Big Data > Analytics

Como o Big Data pode ajudar na fidelização da marca

A visão fim-a-fim da experiência dos clientes sob a perspectiva do próprio consumidor é algo que pode fazer toda a diferença

23 de Dezembro de 2016 - 07h00

Até alguns anos, a maioria dos programas de fidelidade de varejo era composta “apenas” pelo uso de um cartão com um número de recompensas e foco principal em premiar os compradores com base em seus gastos. A recompensa normalmente implicava preços reduzidos alcançados na forma de (i) resgate de pontos ganhos com uma compra; (ii) desconto ‘diferenciado’ por fazer parte do clube de fidelidade; ou simplesmente (iii) acesso a preços de membros "especiais".

O aumento da concorrência, a introdução de novos canais (digitais, móveis, sociais), o crescente número de millennials direcionando o consumo, entre outros fatores, geraram uma necessidade de os varejistas repensarem seus programas de fidelidade.

Enquanto os comerciantes pensam que a fidelidade está morta e os compradores estão simplesmente procurando pelo melhor preço, diversos estudos indicam que o consumidor “new age” tende a ser leal às marcas, porém, não se restringe a apenas um varejista para suas necessidades de consumo.

Os atuais consumidores não consideram como programa de fidelidade um simples desconto. Eles buscam um programa que agregue valor, e isso implica em:

1 - Benefícios Personalizados

Receber produtos ou oferecer recomendações que sejam relevantes para suas necessidades de compra. Os consumidores querem descontos, mas também desejam um serviço personalizado ou um atendimento que melhore sua experiência de compra.

Exemplos de serviços personalizados podem ser: (i) estacionamento com manobrista gratuito; (ii) serviço gratuito de entrega; (iii) acesso a um comprador pessoal ou estilista; (iv) check-out expresso para pessoas que gastam muito.

2 - Conveniência

Capacidade de resgatar recompensas obtidas em qualquer formato, em qualquer hora e por qualquer canal. Os clientes sequer se recordam mais da época em que carregavam cupons de recompensas impressos (ou digitais) para poder resgatá-las.

Os compradores exigem que os varejistas os conheçam, os atendam e apliquem as recompensas (ou ofertas) relevantes obtidas para a compra.

3 - Recompensas Relevantes

Capacidade de resgatar recompensas programadas para o ciclo de compras dos consumidores, no momento, canal e contexto que for mais relevante para eles.

Enquanto os compradores se tornam mais exigentes, também estão mais abertos para compartilhar suas informações em troca de valor. Plataformas de dados, soluções e serviços podem ajudar os comerciantes a redesenhar seus programas de fidelidade e, desta forma, gerar situações em que todos saem ganhando, tanto o varejista quanto o consumidor.  

Veja como.

Captura de dados: As plataformas de Big Data dão aos varejistas a capacidade de coletar e armazenar grandes volumes e diferentes tipos de dados. As soluções baseadas nessas plataformas podem armazenar não só dados estruturados - como aquisição e uso de recompensas de fidelidade e histórico de transações de compra - mas também dados não estruturados, como histórico de navegação online, feedback e pesquisas, logs de compradores e engajamento em ativos de marcas de mídia social.

Esses diferentes elementos de dados ajudam os varejistas a obter uma visão abrangente de seus compradores.

Análise de dados: As soluções de Big Data podem executar análises em escala e rapidamente gerar diferentes perfis de compradores, com insights mais ricos. Com base nesses perfis, os profissionais de marketing podem definir programas de fidelidade para alcançar o comportamento desejado, tais como: (i) aumento de repetições, (ii) ampliação de gastos; (Iii) aquisição; (Iv) retenção de clientes em risco; (V) aumento de lucratividade.

Simultaneamente, os comerciantes podem identificar perfis para mapear incentivos relevantes para conduzir o comportamento - oferecer (i) descontos e/ou (ii) agrados.

Automação de processos: As tecnologias de BigData tornaram possível (i) automatizar o processo de coleta e armazenamento de dados; (ii) executar análises para fornecer rapidamente informações sobre os compradores; (iii) oferecer produtos ou recompensas personalizadas a cada comprador com base em seu canal de engajamento, histórico de compras, intenção de compra e cronograma; e (iv) monitorar métricas e mudanças no comportamento do cliente para medir o sucesso do programa de fidelidade.

Tão importante quanto as possibilidades tecnológicas é o contexto de negócio onde elas se inserem.

Por exemplo, recomendar conteúdos (ex. filmes ou músicas) baseado no histórico de consumo do cliente (e com todo seu ‘contexto’ incorporado, como o horário do dia em que o conteúdo foi consumido, local de consumo, canal etc.) já é algo bastante relevante, complexo e que traz benefícios inegáveis ao negócio (que nos diga o NetFlix).

Mas, e se eu comecei a assistir um filme e parei nos primeiros 10 minutos, simplesmente porque ele não me agradou? Neste caso, a reprodução de um trailer já não seria suficiente? Se este pequeno detalhe não for considerado, os algoritmos de recomendação, geração de ofertas e de recompensas podem ficar “desconectados” da realidade do cliente por um bom tempo.

O mesmo ocorre quando a transação de compra de um produto (ou serviço) não tem como finalidade o consumo próprio (ex. um presente). O uso simplista desta informação geraria recomendações potencialmente relevantes apenas ao presenteado.

Mas e se fossem oferecidas ofertas (ou benefícios/experiências) ao consumidor que pesquisou o presente, poupando-lhe de inconveniências, inclusive de pesquisar novos presentes em um varejo concorrente? E se as ofertas (ou experiências) de fidelização fossem baseadas no contexto físico (ex. geolocalização) do consumidor, potencialmente antes dele ser “atraído” ou “capturado” por um ambiente (loja física ou canal) de um concorrente?

Enfim, como você está usando o Big Data para melhorar a fidelização dos seus consumidores?

 

(*) Daniel Lázaro é diretor executivo para Tecnologias de Analytics da Accenture na América Latina