Archivo de octubre, 2019

Cómo ofrecer una experiencia de cliente innovadora

Publicado en 17 de oct de 2019 por Alberto CórdobaNo Comments

 

Dani Segarra, Consultor de Transformación

“Si le hubiera preguntado a mis clientes qué querían, me hubieran dicho que un caballo más rápido” (Henry Ford)

Nos encontramos en un momento en el que todos los sectores y compañías están haciendo un gran esfuerzo por ofrecer una experiencia diferencial a sus clientes: invierten en proyectos de customer experience, crean departamentos nuevos, fomentan la transversalidad, promueven los enfoques agile… Pero cuando se observa el resultado final, lo que el cliente ve, es que todas ellas “saben” igual; todas parecen más de lo mismo. ¿Por qué ocurre esto?

En este artículo vamos a explicar cuál es la pieza del puzzle que les falta a las empresas para que su experiencia de cliente sea innovadora y empiece a diferenciarse realmente de la competencia.

Se trata de ser más ágiles… o no

En un mundo en el que las tendencias cambian y se suceden a mayor velocidad que nunca, el éxito de un negocio cada vez está más ligado a su agilidad para responder a tiempo.

Conscientes de ello, las empresas de todos lo tamaños están abrazando la forma de trabajar que proponen las metodologías agile –donde lo que se busca es reducir los ciclos de producción gracias a la eliminación de los procesos de poco valor–, incorporando desde el principio la voz del cliente.

 

Así, se trata de un diseño iterativo donde el producto se va perfeccionando con cada nuevo ciclo: primero se prioriza entre las funcionalidades más importantes, y se construyen; después, se mide mediante user test y, por último, se evalúa el resultado y se decide qué acciones deben incorporarse en el siguiente ciclo. De esta forma, lo que se logra es un proceso continuo de mejora. Pero, ¡ojo!, agile tiene un punto débil: no sirve para innovar.

Mejora continua vs. innovación continua

Para que podamos aplicar agile, necesitamos una solución sobre la que iterar y mejorar. En otras palabras, si Henry Ford hubiera seguido una metodología agile, solo le hubiera servido para crear el caballo o la bicicleta 2.0, pero no un automóvil accesible a las masas.

Así pues, el motivo es que innovar no es un proceso gradual de perfeccionamiento, sino algo disruptivo; no es ir de A a B y de B a C, sino de A a no-tengo-ni-idea. Por tanto, si lo que queremos es innovar, debemos enfocarnos, en lugar de en la solución, en el problema o necesidad del cliente de la que partió todo.

Esto fue lo que hizo Ford, volvió al problema en lugar de partir de las soluciones (caballos y bicicletas), y desde ahí reenmarcó la solución: fabricar un automóvil accesible a las masas.

 

De esta forma, para que una empresa no solo mejore, sino que innove, tenemos que completar el primer diagrama con este segundo, tal y como proponen desde Design Council en su modelo del Doble Diamante.

Y es que, el motivo por el que todas las empresas están ofreciendo “más de lo mismo” es porque la mayoría se centran en la parte derecha del diagrama, es decir, en la solución –“¿cómo puedo seguir mejorando mi solución?”– y pasan de puntillas por la parte izquierda, el problema –“¿estoy resolviendo el problema correcto?”–.

Así, el error que cometemos al no mirar el primer diamante –el de descubrir las necesidades–, es que el espacio que deja libre se rellena con las suposiciones sobre lo que quiere el cliente, “verdades” de pasillo, clichés o estudios obsoletos.

Por lo tanto, como se ve en el diagrama, hay momentos para innovar o descubrir nuevas soluciones, y hay momentos para mejorar y validar las que ya hay. No son procesos excluyentes, sino más bien complementarios.

Si crees que tu empresa sí mira al problema…

Me imagino que alguno de vosotros pensaréis: “nosotros sí miramos a ese lado; medimos la satisfacción, hicimos unos focus group y unas cuantas entrevistas, y hasta tenemos un customer journey”.

Si es este caso, te diré que los estudios, como los alimentos, también caducan y que debemos renovarlos. Porque si los mercados cambian constantemente, nuestra comprensión del problema debe evolucionar y, por tanto, actualizarse. No nos podemos permitir el lujo de tomar decisiones en base a datos desactualizados.

Un consejo es que, al menos una vez año, lancemos una investigación seria y planificada centrada en las necesidades del usuario. Digo “seria” porque según Rohit Deshpande, director de marketing y experto en investigación en Harvard Business School, el 80% de todas las investigaciones de clientes solo sirven para confirmar lo que las compañías saben, en lugar de probar y desarrollar nuevas posibilidades. Así, el espíritu de las investigaciones debe ser el de “retar” con evidencias lo que la empresa “sabe”.

Sienta al cliente en la mesa

Y es que, ahora más que nunca es de vital importancia mantener líneas de investigación abiertas, conducidas de manera rigurosa e imparcial, cuyos hallazgos cuestionen lo que ya creemos saber del cliente y que nos permitan pensar “fuera de la caja”.

Por ello, es fundamental que sentemos (metafóricamente hablando) al cliente en la mesa de reuniones, para que participe en los debates, dé un golpe en la mesa cuando toque o, incluso, si no tiene interés por lo que se esté hablando, se disculpe y abandone la sala un rato.

Así, además de fomentar metodologías agile, es bueno apostar por perfiles expertos en cliente, que se encarguen de “llevar” al cliente a los procesos de la empresa, de que sea uno más en las reuniones. Solo así conseguiremos ofrecer una experiencia realmente innovadora y centrada en el cliente.

 

Machine learning y Experiencia de Cliente, un matrimonio feliz

Publicado en 9 de oct de 2019 por Alberto CórdobaNo Comments

 

Rafael Vara, CEO de Lukkap Iberia&Latam

¿Es el machine learning el futuro de la experiencia de cliente? Si lo analizamos, podemos concluir que, sin duda, el futuro de la experiencia de cliente pasará, seguro, por la predicción de comportamientos.

En este sentido, hasta ahora se analizaba y medía el comportamiento del cliente ante la propuesta de valor de cada compañía. Pero lo hemos hecho por pura necesidad, porque el cliente exige más; exige porqué está en posición de exigir, exige porque nos encontramos en un ciclo económico donde la oferta supera, como nunca en la historia, la demanda, exige porque los niveles de consumo son exagerados y porque la cultura de compra compulsiva americana se ha asentado en Europa y Asia.

Estos hechos hacen que cualquier equipo directivo tenga que “devanarse los sesos” para hacer que la compra sea una experiencia en sí, que genere ciertas sensaciones diferenciales para los clientes. El producto por sí mismo ya no es diferencial; los productos se copian o, incluso peor, se mejoran en tiempo récord que hace que su ciclo de vida sea tan corto que no tenga sentido analizarlo. Sin embargo, la experiencia es un plus para los clientes.

Durante los últimos años hemos visto que una ventaja diferencial podría ser un NPS –Net Promoter Score– alto (tasa de recomendación de un cliente a otro), sin embargo, este índice es, en múltiples ocasiones, muy pernicioso y engañoso para la dirección de las compañías, ya que, por ejemplo, puede realizarse en un momento incorrecto, medirse con el empleado presente o que el empleado induzca a la respuesta positiva.

Con el fin de mejorar estos fallos, la disciplina de Experiencia de Cliente ha profundizado en su metodología de medición –incluyendo los momentos clave de una relación con el cliente, los hechos que vive y sus percepciones con la marca– y ello nos ha permitido obtener datos de calidad que nos permiten conocer y anticiparnos a lo que es vital para nuestro cliente.

Así, en este momento, la metodología ya nos permite ir un paso más allá, nos permite adelantarnos; tanto en las relaciones online, como en las offline, podemos, gracias a un buen customer journey, tener datos de tanta calidad que nos permitan anticiparnos a lo que el cliente quiere.

Pero, ¿qué es lo próximo en materia de experiencia?

Todo apunta a que deberá ser la predicción de comportamientos, no solo la anticipación. De ahí que resurja el machine learning. Y digo resurja, porque no es nuevo ni nació ayer.

Sin embargo, es en este momento histórico cuando más fácil es ponerlo en práctica. Principalmente por dos razones: ahora somos capaces de tener múltiples datos de calidad y es barato almacenarlos.

Así, por un lado sabemos que el machine learning es una rama de la inteligencia artificial que nos permite aprender de los datos, identificar patrones y tomar decisiones con cierta intervención humana, mientras que, por otro, sabemos que la metodología de experiencia de cliente está ultra contrastada y que, gracias a ella, conseguimos incrementar los KPI (Key Performance Indicator) de negocio con nuevas experiencias diseñadas.

Entonces, ¿por qué no unir ambas metodologías?

  1. La potencialidad y hallazgos, hasta la fecha, de utilizar ambas metodologías en simultáneo provoca grandes beneficios
  2. Se pueden tomar decisiones empresariales bajo una sólida base científica. Se puede entender qué aspectos son clave para el cliente, qué le molesta, qué le gusta contestar y nos aporta y qué no. Por ello podríamos ahorrar miles de euros en estudios de calidad inocuos.
  3. Se puede anticipar la necesidad y requerimiento del cliente.
  4. Se le puede sorprender con mayor nivel de acierto.

Sin duda, abordar un proceso de Customer Centric tiene sentido hoy en día y, más aún, con las metodologías tan sólidas que existen y con expertos en machine learning. El reto está ahí. Es bonito, es innovador, es transformador.