Connectif es de esas herramientas que se caracteriza por escuchar a su comunidad de forma activa. El equipo de Connectif desarrolla mejoras de forma continua y va puliendo una herramienta que se está haciendo hueco entre los grandes del Marketing Automation.
Pero la última actualización de la plataforma no es una más, ya que nos consta que llevan mucho tiempo trabajando en ella y que muchas de sus funcionalidades eran muy esperadas por sus clientes.
Tabla de contenidos
El Big Data para la toma de decisiones
A pesar de ser una de las mejores herramientas del mercado para automatización del marketing, la visualización y el cruce de datos no era uno de los puntos fuertes de Connectif. Por eso, esta actualización está centrada tanto en la visualización, como en la exportación y el cruce de datos.
El objetivo de la nueva actualización es el aprovechamiento del dato para poder tomar mejores decisiones de negocio. Connectif captura y registra mucha información de valor de lo que ocurre en nuestra web, por lo que esa información no nos va a ayudar solo a la hora de crear u optimizar workflows, sino que nos va a ayudar a saber hacia donde debemos encaminarnos en nuestras decisiones de negocio.
Las nuevas funcionalidades incluidas en la actualización orientadas al Data Driven son las siguientes:
- Sección Data Explorer
- Análisis y segmentación RFM
- Segmentos dinámicos plus
- Nuevos campos automáticos del contacto
Sección Data Explorer
Generación de informes personalizados
Esta es una de las funcionalidades más esperadas. Gracias al nuevo Data Explorer podemos crear diferentes informes cruzando una gran variedad de métricas y dimensiones relacionadas con los contactos, compras, productos, workflows…
Hasta ahora, para poder analizar las métricas más importantes de cada workflow era necesario acceder a él e ir mirando nodo a nodo las métricas de rendimiento de cada acción. Esto dificultaba tener un informe preciso con el que poder comparar y ver la evolución de diferentes acciones en un rango temporal con métricas precisas.
Ahora tenemos la posibilidad crear un informe, elegir como dimensión el nombre del workflow y añadir métricas de rendimiento como los envíos, aperturas, bajas, clics, tasa de conversión…etc De esta forma en un único informe podemos visualizar el rendimiento de todos los flujos durante el rango temporal que seleccionemos. Algunos ejemplos de informes de rendimiento de nuestros workflows que podemos generar:
- Informe de rendimiento de emails: UTM, tipo de mail, workflow, envíos, aperturas, bajas, clics, rebotes…
- Informe de rendimiento de notificaciones push: workflow, UTM, envíos, aperturas, clics…
- Informe de rendimiento de SMS: workflows, nombre, envíos, tasa de conversión
- Informe de rendimiento de contenido web: tipo, workflow, aperturas, clics, tasa de conversión…
Pero como comentábamos más arriba, no se limita solo a información de los workflows de Connectif, ya que podemos medir el rendimiento global de nuestras acciones con otras métricas no asociadas. Por ejemplo:
- Informe de compradores recurrentes vs primerizos: podemos generar un informe que nos muestre mes a mes el volumen y el porcentaje de compradores primerizos frente a recurrentes. Esto es importante, ya que podemos ver la evolución mes a mes del global de nuestras acciones de fidelización.
- Informe de volumen de visitas y compras por marca de producto: podemos visualizar el volumen de productos comprados por marca, así como separar estos datos entre primerizos y recurrentes. De esta forma podemos detectar tendencias de compra respecto a diferentes marcas o productos.
Exportación de informes en Connectif
Los informes generados en el Data Explorer pueden ser descargados en CSV, lo que aporta mucha versatilidad para luego trabajar y visualizar los datos en herramientas como Google Sheets y Data Studio.
Seguimos echando en falta un conector de Data Studio, que nos permita alimentar un dashboard completamente personalizado en tiempo real. Sin embargo, ahora si que tenemos la opción de descargar periódicamente esos datos y llevarlos a un sheet maestro con todo el histórico, algo que resulta mucho más funcional que antes.
Pros y contras del Data Explorer
En cuanto a lo que más nos ha gustado:
- La posibilidad de tener en un único informe las métricas de rendimiento de todos los flujo para medir nuestra estrategia en Connectif.
- La posibilidad de cruzar tantas dimensiones y métricas, lo que nos permite no solo medir el rendimiento de nuestras acciones en Connectif sino del negocio digital en su conjunto.
- La posibilidad de crear diferentes informes personalizados a nuestro gusto, pudiendo exportarlo de manera sencilla.
- En conjunto, el cambio es muy grande, y vamos a aprovechar toda la data que registra Connectif.
Lo que hemos echado en falta:
- Poder personalizar un informe con la dimensión «segmentos» y la métrica contactos totales, de tal manera que podamos visualizar en una tabla el volumen de contactos dentro de cada segmento en diferentes periodos de tiempo para analizar el crecimiento de la base de datos.
- Aunque se ha mejorado mucho la visualización y exportación, nos encantaría contar con un conector de Data Studio.
Análisis RFM
Un modelo de análisis y segmentación RFM tiene en cuenta la recencia, la frecuencia y el valor monetario de los contactos para asignarles una puntuación y poder crear segmentos basados en esas puntuaciones. En el blog de VIVA! hemos hablado de esto en nuestro post sobre segmentación eficaz de una base de datos.
En VIVA! Conversión siempre hacemos un análisis RFM al iniciar un proyecto de automation, para comprender el estado de la base de datos de compradores. Es un modelo muy eficaz tanto para analizar como para segmentar y plantear acciones específicas para cada una de las agrupaciones que se generan.
Modelo RFM implementado en Connectif
Connectif ha implementado un modelo RFM que genera una serie de segmentos que se convierten en palancas accionables, del tipo: recurrentes, campeones, fieles, nuevos…hasta un total de 11 agrupaciones.
Es un gran avance poder contar con un modelo RFM generado de forma automática. Hasta ahora, era necesario crear campos personalizados, generar segmentos dinámicos por cada micro segmento puntuado y luego agruparlos en los segmentos macro a través de un workflow de actualización periódica.
El modelo RFM implementado en Connectif asigna 1, 2, 3, 4, o 5 puntos a cada una de las variables. Para hacer la asignación de las puntuaciones de cada variable ordena la base de datos en función del valor de cada una (tiempo de la última compra, total de compras e importe total gastado), divide la base de datos en 5 partes iguales y asigna las puntuaciones a R, F, y M.
En VIVA! Conversion aplicamos un modelo diferente, ya que en la asignación de puntos no generamos 5 grupos iguales.
Partiendo de la asignación de la puntuación en frecuencia, en el modelo de RFM que aplicamos en VIVA! , asignamos los puntos de la siguiente manera:
- 1 compra = 1 pto
- 2 compra = 2 pts
- 3 compras = 3 pts
- 4 compras = 4 pts
- 5 o más compras = 5 puntos
Imaginemos la asignación de frecuencia para una base de datos de 100 contactos: 50 contactos con 1 compra, 20 contactos con 2 compras, 15 contactos con 3 compras, 10 contactos con 2 compras y 5 contactos con 5 compras.
- 50% de la base de datos = 1 punto
- 20% de la base de datos = 2 puntos
- 15% de la base de datos = 3 puntos
- 10% de la base de datos = 4 puntos
- 5% de la base de datos = 5 puntos
Sin embargo el modelo de Connectif es lineal, de tal manera que la representación de cada puntuación en la base de datos siempre será del 20%
- 20% de la base de datos = 1 punto
- 20% de la base de datos = 2 puntos
- 20% de la base de datos = 3 puntos
- 20% de la base de datos = 4 puntos
- 20% de la base de datos = 5 puntos
Esto implicará que, partiendo del ejemplo de anterior y sobre todo en bases de datos pequeñas, habrá contactos con una única compra que recibirán puntuaciones diferentes en frecuencia, ya que si los compradores de un único pedido representan el 50% de la base de datos, algunos tendrán 3 puntos, otros 2 puntos y otros 1 único punto, a pesar de compartir el mismo volumen de compras.
Pros y contras del RFM
En cuanto a lo que más nos ha gustado:
- Contar de forma automática con una segmentación basada en el modelo RFM, sin necesidad de workflows ni cálculos.
- Inclusión de los segmentos y las variables RFM en los nuevos informes del Data Explorer.
- Visualización del segmento RFM dentro del perfil de contacto.
Lo que hemos echado en falta:
- Poder configurar nuestras propias puntuaciones, estableciendo los valores para cada puntuación dependiendo del negocio digital.
Nuevos segmentos dinámicos plus
Con los nuevos segmentos dinámicos plus se ha añadido una funcionalidad que nos encanta, y es la posibilidad de usar condiciones no acumulativas. Ahora podemos generar un segmento agrupando 3 variables, de tal manera que cumpliendo solo una de ellas entren a la agrupación. Esto podíamos hacerlo antes a través de workflows, pero no usando segmentos dinámicos. En esos segmentos, es necesario el cumplimiento de todas las condiciones para que el contacto pase a formar parte de la agrupación.
Gracias a esta funcionalidad podemos por ejemplo crear grupos más amplios dentro de los generados en RFM y poder definir una agrupación que contenga a aquellos que estén dentro de fieles o dentro de campeones. Lo mismo para aquellos que estén en hibernando o en riesgo o durmiéndose. Así, si no tenemos la operativa suficiente (o el volumen de contactos adecuado) para diferentes comunicaciones por cada segmento de los 11 propuestos en el RFM, podemos agruparlos en 3 o 4 segmentos macro.
Nuevos campos del contacto
Han quedado agregados nuevos campos automáticos de contacto, en concreto: fecha de la primera compra, importe medio por pedido e importe total gastado. Así como las puntuaciones en recencia, frecuencia y valor monetario.
Esto es algo que también nos parece un acierto. Hasta ahora para sacar el dato de importe total gastado era necesario crear un workflow que fuese sumando el importe de la compra a un campo personalizado, creado para alojar la información del gasto total. Que ahora esté como campo automáticamente calculado resulta muy útil.
Como propuesta, quizás echamos un poco en falta el campo «días desde la última compra», que al igual que ocurría con el gasto total por contacto, lo implementamos como un campo personalizado alimentado a través de un workflow.
Por otro lado, nos parece un acierto la inclusión del segmento RFM en los datos del panel de cada contacto, pudiendo identificar de una forma muy visual el grupo de valor al que pertenece.
Conclusiones
Connectif se consolida como una de las herramientas más potentes del mercado en Marketing Automation para eCommerce. A partir de ahora podemos tomar decisiones mucho más orientadas a los datos y mediremos de forma más eficiente el impacto de las acciones lanzadas desde la plataforma.
En VIVA! Conversion contamos con un departamento de Marketing Automation y estamos especializados en Connectif. Por lo tanto, si has llegado hasta aquí, seguramente podemos ayudarte.
¿Quieres aprender más acerca del Marketing Automation para mejorar los resultados de tu negocio? Échale un vistazo a nuestros posts y suscríbete a nuestra newsletter para estar al tanto de todas las novedades.
