¿Sólo necesitamos “Big Data”?

En la toma de decisiones de marketing los “Big Data” no son los únicos datos relevantes sobre los clientes que debemos obtener, sino que también necesitamos lo que llamamos “Thick Data”.

Los “Thick Data” son aquellos datos resultantes de la observación del comportamiento humano y sus motivaciones subyacentes. En cambio los “Big Data” surgen de los múltiples puntos de contacto que una organización tiene con sus clientes. Hasta la fecha, los “Thick Data” y los “Big Data” se han empleado por tipos de individuos muy diferentes: mientras que los primeros han sido gestionados por personas con conocimientos en el ámbito de las ciencias sociales, los segundos han sido promovidos por personas familarizadas con el análisis (también llamado “analytics”), a menudo vinculadas con las funciones de TI en el marco de la organización. El problema es que, generalmente, ha habido muy poco diálogo entre ambos en el marco de la empresa.

Y, la realidad es que la combinación de estos dos enfoques puede resolver muchos de los problemas que cada categoría de datos enfrenta por sí solo. La fuerza de los “Thick Data” proviene de su capacidad para establecer hipótesis sobre el porqué las personas se comportan como lo hacen. Sin embargo, no pueden responder a preguntas entorno al “cuánto”. Por su lado, los “Big Data” tienen la ventaja de ser – en gran medida – incuestionables, dado que son el resultado de toda la población de clientes en lugar de una pequeña muestra. El problema es que estos sólo pueden cuantificar el comportamiento humano, pero no pueden explicar sus motivaciones. O, en otras palabras, no puede llegar a un “porqué”.

La organización tan sólo puede obtener una imagen completa sobre sus clientes que permita aportar soluciones reales a los problemas estratégicos que enfrentan los directivos de marketing de la compañía mediante la combinación de los dos tipos de datos. Asimismo, tener la capacidad interna de combinar los “Big” y los “Thick Data” va a permitir a la organización dejar de depender de lo que ha sido hasta ahora, y en muchos casos, la piedra angular de la mayoría de programas dirigidos a recoger y entender los puntos de vista de los clientes: las encuestas interminables y/o los grupos de discusión que pretenden explicar las motivaciones y actitudes de los clientes, pero que en realidad acaban aportando muy poco valor estratégico.

Pongamos un ejemplo real: el de una gran cadena de supermercados que trata de actuar sobre la disminución de sus ventas y la erosión de su cuota de mercado. El CMO podía observar esta evolución con los datos de ventas disponibles en la empresa, al igual que podía ver que algunas de las piezas clave de su negocio parecían estar desapareciendo, pero no tenía ni idea de lo que estaba causando el cambio.

Para entender lo que estaba pasando, el CMO siguió las pautas estratégicas tradicionales: se puso en marcha una gran encuesta: pidió a 6.000 de clientes que respondieran a más de 80 preguntas entorno a la toma de sus decisiones de compra, su sensibilidad hacia los precios, la importancia de las marcas, entre otros aspectos.

Sin embargo, los resultados de la encuesta no pusieron a la superficie ningún conocimiento relevante que contribuyera a redirigir la situación actual del negocio. Por ejemplo, el precio era el factor más importante para la mayoría de los clientes, pero a su vez el 80% afirmaba elegir siempre alta calidad sobre baja calidad, a pesar de que le fuera a costar más. Asimismo, el 75% de los clientes llamados “gourmets” afirmaban que regularmente compraban en las tiendas de descuento. Si bien era una creencia común entre el equipo de gestión de la cadena de supermercados de que se estaban perdiendo clientes en las tiendas de descuento, ¿por qué los clientes manifestaban que pagarían por la calidad?

Paralelamente a esta encuesta, el CMO también decidió encargar un estudio para obtener “Thick Data”. Su objetivo era conocer como eran los patrones de compra de los consumidores en su día a día. Por ello, durante dos meses un equipo de investigadores se pasó cientos de horas yendo de compras con los clientes, observándolos mientras compraban, planificaban y preparaban sus comidas.

Cuando se analizaron los resultados del estudio, se observó la existencia de un cambio importante en los consumidores: no sólo estaban modificando sus hábitos alimenticios, sino que todos sus hábitos sociales también lo estaban haciendo. Las rutinas familiares estables estaban despareciendo, por lo tanto, realizar predicciones era cada vez más difícil. Uno de los datos más reveladores fue la desaparición de la comida en familia durante la semana. Las familias simplemente estaban dejando de comer juntos en la misma hora todos los días. Por ello, muchas familias tenían tres o cuatro dietas diferentes a considerar.

Este cambio fundamental estaba teniendo un impacto muy importante sobre el comportamiento de compra. Los consumidores estaban haciendo compras más de nueve veces a la semana en promedio. Igualmente, los individuos ya no eran leales a supermercados específicos, a pesar de elegir los que se ajustaban mejor a su necesidad de comprar rápido y de forma práctica. Cansados de trabajar todo el día, lo último que querían los consumidores era comparar detalladamente los precios en diferentes supermercados.

El estudio también reveló que la dicotomía entre precio y calidad era superficial. Los individuos no categorizaban los supermercados en base a sus criterios de descuento. Más bien, parecían guiarse por la personalidad y experiencia proyectada por las diferentes tiendas. Por ejemplo, a los ojos de los consumidores algunos supermercados mostraban “eficiencia”, mientras que otros “frescura”, “proximidad” o “practicidad y ahorro”.

Para satisfacer las necesidades del consumidor, el CMO consideró que la cadena de supermercados tenía que entregar experiencias de compra, que a su vez fueran relevantes y distintivas para sus clientes.

Para validar esta idea, el equipo de marketing decidió cotejar los “Big Data” de sus tiendas. Se miró la importancia de la comodidad mediante la correlación existente entre la ubicación de cada tienda y el volumen de compras de cada una de ellas. Los datos revelaron un patrón: las cadenas de supermercados más exitosas se encontraban donde el tráfico era más denso. También se observó el papel que las diferentes experiencias jugaban en las diferentes tiendas, mediante la comparación de las ventas, el tamaño de la tienda y los datos demográficos disponibles de los clientes. Se observó también otro patrón: que las tiendas con unos mejores resultados tenían un alto grado de diferenciación, así como la capacidad para adaptarse a las características demográficas de la zona que las rodeaban. Y, una vez más, los datos revelaron que las tiendas de la cadena de supermercados no se establecían en base a esta realidad.

La conclusión era clara: las experiencias que las tiendas de la compañía ofrecían no estaban sincronizadas con la realidad de los consumidores. En lugar de centrarse en la reducción de los precios, la estrategia futura de la organización debía basarse en una idea diferente: la construcción de una personalidad y experiencia de compra distintivas que se ajustaran a las vidas fragmentadas de los clientes.

Como muestra este ejemplo, los CMOs necesitan familiarizarse con las fortalezas y debilidades de los dos tipos de datos. En el nuestro ejemplo, los “Big Data” alarmaron al CMO, lo que impulsó la exploración del porqué los resultados de la compañía estaban cambiando. Por su lado, los “Thick Data” ofrecieron los conocimientos necesarios para entender los grandes cambios que había detrás y contribuir a tomar la decisión correcta.

Para empezar a trabajar conjuntamente con éxito con los dos tipos de datos, la empresa, y en concreto la función de marketing, necesitan revisar sus pautas de conocimiento de los clientes, así como establecer vínculos estrechos con los directores financieros. Si bien es cierto que combinar “Big” y “Thick Data” no es fácil – dado que requiere cambiar prácticas establecidas, contar con las personas con las capacidades necesarias y la asignar los recursos necesarios – su poder lo justifica…

Comments
2 Responses to “¿Sólo necesitamos “Big Data”?”
  1. Enric Bryson Mira says:

    Marta debo felicitarte, el ejemplo de la cadena de supermercados es de una claridad meridiana para visualizar la complementariedad entre Big Data y Thick Data. ¿Consideras que las potencialidades de la información contextual que ofrece Thick Data son conocidas por la empresa? ¿se utiliza esta fuente de información complementaria?

  2. Gracias Enric 🙂 En relación a tu pregunta creo que la empresa no conoce el potencial de los Thick Data y por ello opta por los Big Data complementados con focus groups o grupos de discusión, en muchos casos, de valor cuestionable. Bajo mi punto de vista no ayuda a que las organizaciones no cuenten con las personas y/o capacidades adecuadas para decidir qué tipo de información necesitan para responder a las problemáticas de la empresa 🙂

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: