Revolution Banking SP 2016

¿Es el hombre predecible? Una reflexión desde la perspectiva de los datos

By on 25 marzo, 2015
Francico Alvarez CECA

Desde que estamos trabajando con los traders de mi banco y el profesor Raúl Gómez Martínez en el proyecto de Análisis Predictivo de los Mercados Financieros en base a Internet,  me interesa sobremanera el carácter previsible del ser humano: ¿Somos de alguna manera predecibles? ¿Existe el destino? ¿Podremos viajar al futuro ya que éste está prescrito ya ahora en el presente?

Simon James, Director Global de Performance Analytics de Sapient Nitro, se ha hecho esta misma pregunta desde la perspectiva de los datos (no del “big data”, que él dice aborrecer por lo del hype, sino de los datos en sí). James da ocho razones, ocho, que demuestran “desgraciadamente” que somos predecibles:

1. Los 35 Zetabytes de datos que se esperan en el mundo en 2020 no se corresponden con los insights que les sacan partido. De hecho, se produce un efecto pirámide desde los datos a la información, de la información al conocimiento, del conocimiento al aprendizaje,  y de éste al beneficio. En este sentido, cuantas más veces hagas algo, más probable es que lo repitas.

Esto se produce (y está acreditado) con las drogas, con los líos extramatrimoniales, con los descansos (improductivos) pre y post-vacacionales (ver), con las visitas a páginas web… y con las compras,  de ahí la proliferación de programas de fidelización, y lo de que cuanta mayor frecuencia de compra, más proporción de compras repetidas, y mayor cuota de mercado.

2. Cuando más tardes, menos posibilidades de que vuelva a suceder. La tasa de reincidencia descubierta en presos tiende a minorarse cuantos más días pasen desde el seguimiento. También lo hace la tasa de recompra según transcurran más días desde la última visita.

3. Montones de clientes no son rentables. Simon James contrapone el principio de Pareto a una visión realista sobre los clientes rentables que no sobrepasan el 15%:

4. La segmentación es redundante en el mundo digital, ya que nadie es un segmento y la persona es un individuo único. Los segmentos, ahora, son personas que han de ser analizadas en función de toda la trazabilidad y datos que podemos recopilar de ellos. La segmentación viene de ese análisis pormenorizado que tiene en cuenta el factor FRV (cuantas más veces hagas algo, cuanto más tarde, y los clientes no rentables).

Así, es posible configurar un cuadro que permite segmentar a cada cliente según la predictibilidad del comportamiento y concentrar las acciones en dos de esos segmentos: los de alta “frescura” (es decir, poco tiempo desde la compra), baja frecuencia y bajo valor, con los que conviene una estrategia “Escuela” (mimarles), y los de baja “frescura”, alta frecuencia y alto valor, a los que aplicaría la estrategia “Oh, mierda”: recuperarlos.

5. Nunca confíes en una ratio. El ejemplo perfecto es el NPS (Net Promoted Score, un estándar de reputación online, basado en la diferencia entre los comentarios positivos y negativos sobre una marca muy bien trabajado para banca en este artículo sobre la economía de la fidelización) y cómo correlaciona con el crecimiento en depósitos. También vale el ROI, entendido como el margen de beneficio entre el coste.

James da tres argumentos más, pero lo cierto es que son más bien una sucesión de ejemplos al uso que le sirven para optimizar la utilidad de los datos cotidianos:

6. Los algoritmos no tienen ética. Aquí el mejor ejemplo es la iniciativa de Facebook de compartir los mejores momentos de sus “clientes” en función de los que más “Me gusta” hayan recibido, el experimento del robot que compraba cosas al azar (y compró pastillas de éxtasis y condones, abriendo el debate sobre si un robot puede cometer delito)  o las veces que Whatsapp ha sido esgrimido como evidencia de divorcio (la mitad de adúlteros italianos lo sufren).

7. Las consecuencias de equivocarse. EL problema del marketing es que los errores salen gratis. En medicina, por ejemplo, por cada 5 vidas salvadas del  cáncer, 17 tendrán un agresivo tratamiento de terapia sin necesitarlo (según Cancer Research UK).

8. Vigilando al vigilante. Es, cuando menos, extraño, que la población caucasiana (los blancos) siendo el 87% de la población, sufran sólo el 41% de los registros y el 59% de los arrestos. De ahí que sea bueno no confiar excesivamente en que el trabajo lo hagan otros, y de ahí lo de GCHQ, que alerta a una empresa de contraespionaje sobre los riesgos de fraude de los propios empleados en función de un algoritmo sobre su nivel de enfado con la empresa.

Todo está escrito, amigos!

Francisco Álvarez Cano, gestiona la Reputación Online y la Comunicación Digital en Cecabank

Deja un comentario