Análisis de datos | La pandemia de COVID-19 impactó en múltiples ámbitos de nuestras vidas. Desde ya, el virus no fue solamente un fenómeno biológico sino también un fenómeno social. Todas las esferas cotidianas estuvieron en plena transformación, llevándonos a plantearnos nuevas prioridades y aprendizajes, y a reflexionar sobre nuestro uso del tiempo libre. Ejemplo de ello es que los hábitos de consumo social y la relación del cliente con las marcas e industrias se reinventaron a partir de nuevas necesidades y expectativas.
¿Cómo transitaremos la próxima “normalidad”?
Con el desarrollo masivo de las distintas vacunas para frenar la expansión del coronavirus, se comienza a conjeturar si estamos acercándonos al final de la pandemia, y si a corto o mediano plazo llegará el período de la “pospandemia”.
Nicholas Christakis, reconocido profesor e investigador en ciencias sociales y naturales de la Universidad de Yale que ha venido estudiando profundamente este tema, afirma que en el año 2024 podríamos entrar en un período de pospandemia:
“Cuando logremos la inmunidad de grupo, aunque el virus aún estará con nosotros, su poder será menor. Luego vendrá el período intermedio, donde el impacto biológico de la pandemia quedará atrás, pero aún tendremos que lidiar con el impacto económico y social. Y, alrededor de 2024, entraremos en el período de la pospandemia, donde la gente buscará inexorablemente más interacción social”, consideró el intelectual.
Tendencias de consumo e insights pospandemia
Desde un lugar muy humano, la pandemia llevó a los consumidores a ser más conscientes a la hora de consumir y a demandar ciertos valores a las marcas: coherencia, consistencia, compromiso real con el cliente y, sobre todo, accesibilidad más allá de la sustentabilidad, ya que un precio alto hoy podría ser un obstáculo. Estudios globales del sector muestran que alrededor del 76% de los consumidores espera «que las marcas reconozcan sus preferencias, necesidades y expectativas”.
Teniendo en cuenta este factor, surge una clara oportunidad para las empresas. Deben encontrar cuál es el valor agregado más profundo que capitalizan y en qué están colaborando con las nuevas prioridades de los consumidores para su vida, más allá del producto o servicio que ofrecen.
En este contexto, y para este modelo de negocios, el aprovechamiento del análisis de grandes volúmenes de datos de los consumidores no sería una opción más entre varias, sino EL estándar a adoptar frente a los años venideros.
A fines de 2020, el jefe estratégico de métricas de Google, Neil Hoyne, declaró en el simposio virtual “The Use of Analytics and AI in the Post-Pandemic World” que las empresas que van a ganar en este proceso “son las que utilizan datos, no adivinan”. En línea con esta afirmación, algunas de las tendencias e insights que claramente los científicos e ingenieros de datos deben incorporar y adaptar para satisfacer las necesidades empresariales y urgentes son:
1) La oportunidad de seguir siendo relevante: durante la pandemia los consumidores se han vuelto más cautos, priorizando productos de primera necesidad relacionados con la alimentación y la salud. En este punto, las empresas deben acercarse cada vez más al cliente para orientarlo con información en tiempo real y proveerle de las mejores opciones precio-calidad. Las estadísticas señalan que “el 20 % de los consumidores se sienten más satisfechos por una marca que los ayuda durante la compra”.
2) El auge del e-commerce: América Latina fue una de las regiones que más creció en comercio electrónico durante la pandemia y la conectividad ha pasado a ser un servicio de primera necesidad. Analizar los patrones de comportamiento del consumidor y poder optimizar las plataformas digitales adecuadas, a fin de lograr interacciones más rápidas y efectivas, son algunos de los desafíos que depara el después de la pandemia. También lo son generar ofertas y promociones que tengan en cuenta la realidad y posibilidades económicas (fluctuantes) de este segmento.
3) Mejorar los análisis de datos e influir en el consumidor: saber cuál es el mejor momento para mostrar anuncios en tiempo real es una llave importante para las marcas y empresas que tengan en cuenta el data analytics y lo exploten en el aprendizaje del consumo social. De este modo, la ciencia de datos puede contribuir profundamente para influir en tres aspectos centrales del comportamiento del consumidor: a) personal (interés y opiniones de los clientes); b) psicológico (percepción y pensamientos comunes); c) social (grupos, segmentos y actividades usuales en redes sociales y plataformas).
4) Consumer centric, escuchar la voz del consumidor: como se ha observado, durante la pospandemia los consumidores demandarán a las marcas nuevos valores asociados al compromiso y la solidaridad social. El consumidor (y sus expectativas futuras) debe estar siempre en el centro del negocio. Las redes sociales, el feedback a través de encuestas y de servicios post venta, los espacios de co creación, la escucha activa, son algunas de las herramientas para alcanzar un diálogo permanente con los consumidores y entenderlos mejor, especialmente en contextos cambiantes y de reacomodación de hábitos y consumo. Se tratará de asegurar una experiencia de compra y consumo UX que pueda conjugar estas demandas.
Data Science: una clave para el estudio de patrones de comportamiento social
Durante los últimos años, el crecimiento en el uso intensivo de internet y las redes sociales ha contribuido a que los consumidores estén mejor informados y sean más exigentes: la economía ha cambiado a un modelo de “atracción” impulsado por el cliente, tendencia que el coronavirus sólo ha acelerado. Los clientes sólo compran bienes y servicios online que satisfacen adecuadamente sus necesidades.
Consideramos que las empresas y consultoras con expertos en data science, como 7Puentes, adquieren un rol central en este asunto.
Primero, porque desarrollan modelos con información precisa, cada vez más ágiles, para entender una realidad económica dinámica y cambiante. Esto ocurre aún en procesos de crisis, donde la mayor complejidad es poder corregir las desviaciones drásticas de los patrones históricos de comportamiento del consumidor e interrupciones en tendencias de este consumo usual, lo cual lleva a que el aprendizaje automático (machine learning) aporte solidez a un modelo comercial que introduce la disrupción y la propia deriva del modelo (imperfecto).
Segundo, porque es vital que los algoritmos que dictan los precios, el servicio al cliente y las decisiones de la cadena de suministro se alineen con ese mismo objetivo.
En síntesis, en tiempos de pospandemia los científicos e ingenieros de datos deberán ir virando hacia modelos cada vez más orientados al cliente para satisfacer las necesidades de las empresas.