfica: segmentaciones basadas en la edad o el género de una persona.
Socioeconómica: segmentaciones basadas en la capacidad económica o en el estilo de vida.
Conductual: segmentación basada en el comportamiento del usuario.

Cuándo utilizamos la segmentación tradicional

Utilizamos este tipo de segmentaciones cuando vamos a realizar una campaña, ya sea de display, de email o de televenta, y elaboramos distintos mensajes para cada subconjunto. El éxito de una campaña se basa principalmente en acertar con el mensaje adecuado a los miembros de cada grupo.

Este tipo de segmentación también es la utilizada para elaborar los buyer persona. Un buyer persona es el cliente ideal al que nosotros dirigimos nuestros mensajes publicitarios. Es el usuario tipo para el que hemos desarrollado un producto o para el que queremos cubrir una necesidad con nuestros servicios.

Hay que tener en cuenta que a pesar de sufrir luego variaciones, el buyer persona se elabora cuando estamos desarrollando el producto, antes incluso de salir al mercado y está basado en las investigaciones previas de mercado o según el target donde hemos visto una necesidad.

¿Cómo sustituye la IA a la segmentación tradicional?

La razón de por qué ya no sirve la segmentación tradicional, es que gracias a las nuevas técnicas de procesamiento de datos podemos elaborar segmentaciones mucho más precisas. Incluso, podemos llegar a comunicaciones 1to1 con nuestros clientes.

La tecnología Machine Learning aplicada al marketing y las ventas permite predecir el comportamiento de los clientes, por lo que gracias a los algoritmos de analítica predictiva podemos segmentar nuestra base de datos en función del interés que el cliente tiene para la compañía.

Este nuevo paradigma se contrapone al método de segmentación tradicional, ya que no distingue por perfil de usuario sino por perfil de éxito, es decir que podemos segmentar la base de datos en función del objetivo de campaña que nos propongamos.

Por ejemplo, podemos hacer una primera segmentación por valor monetario (CLV – Customer Lifetime Value) podemos predecir lo que un cliente se gastará en nuestro negocio. Pero podemos también segmentar por riesgo de baja (tasa de churn) y detectar aquellos clientes que tienen más probabilidad de abandono.

Como puedes comprobar en ningún momento hablamos de tipo de cliente, ni de perfil de usuario, sino que la IA permite hacer análisis multivariantes (entre perfiles y comportamiento) y los convierte en perfiles de éxito (compra, recompra, churn, registro….) primero definimos el objetivo de la campaña y después realizamos la segmentación.

Segmentación Predictiva

Los resultados de realizar las campañas en base a perfiles de éxito en vez de por perfiles tradicionales permite a las empresas incrementos en varias métricas (beneficio total, conversión, aumento de la fidelidad de marca o reducción del churn, entre otras) Algunos estudios marcan el beneficio de utilizar analítica predictiva en las campañas siempre por encima del 15%.