Los sistemas de siguiente mejor acción prometen decirle a cada vendedor a qué cliente contactar y qué ofrecerle: un recordatorio de recompra, una venta cruzada, una oferta de retención, una visita de servicio. Muchos se apagan discretamente antes de cumplir un año. El modelo rara vez es el problema. Los vendedores ignoran las recomendaciones que no pueden explicar, y una recomendación que nadie ejecuta no vale nada, por precisa que sea.
Los sistemas que perduran se diseñan alrededor de las preguntas que un vendedor se hace antes de actuar: ¿por qué este cliente, por qué ahora y por qué esta oferta? Responderlas es una decisión de diseño, no de modelado, y define todo, desde los datos hasta la forma de medir los resultados.
Por qué los vendedores ignoran las recomendaciones
Un vendedor conoce sus cuentas. Una lista de clientes con una calificación junto a cada nombre compite con ese conocimiento y pierde, sobre todo cuando se equivoca de formas que el vendedor puede ver: el cliente se quejó la semana pasada, la cuenta está bloqueada por crédito, el producto se descontinuó. Las recomendaciones que vuelven después de haber sido descartadas dejan la misma lección. Tras unos cuantos errores así, nadie vuelve a abrir la lista.
El volumen es el otro problema. Decenas de recomendaciones a la semana para un vendedor que puede atender un puñado le enseñan a ignorarlas todas.
Construya sobre señales que el vendedor reconoce
La explicabilidad empieza por los datos de entrada. Los modelos de siguiente mejor acción más sólidos se construyen con señales que un vendedor aceptaría como razones: un pedido que se retrasa frente al ciclo de compra habitual del cliente, una participación que cae en una categoría, un producto que clientes similares compran y este no, una renovación de contrato o un cambio de precio próximos, tickets de servicio abiertos, una caída en el uso o en las visitas. Mantenga la lista lo bastante corta para que un gerente de ventas la lea de una sentada, y nombre cada señal con las palabras que usan los vendedores.
El modelo puede ser sofisticado, pero su resultado debe poder rastrearse hasta esas señales para cada cliente. Las técnicas que atribuyen una predicción a sus datos de entrada lo hacen posible, y además exponen pronto los problemas de datos: una recomendación impulsada por una señal sin sentido suele apuntar a un error de datos. La mayoría de estas señales ya existen en el historial de pedidos, el CRM y el sistema de servicio; el trabajo consiste en unirlas a nivel de cliente y mantenerlas actualizadas.
Muestre la razón con cada recomendación
Cada recomendación debe llegar al CRM que el vendedor ya usa, como Dynamics 365, con cuatro elementos: la acción, la razón en una frase construida con las señales principales, el valor esperado en palabras sencillas y lo que pasó la última vez que se intentó una acción similar con este cliente. Los modelos de lenguaje son buenos para convertir señales en una frase legible; aun así, los hechos de esa frase deben venir del modelo y de los datos, nunca de la invención del modelo de lenguaje. Una buena razón se lee como la nota de un colega: esta tienda suele pedir cada pocas semanas, no ha llegado nada desde principios de la primavera, y tiendas similares también manejan la presentación grande.
Las reglas de negocio van junto al modelo. Las cuentas bloqueadas por crédito, los clientes con una queja abierta y los productos con asignación limitada se filtran antes de que algo llegue al vendedor. El resto se ordena por valor y se limita a lo que un vendedor puede atender en una semana. Las recomendaciones menos numerosas y mejor dirigidas se siguen; las listas largas, no.
Deje que el campo responda
Cada recomendación necesita un resultado: hecha, no hecha o descartada con un motivo elegido de una lista corta, como ya pidió, contacto equivocado, no aplica o tema de la relación. Haga que descartar sea rápido, un toque y un motivo; un formulario que toma un minuto se va a omitir y la retroalimentación se perderá. La retroalimentación también protege la relación: un vendedor que puede marcar a un cliente como fuera de contacto por un tiempo no volverá a recibir la sugerencia la semana siguiente.
Los motivos de descarte están entre los datos más valiosos que produce el sistema. Revelan errores de datos, muestran qué tipos de recomendación retirar y le enseñan al modelo lo que los vendedores saben y los datos no. Los gerentes de ventas deben revisarlos cada mes con el equipo responsable del modelo. Cuando los vendedores ven que su retroalimentación cambia las recomendaciones, la adopción llega. Cuando desaparece sin dejar rastro, la lista se abandona.
Mida el incremento frente a un grupo de control
La forma más común de reportar los resultados de la siguiente mejor acción también es la más engañosa: los ingresos de los clientes que recibieron una recomendación. Muchos de ellos habrían comprado de todos modos. La medida honesta es el incremento: la diferencia de resultados entre los clientes que recibieron recomendaciones y un grupo comparable que no las recibió, en el mismo periodo.
El diseño más sencillo reserva una proporción aleatoria de los clientes elegibles, mantiene ese grupo de control de forma permanente y compara la conversión y los ingresos de ambos grupos por tipo de recomendación. Es la misma disciplina que da credibilidad a los programas de alerta temprana: medir el seguimiento, no la alerta. Algunos tipos de recomendación mostrarán un incremento fuerte. Otros no mostrarán ninguno y deben retirarse, por buenos que se vean los indicadores de su modelo.
Reporte el incremento en dinero además de en conversión, neto de los descuentos e incentivos que llevaban las ofertas, para que una recomendación que gana ventas regalando margen se vea como lo que es. Acuerde el tamaño y la duración de la prueba antes del lanzamiento, para que nadie tenga la tentación de detenerla la semana en que los números se vean bien.
Empiece con una acción y un equipo
Empiece con un tipo de recomendación que los vendedores ya quisieran tener, como los recordatorios de recompra para clientes que dejaron de comprar, con un solo equipo de ventas y un grupo de control desde el primer día. Muestre la razón, recoja la retroalimentación y mida el incremento durante un trimestre completo antes de agregar el siguiente tipo. Elija un equipo cuyo gerente revise las recomendaciones con los vendedores cada semana al principio; esa atención es lo que convierte un piloto en hábito. La confianza que se gana con la primera acción impulsa a las que siguen.