Antes era mucho más fácil conocer a tus clientes. Hicieron cola para pagar en tu tienda e intercambiaron bromas cuando se acercaron a la caja registradora para pagar sus productos. A medida que creabas relaciones con clientes leales, podías hacerles saber cuándo había un producto nuevo en stock o cuando había algo en oferta.
Hoy en día, la forma en que hacemos negocios no es tan sencilla. La mayoría de las interacciones con los clientes se han trasladado de las tiendas a los sitios web y las aplicaciones, y los pagos en las tiendas están siendo reemplazados por sistemas digitales en los puntos de venta.
A pesar de esta transición, tanto las marcas como los clientes desean conservar ciertos aspectos de la experiencia tradicional del cliente. Los clientes aprecian la sensación de que las marcas demuestran una comprensión básica de sus preferencias e intereses, especialmente en lo que respecta a la prevención del fraude y el servicio al cliente. Las marcas desean notificar a los clientes cuando esté disponible un nuevo producto relevante y aspiran a personalizar la experiencia del usuario según los intereses de cada cliente. También necesitan rastrear la identidad de los clientes para cumplir con las solicitudes de los interesados y practicar un gobierno de datos responsable.
Sin embargo, el desafío radica en el hecho de que identificar a sus clientes en el mundo actual, en el que lo digital es multidispositivo, es más complejo que en una tienda física. Los clientes interactúan a través de múltiples puntos de contacto a lo largo del recorrido del cliente y no siempre inician sesión en todos los dispositivos. Para comprender quién interactúa con tu marca y ofrecer experiencias relevantes basadas en esa información, debes poder convertir los datos entre dispositivos en perfiles de clientes unificados.
Han surgido dos métodos de resolución de identidad para ayudar a las marcas a lograr esto: el modelado probabilístico y la coincidencia determinista.
¿Qué es un modelo probabilístico?
El modelado probabilístico vincula las interacciones realizadas por un único usuario en varios dispositivos con un perfil de cliente unificado mediante el uso de algoritmos predictivos para vincular información como la dirección IP, el sistema operativo, la ubicación, la red wifi y los datos de comportamiento con una persona en un nivel de confianza determinado.
Por ejemplo, si un cliente anónimo navega por un producto específico en dos dispositivos distintos que están conectados a la misma red wifi, un algoritmo de modelado probabilístico puede vincular esos datos de interacción a un único perfil de usuario. Sin embargo, si un tercer dispositivo se activa en la misma red wifi y comienza a navegar por una categoría de producto completamente diferente, esos datos de interacción pueden estar vinculados a un perfil de usuario diferente.
El atractivo del modelado probabilístico es que permite crear perfiles de clientes sin recopilar ninguna información de identificación personal (PII) del cliente, como el correo electrónico, el nombre y el número de teléfono. Esto facilita el aumento de la escala de su base de datos, la creación de perfiles para los clientes potenciales más importantes y la ampliación del alcance de sus campañas.
La desventaja de los modelos probabilísticos es que hay un margen de error. Los algoritmos predictivos nunca serán precisos el 100% del tiempo, y una base de datos plagada de perfiles de clientes inexactos puede provocar una gestión manual de identidades para sus desarrolladores, un desperdicio de gastos en medios de pago para su equipo de marketing y malas experiencias para sus clientes.
¿Qué es un modelo determinista?
La coincidencia determinista, por otro lado, aprovecha los datos de primera mano que han proporcionado los clientes para unificar los datos a nivel de dispositivo en perfiles de clientes únicos con un 100% de confianza. La interacción a nivel de dispositivo solo se vincula cuando se ha compartido una PII común, lo que da prioridad a la precisión de los perfiles de sus clientes.
Por ejemplo, si un cliente interactúa con tu marca desde su teléfono móvil y tableta e inicia sesión en su cuenta en ambos dispositivos mediante un correo electrónico común, los datos de interacción a nivel de dispositivo de ambas plataformas se vincularán a un perfil de cliente común. Sin embargo, si el mismo cliente sigue navegando en su portátil y no inicia sesión con ninguna información identificable, los datos de interacción de ese canal no se unificarán en el perfil, incluso si navega por la misma categoría de productos.
La ventaja de la coincidencia determinista es la precisión de los perfiles que se crean. Al vincular solo la actividad a nivel de dispositivo cuando hay un identificador común compartido, la resolución determinista le ayuda a sentar las bases para una base de datos de clientes de alta calidad. Además, las principales herramientas de resolución de identidades le permitirán controlar cómo y cuándo se fusionan los perfiles en función de los matices del recorrido de su cliente. Los perfiles deterministas se pueden aprovechar para enviar campañas personalizadas de correo electrónico, mensajería de aplicaciones y retargeting con gran confianza.
La desventaja de la coincidencia determinista es que solo combinará la actividad a nivel de dispositivo cuando se comparta un identificador común, y no cuando probable proviene del mismo cliente. Por este motivo, la comparación determinista no proporciona la misma escalabilidad que el modelado probabilístico y puede ser menos eficaz a la hora de crear perfiles para los clientes potenciales más importantes del embudo, de los que ha recopilado menos información identificable.
¿Qué método deberías usar hoy?
Los medios por los que cree los perfiles de los clientes dependerán, en última instancia, de sus casos de uso y de su política de gobierno de datos. El modelado probabilístico le permite crear perfiles para los clientes de los que ha recopilado pocos datos propios y de cero datos, pero tiene un margen de error. Por esa razón, los perfiles probabilísticos se han utilizado a menudo para 1:Muchos casos de uso, cuando se quiere ofrecer una experiencia única a un público amplio y las malas coincidencias tienen pocas consecuencias relativamente. Por el contrario, use perfiles que son probable La precisión necesaria para impulsar las comunicaciones individuales con los clientes, como el correo electrónico, puede provocar rápidamente malas experiencias con los clientes.
Para esos casos de uso 1:1, los perfiles deterministas son muy útiles. Como se crean en función de la PII vinculada, los perfiles deterministas le permiten comunicarse directamente con los clientes con mayor confianza y eficiencia.
En los últimos años, se han producido cambios en la forma en que las marcas pueden recopilar los datos de los clientes. Desde la introducción del RGPD y la CCPA hasta la limitación del seguimiento de cookies de terceros y la introducción del marco de transparencia en el seguimiento de aplicaciones (ATT) de Apple, los consumidores han tenido más control sobre la forma en que las marcas con las que hacen negocios recopilan y utilizan sus datos.
Para que las marcas controlen su propio destino, deben dejar su adicción a las cookies de terceros y desarrollar su propia base de datos propia.
Muchos de los identificadores en los que se basan los sistemas probabilísticos, como los identificadores de dispositivos y las cookies de terceros, son cada vez más difíciles de recopilar para las marcas, ya que Google y Apple otorgan a los consumidores el derecho a decidir cómo se comparte esa información. La eficacia de un modelo probabilístico depende de la calidad y la amplitud de los datos que se proporcionan. Sin acceso a un suministro diverso de datos a nivel de dispositivo que puedan agregarse a un gráfico de identidad, se cuestiona la precisión de los perfiles probabilísticos de los clientes.
A medida que las marcas se ven obligadas a abandonar una base de datos de terceros, deben sentar las bases para una estrategia de datos propia y priorizar la creación de confianza con sus clientes. Adoptar un enfoque determinista como el núcleo de su estrategia de identidad le permitirá crear perfiles de clientes de alta calidad basados en la información que sus clientes le proporcionan directamente, de modo que pueda ofrecer experiencias personales. Una vez que haya establecido su base determinista, aún es posible aprovechar el modelado probabilístico en la periferia de su infraestructura para impulsar ciertos casos de uso.
IDSync de mParticle le brinda la capacidad de crear perfiles de clientes deterministas con datos unificados desde todos los dispositivos. Estos perfiles pueden activarse mediante programación en sus propiedades digitales con la API Profile de mParticle, conectarse a sus herramientas favoritas de automatización de marketing, análisis y experimentación, y exportarse a su almacén de datos para su almacenamiento a largo plazo a través de las más de 300 integraciones de mParticle.
.jpg)
.jpeg)
