MDULOS CLAVES EN MARKETING INTELLIGENCE

por Marketing Hoy Per el 27 mayo, 2015

Share on facebookShare on twitterShare on emailShare on printMore Sharing
Services1
MARKETING
67VISITAS
0COMENTARIOS
Analizar grandes volmenes de informacin, genera en la mayora de
ocasiones, dedicar tiempo al tratamiento de la informacin en tareas como: la
actualizacin de consultas, extraccin de los datos para ver la evolucin de las
mtricas, pegado de los datos en el Excel, mantenimiento de la base de
datos, borrado de las tablas que ya no sirven, etc.
Se estima que los departamentos de Marketing Intelligence dedican un 70%60% del tiempo al tratamiento de la informacin, dejando slo el 30%-40% del
tiempo al anlisis y generacin de conclusiones.
Por este motivo, y teniendo como principal objetivo dedicar un 80% del tiempo
al anlisis y un 20% a la gestin de la informacin, es que se recomienda
contar con 4 mdulos claves para implementar un entorno analtico de
Marketing Clientes
1. Datamart de clientes
Es el mdulo bsico para analizar la informacin de los clientes y sus
segmentos. El datamart de clientes o datamart de marketing, es un repositorio
de datos con estructuras de datos agregadas con el nico fin de tener
disponible la mayora de las consultas que el rea de marketing clientes pueda
realizar. Las estructuras agregadas (tablas) ms comunes son:
Cliente, categoria_producto
Cliente, punto de venta
Cliente, canal
Cliente, punto de venta, categora producto
Cliente, campaa

El datamart de clientes cuenta con procesos ETL (extraccin, transformacin y

carga) peridicos para el clculo de las tablas antes mencionadas, teniendo
como fuente principal base de datos transaccional (OLTP) de clientes.
Una de las tablas ms importantes en el datamart de clientes es la tabla ADN
del cliente, la cual concentra todas las mtricas clave de consumo, de
comportamiento y de respuestas a acciones comerciales de un cliente. En este
sentido, la tabla de ADN de clientes podra contener la siguiente informacin:

Mtricas de consumo: importe peridico (mes, trimestre, etc.),

importe por acto de compra (en funcin del negocio podra ser prima,
ticket medio, deposito, etc.), frecuencia (veces que compra, nmero de
renovaciones, etc.)

Mtricas de comportamiento: aqu se obtendran las mtricas

sintticas del consumo, por ejemplo, ratio de compra en fin de semana,
peso de compra en las categoras, etc.

Mtricas de repuesta de clientes: campaa, uso/redencin, canal

utilizado (sms, emailing, mailing), tipo de contacto (promocin, premio,
aviso), venta incremental, etc.

A continuacin podemos de forma ilustrativa el contenido de la tabla ADN de

clientes:

Este ltimo tipo de mtricas son muy importantes a la hora de disear

estrategias multicanal.
1. Cubos OLAP
Son estructuras de datos orientadas a buscar respuestas a las preguntas del
negocio con alto nivel de complejidad. La base de datos OLAP cuenta con 2
tipos de variables:

2.1 Multidimensionales: son variables de tipo texto que describen los

principales ejes de anlisis. Por ejemplo, variables multidimensionales tpicas
son:
Dimensin Tiempo: Ao->Mes->Da
Dimensin Geografa: Pas->Comunidad Autnoma->Provincia
Dimensin Producto: Sector->Seccin->Familia->Subfamilia->referencia
Dimensin Cliente:

Segmento->Subsegmento

Estado Civil
Rango de edad
2.2 Mtricas (KPIs): Son variables de tipo numrico. Las mtricas ms
comunes son:
Mtricas Bsicas: importe, frecuencia, das con compra, etc.
Mtricas Sintticas: ratio de compra en fin de semana, cuota de bolsillo,
cuota en las diferentes categoras.
1. Portal de Clientes:
Son cuadros de mando definidos por los responsables de Marketing Intelligence
con el objetivo de conocer la situacin de la cartera de clientes. Los cuadros de
mando tpicos en este tipo de portales son:
Situacin de segmentos de clientes: una foto de los segmentos de
clientes con sus principales mtricas.
Evolucin de segmentos: Anlisis comparativo entre perodos de anlisis
Monetizacin de las estrategias de clientes: resultados de las las acciones
comerciales de la poltica promocional: venta incremental y ROI.
Migracin de clientes: Movimiento de clientes de alto a bajo valor y
viceversa.
De cara a desarrollar el portal de clientes, es recomendable tener ya disponible
el OLAP y a partir de ah, implementar el portal de clientes. Este enfoque
permite dos ventajas:

El portal debe acumular el 80% de las consultas, debe ser el punto de

informes clave de la marcha del negocio.

Una vez que el equipo de Marketing Intelligence ya haya aprendido a

usar la informacin del portal, es ms fcil disear nuevos informes y
usar el OLAP para obtener la informacin.

4. Modelos predictivos:
Son estructuras orientadas a predecir eventos futuros, por ejemplo, los
modelos de fuga estiman la probabilidad que un cliente abandone. A nivel
personal, creo que los modelos predictivos tienen una aplicacin muy limitada,
su aporte al negocio estar en funcin de su objetivo y del modelo de negocio.
Su alto coste hace necesario una valoracin exhaustiva para conocer si
todas las variables verdaderamente pueden predecir el evento, en el ejemplo
del modelo de fuga, deberamos considerar como variable de entrada las
campaas de la competencia, dado que afectan directamente a la probabilidad
de abandono de un cliente. Personalmente la tomara como una referencia ms
a la hora de definir un plan de clientes, pero debido a su coste tan alto, pocas
veces he visto una relacin coste-beneficio favorable.
A continuacin se muestra la tabla de mdulos analticos, su objetivo e impacto
en la analtica para concentrar el 80% del tiempo al anlisis.

Creacin de un datamart. Paso a Paso

Tema en 'Programacion y Diseo de Software' iniciado por jorge_anibal, 2
Septiembre 2007.

1.
jorge_anibalLanero veterano (4)
Registrado:
11 Mayo 2005
Mensajes:
155
Gust a:
15
esto me lo tope me parecio interesante y por eso lo comparto con la
comunidad
Creacin de un datamart. Paso a Paso
Si trabajan en una empresa con grandes volumenes de datos sin explotar este
post quizs les interese.
Haremos un pequeo Datamart.
Llegaremos desde el diseo del modelo dimensional hasta su explotacin y
posterior publicacin via Web.
Datamart: De manera sencilla diremos que es un gran almacn de datos al cual
puedo consultar rapidamente. Si escuchaste antes DataWarehouse te dire que
es lo mismo simplemente que el Datamart es a un nivel ms pequeo (reas,
jefaturas, etc) y el Datawarehouse es a nivel de toda la empresa. Cual me
conviene hacer primero? Aja! buena pregunta. Existen metodologas para
decidir eso.

Para que me sirve:

* Conocer a detalle la informacin de la empresa de manera rpida. Ejemplo: Si
tienes una empresa que vende podrs saber quien te compra y sobre todo
podrs averiguar que puntos en comn tienen esos compradores y enfocarte.

* Si eres parte de la gerencia. Al conocer estos datos podrs tomar decisiones a

tiempo.
* Si aplicas a un Datamart algo de Mineria de datos podras encontrar nuevos
clientes.
* etc etc etc.
Este post no explicar todos los conceptos que intervienen, si la mayoria, pero
no todos. Por eso definamos el pblico al que esta dirigido
Publico Objetivo: Personas con conocimientos bsicos de:
*
*
*
*
*
*
*

Modelado dimensional
Metodologa Kimball
SQL 2000
BI (Business Intelligence)
Cubos OLAP
OLTP
ETL

Suena feo verdad? Pero no lo es. Es super sencillo.

Herramientas:
*
*
*
*

SQL 2000 (an se usa en muchas empresas)

Analisis Services: Parte del Sql2000
Excel: Para explotar los cubos creados
MOWC: Microsfot Office Web Component. Para mostrar tu cubo por web

Anuncio
Escenario de prueba: Perteneces al rea de ventas y quieres conocer ms a tus
compradores y los productos que han comprado
Paso a Paso
Descargar Tutorial: http://www.ruedatecnologica.com/wpcontent/uploads/2007/08/rueda-tecnologica-datamart.pdf
Referencia: http://www.ruedatecnologica.com/