De escucha en redes a conversaciones relevantes

Porque el complemento de escuchar es interpretar y acciona

Para nadie es un secreto que vivimos en tiempos acelerados. En ciertas ocasiones resulta interesante preguntarse cómo actuaríamos si los avances tecnológicos de la segunda mitad del siglo XX, y la rápida adopción del uso de la tecnología digital que se ha dado a partir de la década de 1980, no hubiera sido la que vivió la humanidad.

Ahora que el Internet nos ha dado acceso al mundo, ¿tendríamos una consciencia diferente sobre otras culturas?, ¿veríamos las ventajas de contar con un equipo de trabajo ubicado en diferentes países?, incluso, ¿existiría una conciencia del DIY (hazlo tú mismo) tan fuerte hoy en día gracias a los videos ilustrativos de YouTube? 

Ciertamente nuestra manera de actuar, comunicarnos y entender el modus operandi de aquellos con quienes interactuamos ha cambiado gracias a los tiempos modernos.

Juicios inmediatistas

Cabe decir que estos avances nos han moldeado drásticamente, tanto que conviene hacer pequeños altos en el camino para evaluar los cambios de comportamiento en los usuarios. Hoy por hoy, nos resulta más sencillo postear un video de nuestras vidas en redes sociales, permitiendo la visualización del mismo por millones de personas, que dar una respuesta concreta a alguien en persona.

Paradójicamente, las herramientas que nos han abierto la posibilidad de comunicarnos con el mundo entero, también han limitado nuestra capacidad de comunicarnos de forma tradicional. Ahora, acostumbrados a los mensajes audiovisuales, nos hemos vuelto personas de pocas palabras y juicios inmediatistas. 

Este comportamiento se refleja en lo agudos que somos a la hora de juzgar un servicio o producto. El cliente lo consume por años, pero la relación con la marca puede fracturarse en un instante, por algún desacuerdo, un cambio en el producto o un percance con el servicio y de paso, manifestar en redes sociales la insatisfacción.

Este es el problema en el que más invierten tiempo y esfuerzo las compañías de telecomunicaciones: el churn: Para este caso, diversas telcos gastan grandes cantidades en difundir sus atributos funcionales, así como en intentar explicar a sus usuarios (reales y potenciales) los pormenores técnicos de sus productos y servicios mientras que ellos, los usuarios, buscan cuidar celosamente sus datos de comportamiento en dispositivos digitales. 

Ignorantes sobre la desconexión que hay entre el área de servicio al cliente y el área de comunicaciones de su proveedor, los usuarios deciden hacer portabilidad a la primera oportunidad con un sencillo argumento – “Esta compañía no conoce mis necesidades y por tanto, no me ofrece el servicio que busco”.

Mayor escucha, mejor inversión

Podemos encontrar varios casos en todas las verticales e incluso atrevernos a formular una causa común: En tiempos donde los datos abundan, la información no tanto. Así, existe la sensación por parte de los consumidores de que las empresas que les prestan un servicio cuentan con sus datos y, por tanto, tienen la información necesaria para accionar de maneras correctas y adecuadas, llegando cada vez más a ofrecer un servicio o producto a la medida. 

Cuando este ciclo se rompe, y el servicio que se ofrece no cuenta con el nivel de personalización que se esperaba, la confianza se rompe, llevando al consumidor a buscar un nuevo proveedor de servicios y a volverse detractor de la marca por redes sociales.

Escucha en redes y conversaciones relevantes

¿Es un asunto de generar canales de comunicación directa con los clientes en redes sociales? Actualmente, las compañías invierten grandes sumas de dinero en herramientas de escucha en redes, otro tanto en campañas digitales, chatbots o líneas de atención al cliente; sin embargo, la confianza por parte de los consumidores no pareciera estar repuntando. 

La conjetura es que el uso desagregado de todas estas herramientas resulta en una gran cantidad de datos, pero estos no se convierten en información accionable, solo hasta que las decisiones reparadoras de confianza surgen de escuchar las peticiones de los consumidores. ¿No es eso lo que hacemos cuando tenemos una diferencia con nuestra pareja o con alguna amistad?

Claro está que decirlo es más sencillo que hacerlo, pero con la guía de algunos consejos sobre cómo actuar para tener una conversación, se puede hacer funcionar para ambas partes:

  • Tener el panorama completo.
  • Ser oportuno.
  • Hablar el mismo lenguaje.

El panorama completo

Cuando se trata de un diálogo empresa-usuario, las temáticas suelen centrarse en los puntos que la empresa considera relevantes sobre los servicios que ofrece, así como sobre las necesidades que el usuario manifiesta sobre dichos productos. 

Este diálogo resulta repetitivo y se agota rápidamente en varias ocasiones, limitando la posibilidad del usuario de ver más allá de la queja, las acciones por parte de la empresa para mejorar o las nuevas oportunidades para abrir la puerta a la innovación. Siempre es oportuno tomar distancia y observar el panorama completo, para así encontrar los lugares comunes de conversación, ya que estos no solo marcan oportunidades de crecimiento sino también los puntos de dolor entre los interlocutores. 

Para el caso de las redes sociales, los modelos machine learning dedicados a encontrar temas de conversación relevantes han resultado de gran ayuda para explorar los datos recopilados en escuchas, además de dedicar ese tiempo al análisis y a la propuesta de accionables sobre los hallazgos. 

Por ejemplo, encontramos que los temas de conversación en torno a propuestas culturales generaban una respuesta emocional casi nula. El panorama general de las propuestas de entretenimiento, en cambio, ofreció algunas temáticas olvidadas por la oferta cultural que estaban siendo aprovechadas en otra vertical. Llevar la conversación de “te ayudamos a volverte más culto” a “puedes sentir la cultura” provocó un vuelco en la propuesta de valor con el que los usuarios reaccionaron de manera positiva.

Comparativo entretenimiento y cultura
Comparativo de resultados de territorios de conversación de entretenimiento y cultura.

Ser oportuno

Todos hemos recibido el consejo, en discusiones acaloradas, de tomar un respiro, recuperar el foco y volver a la conversación. Al aplicarlo, encontramos que el diálogo retoma con un rumbo productivo para ambas partes. Esto se debe a que las temáticas que nos afectan emocionalmente pueden llevarnos a tomar posturas intransigentes y decisiones -una vez más, basadas en sentimientos- que no son las más productivas. 

Si hacemos un símil revisando las prácticas de muchas compañías con las herramientas actuales de medición de sentimientos, podemos ver una insistencia en temáticas nocivas para el interlocutor: Como empresa, al encontrar que una discusión en redes sociales está afectando la medida positiva del sentimiento de la marca. La tarea inmediata es identificar dicha temática y reaccionar rápidamente con la postura de la marca en los canales que se están viendo afectados. Sin embargo, la temática habrá minado la confianza y percepción que tienen los usuarios sobre la marca y los próximos esfuerzos tendrán que ser mucho mayores. 

En cambio, resulta curioso cuando revisamos históricos de las mediciones de sentimientos y cruzamos estos datos con las temáticas que los mueven. Por lo general, encontramos patrones recurrentes a lo largo de los años, que ayudan a pasar de ser reactivos con la medición a predictivos y propositivos. Así, cambios relativamente sencillos en la visualización del sentimiento de la marca -esto en caso de contar con un histórico de datos y de un panorama completo de categorías-, nos ayudan a encontrar los mejores momentos o picos para que la marca hable con sus consumidores sobre temáticas específicas, incluso a replantear lanzamientos de productos o servicios, encontrando la oportunidad de ser relevante.

Temporalidad conversacion
La visualización de los sentimientos a lo largo del tiempo en una categoría, en caso de no mostrar picos que eventualmente pueden aprovecharse, da pistas sobre la importancia de establecer temas de conversación más macro para, desde la marca, proponer la temporalidad de la conversación.

Hablar el mismo lenguaje

¿Cúal es el tono adecuado?, ¿cuáles son las acciones que más valoran nuestros clientes? o ¿de qué manera perciben la marca? Estas preguntas pueden tener una sencilla respuesta si escuchamos con atención y nos ayudamos de herramientas de machine learning. El secreto está en entender qué es lo que queremos saber y en descomponer de manera adecuada los mensajes que recibimos. 

Con los verbos, por ejemplo, conocemos las acciones que requieren los interlocutores, mientras que los adjetivos dan la calificación cualitativa que tienen de la marca. Los sujetos, por último, ayudan a evaluar si los referentes de visión que se tienen para la marca están alineados con lo que perciben los clientes. Cuando la información se organiza y prioriza, se hacen una serie de mapas mentales de nuestros interlocutores, con el objetivo de ofrecer una mejor experiencia a partir de la escucha.

Semantic Suite es un producto de Grupodot que, más allá de las escuchas en medios masivos y canales de comunicación digitales, ofrece a las marcas la oportunidad de generar conversaciones relevantes para sus clientes. 

Con su uso, da la posibilidad de entender -mediante la escucha- las necesidades y temáticas recurrentes de clientes en diferentes verticales. Está herramienta permite visibilizar que, incluso distintas geografías, tanto necesidades como temáticas, siguen siendo las mismas por verticales de negocio. Sin embargo, Semantic Suite potencia su valor cuando deja de ser un producto o herramienta y se convierte en un servicio. 

El poder de escuchar pierde valor si no va acompañado de una acción, resultante de interpretar la información recolectada. Nosotros escuchamos para obtener datos, los transformamos en información y llevamos estos datos a acciones tangibles y valiosas para nuestro interlocutor.

Democratización de la data: Herramientas y prácticas para el diseño de servicios

En un comienzo, la información se transmitía de voz a voz con la intención de guardar registro de la misma, luego, con la escritura, pasó a ser registrada y almacenada. Hoy en día, la gran cantidad de información entendida como big data, ha adquirido un nuevo nivel de importancia: Su análisis hace parte esencial en el diseño de servicios pertinentes y la toma de decisiones estratégicas en pequeñas, medianas y grandes empresas.

Contrario a las creencias, las pequeñas empresas son las que suelen sobresalir por su agilidad en la toma y ejecución de decisiones. Pero, ¿a qué se debe este fenómeno?, ¿influye el tamaño del equipo?, ¿tiene que ver con la cantidad de datos por analizar? o ¿será el resultado de generar servicios y/o productos específicos, en vez de diversificar?

Data y diseño de producto

La verdad sea dicha, varias de las respuestas tienen que ver con la agilidad propia de las pequeñas empresas o emprendimientos: La comunicación entre equipos y toda la información que cada uno recoge, analiza y genera, son los factores que indican como mejorar los productos y servicios para ofrecer, pero a mayor cantidad de interlocutores y datos recolectados, menor velocidad de acción y reacción.

Para igualarse en velocidad, empresas de mayor tamaño tienen que aprovechar la capacidad de almacenamiento y procesamiento de información, haciendo que la big data valga oro en la industria.

¿Cómo se logra una total coordinación en los procesos de las empresa? Manteniendo a todos los miembros al tanto de la información indispensable para ser competitivo. De aquí radica la importancia de democratizar la data, más allá del deseo de permitir que la información llegue a todos los interesados, se trata de que todos tengan acceso a la información necesaria para realizar su trabajo.

Estamos hablando de generar productos y servicios a partir de datos recolectados y analizados por cada empresa, creando su propia estabilidad y crecimiento. Una práctica que se ha fortalecido con la formalización del diseño de servicios y productos, así como por aportes de metodologías como el design thinking.

data-diseño-producto

Big data para crear y escalar un producto

Podemos dividir el proceso de creación y escalamiento de un producto en 3 pasos: Generar una idea, convertirla en un producto y diversificar su mercado. Cada momento se beneficia de la información recopilada, permitiendo generar, entregar y capturar valor, lo cual da una pista clara de lo provechosos que resultan los datos para optimizar la oferta de cada empresa, facilitando la toma de decisiones en la relación cliente — marca — producto.

Otro avance significativo, que ha permitido llevar a los datos a su posición privilegiada, está en las tecnologías que permiten almacenar y procesar grandes cantidades de información (big data), además de crear e implementar una infinidad de modelos de machine learning, automatizando y optimizando el análisis.

Tim Brown, CEO de IDEO y una de las voces más relevantes del design thinking (además de figurar como creador de la metodología) comenta al respecto lo siguiente:

“New tools such as artificial intelligence, the internet of things, and biomimicry mean our design ambitions are limited only by our imagination. Meanwhile, creativity has never been more important. The global economy is stuttering and disruptive technologies challenge established business models.”

Brown refuerza la postura del artículo: la importancia de los datos está más allá de la trazabilidad, pero también nos cuestiona si tenemos la capacidad de responder con propuestas creativas, a la misma velocidad en que llega la información.

Aquí encontramos una de las principales razones por las que un buen número de empresas, aún no adoptan estas prácticas de democratización y análisis de la data: la parálisis por análisis.

Parálisis por análisis

Este fenómeno consiste en que usualmente no contamos con el tiempo suficiente para analizar grandes cantidades de información y encontrar insights de valor, que lleven a proponer nuevos productos y mejorar los existentes.

Al no poder accionar rápidamente, decidimos no diseñar a partir de los datos. Esto sucede cuando mantenemos un esquema de producción lineal, como el que se muestra en la imagen 1.

Es entonces cuando la propuesta de un diseño circular, como la que propone Tim Brown cobra relevancia. En este esquema, ya no recopilamos información sólo al final del proceso, sino que recolectamos y analizamos en cada uno de los pasos y con propósitos específicos.

De esta manera, el volumen de datos que se analiza en cada paso es menor, reduciendo la posibilidad de parálisis por análisis. Así convertimos los productos en servicios con valor incremental, como se muestra en la imagen 2.

productos-en-servicios

El caso de DriveNow, un servicio de carsharing que comenzó hace 8 años en Alemania y que opera actualmente en más de 9 países, con una flota de más de 5900 vehículos, resulta ser un buen ejemplo del diseño circular, donde la tecnología, la recolección y el manejo de datos son bien aplicados.

Desde su lanzamiento, el carsharing se transformó rápidamente en un joint venture entre Sixt y BMW, donde la última empresa dejó de centrarse en su producto insignia (vehículos) y le apuntó a diversificar el negocio, asegurando que la flota entera del carsharing sea propia y recolectando todo el tiempo datos sobre: trayectos, horarios, preferencias e información relevante que mejore el viaje.

Beneficios de acuerdo al tipo de datos

Aparte del problema de parálisis por análisis, también es común encontrar situaciones en que las empresas carecen de grandes cantidades de datos, sobre todo en áreas diferentes al histórico en ventas.

Esta situación es fácil de entender, si tenemos en cuenta que las cifras más relevantes para una empresa están relacionadas con los costos de producción y ganancias, pero resulta convirtiéndose en un problema prioritario cuando nos damos cuenta que no tenemos respuesta a ¿cuáles segmentos de alto valor estoy dejando desatendidos? o ¿quién puede ser una figura representativa para impulsar mis productos y servicios?, estas preguntas podrían ser resueltas con datos, más allá de las ventas.

Podemos ver que la clave de una democratización de datos exitosa, está en establecer una cultura de recolección en todas las áreas de la compañía.

democratizacion-datos

Preguntas y visualización como medio de comunicación

La variedad de datos recolectados, es tan beneficiosa como las diferentes miradas de las áreas al analizar información. El punto es que los objetivos de cada una pueden variar, dificultando la comunicación entre las mismas. Esta es una de las razones por las cuales las empresas pequeñas, suelen ser más ágiles que las de mayor tamaño.

De ahí radica la importancia de un tercer condicional, para lograr una democratización y análisis de datos exitoso: se debe tener una comunicación efectiva con los involucrados, la meta es que todos hablemos el mismo idioma.

  • Se debe establecer una periodicidad en la recolección de datos, de lo contrario, resultará imposible hacer el cruce correcto de información con sus nuevas versiones.
  • Cada involucrado debe aclarar lo que espera encontrar en los datos, ya que cada área se beneficia de la información recolectada por las demás.
  • Compartir los datos a través de visualizaciones. Para esto, hay que asegurar que la gráfica hable por sí sola, resumiendo y dando a entender los resultados del análisis de la información.

La visualización, elemento clave en la comprensión de los datos

No hay que olvidar que los involucrados son los mismos espectadores de los reportes, por esto, hay que plantearnos las siguientes preguntas para entender lo que ellos esperan ver:

  • ¿Quién va a visualizar el contenido?
  • ¿Qué quieres que ellos sepan o hagan con esa información?
espectadores-reportes

Las respuestas a estas preguntas nos ayudan, como visualizadores, a seleccionar los displays apropiados según lo que queramos comunicar.

  • Texto simple: El texto simple es la mejor manera para comunicar cuando solamente hay uno o dos números para compartir.
  • Tablas: Los datos siempre deben resaltar, por eso las tablas son ideales para comunicar diferentes unidades de medida.
  • Mapas de calor: Una mezcla entre tabla y visuales. Podemos facilitar la lectura con ayuda de los matices y la saturación de colores, desde una visión general hasta el detalle de la información.
  • Gráficos de dispersión (scatter charts): Son útiles para mostrar la relación entre dos temas, ya que la ubicación de los puntos con respecto a los ejes muestra la relación.
  • Líneas estándar (standard): Los gráficos standard son los más usados para mostrar datos continuos.
  • Slope Graphs: Es la mejor opción cuando buscamos comparar aumentos y disminuciones relativas entre dos puntos de vista o periodos de tiempo.
  • Barras: Verticales, horizontales y apiladas, suelen ser un tipo de gráfica bastante recurrente a la hora de mostrar información.

Pasos para visualizar

Ahora bien, si cada gráfico tiene el potencial de transmitir un mensaje concreto sobre una porción de información, un buen reporte tiene que funcionar contando una historia completa, para lo cual resulta conveniente seguir los siguientes pasos:

  • Sketch: Solemos subestimar el potencial del papel, pero una buena sesión de sketching, en la que los usuarios finales de la visualización plasmen en papel sus expectativas, ayuda a entender cuáles son los datos que buscan y cómo quieren visualizarlos.
  • Mockup: Una vez contamos con un bosquejo en papel, podemos hacer la maqueta de datos para visualizar la herramienta seleccionada. En este punto nos enfocamos en funcionalidad.
  • Visualización final: El protagonismo lo tiene el look & feel: colores, tipografía y demás elementos visuales. La preocupación debe estar en mantener la información esencial planteada en el sketch, ofreciendo una visualización agradable y clara. En caso de ser un reporte dinámico de entrega periódica, podemos plantear un roadmap de mejoras.

Resumiendo, la democratización de la data en una organización, se convierte en un esfuerzo esencial para agilizar la toma de decisiones a través del análisis, basándolas en una estrategia de crecimiento que ofrezca valor a sus clientes.

Con esto se logra mantener una comunicación clara y continua con los usuarios finales de los productos. A continuación finalizamos con un paso a paso del proceso:

  • Definir los datos que se quiere recolectar en cada área, con el objetivo de esclarecer el propósito de la recolección de cada fuente.
  • Establecer una cultura interna de recolección de datos y revisar las posibilidades resultantes del cruce de información.
  • Definir las visualizaciones que puede ofrecer cada uno de los involucrados, pensando en la periodicidad de dichos reportes y en lo que van a buscar los espectadores en los datos.