Entrevista a Ricard Bonastre: Expertos del Marketing Digital
En esta segunda ocasión, hemos tenido el maravilloso placer de entrevistar a Ricard Bonastre, Co-founder y CEO de Lead Rating. Nos explica como en su empresa, Lead Ratings, consiguen predecir cuánto de caliente está el lead y qué probabilidad tiene este de convertir.
P. Alpuente- ¿Qué es Lead Rating?
R. Bonastre - Lead Rating es una empresa de marketing predictivo que utiliza un modelo de Software as a service (SaaS) capaz de desarrollar modelos algorítmicos para mejorar los procesos de marketing y ventas.
Nosotros desarrollamos modelos predictivos que mejoran cada una de las fases del funnel de ventas; desde la captación hasta la conversión o fidelización. Por ejemplo, tenemos modelos que están orientados al Lead Scoring. Cuando entra un lead, el software es capaz de decir qué lead tiene más probabilidad de convertir.
P.Alpuente - Entonces, con un exceso de leads eres capaz de ver qué leads atacas antes porque te pueden dar una mayor probabilidad de éxito.
R. Bonastre - Si, esto sería un modelo clásico de Lead Scoring. Del análisis del histórico de la información de un cliente identificamos unos patrones que el modelo predictivo utiliza para predecir en leads siguientes cuáles son los que tienen más posibilidades de convertir.
P Alpuente - Entiendo que cuanto mayor sea la base de datos que te facilita el cliente mayor posibilidad de generar un modelo que tenga más éxito.
R. Bonastre - Es un equilibrio entre dos cosas. Es obvio que cuanto más volumen de información exista más preciso puede ser el modelo, pero a veces también hay la amplitud de variable. Cuantas más variables tengas también es bueno para el modelo.
P. Alpuente - En el caso de un supermercado, ¿podrías llegar a generar un potencial carrito con todos los productos que tiene que comprar un cliente en concreto?
R. Bonastre - Sí, sería un modelo de recomendación. Nosotros hemos hecho un proyecto de un e-commerce con una empresa que vende perfumería. Ellos recomendaban siempre el Top de Ventas que sería un modelo de sentido común, y nosotros hemos añadido un modelo de recomendación utilizando un algoritmo que en vez de hacer sobre cinco productos lo hace sobre cincuenta.
P. Alpuente - ¿Qué variables se tienen en cuenta en este caso?
R. Bonastre- Variables que tienen que ver con el perfil del usuario, variables de comportamientos y el histórico con el tipo de compras que ha hecho. Nosotros hacemos dos análisis: uno de los usuarios y otro de los productos, y realizamos un modelo de matching.
Al final, el modelo de machine learning tienen la gran ventaja de que se autoajusta. Es decir, nosotros lanzamos un primer modelo y luego el modelo tiene una manera de auto entrenarse porque lo vas alimentando de resultados.
P. Alpuente - Me gustaría que nos explicaras cómo un algoritmo es capaz de aprender automáticamente más de ti.
R. Bonastre - Es un tema de identificación de patrones. Por ejemplo, imaginemos que nosotros analizamos un lead. Este lead está muy influenciado por el canal de adquisición, y eso permite identificar el interés real de la persona. Lo que hacen es identificar patrones que son lo suficientemente estables como para aplicarlos sobre otra muestra. Son robustos y la tendencia sobre la predicción siempre es buena.
P. Alpuente - Según tengo entendido Ricard, tienes muchos clientes del sector de la formación. ¿Con un modelo de lead scoring es muy similar el comportamiento entre diferentes escuelas a la hora de analizar los leads?
R. Bonastre - Nosotros trabajamos con modelos Ad Hoc, y algoritmos customizados. Es verdad que puede haber comportamientos más o menos parecidos, pero al final cada empresa tiene su lógica.
Te invitamos a ver la entrevista con Ricard Bonastre en formato vídeo para conocer en más profundidad cómo usar modelos predictivos para conseguir el éxito.
