Archivo de la etiqueta: marketing

Lo que esconden tus datos: Análisis de CRM para mejorar precios, catálogos, marketing y ¡más!

La vida de un negocio son sus ventas. La complejidad es que las ventas son tanto arte como ciencia. Uno de los retos más comunes cuando trabajamos con empresas o grandes corporativos es el descifrar la fórmula para construir una estrategia comercial exitosa. Sin duda en estos tiempos esa fórmula se vuelve dinámica ante las circunstancias y son muchos los elementos a configurar. Por suerte la materia prima detrás de toda la parte “científica” de esto se encuentra en nuestro elemento favorito: los datos. En esta entrada vamos a platicar acerca de las distintas formas en las que los datos comerciales y de tu CRM se pueden usar para capitalizar mejoras en precios, catálogos, marketing, programas de descuentos y mucho más.free_Suscriber

Antes de comenzar es crucial entender un poco de historia. La gestión de la relación con clientes ha sido uno de los componentes más antiguos de los negocios. La infalible pluma y papel fueron suficiente en su momento para llevar el registro básico de las ventas y los clientes. En los años 50´s llegó el famoso Rolodex (se vale buscar en Google, yo también lo descubrí recientemente) que ofrecía la capacidad de girar los registros mientras añadías nuevos clientes y actualizabas la información de otros ya existentes. El siguiente gran paso se da a inicios de los 80´s cuando llegan las bases de datos a revolucionar el proceso de consolidación de la información de los clientes, aunque a finales de esa década el aprovechamiento de estas bases de datos era aún limitado, figuraba tan solo como un directorio o Rolodex digital, con pocos insights y casi nulas interacciones de la compañía con sus clientes. Hasta inicios de los 90´s comienza la automatización de los procesos de ventas y justo en 1995 se acuña el termino Customer Relationship Management o CRM, por sus siglas en inglés. A partir de esa década comienza la profundización en los análisis y una gestión mucho más detallada e inteligente de la relación con los clientes.

El pase de diapositivas requiere JavaScript.

Ahora bien, el CRM perse es una herramienta tecnológica pero su punto de partida, como en todo, son los datos que se alimentan en él. En este sentido la primera etapa importante antes de analizar los datos comerciales y de CRM es precisamente generarlos. Dentro de esta etapa de recolección de datos es importante establecer los procesos de negocio en donde interactúas con tu cliente y se abre la posibilidad de ese intercambio de datos o de información. Asimismo, es crucial que como negocio definas los datos “necesarios” y los datos “deseados” que buscas obtener de tus clientes para poder comenzar a llenar este CRM. Finalmente, debes establecer una mecánica de incentivos para poder propiciar de manera natural y benéfica para ambas partes el hecho de compartir estos datos.

Vamos a aterrizarlo en un caso de negocio. Eugenio, uno de nuestros clientes dentro de la industria energética, nos pidió apoyo para generar su estrategia go-to-market de su nuevo panel solar. Esta claro que analizamos sus datos comerciales y de su CRM, pero lo interesante aquí es resaltar los 3 atributos que mencionamos en el párrafo anterior. Eugenio tenia claro que uno de sus procesos de negocio mas importantes era el hecho de la interacción del cliente en su página web, dado que por la naturaleza del producto y el servicio que lo acompaña, el anaquel digital resultaba muy relevante. Después estableció que los datos que necesitaba obtener del cliente eran su ubicación y el consumo promedio de luz, aparte de los datos de contacto. Fue así como se le ocurrió armar una “calculadora de ahorro” dentro de su sitio web como un incentivo para que el cliente pudiera compartir estos y otros datos a cambio de un beneficio directo que era el calculo del monto estimado de ahorro que podía obtener con el nuevo panel solar que se estaba ofreciendo.

datlas_mx_blog_crm_customer_master_data_management-01

Hasta aquí se ha logrado establecer una dinámica para obtener los datos, el paso siguiente es precisamente adentrarnos en los datos. Cuando estamos analizando datos comerciales y de CRM es importante hacer un diagnostico y establecer el inventario completo de variables con el que vamos a estar trabajando, es decir, a pesar de que para un negocio un medio de contacto sea el teléfono, para otro podrá ser el correo electrónico o incluso ambos. En este sentido el punto de partida es entender muy bien la base de datos, las variables con las que vamos a estar “jugando” y comenzar a establecer algunas categorías de datos como, por ejemplo: perfil, canal fuente, dinámica. En el caso de Eugenio por ejemplo cuando hablamos de la categoría perfil estamos agrupando todos los datos que hablan del cliente como, por ejemplo: su nombre, su correo, su teléfono, el lugar donde vive, etc. Cuando hablamos de canal fuente estamos hablando de la forma en la que conoció y se entero de la empresa, como llego, si tuvo algún costo esa publicidad por la que se enteró, etc.

Finalmente, en la categoría de dinámica es necesario hacer una profundización todavía más importante ya que nos referimos a los datos que distinguen y diferencian a los clientes a lo largo de las etapas del proceso o ciclo de ventas. En este caso cuando hablamos de proceso o ciclo de ventas es relevante comprender la metodología que esta utilizando el negocio. Sabemos que existe mucha literatura, estudios y propuestas acerca de ventas, procesos y ciclos, algunas de 5 pasos, 7 etapas, 9 fases, etc. Aquí lo esencial es entender la forma en la que el negocio distingue entre un cliente que esta en la etapa 1 y como es que pasa a estar en la etapa 2, por ejemplo. En el caso de Eugenio, ellos tenían una gestión muy sencilla con 3 grandes etapas: lead, prospecto y cliente (o venta). En su equipo definieron un lead como todo aquel individuo que haya mostrado interés en su producto a través de compartir su información. Esa persona no podía pasar a la etapa de prospecto si no habían ocurrido 3 cosas: había entrado en contacto con un representante de ventas, había aceptado que se le generara una cotización y ya se le había generado y comunicado esa cotización. Finalmente se convertía en cliente (o venta) una vez que aceptada dicha propuesta o cotización y se generaba la factura de venta. De esta manera, se logra una claridad en cuanto a los datos que permite entender a quien realiza el análisis donde buscar y que datos utilizar al momento de atacar los distintos retos o hipótesis que se planteen al inicio del ejercicio.

El pase de diapositivas requiere JavaScript.

En cuanto se tiene claro los datos y las estructuras del CRM y la información comercial es momento de apalancarla para atacar los retos del negocio. En este caso, por ejemplo: mejorar precios, catálogos, marketing y programas de descuentos.

En el caso de mejoras o cambios en precio, tomando como ejemplo a Eugenio y su negocio, es de suma importancia poder apalancar los datos que tienen que ver directamente con la conversión, es decir, con la parte del proceso en el que pasa de prospecto a cliente. Lo que se hace aquí es agrupar a aquellos individuos que hayan tenido como principal indicador de “no conversión” un tema del precio y utilizar los datos del CRM para generar una segmentación. Ahora bien, cuando nos referimos a segmentación no estamos hablando del típico hombre/mujer, edad, etc. Sino un tema de necesidades, es decir, hay que descifrar que nos pueden decir los datos acerca de la necesidad o el beneficio percibido por el cliente en contraste con el precio. Por ejemplo, en el caso de Eugenio, ellos tenían claro el consumo promedio, con lo que pudieron hacer un análisis y encontraron una correlación entre consumo promedio y el precio estándar del nuevo panel, de tal forma que se dieron cuenta que para el punto de precio del nuevo panel el segmento de clientes al que debían dirigirse se distinguía por tener una necesidad de ahorro a partir de cierto consumo. ¿Y eso que con el precio? Precisamente estos insights permitieron que se buscaran alternativas para generar productos con un punto de precio más bajo para ese segmento detectado o incluso explorar alternativas como financiamientos, arrendamientos o planes de pagos que pudieran tener un impacto indirecto en la percepción del precio por parte del cliente.

datlas_mx_blog_crm_pricing

Por otro lado, en el tema de mejoras al catálogo de productos el acercamiento al reto debe darse de forma distinta. Retomando el ejemplo de Eugenio y su negocio, para este punto estaríamos enfocándonos en analizar los datos dentro de las etapas de lead y prospecto, para destacar cuales fueron aquellos productos en los que las personas mostraron más interés. Igualmente cabe la posibilidad de una segmentación por necesidades. Si analizamos, por ejemplo, las palabras claves o los anuncios utilizados en las campañas de generación de leads y las cruzamos con términos relacionados nos podríamos dar cuenta, como Eugenio, que existe un particular segmento de clientes que no solo está interesado en paneles, sino que en el contexto de su búsqueda esta preocupado por el medio ambiente, busca alternativas de energía sustentables, renovables, etc. De tal suerte que pudiera explorarse, haciendo quizá un A/B testing, la forma de incluir dentro del catalogo de productos unos focos o bombillas de tecnología lead ya que consumen menos energía, iluminan más, etc. De esta forma hay un impacto directo en el catalogo de productos.

datlas_mx_blog_consultoria_crm_catalogo

Finalmente, para el tema de marketing, que sin duda es todo un universo y un mundo en sí mismo, existen bastantes formas de apalancar los datos comerciales y del CRM para enfocar mejor las campañas de mercadotecnia. En el caso de Eugenio, e incluso para nosotros, la información de la fuente desde la que se genero ese lead ha sido muy importante para discriminar entre los distintos canales de difusión y marketing. Igualmente, los datos del perfil del cliente nos han ayudado a definir áreas geográficas, zonas, regiones en donde enfocar puntualmente las campañas. Complementando con el punto anterior y apalancando incluso también información de la fase de cliente (o venta) se pudieran analizar atributos o características claves que el cliente percibe y expresa acerca del producto como para ajustar los mensajes, las frases y los anuncios en términos de lenguaje, beneficios a comunicar y formas de realizar el acercamiento.

Así que estas son algunas de las formas en las que hemos apoyado a nuestros clientes a aprovechar toda la información comercial y de su CRM para generar mejoras que impacten en los resultados de su negocio. Si estas interesado en explorar algo como esto te invitamos a visitar nuestro Marketplace y agendar una sesión con nosotros para platicar al respecto y ver la forma en que pudiéramos ayudarte.

Hasta aquí la columna de hoy, gracias y no dejes de compartirnos tu opinión en redes sociales

@DatlasMX

 

Clustering para generar segmentos de mercado – Datlas Research

Como lo platicamos en “La historia de las tecnologías de información computacional” desde que el poder de cómputo ha incrementado hemos buscado formas de generar análisis más completos y asertivos para nuestros casos de estudio.

Datlas_barra_suscribir

Uno de ellos es el análisis de clúster que es una técnica estadística multivariante cuyo objetivo es formar grupos de elementos homogéneos o similares que al mismo tiempo sean heterogéneos o distintos entre sí. ¿En español y negocios? Hay casos en donde generar una estrategia para cada cliente puede ser costoso, pero si agrupamos a estos clientes en segmentos podemos impactar a grupos similares con estrategias puntuales.

En esta columna explicaremos un caso de ejemplo de clustering para generar segmentos de clientes. Los datos que revisaremos vienen de encuestas levantadas con visitantes al festival Luztopia. (Si te interesan sólo los resultados favor de pasar al final de la columna). El objetivo identificar segmentos de asistentes específicos al festival para la ideación y generación de mejores promociones el próximo año.

El pase de diapositivas requiere JavaScript.

Para ser justos hay que explicar que existen distintos tipos de análisis para generar estas agrupaciones o clústers. Los dos grandes grupos son: No jerárquicos y jerárquicos. En este caso en particular usaremos uno de los métodos  no jerarquicos. Lo que quiere decir que un clúster generado no depende de otro clúster, son independientes.  Dentro de los no  jerarquicos utilizaremos los asociados al algoritmo “k-means”, que está dentro de la familia de los no jerárquicos. Este algoritmo usa de inicio medias aribtrarias y, mediante pruebas sucesivas, va ajustando el valor de la misma. La idea es no ponernos más técnicos, pero si te interesa conocer más a detalle te recomendamos revisar la p.23 de este documento. En pocas palabras k-means nos apoyará ensamblando clústers de perfiles que sean similares entre sí, pero a la vez diferentes entre cada grupo.

BASE DE DATOS

La información que revisaremos son un par de encuestas que incluyen datos como los siguientes:

Datlas_blog_clustering2

En concreto usaremos para armar los clústers las variables numéricas, tales como: Edad de personas que respondieron, tamaño de su grupo, cantidad de menores de 18 en el grupo, gasto en cena, gasto en productos dentro del recorrido, gasto total estimado y tiempo de estancia en el evento. Para quienes han analizado datos similares ya se podrán imaginar el tipo de respuestas que podremos generar: ¿Cuáles son los perfiles que más visitan? ¿Qué perfiles gastan más en su recorrido? ¿Habrá relación entre los visitantes que van con niños y su compra en cenas? ¿Extender el recorrido en tiempo haría que las personas consuman más cenas? Entre otros.

Este es el tipo de respuestas que generamos en los reportes que trabajamos en Datlas, sin embargo para fines de esta columna nos ubicaremos en el ejercicio de clústers buscando generar segmentos para los cuales podamos generar nuevas promociones.

MÉTODO

Un paso que algunos analistas descuidan es el proceso de “normalizar” datos. Una vez que empiezas por el camino de #machinelearning va a ser un paso que será muy común.  “Escalar” es un proceso de redimensión de variables para que estas se encuentren entre rangos de -5 a 5, por ejemplo. Este proceso ayuda a centrar los datos alrededor de la media.  Estos métodos tienen área de oportunidad cuando tenemos anomalías, pero en este caso dado la distribución de las variables hacía sentido escalar. A continuación un contraste del proceso.

El pase de diapositivas requiere JavaScript.

A partir de este proceso generamos una matriz de distancia entre las variables. Esto nos indica en rojo los registros de variables, en este caso visitantes a Luztopia, que son más distintos en perfiles y hábitos de consumo. Aunque realmente es complicado leerlo así. Por lo mismo es un paso intermedio

Datlas_matriz_Distancia_Cluster

Un siguiente paso es hacer una primera iteración de clústers. En esta ocasión supervisamos al algoritmo para que nos entregue de regreso 4 clústers. Cada punto que vemos en la gráfica es una encuesta respondida por la muestra de visitantes que estamos evaluando. En el clúster 1, por ejemplo, pudieran ser todos los visitantes que asistieron con niños a Luztopia. Eso genera una diferenciación tan crítica, que separa este clúster de los demás. Sin embargo los otros clústers se traslapan.

Datlas_ClusterPlot_4

Lo ideal es que el traslape sea mínimo o nulo. En este sentido podemos retar la cantidad de clústers que le pedimos al sistema generar. Para esto podemos usar un proceso que nos recomienda la cantidad de clúster óptimos.

Datlas_optimal_Clusters

De acuerdo a este proceso 2 son los números ideales y óptimos de clústers. También lo serían 5 ó 6, pero en realidad manejar estrategias de negocio para tantos grupos puede ser complicado. Por esta razón seleccionamos 2 como caso de uso.

Datlas_ClusterPlot_2

Finalmente, para poner en práctica nuevas estrategias de negocios, podemos identificar cuáles son las medias de cada una de las variables, cómo contrastan los clústers y algo que recomendamos es generar “avatars” o “buyers personas” que permitan comunicar hacia dentro de la organización la manera de trabajar.

TESTIMONIO

Hasta aqui la columna de hoy. Te compartimos finalmente el testimonio de nuestra colaboración con el “Clúster de Turismo NL” donde usamos técnicas como estas para generar distintos entendimientos del festival Luztopia. Además puedes revisar el podcast que grabamos con ellos si te interesa “Analitica en sector Turismo”.

 

Si te interesa conocer y contratar este tipo de servicios de “Clustering sobre resultados de encuestas o investigaciones para generar segmentos y seleccionar los mejores mensajes para tu mercado” te recomendamos visitar nuestro marketplace y solicitar una llamada de orientación. Contáctanos también en ventas@datlas.mx

Datlas_barra_suscribir

Saludos

Equipo @DatlasMX

– Keep it weird-

 

La mutación de los deportes y la mercadotecnia ante el COVID-19

Desde hace más de un mes hemos estado hablando y escribiendo acerca del COVID-19 y las distintas formas en que la pandemia ha presentado retos en nuestra vida diaria y la forma en la que se hacen negocios en algunas industrias. También hemos mencionado que los tiempos de “crisis” deben ser percibidos como oportunidad y durante esta columna estaremos profundizando precisamente en el impacto que ha tenido esta pandemia en los deportes y la mercadotecnia asociada a ellos, para resaltar algunas de las formas en las que estas actividades han mutado, quizá para siempre, para adaptarse a este “nuevo normal”.

free_Suscriber

Comencemos con algo de contexto. A pesar de que el primer caso de COVID-19 se identificó en diciembre del 2019, no fue sino hasta el 11 de marzo de 2020 que la Organización Mundial de la Salud (WHO, por sus siglas en inglés) la declarara una pandemia. Tan solo 24 horas después, el 12 de marzo comenzó el impacto en la industria deportiva. Ese mismo día la NBA (National Basketball Association) canceló su temporada debido a que 2 jugadores del Jazz de Utah dieran positivo en la prueba de COVID-19. De esta forma comenzaba todo un efecto dominó que en un par de días ya sumaba a la Liga Premier de Inglaterra y la Formula 1 como desaparecidos del calendario. A pesar de que la lista se iba haciendo cada vez más grande, los golpes duros comenzaron a llegar cuando se anunció la cancelación de las Olimpiadas de verano a llevarse a cabo en Tokyo. Mientras que para las grandes compañías todavía hubo oportunidad de reagendar y mover algunas de sus inversiones en mercadotecnia, para algunas marcas que apostaron $10,000 dólares en un solo deportista esto representó un riesgo inminente de debacle.

datlas_mx_covid19_tokyo

El gran impacto que sacudió a toda la industria fue la cancelación del March Madness, el torneo de baloncesto colegial de la liga americana NCAA (National College Athletic Association). Y es que la relevancia de este gran evento masivo tuvo un efecto resonante en la industria de los medios de comunicación. El March Madness habría sido cubierto por CBS y sus socios – alrededor de un 80% de lo $1.05 billones de dólares del presupuesto anual de la NCAA provenía de los que estos medios pagan por presentar el evento vía TV y en línea. Sin mencionar que las implicaciones para anunciantes y mercadotecnia se estimaban superiores a los $1.126 billones de dólares gastados en mercadotecnia durante la edición 2019 del torneo. Tan solo este evento generó aproximadamente $968 millones de dólares en ingresos por mercadotecnia. Los spots (comerciales) costaban alrededor de $60,000 y $75,000 dólares en las primeras rondas y un espacio en la gran final se disparaba hasta los $950,000 dólares.

datlas_mx_covid19_march_madness

Así que entre tanta turbulencia ¿Dónde se esconden las oportunidades? Para esta “crisis”. Sin duda la reacción intuitiva para algunos de los equipos y de las mismas marcas patrocinadoras como la cervecera Anheuser-Busch (dueña de la cerveza Corona) fue mover sus presupuestos de mercadotecnia de deportes a iniciativas sociales y sin fines de lucro para apoyar al combate del COVID-19.

Por otro lado, aquellos que buscan aún conectar con fanáticos del deporte se han trasladado a la apenas naciente pero exponencialmente creciente industria de los e-sports (o deportes electrónicos). Sin duda los CMO (Chief Marketing Officers, por sus siglas en inglés) podrán encontrar justificación en la similitud de las características entre los fanáticos tradicionales del deporte en vivo y aquellos de los deportes en línea, pero existe un reto muy claro que es el tema de la edad. La demografía de los perfiles que hoy se están volcando a los deportes en línea son más jóvenes, lo que hace que las marcas comiencen a cuestionar y ajustar sus expectativas de retorno de inversión ante un escenario en donde los espectadores mayores, con ingresos y poder de compra superior, hoy están siendo parcialmente sustituidos por fanáticos más jóvenes con otros esquemas de gasto y consumo. Asimismo, los medios están invirtiendo y dando mayor cobertura a eventos complementarios al espectáculo deportivo como, por ejemplo, el periodo de agencia libre de los jugadores de la NFL (National Football League, por sus siglas en inglés).

datlas_mx_covid19_3d_sports

Finalmente, hay algunas iniciativas innovadoras como OpenSponsorship, una plataforma diseñada para automatizar el proceso de emparejamiento para atletas e influencers con marcas. Estos patrocinios podrían ser tan simples como apoyar a los atletas que muestran sus técnicas de entrenamiento en casa a través de las redes sociales, por ejemplo. Otras opciones incluyen nuevas empresas como AR-51, que podría permitir a los atletas que han resultado negativos para COVID-19 ser filmados en un pequeño juego de baloncesto de tres contra tres que los consumidores podrían ver como un holograma en 3-D.

Así que ya lo saben, cada puerta cerrada abre un par de ventanas de oportunidad para innovar. Cuéntanos tu como estas innovando en tu industria y ¿Qué opinas de las nuevas tendencias en deporte y mercadotecnia?

Escríbenos en @DatlasMX

¿Cómo segmentar mi mercado usando mapas? – Datlas Caso de Uso

Hace un par de columnas comenzamos esta sección de casos de uso de nuestros clientes utilizando los mapas Datlas. En la primera edición platicamos acerca de la prospección de clientes. Si no has tenido oportunidad de leerla, te invitamos a dar click aquí. En esta ocasión nos enfocaremos en un nuevo caso de uso: segmentación de mercado. Seguramente si has llevado clases acerca de mercadotecnia o ventas sabrás que segmentar el mercado se refiere a la actividad de dividir a toda una masa critica en grupos con características similares para poder enfocar los esfuerzos de venta de tu producto o servicio. En esta columna les platicaremos acerca del caso de Carlos, uno de nuestros clientes en Ciudad de México. Charlie tuvo la oportunidad de acondicionar un local comercial que tenia su familia en una buena zona y puso una pizzería, pero con el nuevo concepto de “dark kitchens”, es decir, sin tener un frente con atención a clientes, solo dedicándose a la parte de entregas a domicilio a través de todas estas nuevas plataformas. Contrario a su expectativa inicial, no logró capturar suficientes clientes durante las primeras semanas y fue entonces que se le ocurrió usar Datlas para conocer el mercado a su alrededor y poder segmentarlo para hacer promociones.

free_Suscriber

Para este ejercicio vamos a usar el mapa Premium de Ciudad de México, disponible en nuestro Marketplace. Una vez adquiriendo el mapa puedes accesarlo a través de tu panel personalizado.

El pase de diapositivas requiere JavaScript.

Una vez dentro de la plataforma el paso #1 es identificar la ubicación de tu negocio. En este caso la pizzería de Carlos se encontraba en la Condesa, sobre Avenida Michoacán.

datlas_mapa_premium_cdmx_ubicacion

Enseguida, el paso #2 es definir/conocer el radio de influencia de tu negocio. En el caso de los restaurantes, la naturaleza propia de su servicio les da la ventaja de poder definir su radio de influencia, es decir, delimitar perfectamente su zona de cobertura para envíos a domicilio. En contraste, negocios del sector retail por ejemplo, muchas veces necesitan conocer o descubrir su radio de influencia y calcularlo con base al numero de competidores en su entorno y la distancia que pueda haber entre ellos. De todas maneras, dedicaremos una columna específicamente para el tema de radios de influencia. Por el momento, regresando al caso de Charlie, se definió que la operación de la pizzería podría atender a un mercado de hasta 2 kilómetros a la redonda.

Siendo así, se utiliza la herramienta de análisis que vienen en la barra lateral derecha dentro de la plataforma. Una vez seleccionada nos pedirá elegir la forma de delimitación que vamos a utilizar. Existen varias opciones dentro de las cuales destaca el análisis radial, rectangular o en base a selección específica de polígonos. Para el caso de Carlos se utilizó el análisis radial. La forma en la que esta herramienta funciona es dando click justo en la ubicación definida en el paso #1 y abriendo el radio hasta la distancia definida en el paso #2.

El pase de diapositivas requiere JavaScript.

Una vez establecido el radio de influencia el paso #3 es obtener los resultados para analizarlos. Como ya saben, los resultados arrojan variables demográficas, socioeconómicas, comerciales y hasta dinámicas. De esta forma Carlos puede saber cuanta gente hay dentro de ese radio de influencia, sus características, poder adquisitivo, cantidad de negocios, generadores de tráfico y mucho más.

En este caso destacaron varios hallazgos claves:

  1. La mayoría de la población son mujeres
  2. La mayoría de la población es soltera, aunque viven en hogares de 2-3 personas
  3. La mayoría de la población tiene más de 32 años
  4. Hay más de 11,000 negocios, predominantemente micronegocios de 0 a 5 trabajadores y los sectores más relevantes son: comercial, servicios profesionales e industrial

El pase de diapositivas requiere JavaScript.

Finalmente, el paso #4 es generar los segmentos claves para definir estrategias para cada uno. En este caso Charlie hizo dos grandes segmentos: hogares y negocios. Para capitalizar la oportunidad en los hogares, enfocó sus campañas y promociones a las mujeres mayores de 30 años e hizo un tamaño de pizza especial para 2-3 personas, con sus respectivas promociones y combos.

Para el segmento de negocios, se lanzó a realizar alianzas estratégicas con algunos comercios de alrededor y comenzó a empujar una tradición similar a los “viernes de tacos”, pero llamada “jueves de pizza”. Igualmente les ofreció programar pedidos para que no tuvieran que esperar a las horas pico de comida para solicitar su comida y así ahorrar tiempo y esfuerzo. También les ofreció formatos de pizza y complementos tipo botanas/canapés para los días de juntas y pequeños eventos internos. Finalmente les ofreció descuentos especiales para los trabajadores que hacen “horas extras” en sus pizzas y productos más rentables.

free_Suscriber

De esta forma, en tan solo algunas horas, Carlos fue capaz de segmentar su mercado, generar un par de estrategias y comenzar a ejecutarlas de manera que en un par de semanas comenzó a ver resultados e incluso los clientes comenzaron a darle retroalimentación y nuevas ideas para seguir aumentando el menú y mejorando el servicio.

Si crees que ya estas listo para ponerte manos a la obra y segmentar tu mercado para mejorar los resultados de tu negocio puedes ir directamente a nuestro Marketplace y aprovechar el código de descuento BLOG100 para obtener $100 MXN de regalo en tu primera compra de cualquiera de nuestros mapas Premium.
De esta manera concluimos el blog de hoy, mantente atento a todos los nuevos casos de uso, videos y nuevos lanzamientos que tendremos para ti.

@DatlasMX