No lo sabes, pero lo quieres: tecnología para personalizar la Red

No toda la innovación es tecnológica, pero la tecnología se ha convertido en una herramienta clave en la transformación de todos los sectores, también la moda. En esta serie, patrocinada por Desigual, Modaes repasa los sistemas, modelos y herramientas que hoy suenan aún a ciencia ficción pero que definirán el futuro del sector.

La experiencia más personalizada está en la tienda de barrio. Sin CMS, sin inteligencia artificial y a veces sin ni siquiera una base de datos, basta con que cruce la puerta la clienta de toda la vida para que la dependienta diga: “me ha llegado algo para ti”. En la Red, la tecnología permite replicar esa experiencia sin siquiera saber el nombre del cliente, ni su edad; a veces incluso basta con que se haya pasado un par de veces por la tienda, sin comprar siquiera.

Fashtech: la nueva hoja de ruta de la moda

¿Siempre que entra en la web busca vestidos y filtra por el más barato? Entonces la próxima vez que entre le aparecerán primero. ¿Suele comprar ropa masculina salvo en julio, cuando compra calzado para mujer? El próximo año la web se adelantará al cumpleaños

de su hermana.

En un momento en que Internet ha exacerbado hasta el extremo la paradoja de la elección, personalizar lo que el cliente ve cuando entra en una web permite aumentar la fidelización e incrementar notablemente la conversión.

La personalización de la web en tiempo real puede reducir la tasa de rebote hasta un 30%

Según datos de McKinsey, un 71% de los consumidores esperan una experiencia personalizada y el 76% se frustran si no la encuentran. Además, ocho de cada diez aseguran que es más probable que repitan o recomienden una marca si la experiencia es personalizada. La consultora asegura que las empresas que siguen estas estrategias crecen un 40% más rápido que las que no lo hacen.

En los primeros compases del ecommerce, toda la personalización partía de la base de datos. Si el cliente está registrado, el equipo de márketing podía programar mensajes personalizados por su cumpleaños, e-mails dirigidos a su nombre y ofertas según su ubicación.  A menudo, la personalización no era individual sino por las clásicas clasificaciones de edad, género o lugar de residencia.

Menos extendida estaba la personalización del márketing en base a compras (ofrecerle al cliente una camisa a juego con el último pantalón que compró) o directamente la personalización de la web, aunque es una herramienta en crecimiento.

En Estados Unidos, el 52% de los retailers empleaban tácticas de personalización de la web, y un 31% preveían hacerlo en los siguientes años, según datos de ClickZ correspondientes a 2019. Un 51% lo hacían en base a datos en tiempo real, el más difícil todavía.

La clave está en que la solución sea anonimizada y no se base en el uso de ‘cookies’

En este más difícil todavía operan compañías como XgenAI, Personify XP o Sitecore, que se apoyan en machine learning (una subrama de la inteligencia artificial) y en la denominada cadena de Markov (un modelo matemático que describe una secuencia de eventos según unas normas de probabilidad) para analizar el comportamiento del visitante de una web y anticipar su siguiente paso.

Xgen analiza todo tipo de combinaciones de interacción del cliente con la web: la talla, el color, el patrón, la categoría, la hora a la que se conecta… Para poder anticiparse entre cinco y treinta minutos al siguiente movimiento del consumidor.

La compañía asegura que su solución, que no requiere tocar código para aplicarse, motiva un incremento inmediato de entre el 5% y el 22% de las ventas. La diferencia respecto a otros modelos es que el registro es anonimizado: da igual el nombre, la edad, el nombre o el género del consumidor, la web se adapta en base a su comportamiento único.

Similar es la solución que ofrece Personify XP, que analiza e interpreta el comportamiento del visitante a una web sin necesidad de usar cookies ni formularios. Según la plataforma, la solución permite incrementar la conversión hasta un 10%, el pedido medio hasta un 30% y la facturación entre un 5% y un 10%, mientras que la tasa de rebote baja un 30%.

La compañía lanzó la plataforma en 2018 y en su web subraya que es compatible con el reglamento general de protección de datos que entró en vigor en la Unión Europea en 2018. La creciente normativa en materia de privacidad es precisamente la principal amenaza a la que se enfrentan las herramientas de personalización, lo que está dando alas a aquellas soluciones que no dependen de datos personales ni cookies y que anonimizan la información.

Más allá de rastrear cómo el cliente se mueve en la Red, el machine learning tiene otras aplicaciones para la personalización, como la regresión lineal, que permite descubrir qué páginas tienen más conversión; la clusterización por segmentos de consumidor o la asociación con otras plataformas: si el consumidor ha comprado unos zapatos en otra marca, quizás le apetezca un vestido a juego en otra.