Hace tiempo ya que oímos hablar del término Big Data y aún hoy parece que es algo ajeno a nosotros y percibido como algo del futuro. Nada más lejos de la realidad, los datos proporcionados por el  INE para el 4º trimestre 2015-1^er trimestre 2016 nos mostraban que un 3% de las empresas censadas usaban técnicas de Big Data para explotar sus datos, y el porcentaje aumentaba, considerablemente, hasta el 21% del total si nos centramos en empresas de más de 250 empleados.

Ahora bien, ¿qué entendemos por Big Data? Hay muchas posibles definiciones y ninguna parece obtener un consenso suficiente. Partiendo de la definición dada por Gartner (2012) que define Big Data como “gran volumen, gran velocidad y gran variedad de información y datos que necesitan nuevas e innovadoras formas para su procesado con el fin de obtener nuevos y valiosos patrones que nos permitan mejorar la toma de decisiones”, en la propia definición van implícitas las características que ha de tener el Big Data que son las conocidas como V’s del Big Data: volumen, velocidad y variedad.  Algunos autores (Gandomi & Haider, 2015) han añadido tres más: veracidad, valor y variabilidad, si bien esta última no es mayoritariamente reconocida por la literatura científica.

Es necesario profundizar un poco en cada una de las características. Por  volumen entendemos la cantidad de datos a tratar al estar  hablando de varios Terabytes (TB=10¹²  bytes) e incluso Petabytes (PB=10¹⁵ bytes) o más. Aquí se parte de la idea que varios ordenadores son más rápidos que el más rápido de los servidores y además tal cantidad de datos ha de estar físicamente en más de un ordenador por lo que el paradigma de un CRM o ERP en local empieza a desaparecer y hay que empezar a pensar en otro tipo de arquitecturas para soportar tal volumen de datos.

Otra característica importante es la variedad y por lo tanto, la heterogeneidad de los datos. Esto nos obliga a usar otro tipo de bases de datos. Las “antiguas” bases de datos relacionales funcionan muy bien con estructuras claras y definidas de los datos, pero no funcionan cuando los datos no tienen estructura predefinida. Lo mismo podemos almacenar un tuit, que una imagen, un documento, una reseña en una red social o un vídeo, entre otros.

Asimismo, la proliferación de dispositivos digitales con conexión a internet (o a ordenadores de una empresa) genera datos a tal velocidad que hay que estar preparados para analizarlos en tiempo real si queremos sacar el máximo provecho de ellos.

Por otra parte, hay que tener en cuenta que hay que tratar con datos inciertos y dudosos como por ejemplo, el sentimiento hacia una marca en una red social, por lo que hay que usar herramientas adecuadas para constatar la veracidad de estos. También hay que saber tratar con la variabilidad ya que los datos se pueden generar en diferentes momentos con picos muy altos de diferente periodicidad y todo lo expuesto anteriormente ha de generar valor, que suele ir correlacionado con el volumen de datos analizado.

Resumiendo, el Big Data tiene que dar respuesta a todos los retos que surgen del  llamado ciclo de vida de los datos: datos propiamente dichos, su procesado y su gestión (Akerkar, 2014; Zicari, 2014).

Estos retos tienen que ver con las características de:

• Los propios datos: volumen, variedad, velocidad, veracidad, volatilidad, valor y también su visualización.
• Los procesos: todas las técnicas relacionadas con la captura de datos, su integración en bases de datos, cómo limpiarlos y transformarlos, la selección correcta de modelos y cómo proporcionar los resultados.
• La gestión: no nos hemos de olvidar de la privacidad, seguridad y aspectos éticos en la gestión de los mismos.

PROCESOS DE BIG DATA

Y todo esto no tendría sentido si no ayudara a que la toma de decisiones empresariales esté basada en datos. Así que por ello, las empresas han de ser capaces de sacar información valiosa de forma eficiente de toda esta maraña de datos rápidamente cambiantes. El proceso detallado es el que se muestra en la figura 1:

FIGURA Nº  1: Procesos Big Data (Agrawal, Bernstein & Bertino, 2011)

Podemos comprobar que hay dos grandes subprocesos: a) la gestión de datos y b) la analítica de datos. El primer gran bloque está más relacionado con el ámbito de la ingeniería y el segundo es el que más nos interesa desde el punto de vista de marketing: la analítica. Conocida como Big Data Analytics o BDA es la parte encargada de obtener el valor de los datos, sacar patrones ocultos y, en definitiva, ayudar a la toma de decisiones de las empresas basada en datos.

a) Gestión de datos

Los datos han de aportarnos valor ya que por sí mismos no sirven de nada. Ahora bien, analizar un grandísimo volumen de datos en muy poco tiempo no es una tarea fácil. Hay que hacer uso intensivo de capacidad de procesamiento, canales de comunicación, acceso a discos,  etc., que dependiendo de la cantidad de datos a procesar puede que incluso no sea posible realizar.

Por tanto, para poder realizar esta tarea hemos de recurrir al procesamiento en paralelo. Es decir, dividir la tarea global en tareas más pequeñas para que  cada tarea sea realizada en un ordenador diferente. Técnicamente podríamos hablar de nodos de una red que bien coordinados pueden hacer la tarea de procesado de datos mucho más rápida que el más rápido de los servidores. Es aquí donde aparecen las nuevas técnicas de cloud computing o procesamiento en la nube, que podríamos definir de acuerdo con el National Institute of Standards and Technology (NSIT) como: “un modelo para permitir un acceso ubicuo, conveniente y bajo demanda a un conjunto compartido de recursos de computación configurables (por ejemplo, redes, servidores, almacenamiento, aplicaciones y servicios) que pueden ser rápidamente provisionados y puestos en marcha con un mínimo de esfuerzo de gestión o de interacción con el proveedor del servicio”.

Con esto relacionamos procesamiento en la nube, Big Data y procesamiento paralelo. Así, si disponemos de una serie de ordenadores conectados en red, podemos repartir la carga de trabajo entre cada uno de ellos y luego un ordenador central se encargará de combinar todos los resultados de cada uno de los ordenadores de la red obteniendo así el resultado final esperado. Este es uno de los algoritmos más importantes de Big Data y se conoce como MapReduce, desarrollado por Google.

Conocido cómo podemos procesar muchos datos si disponemos de una red de ordenadores, hemos de ver cómo almacenar estos datos. Debemos ser capaces de procesar datos provenientes de webs y medios sociales, del IOT (internet de las cosas) y sus múltiples sensores conectados, datos públicos u Open Data, datos biométricos, datos de aplicaciones en la nube, datos transaccionales, documentos legales, datos generados por humanos (videos, fotos, emails, grabaciones de voz, etc.), todos con una estructura distinta.

Para almacenar esta ingente cantidad de datos no es posible una base de datos relacional en la que cada tabla tenía unos campos y una estructura determinada. La solución al almacenamiento de datos no estructurados vino de la mano de las bases de datos NoSQL (Not Only SQL). NoSQL engloba una amplia variedad de tecnologías relacionadas con bases de datos desarrolladas para dar respuesta a la necesidad de almacenamiento, frecuencia de acceso y rendimiento y capacidad de procesamiento. Estas bases de datos suelen almacenar datos sin ningún tipo de esquema, suelen contar con una arquitectura distribuida y han de ser escalables en función de las necesidades. Los datos los suelen almacenar siguiendo los siguientes esquemas: clave-valor, orientadas a documento, orientadas a columna y orientadas a grafo; cada una de ellas con sus ventajas e inconvenientes. Hay bastantes bases de datos NoSQL y muchas de ellas son de código abierto. Se puede encontrar una gran cantidad de ellas en: http://nosql-database.org/

Si los datos se almacenan de diferente forma ya que no son estructurados y están distribuidos, hay que tener un sistema de archivos diferente a los que usamos habitualmente como el GFS (o Google File System) que junto con el algoritmo MapReduce son el germen de Hadoop. Hadoop es un proyecto de la fundación Apache que desarrolla software de código abierto para computación distribuida, confiable y escalable.

Hadoop es por antonomasia el marco de desarrollo para Big Data. Hadoop es un ecosistema de herramientas de código libre para escribir y ejecutar aplicaciones en sistemas distribuidos y para procesar grandes cantidades de datos y está formado por diferentes módulos como bases de datos NoSQL (Cassandra, Hbase o MongoDB), sistema de archivos HDFS, MapReduce y un largo etc., que podemos ver en la figura 2.

FIGURA Nº  2: Ecosistema Hadoop

b) Analítica de datos

Hay diferentes métodos analíticos para extraer información valiosa de los datos que podemos agrupar tal y como muestra la figura 3:

FIGURA Nº  3: Clasificación de los diferentes tipos de analítica (Sivarajah, Kamal, Irani & Weerakkody, 2016)

Los diferentes métodos analíticos, tanto para datos estructurados como no, podemos aplicarlos para los siguientes grandes bloques:

• Analítica de textos
• Analítica de audio
• Analítica de vídeo
• Analítica de medios sociales
• Analítica de datos
• Inteligencia Artificial

Estos grandes bloques no son excluyentes entre sí ya que pueden usarse técnicas de aprendizaje automático (dentro de la Inteligencia Artificial) para distinguir fotografías o reconocimiento de voz aparte de patrones de comportamiento de consumidores o cualquier otro fenómeno del que dispongamos de datos. De hecho, son complementarios y la mayor parte de las veces se usan conjuntamente, aunque cada uno tenga algoritmos propios y específicos para obtener mejores rendimientos. Por lo tanto, y a efectos de obtener una mejor clasificación de estos métodos, podemos recurrir a la tabla 1:

TABLA Nº 1: Métodos de análisis de datos para Big Data (Rehman, Chang, Batool & Wah, 2016)

Anteriormente, el responsable de llevar a cabo el análisis de los datos era el Analista de Datos, que tenía labores sobre la aplicación de las diferentes técnicas y su interpretación. Este analista de datos era el responsable de los almacenes de datos (no desde el punto de vista técnico) de donde se obtenía toda la inteligencia de negocio.

Hoy día, y en el ámbito del Big Data esto ya no es suficiente y es necesaria una nueva función: la del Científico de Datos (o Data Scientist). Esta nueva función es una de las más demandadas ya que aparte de las funciones del analista de datos, abarca la extrapolación y la predicción, así como la prescripción de acciones a realizar. Para poder realizar todo esto, el perfil del científico de datos ha de tener competencias no sólo estadísticas, sino también de programación y conocimiento de redes junto con un profundo conocimiento del negocio en sí. Así que es un perfil que aúna la estadística con la computación y la empresa.

El científico de datos normalmente trabaja sobre algún entorno computacional como el entorno que nos proporciona el lenguaje estadístico R o las bibliotecas científicas ScyPy (scikit-learn,…) sobre el lenguaje Python.

En la figura 4 podemos ver algunos de los algoritmos implementados en la librería de scikit-learn para Python en la que en función de una serie de características de los datos podremos hacer una clasificación, un agrupamiento, una regresión para predecir resultados o un análisis de componentes principales para reducir la dimensión de los datos.

FIGURA Nº  4: Algoritmos implementados en scikit-learn

¿Y QUÉ PASA CON EL MARKETING?

Si hablamos de marketing, hablamos de marketing de relaciones, orientado al mercado y que requiere del exhaustivo conocimiento de los consumidores y competidores en mi mercado. Hablamos por ello de necesidad de información que sirva para tomar decisiones. Se trata pues de ver cómo incorporar el Big Data a esta toma de decisiones y cómo este ayuda en las decisiones del programa de marketing-mix ampliado (5 P’s). Para ello, usaremos el modelo de la figura 5 donde vemos cómo encaja el Big Data para cada una de las cinco variables.

FIGURA Nº  5: Marco de trabajo con el marketing mix para Big Data (Fan, Lau & Zhao, 2015)

El Big Data podrá utilizarse para las decisiones de marketing y permitirá a las empresas: 1) estudiar cómo seleccionar las fuentes de datos apropiadas para cada objetivo de marketing; 2) analizar cómo seleccionar los métodos de análisis de datos apropiados; 3) preguntar cómo integrar diferentes fuentes de datos para estudiar complejos problemas de marketing; 4) investigar cómo tratar la heterogeneidad de las fuentes; 5) examinar cómo balancear inversiones entre las diferentes técnicas de inteligencia de marketing; y 6) ir implementando mejoras conforme van desarrollándose nuevas tecnologías asociadas al Big Data.

Y lo mejor del Big Data es que casi todo el software necesario para su uso y explotación es de código libre por lo que el precio de las licencias no es un obstáculo para ningún tipo de empresa. Entonces, ¿a qué estáis esperando para empezar a usar Big Data en la vuestra?

Bibliografía

Agrawal, D., Bernstein, P., & Bertino, E. (2011). Challenges and Opportunities with Big Data 2011-1. Proceedings of the VLDB Endowment, 1–16. Retrieved from http://dl.acm.org/citation.cfm?id=2367572%5Cnhttp://docs.lib.purdue.edu/cctech/1/

Akerkar, R. (2014). Analytics on big aviation data: Turning data into insights. International Journal of Computer Science and Applications, 11(3), 116–127.

Fan, S., Lau, R. Y. K., & Zhao, J. L. (2015). Demystifying Big Data Analytics for Business Intelligence Through the Lens of Marketing Mix. Big Data Research, 2(1), 28–32. https://doi.org/10.1016/j.bdr.2015.02.006

Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137–144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007

Gartner. (2012). What Is Big Data? – Gartner IT Glossary – Big Data. Retrieved May 22, 2017, from http://www.gartner.com/it-glossary/big-data/

Rehman, M. H. U., Chang, V., Batool, A., & Wah, T. Y. (2016). Big data reduction framework for value creation in sustainable enterprises. International Journal of Information Management, 36(6), 917–928. https://doi.org/10.1016/j.ijinfomgt.2016.05.013

Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2016). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, 70, 263–286. https://doi.org/10.1016/j.jbusres.2016.08.001

Zicari, R. (2014). Big data: Challenges and opportunities. Big Data Computing. https://doi.org/doi:10.1201/b16014-5

The post El Marketing del futuro no se entenderá sin Big Data first appeared on El blog de Juan Pedro Cabrera.

Aquí es donde necesito vuestra ayuda. He de conseguir un mínimo de 300 empresas que cumplimenten el cuestionario (se tarda entre 11-12 minutos) pero no me vale cualquier empresa sino empresas que al menos sepan qué es el Big Data. Me da igual que lo usen o que no (es preferible que estén usando alguna técnica de Big Data, pero no es imprescindible. Sí que es imprescindible que al menos sepan qué es).

Estoy seguro que vosotros sí que sabéis que es el Big Data por lo sois un gran candidato a cumplimentar el cuestionario, pero también os pediría el favor de reenviarlo a todos vuestros contactos que sepan sobre Big Data (que creo que serán muchos). No es lo mismo que yo mande un email frio a desconocidos a que se lo mandéis vosotros mismos. Seguro que le ponen más cariño.

Por supuesto, una vez tabulados y analizados todos los datos, compartiré los resultados con vosotros.

Os agradezco de antemano la atención prestada y estoy seguro que le pondréis mucho cariño al cuestionario adjunto.

Un fuerte abrazo

Juan Pedro

Prof. Juan Pedro Cabrera Sánchez

Departamento de Administración de Empresas y Marketing

Universidad de Sevilla

_________________________________________________________________________________________________________________________

Sevilla, septiembre de 2017

Estimado señor o señora,

Nos ponemos en contacto con usted como máximo responsable o responsable de área con capacidad de decisión de una empresa que está usando (o prevé usar) técnicas de Big Data.

Ya sabemos de la importancia del Big Data tanto en el mundo empresarial como en el académico y por eso estamos realizando una investigación para evaluar los factores que facilitan o impiden su correcta adopción.

En este sentido, como directivo de una compañía innovadora, le solicitamos su valiosa colaboración respondiendo al cuestionario en el enlace que le adjuntamos al final de esta carta de presentación. Le estaríamos muy agradecidos si pudiera contestar a todas las preguntas. Le informamos que no existen respuestas correctas ni incorrectas, tan sólo queremos recabar su opinión sobre las cuestiones planteadas. Si le surgen dudas a la hora de contestar alguna de ellas, por favor respóndala, en cualquier caso, nos interesa conocer su valoración.

Le garantizamos la confidencialidad de sus respuestas en virtud del cumplimiento de las leyes de secreto estadístico y protección de datos personales. Todas las respuestas que nos faciliten serán anónimas y se utilizarán únicamente con fines estadísticos de investigación.

Si desea ampliar la información sobre la investigación, puede contactar con el investigador principal del proyecto vinculado, el profesor Juan Pedro Cabrera Sánchez por medio de correo electrónico ([email protected]) o telefónicamente (954557571).

Agradeciéndole anticipadamente su colaboración, reciba un cordial saludo.

Juan Pedro Cabrera

Enlace al cuestionario: RELLENAR FORMULARIO

The post Petición de ayuda para la Tesis Doctoral first appeared on El blog de Juan Pedro Cabrera.

Y para lograr estos ahorros o innovación pues hay que reducir o eliminar variables así como aumentar y añadir cosas que nunca se hayan ofrecido en el sector.

Esquema de las 4 acciones: para reconstruir los elementos de valor para el comprador cuando se diseña una nueva curva de valor son precisas 4 preguntas para poder poner en duda el modelo de negocio del sector y son:
– ¿Qué variables da por sentadas el sector y que debería eliminar?
– ¿Qué variables da por sentadas el sector y que debería reducir muy por debajo?
– ¿Qué variables da por sentadas el sector y que debería incrementar muy por encima?
– ¿Qué variables da por sentadas el sector y que debería crear que la industria no haya ofrecido nunca?

Cuadro estratégico: es la herramienta de diagnóstico y de acción para la creación de una estrategia de océano azul. Es una gráfica en la que se exponen las principales variables alrededor de las cuales está compitiendo el sector. Así podemos ver rápidamente dónde se está invirtiendo en ese sector y si realmente quiero un océano azul, mi cuadro estratégico ha de ser realmente diferente.

Como se puede comprobar en el gráfico anterior, el Circo del Sol redujo sus costes al quitar animales y artistas estrellas y sin embargo fue capaz de subir los precios por su nueva propuesta de valor.
Una buena estrategia de océano azul será aquella curva de valor que sea divergente de la de sus competidores, que tenga foco de atención (centrada en muy pocas variables) y que tenga un mensaje convincente que sea significativo para el mercado.
Mapa de pioneros, emigrantes y colones (PEC): es un mapa en el que mostramos las diferentes líneas de negocio de una compañía. Los pioneros son aquellos que ofrecen un valor sin igual en el mercado. Son fuentes de crecimiento y rentables. En el otro extremo, se encuentran los colonos mientras que los emigrantes son aquellos negocios que están en un punto intermedio. Si nuestra cartera de negocios está formada únicamente por colonos tendremos un problema, mientras que si nuestra cartera de negocios está formada mayoritariamente por pioneros (véase el caso de Apple estos últimos años) podremos decir que tenemos una salud envidiable y un futuro más que halagüeño.

Una vez definidos los principales términos de la estrategia del océano azul, tan sólo nos falta implementarla y para ello, tal y como vimos con el uso del canvas, lo que hemos de hacer es reconstruir o redefinir las fronteras del mercado con la finalidad de diferenciarnos de la competencia y crear océanos azules. Muchos de nosotros pensaríamos que ¡ya!. ¿Y esto cómo se hace?, pero para nuestra suerte hay patrones bien definidos donde buscar diferenciaciones. Hay básicamente seis vías:
– Explorar sectores alternativos (recuerdo circo del sol y teatro)
– Explorar los grupos estratégicos en el interior de cada sector (gimnasios Curves)
– Explorar la cadena de compradores (fabricante de insulina de ir encaminada a los médicos y cada vez con menos margen y competencia a lanzar el producto directamente al comprador final en un inyectable)
– Explorar productos y servicios complementarios (teteras con filtros antical ya que el tema del agua no era “problema” de los fabricantes de teteras)
– Explorar el atractivo funcional o emocional para los compradores (caso reloj Swatch)
– Explorar a lo largo del tiempo (discográficas, piratería, napster…. ¡iPod!)
Una vez creado el océano azul, hay que incluirlo en nuestra planificación estratégica e implementarlo por lo que hemos de focalizarnos en la perspectiva global (a nivel de unidad de negocio y a nivel corporativo), elaborar el cuadro estratégico mediante un proceso basado en las seis vías anteriores y empezar a utilizar este cuadro junto con el esquema de las cuatro acciones y el mapa de pioneros, emigrantes y colonos para ver el estado de salud de nuestra cartera de negocios.
El libro explora en profundidad cómo implementar la estrategia, entrando incluso en el tema de fijación de precios aunque todo eso ya es tema para otro post. Mientras tanto, espero que os haya gustado y que por lo menos os haya dado para pensar y tratar de buscar cómo crear un océano azul en vuestros sectores de actividad. ¿Os animáis?.

Nota: Todas las imágenes se han sacado del libro La estrategia del Océano Azul del que por cierto, os dejo el enlace del libro por si queréis comprarlo:

The post Segmentación nivel maestro: la estrategia del océano azul first appeared on El blog de Juan Pedro Cabrera.

Si queremos que nuestra empresa esté presente en nuestros clientes hemos de hablar con ellos y no bombardearlos con publicidad. Hemos de ayudarles a resolver sus problemas y para ello hemos de estar presentes cuando dichos problemas surgen ofreciéndoles la forma de resolverlos. Hoy no queremos que nos molesten ni que nos interrumpan cuando estamos haciendo algo. De hecho, la publicidad se está reinventando porque no le hacemos caso. En la tele basta que llegue para cambiar de canal y los banners salvo que sean muy intrusivos, tampoco les hacemos ni caso. Entonces, ¿cómo llegamos a nuestros clientes sin molestarles?.

La respuesta nos la da el inbound marketing, que es una metodología de marketing no intrusiva, enfocada a la atracción de los clientes mediante un contenido de calidad, atractivo, que resuelva problemas a los posibles compradores y que, en ciertos casos, también los transforme en promotores.

Básicamente el Inbound Marketing tiene tres palancas sobre las que podemos actuar:

• Contenido: Blogs, Vídeos, “White Papers”, Ebooks, etc.
• SEO: On-page, Off-page, link-building, análisis de keywords, etc.
• Social Media: Twitter, Facebook, G+, Foros, Blogs, etc.

Y con estas tres palancas tenemos que hacer Marketing para quien nos busca. Y para ello hemos de publicar el contenido adecuado, en el lugar adecuado y en el momento justo. Sólo así convertiremos nuestro marketing en relevante y útil para nuestros clientes.

Para ello hemos de tener claro quién es nuestro cliente (término que en Inbound se conoce como Buyer persona o cliente potencial ideal de la empresa). Para confeccionar dicho perfil podemos usar herramientas como el mapa de empatía o bien seguir los pasos que vienen en 6 magníficos capítulos del libro La Disciplina Del Emprender (acción empresarial) de Bill Aulet.

Posteriormente hemos de saber cuál es el proceso de compra de nuestro cliente ideal. Qué contenido necesitará y cuando así cómo los pasos que irá dando. Esto se conoce como Buyers’s journey y nos servirá para ir preparando nuestro contenido a ofrecer y los momentos en los que ofrecerlo. Todo este proceso de comunicación con el cliente lo podremos automatizar de modo que si un cliente está interesado en nuestros productos/servicios le iremos ofreciendo contenido de valor hasta cerrar la venta. Este contenido habrá de ser diferente en función de la fase de venta en la que se encuentre. No es lo mismo pedir información sobre algo que pedir una oferta en firme o una demo. Por lo tanto, en cada fase tendremos que tener contenido adecuado. Es decir, contenido adecuado en el momento adecuado.

La metodología que hemos de seguir es:

En donde se refleja la importancia de tener un contenido adecuado en el momento adecuado y que convierta. Para ello, hemos de tener landing pages con claras llamadas a la acción que trasformen a los visitantes en prospectos o leads. Un correcto seguimiento de estos leads, con el envío personalizado de información y contenidos (proceso conocido como lead nurturing) nos dará una correcta segmentación de nuestra base de datos sobre la que realizaremos als acciones pertinentes. A cada lead se le ha de dar un valor que signifique en qué etapa del proceso de compra está (a esto se le conoce como lead scoring) y en función de ese valor se harán unas acciones u otras y todo esto de forma automatizada.

A modo de resumen podremos ir ofreciendo diferente contenido en función de su situación en el embudo de ventas tal y como mostramos en el gráfico:

Así que una vez definido el perfil del cliente y correctamente determinada la estrategia de contenido adecuada al proceso de compra de nuestro cliente, tan sólo nos falta lanzar el tráfico y para ello habremos de captar todo el tráfico orgánico posible que busque contenido afín a nuestras soluciones (y por eso están importante trabajar correctamente el SEO de nuestra página), captar también todo el tráfico de redes sociales así como comprar tráfico si fuera necesario. Una vez que se recibe todo el tráfico es muy importante contar con un software que te permita automatizar todo el ciclo de compra de cada cliente, que envíe contenido adecuado a su etapa dentro del embudo de ventas y que los vaya empujando hacia abajo del embudo con la finalidad de cerrar la venta.

Como se puede ver, un marketing muy diferente al tradicional. Aquí el cliente es el que busca alguna solución a un problema que ya tenga. Por ejemplo, cómo mejorar mi swing de golf. En ese momento he de tener documentos, ebooks, videos o material adecuado para mejorar swings. Al x tiempo se le manda otro artículo relacionado y poco a poco puedo ir enviándole alguna documentación de palos a los que poder añadir algún tipo de peso para conseguir esa mejora en el swing. Ése es el sistema. Un cliente tiene una necesidad, busca cómo solucionarla y ahí estaremos nosotros en vez de estar acribillando con mi publicidad a quien no le interesa. Importante cambio de paradigma, ¿verdad?. Y vosotros, ¿qué opináis?. ¿Será el futuro u otro bluf marketero?.

Nota: las imágenes han sido tomadas de Hubspot.com. Por cierto, son los mejores en Inbound y han publicado uno de los mejores libros que he leído sobre la materia. Os dejo el enlace:

The post El futuro o más bien presente del marketing: Inbound Marketing first appeared on El blog de Juan Pedro Cabrera.

Todos aquellos que hayáis hecho alguna vez un plan de negocio habréis podido comprobar que casi nunca se cumple ninguna hipótesis, incluso en nuestros peores escenarios. El emprendedor tiende a ser optimista y siempre cree que va a vender mucho más de lo que luego sucede pero desarrolla un plan de negocios fantástico donde dice qué inversiones va a hacer y qué retorno van a tener. Por norma general se usa el plan de negocios para obtener financiación y el emprendedor se embarca en su aventura con todas las ganas e ilusión del mundo pero cuando ve que el plan de negocio no se cumple suele tener ya muchas inversiones hechas y volver atrás resulta cada vez más complicado. ¿Os suena?.

Precisamente, el método Lean Startup lo que propone es justo lo contrario. Diseñemos nuestro modelo de negocio (usando herramientas ágiles y versátiles como el canvas) y testémoslo antes de crear la empresa. Propone buscar los clientes y una vez validados, empezar a vender y después crear la empresa. Es justo al revés de lo que venimos haciendo.

Su filosofía consiste en:

Es un ciclo iterativo de crear, medir y aprender hasta validar cada hipótesis pero sobre todo hace un especial hincapié en el desarrollo de clientes. Esta parte la han mejorado Steve Blanck y Bob Dorf con su espectacular Manual del Emprendedor en el que desarrollan ampliamente el concepto de desarrollo de clientes del siguiente modo:

Primeros se buscan clientes para probar nuestra propuesta de valor y si somos capaces de resolver las tres preguntas que hemos de formularnos antes de embarcarnos en cualquier aventura empresarial:

-¿Es algo que los clientes quieren? (deben tener)

-¿Puede ser resuelto? (viable)

-¿Pueden pagar por esto?, y si no, ¿quién puede?

Una vez encontrados los primeros clientes habrá que validarlos, todo ello siguiendo el siguiente esquema:

Nunca dar una hipótesis por válida hasta ser testada con un experimento y validada por los clientes. El modelo de negocio se valida en la calle y nunca en la oficina así que no nos queda otra que estar desarrollando experimentos y probando constantemente.

Una vez validados los clientes, entonces comenzamos el proceso de creación (que como se ve en el gráfico anterior también es un proceso iterativo) y con esos clientes ya operativos es cuando creamos la empresa y no antes. Como se ve, es un proceso que va casi contra la lógica de lo establecido en el emprendimiento tradicional pero esta filosofía nos permite equivocarnos, equivocarnos mucho y rápido pero sobre todo equivocarnos barato y aprender de todas estas “equivocaciones”. Pongo equivocaciones entre comillas puesto que estas equivocaciones forman parte del proceso de aprendizaje de todo nuevo empresario. Y sirven para validar las hipótesis realizadas o bien para cambiarlas si no se validan (proceso de pivotaje).

Como resumen de toda esta filosofía y entrando en detalles me gusta mucho la visión que añade Bill Aulet en la disciplina de emprender donde automatiza todos estos pasos en el siguiente gráfico:

¿A qué con todas estas herramientas os están entrando ganas de probar vuestra idea?. No es necesario una gran inversión para desarrollarla. Con el modelo de negocio claro y bien testado, se puede salir al mercado con un producto mínimo viable que ya irá desarrollándose. ¿Os animáis?

Nota: las imágenes (o adaptaciones) de este post son del libro The Lean Startup de Eric Ries y la disciplina de emprender de Bill Aulet. Os dejo los enlaces:

The post Como aplicar la filosofía Lean Startup para crear tu empresa first appeared on El blog de Juan Pedro Cabrera.

Si se lee en profundidad el libro Generación de Modelos de Negocio de Osterwalder y Pigneur podemos ver el gran sustrato teórico que tiene la herramienta desde su aprendizaje, desarrollo de cada uno de los segmentos hasta la detección de patrones de modelos de negocio como pueden ser el modelo fremium, gratis, long tail y otros pasando por el diseño de nuevos modelos con técnicas como la ideación o el prototipado. Pero la parte fuerte del libro es la que se dedica a la evaluación donde ponemos en juego el lienzo con el mercado y lo hacemos evolucionar.

Las partes (según mi opinión) que más partido podemos sacarle es aquella en la que usa el lienzo y lo compara con las tendencias actuales del mercado en el que compite la empresa, la estrategia del océano azul, la que usa el DAFO para cada uno de los segmentos y sobre todo la técnica de los escenarios. Veamos cada una de ellas.

Entorno:

Podemos incluir el entorno en el canvas del siguiente modo:

Que afecta a cada uno de los segmentos del canvas como podemos ver en el siguiente gráfico:

Y esto hará que nuestro modelo de negocio evolucione así:

Aquí empezamos a ver un canvas dinámico en contraposición al clásico canvas estático con el que empezamos a estudiar la herramienta tal y como comentamos en la evolución de esta herramienta. Ahora que podemos analizar el entorno es cuando debemos intentar adelantarnos a él y ser nosotros los responsables del camino elegido (dentro de las opciones que se nos presenten) en vez de dejar que las fuerzas del mercado nos lleven a donde no queremos ir.

Estrategia del Oceano Azul:

Esta estrategia fue formulada por Chan y Mauborgne en su famoso libro del mismo nombre y cambió la forma de segmentar en marketing. Dio un gran paso adelante para buscar nuevos nichos de mercado donde antes no se encontraban. Básicamente es una estrategia de 4 pasos en las que básicamente hemos de cuestionarnos qué variables (importantes en nuestro sector de actividad) podemos eliminar, cuales podemos reducir, cuales podemos aumentar y cuales habríamos de crear. ¿Fácil verdad?. Podríamos preguntárselo por ejemplo al Circo del Sol que rompió el paradigma de los circos al eliminar los animales y los famosos de mucho caché, reducir las pistas a 1, y crear un ambiente más parecido a una ópera que a un circo. Esto le permitió reducir costes y aumentar el precio de la entrada. A día de hoy sigue siendo líder y siempre vende todas las entradas en cada nuevo espectáculo que crea. ¿Podríamos dedicar entonces un poco de tiempo a cuestionarnos las “vacas sagradas” de nuestro sector?. Y lo mejor de todo es que nos podemos cuestionar estas preguntas en todos los segmentos de nuestro canvas. ¿Qué pasaría si?….:

DAFO:

Podemos hacer un DAFO de cada uno de nuestros segmentos para ver qué debilidades y fortalezas tenemos en cada uno de ellos del siguiente modo:

En este ejemplo tomamos Amazon en sus comienzos cuando sólo vendía al detalle. Después de analizar cada uno de sus segmentos (en el libro viene un cuestionario muy completo para evaluar cada segmento de tu empresa) se dio cuenta que tenía una gran excelencia en infraestructuras de TI y en logística. La pregunta siguiente era obvia: ¿y si las vendemos también?… y así el Amazon de hoy vende logística a terceros y web services…

Escenarios:

Para mí una de las actividades más potentes que nos permite hacer el canvas ya que podemos aventurar el futuro según tendencias y hacer el modelo de negocio completo en dichas circunstancias. Esto nos permitirá estar prevenidos ante posibles cambios en tu sector y que no nos pase como a Nokia con los smartphones o a kodak con la llegada del mundo digital.

Para ello podemos poner en un eje una tendencia de nuestro sector y en otro eje otra tendencia. Esto nos daría 4 escenarios posibles. Por ejemplo, en el mundo de la fotografía podríamos haber puesto (nos situamos hace unos años) que hay una tendencia en el mercado hacia lo digital y otra tendencia que empezábamos a vislumbrar era el de cámaras más pequeñas para llevar en todo momento. Entonces pondríamos la tendencia 1: analógica-digital en el eje vertical y la tendencia 2: cámara grande – cámara pequeña en el eje horizontal. Nos ponemos en los “zapatos” de Kodak en el que había grandes cámaras analógicas. Podríamos situar su modelo de negocio en aquel momento como el del cuadrante de abajo a la izquierda. Y el cuadrante de arriba a la derecha el cuadrante digital y con cámaras pequeñas para llevar todos los días. Si kodak hubiera hecho este ejercicio y hubiera hecho el modelo de negocio de una empresa en el cuadrante de arriba a la derecha habría visto claramente que era diferente al de una empresa en el cuadrante de abajo a la izquierda. En función de la fortaleza y consistencia de las tendencias es conveniente hacer el ejercicio y preparar la empresa para esos cambios.

Y dicho todo esto, ¿os animáis a usar el canvas para ver cómo puede evolucionar vuestra empresa?. ¿A qué esperáis para hacer más de una simulación?.

Nota: todas las imágenes (o adaptaciones) son del libro “Generación de modelos de negocio” de Alexander Osterwalder e Yves Pigneur.

También os dejo los enlaces por si queréis comprar los libros en Amazon:

The post Usos del canvas para hacer evolucionar tu negocio first appeared on El blog de Juan Pedro Cabrera.

La herramienta es:

Como se puede comprobar en la imagen, el canvas describe visual y fácilmente cada una de las partes de la empresa. Está dividida en nueve módulos en los que se describe como la empresa crea, distribuye y capta valor. Los podemos agrupar en 4 grandes bloques del siguiente modo:

Y de esta forma obtenemos una visión global de quienes son nuestros clientes, cómo accedemos a ellos, qué necesitamos para entregarles nuestra propuesta de valor así cómo cuales serán nuestras fuentes de ingresos y nuestros principales costes.

A modo de ejemplo podríamos ver el canvas de Nespresso:

Al ser una herramienta tan fácil de usar, es tremendamente útil para las nuevas empresas y startups ya que les permite validar su modelo de negocio antes de lanzarse definitivamente al mercado con algún nuevo producto/servicio que nadie vaya a comprar. La filosofía Lean Startup y el desarrollo de clientes proponen precisamente que usemos herramientas como ésta y que vayamos probando y validando todas nuestras hipótesis sobre el modelo de negocio. Y todas estas hipótesis se validan en la calle (no en la oficina) preguntando a los clientes. Si al salir y preguntar vemos que laguna de nuestras hipótesis no son validadas, entonces habría que cambiar nuestro modelo de negocio en alguno de los 9 segmentos y eso es lo que conocemos por pivotar. Así que podemos usar un canvas para hacer nuestro modelo de negocio, testar las hipótesis y validarlas o pivotar. Pero sobre todo este proceso hablaremos en un próximo post.

Posteriormente Osterwalder y Pigneur introdujeron una evolución en el Canvas para aumentar la información sobre la propuesta de valor adecuada a cada segmento de clientes del siguiente modo:

Se amplía la mera descripción de la propuesta de valor (productos y/o servicios) a productos y/o servicios que también generan alegrías al cliente y le evitan “frustraciones”. Es precisamente esta parte “emocional” de la propuesta de valor la que hay que lograr que encaje con las alegrías que espera el cliente y que quite las frustraciones que tiene. Si logramos este encaje, ese cliente será fiel y la competencia no podrá quitárnoslo.

También sabemos de la importancia de la ecología y el medio ambiente en la actualidad por lo que muchos autores están haciendo evolucionar el Canvas tradicional de 9 segmentos a 11 segmentos. Los dos segmentos que añaden son los de beneficios medioambientales (jusot debajo del segmento de ingresos) y el de costes medioambientales (justo debajo del segmento estructura de costes).

Y por último, una nueva evolución es la que conocemos como el Lean Canvas que sirve precisamente como punto de partida para ir haciendo las validaciones y pruebas de nuestro modelo de negocio. Esta herramienta la creó Ash Maurya y sirve como tarjeta de pruebas del siguiente modo:

Veremos qué nos depara esta potente herramienta y cómo va a seguir evolucionando en un futuro próximo. Y vosotros, ¿qué creéis que le falta o echáis de menos en la herramienta?. ¿La usáis?. Espero que sí y que os animéis a usarla después de leer este post.

The post La evolución del canvas (o lienzo) para describir modelos de negocio first appeared on El blog de Juan Pedro Cabrera.

Yo, como amigo de lo simple (que no de lo simplista, ¡ojo!), pienso que cuantas menos métricas a seguir, mejor. Eso sí, hay que elegirlas bien para poder tener tiempo de reacción a posibles desviaciones. Llevando este argumento a su máxima expresión, ¿podríamos seleccionar una sola métrica para ver cómo estamos gestionando el negocio?. Obviamente, si el negocio fuera mal, sería muy difícil el saber por qué va mal con un único dato y ya habría que buscar más información pero si fuera bien y cómo de bien sí que podría saberlo.

Imagino que todos los que hemos gestionado alguna vez tenderíamos a preguntar por el R.O.I. o el beneficio neto como mejor medida si solo pudiera elegir una. Pero, ¿qué pasa si el negocio está empezando y todavía no tengo esos datos (o al menos consolidados de forma estable)?. Podríamos pensar entonces en el E.B.I.T.D.A. como medida a usar pero ¿cómo de sostenible sería este EBITDA?. En fin, que aunque muchas de estas medidas puedan darnos una imagen más o menos fiel de la empresa sólo están midiendo temas internos de la empresa.

Y siento ser un pesado con estos temas, pero empresa que no esté orientada al cliente, empresa que terminará cerrando. Por lo tanto, si quiero tener una medida que me aporte valor, este medida tendrá que ver con los clientes y no con ningún ratio financiero. Dicho esto, pues hablemos con los clientes para ver qué tal lo estamos haciendo… ¿cómo?… ¿?…

¡Muy fácil!. Preguntando: en una escala de 0 a 10 ¿cuánto de probable es que recomiendes mi producto (o servicio) a un amigo o familiar?; siendo 0 no lo recomendaría por todo el oro del mundo y 10 lo recomendaría fervientemente. ¿Qué os parece esta simple pregunta?. Pues se llama el Net Promoter Score (NPS) y es un indicador usado para medir la lealtad de los clientes. Fue creado por Frederick Reichheld en 2003 junto con su empresa de consultoría Satmetrix y publicado en un artículo en la Harvard Business Review titulado “The one number you need to know”.

Una vez tenga las respuestas las tabulo del siguiente modo:

Detractores: los que hayan votado entre o y 6.

Pasivos: los que hayan votado 7 u 8.

Y Promotores: los que hayan votado 9 o 10.

Ahora sólo tendría que calcular el porcentaje de detractores (entre todos los que hayan votado) e igualmente el porcentaje de promotores.

NPS=% de promotores – % de detractores

Nos puede dar un número desde el -100 (todo el mundo es detractor) hasta el +100 donde todos serían promotores.

Como podemos ver, es un número muy fácil de obtener y con el que es muy fácil de hacer benchmark con la competencia. Todo esto hace que tenga sus detractores también, que se oponen a usarlo tildándolo de simplista. Podríamos considerar buenos el tener NPS positivos y excelentes superiores a 50. Hay múltiples informes como éste de Satmetrix donde podemos encontrar valores más que sorprendentes.

En cualquier caso, es una única métrica que sí que nos dice cómo estamos de cara a nuestros clientes (ya que se lo hemos preguntado a ellos), es fácil de obtener y que podemos tomar como referencia a la hora de ir viendo su evolución en el tiempo.

¿Qué os parece a vosotros?. ¿Habéis calculado ya el NPS de vuestra empresa?. ¿Os animáis?.

The post ¿Serías capaz de elegir una única métrica para saber si tu empresa va bien? first appeared on El blog de Juan Pedro Cabrera.

Hace ya año y medio que escribí este post sobre cómo mejorar una fuerza de ventas y cómo fijar objetivos. Cuando lo releí, descubrí que el mundo de la gestión de personas avanza a pasos agigantados y que tan sólo año y medio en gestión pueden hacerte parecer ya una “antigualla”.

Revisando libros de gestión de personas más actuales he visto que la inteligencia emocional se va abriendo camino de forma consistente. La PNL y el coaching son temas sin los cuales ya no se concibe la gestión tanto empresarial como personal.

Entonces, incluyendo todas estas nuevas tendencias en la gestión podemos ir mejorando y ampliando temas que dábamos por sabidos y que sin embargo tienen un amplio recorrido de mejora como podría ser el de la fijación de objetivos.

En mi anterior post, decía que los objetivos han de ser “inteligentes” (S.M.A.R.T. en inglés) y desglosaba cada una de las iniciales. Ahora también han de ser puros (P.U.R.E.) y claros (C.L.E.A.R.). Me explico:

SMART

1 Specific: concretos y definidos. Hay que saber exactamente el qué.

2 Measurable: mensurables y cuantificables. Se deben poder medir.

3 Achievable: factibles y asignables. Se debe saber quién es el responsable.

4 Realistic: realista y realizable. De nada vale fijar un objetivo profundamente irreal.

5 Time Phased: ordenado en el tiempo y con fechas para su cumplimiento y revisión.

PURE

6 Positively Stated: formulados en positivo. Conseguir, llegar, alcanzar… en vez de no perder clientes, o no a lo que sea.

7 Understood: entendidos. Hay que tener la respuesta de que se han entendidos. Muchas veces queremos decir una cosa y se entiende otra. Mejor preguntar que dar por sentado que se han entendidos.

8 Relevant: los objetivos han de ser pertinentes al puesto desempeñado y esto vale tanto para lo personal como lo laboral.

9 Ethical: y han de ser éticos. No seremos los primeros en ver objetivos que no han cumplido este último requisito aunque afortunadamente vamos mejorando en este último aspecto.

CLEAR

10 Challenging: deben ser un reto. Todo lo que te reta, te anima a superarte. Si no son un reto tanto por defecto como por exceso, lo más probable es que no los cumplas.

11 Legal: han de ser legales. Ya comenté que algunas veces se puede ser legal pero no ético y creo que lo mejor es cumplir ambos requisitos.

12 Enviromnment friendly: ecológicos. Han de respetar el medio ambiente.

13 Agreed: acordados y no impuestos. Toda decisión en la que se toma parte y se acuerda es más fácil de llevar a cabo que si es impuesta.

14 Recorded: por escrito. Qué importante es esto último. No puedes fijar objetivos y no darlos por escrito.

A modo de resumen os pongo esta pizarra con mi letra que espero entendáis:

¿Cuántos de nosotros tenemos todo esto en cuanta a la hora de fijar objetivos?. Aprovecho la fecha de finales de año para cuando hagamos nuestra revisión de objetivos anuales, ver cuáles hemos cumplido y que ala hora de fijarnos objetivos para el año próximo, tengamos todos estos requisitos en cuenta.

También aprovecho para compartir con vosotros los últimos libros que he leído sobre el tema y que creo que os podrían gustar:

Voy a venderlo todo de Marcos Álvarez

El vendedor excelente de Elena Rubio

Los 88 peldaños del éxito de Anxo Pérez

El pequeño libro de las grandes decisiones de Mikael Krogerus y Roman Tschäppeler

Y me ha encantado Tu futuro es hoy de Francisco Alcaide y Laura Chica.

En todos ellos hay mucha materia sobre ventas y objetivos (y no me canso de repetir) tanto laborales como personales. Estoy empezando a fijarme también por escrito los objetivos personales, y como muy bien decía Brian Tracy, sin metas navegamos sin rumbo. Usemos todo este contenido para el plano personal también.

Entonces, ¿a qué esperáis para fijar vuestros objetivos para el año que viene?

The post 14 requisitos que no puedes olvidar cuando fijas objetivos first appeared on El blog de Juan Pedro Cabrera.

Las grandes empresas suelen gastar mucho dinero en estudios de mercado y a tratar de conocer su perfil de cliente con la mayor profundidad posible, aunque todavía sigan existiendo muchas que piensan únicamente en ellas mismas y no en sus clientes. Esas empresas “egoístas” se descubren con pensamientos del tipo qué le puedo vender a mis clientes o cómo impacto publicitariamente en ellos de manera óptima.

Como ya hemos comentado en otros posts, el hablar de uno te lleva a que tu empresa termine cerrando y sólo hablando y dialogando con tus clientes tendrás un gran recorrido. Hemos de pensar en nuestros clientes, descubrir qué necesitan (¡no qué puedo venderles!) y cómo puedo ayudarles!. En definitiva, pasar de la anterior estrategia centrada en tu producto, costes, márgenes y precio a estar totalmente centrado en el cliente y cuánto está dispuesto a pagar por el valor que le ofrecemos.

Ahora bien, no todas las empresas pueden pagarse impresionantes estudios de mercado hecho con los últimos consultores, sociólogos y herramientas de análisis de datos. De hecho, la mayoría no puede pagarse esos estudios pero sí que hay herramientas para poder tratar de conocer perfectamente los clientes en los que tenemos basado nuestro modelo de negocio. Esta herramienta es el mapa de empatía y es una herramienta desarrollada por la consultora XPLANE y que nos sirve para tener un buen punto de partida.

Esta herramienta nos ayuda a ampliar la información que tengamos de nuestros clientes con un mayor conocimiento sobre su entorno, deseos, inquietudes y aspiraciones de modo que podamos ajustar nuestra oferta a sus necesidades.

Podemos ver el mapa de empatía en el siguiente gráfico:

Fuente: adaptado de Xplane

Y básicamente nos permite entender mejor por qué está dispuesto a pagar un cliente.

Lo primero de todo es identificar los segmentos de mercado a los que nos estamos dirigiendo y muy importante: ¡a los que nos podríamos dirigir!. Elegiremos varios candidatos dentro de cada segmento y para crear el perfil hemos de asignar a cada pequeño grupo de candidatos (bien homogéneo, sino habrá que segmentar más) un nombre y una serie de características demográficas. Posteriormente, tendrán que responder estas 6 preguntas:

• ¿Qué ve?: ¿Qué ve el cliente en su entorno? ¿Y en su familia y amigos?. ¿Qué tipo de ofertas recibe?.
• ¿Qué oye?: ¿Qué dicen sus amigos y familiares?. ¿Quién es su prescriptor?.
• ¿Qué piensa y qué siente?: ¿Qué es lo más importante para él?. ¿Qué le alegra y qué le preocupa?.
• ¿Qué dice y qué hace?: ¿Qué actitud tiene?. ¿Con quién habla y qué le cuenta?. ¿Es coincidente con lo que piensa?.
• ¿Qué esfuerzos hace el cliente?: ¿Cuáles son sus cortapisas para acceder a sus deseos?.
• ¿Qué resultados obtiene el cliente?: ¿Cuál es su motivación?. ¿Qué quiere en realidad?. ¿Qué medios usará para conseguir sus objetivos?

Podéis usar notas adhesivas para cada respuesta obtenida e irlas colocando en el gráfico dentro de su apartado y cuantas más respuestas tengáis, más rico será el perfil que podáis elaborar. Os animo a que leáis el libro “Generación de Modelos de Negocio” de Alex Osterwalder & Yves Pigneur donde podréis encontrar más información al respecto.

Pues ya tenéis una herramienta para poder saber qué necesitan y qué quieren vuestros clientes por lo que ¿a qué esperáis para ponerla en práctica?

The post ¿Quieres vender más?. 6 Claves para empatizar con tus clientes first appeared on El blog de Juan Pedro Cabrera.