1

Una gestin de marketing que obvie las relaciones que se producen entre los consumidores actuales y potenciales, as como su capacidad sin precedentes de comunicacin, estar en clara desventaja en el entorno empresarial actual, en el que los medios publicitarios convencionales estn atravesando una crisis de confianza. Hoy da, nos encontramos inmersos en una vorgine de cambios tecnolgicos y sociales, cuyo centro se sita en la comunicacin y que se manifiesta en la capacidad de personalizacin masiva de los mensajes, la profusin de los medios generados por el usuario, el intercambio de informacin en tiempo real y la posibilidad de registrar y trazar toda esta interactividad. De un tiempo a esta parte nos hemos con- vertido en consumidores y generadores de contenidos. El poder que tradicionalmente resida en las marcas y que les permita controlar el flujo de informacin y valores que transmitan a los consumidores se ha desplazado vertiginosamente hacia el propio consumidor, que puede liderar estados de opinin o propagar tendencias iniciadas por otros consumidores. Este poder es, adems, ms efectivo que el de la publicidad, lo cual tiene mucho que ver con una caracterstica bsica en la economa actual: la confianza. Segn Forrester Research, ms del 60% de la poblacin norteamericana dice desconfiar radicalmente de los mensajes publicitarios que recibe a travs de los medios tradicionales, especialmente la radio y la televisin, mientras que el 90% confa en las recomendaciones de otros consumidores. El consumidor vive e interacta permanentemente en una red conformada por las relaciones de intercambio de informacin que mantiene con otras personas, en las que in- fluye y de las que recibe estmulos que condicionan sus percepciones, expectativas y comportamientos. La comprensin de las estructuras que definen las relaciones entre los consumidores y de las dinmicas de transmisin de informacin, percepciones y comportamientos que se producen es imprescindible para adoptar un nuevo tipo de relacin con el mercado (un tipo en el que los clientes se conviertan en la primera lnea comercial) y para obtener las mismas tcnicas virales que se producen de forma espontnea en un mercado tan interconectado como el actual. La red ha pasado a ser la estructura organizativa propia de esta poca y se est mostrando como la forma ms eficiente de gestin de la informacin y de toma de decisiones en entornos altamente complejos y distribuidos. Fenmenos como la comisin de un fraude, la contratacin de un nuevo servicio, la decisin de consumir un producto concreto, la identificacin de tramas terroristas o las interacciones de una protena en una clula no pueden explicarse satisfactoriamente sin recurrir al anlisis de redes o, dicho de otro modo, al anlisis de las interacciones de unas y otras entidades y su consiguiente efecto en su comportamiento, sea ste derivado de motivos fsicos, psicolgicos o sociolgicos. Sin embargo, en el mbito ms especfico del marketing, los modelos tradicionales de compor- tamiento de clientes se han basado en su consi- deracin como un ente individual, aislado de los dems, obviando fenme- nos de mimetismo, con- tagio o connivencia de las acciones de uno con- forme a la influencia derivada de las relacio- nes sociales existentes en una colectividad. Anlisis de redes sociales: descripcin y fases E l estudio de las relaciones, la identi- ficacin de comunidades de influen- cia, la simulacin de su dinmica y la prediccin de comportamientos futuros de acuerdo con estas interac-

ciones recibe el nombre genrico de anlisis de redes sociales (ARS). El ARS emplea la informacin del compor- tamiento de la comunidad en la que est in- merso cada cliente para ayudar a compren- der mejor el porqu de su comportamiento, cmo la respuesta a un estmulo comercial puede tener una difusin condicionada por las relaciones entre los clientes y cmo la rentabilidad y la fidelidad del cliente estn influidas en gran medida por las acciones de su comunidad. Esta perspectiva permite detectar de forma temprana y con ms eficacia situaciones de alto riesgo de fuga, estimar tempranamente el impacto que tendr una accin comercial e identificar los perfiles, necesidades y motivaciones de aquellos clientes que actan como innovadores, prescriptores y catalizadores de los mensajes comerciales en la red de clientes, as como los perfiles de los imitadores. Se recomienda que la metodologa del ARS contemple cuatro fases fundamentales (vase el cuadro 1): 1. Identificacin de las relaciones entre los individuos. 2. Identificacin de las comunidades (sub- redes). 3. Anlisis de la dinmica de propagacin de comportamientos en las comunidades. 4. Identificacin de los roles de cada individuo de la comunidad. 1. Identificacin de las relaciones entre los individuos El primer paso para entender el comporta- miento de una red pasa por conocer su estructura y, para ello, es bsico identificar cules son las relaciones entre los clientes actuales y los potenciales. Dependiendo del mbito, sta puede ser una tarea relativamente sencilla o bien un quebradero de cabeza extraordinaria mente complejo. Por lo general, en telecomunicaciones o en comunidades on-line, la relacin se define en funcin de la existencia de una interactividad que sobrepase determinados umbrales de frecuencia y normalmente existen datos histricos que permiten obtener esta informacin. Otra consideracin es cmo se procesa eficientemente un volumen de datos de varios terabytes. En otros sectores, como el de la banca o el de los seguros, se deben definir criterios muy elaborados basados en la informacin contenida en las bases de datos, que implican un profundo conocimiento del negocio y que deben permitir asociar aquellos clientes actuales o potenciales entre los cuales se entiende que puede existir una relacin con el grado de confianza suficiente para dar lugar a fenme- nos de contagio. Cuando la informacin que se tiene de los clientes se refiere esencialmente a su compor- tamiento, como es el caso del retail, se debe recurrir a acciones especficas de contacto di- recto con el cliente que premien de algn modo que ste revele su red de relaciones. .2. Identificacin de las comunidades Definimos comunidad como un colectivo de in- dividuos muy relacionados entre ellos (alta densidad interna de conexiones) y dbilmente conectados con individuos externos. Para iden- tificar comunidades se emplean diferentes ti- pos de algoritmos de clustering sobre grafos. Los algoritmos de clustering basados en grafos presentan complejidades no polinmi- cas, en las que el tiempo de proceso se incre- menta exponencialmente en funcin del n- mero de individuos que conforman la red, lo que histricamente ha imposibilitado su uso sobre datos masivos. En este sentido, los tex-

tos cientficos restringan la aplicacin de las tcnicas de identificacin de comunidades a varias decenas de miles de individuos. En los ltimos tiempos hemos participado muy activamente en el desarrollo de una nue- va generacin de algoritmos que permiten la simplificacin de determinadas facetas de la identificacin de las comunidades y que cuen- tan con gran eficiencia computacional sobre grandes volmenes de datos, lo que permite su aplicacin prctica. Es importante que la comunidad identifi- cada contenga la esfera o esferas de influencia en las que est inmerso cada cliente. Del mismo modo que es muy relevante conocer la estructura de cada comunidad y los roles de cada individuo en ella, es importante definir las interacciones que existen entre unas comunidades y otras, as como los puntos de unin ms relevantes (bridges) para poder predecir detalladamente la influencia del comportamiento de unos en el comportamien- to de otros. Del conocimiento de la estructura general de relacin entre comunidades se deriva la ca- pacidad de desarrollar modelos de anlisis global del comportamiento de la base de clien- tes, circunstancia que est estrechamente relacionada con los modelos de propagacin de innovaciones en la red. El anlisis de la relacin entre comunida- des debe permitir estimar la posibilidad de transmisin de un comportamiento de unas co- munidades a otras. Asimismo, la segmentacin de comunidades posibilita la visualizacin de las comunidades tipo y el anlisis exhaustivo de las dinmicas que tienen lugar en su inte- rior. Tambin permite diferenciar comunida- des segn su tipo de relacin en profesiona- les, familiares/amistosas, mixtas (segn sean on-net u off-net) o cualquier otra agrupacin que, desde el punto de vista del negocio, sea de inters. 2. Modelos predictivos de dinmica de red Una vez identificadas y validadas las comuni- dades y sus interacciones, se aplican modelos predictivos habituales en la prctica del data mining, con el fin de efectuar estimaciones de la propensin de fuga, de la contratacin de un servicio, del valor econmico potencial o de cualquier otro dato de inters de cada cliente. Tras realizar estas estimaciones, se simu- la el efecto de propagacin que cada una de las acciones mencionadas tendra en la red y se efecta una prediccin del efecto global en la red de clientes. Adems, entre los modelos aplicados para la estimacin de las medicio- nes se hace uso de rboles de decisin, redes neuronales o modelos lineales generalizados. Por su parte, para modelar la propagacin de las acciones en la red se emplean tcnicas de simulacin, las cuales tienen en considera- cin los aspectos de grado de imitacin y con- ductividad, as como el retardo que puede exis- tir entre la accin de uno y la imitacin de otro. Identificacin de los roles de cada individuo Existen individuos que, por su sociabilidad, prestigio o poder, actan como modelos de comportamiento que son imitables en su co- munidad e incluso en otras comunidades (va- se el cuadro 2). Es evidente el inters que desde el punto de vista comercial tiene la identificacin de este tipo de cliente por su condicin de catali- zador que activa y acelera la propagacin de acciones, tanto positivas como negativas para la organizacin, en la colectividad de clientes. Estos individuos reciben la

denominacin genrica de alpha-users. Un individuo puede ser un alpha-user de una comunidad y no ser- lo en otras. Del mismo modo, puede haber ms de un alpha-user en una misma comuni- dad. De hecho, hay dinmicas de comportamiento que precisan la accin conjunta de ms de un alpha-user para que se produzca un fenmeno de propagacin. Tambin existen individuos fronterizos de una comunidad, caracterizados por contar con relaciones significativamente potentes con otras comunidades. El inters de la identificacin de stos radica en su importante papel a la hora de transmitir comportamien- tos de unas comunidades a otras; a ellos los denominamos bridge-users. Por oposicin a los alpha-users se definen los omega-users, individuos en los que suelen terminar los proce- Alpha-user y omega-user Bridges Prncipes y veletas CUADRO 2 Roles: ejemplos Fuente: Neo Metrics, 2008. sos de cambio, bien por su inactividad, bien por su aversin a la innovacin o bien por su falta de relaciones. El grado de conexin de cada individuo y su historial de acciones, puesto en el contex- to de las acciones histricas de los dems partcipes de su comunidad, permiten esti- mar su grado de imitacin, una medida de la propensin del comportamiento de sus vecinos, as como su grado de conductividad o de contagio de esas acciones o comporta- mientos. Es igualmente relevante la identificacin de individuos con importantes conexiones fuera de la organizacin o que, simplemente, estn fuera de la organizacin: los primeros, por su riesgo de fuga; los segundos, por su po- tencial inmersin en la organizacin. reas de aplicacin del ARS D esde el punto de vista del mrketing y de la gestin comercial, hay dos mbitos en los que el en- foque de redes sociales ofrece la posibilidad de obtener resulta- dos ms precisos que los que ofrecen los m- todos analticos tradicionales: 1. La difusin de innovaciones. 2. La estimacin del comportamiento del clien- te y su valoracin: valor del cliente (CLTV), churn, cross/up selling. Difusin de innovaciones El anlisis de la difusin consiste en determi- nar cmo la adopcin de un comportamiento particular va propagndose en el mercado en funcin del tiempo. Tradicionalmente se han empleado los modelos de difusin de innova- ciones de Bass, que aportan una estimacin del nmero de adopters en un tiempo dado en funcin de la proporcin de innovadores e imitadores y del tamao del mercado. Se trata de una herramienta til para rea- lizar estimaciones del retorno de la inversin de una accin masiva para promocionar un producto o para ajustar la produccin confor- me a la demanda, pero aporta escasa infor- macin sobre el porqu del comportamiento de adopcin de la innovacin o sobre cmo mejorar la eficacia de la comunicacin. Qu hacer para lograr una penetracin superior o ms rpida? Segn Dones y Prez, el modelo Bass, con ciertas variaciones, ha sido empleado con xito para determinar la difusin de la telefona mvil en Europa. Las parametrizaciones permiten definir el tiempo en el que la penetracin apenas crece o lo hace de forma lineal, el momento en el que el crecimiento se acelera exponencialmente y, fi- nalmente, el perodo en el que, al alcanzar la sa-

turacin, el crecimiento se estanca. La inversin en medios, tanto masivos como de marketing di- recto, estar justificada en gran medida por la situacin del ciclo de vida de la innovacin. Los modelos de difusin basados en el an- lisis del cliente y en las redes sociales supe- ran al modelo tradicional, ya que, adems de responder a las cuestiones anteriores, permi- ten conocer con mayor precisin cmo y por qu la innovacin penetra y se propaga a travs de la cartera de clientes, posibilitando la adopcin de medidas de control a travs de medios masivos y de marketing directo. El modelo de difusin basado en las redes sociales responde a las siguientes preguntas: Cuntos compran? Cmo se propaga la decisin de compra? Quines compran primero? Quines los siguen? Qu capacidad de influencia tienen los innovadores en su comunidad? Qu condiciona el comportamiento de los innovadores y el de los imitadores? Cmo se pueden estimular la innovacin y la prescripcin? Al analizar la evolucin de la red en el tiempo, se puede comprobar que existe un efecto contagio. En una proporcin que debe ser medida, el comportamiento de compra se explica por el efecto prescriptor de unos clien- tes sobre otros y por las caractersticas de s- tos, basadas en el empleo de modelos descrip- tivos y predictivos habituales en la prctica del data mining y sintetizadas en la defini- cin de perfiles y propensiones. Es posible emplear modelos analticos de carcter predictivo tales como redes neuronales, rboles de decisin o modelos lineales ge- neralizados para identificar las caractersti- cas de los innovadores y, de ese modo, perso- nalizar las comunicaciones, con lo que la pro- babilidad de respuesta se optimiza. De modo anlogo, tambin es posible diferenciar los perfiles de clientes imitadores para desarro- llar campaas especficas para animar su consumo. 2. Estimacin de parmetros de comportamiento El hecho de tener en cuenta al cliente como un individuo socializado, inmerso en una red, tiene tambin repercusiones en la estimacin del valor del cliente, de su propensin de fuga (churn) o de contratacin de nuevos servicios. Mediante la aproximacin tradicional al anlisis del cliente como entidad individual es frecuente disponer de estimaciones de los siguientes aspectos: Propensin a la contratacin de nuevos productos (cross-selling). Propensin al incremento de consumo (upselling). Valor futuro del cliente (CLTV). Propensin de abandono total y parcial. Sensibilidad al precio y asignacin de pol- ticas de tarificacin personalizadas. El anlisis de las relaciones del cliente permite mejorar sensiblemente los resultados de las estimaciones precedentes. Como ejemplo de esto podemos citar la deteccin de abandonos en el sector de las telecomunica- ciones. Los modelos tradicionales se basan en la identificacin de patrones de comporta- miento comn entre los clientes que deciden cancelar sus contratos o simplemente dejar de utilizar un servicio. Estos indicios estn relacionados con un descenso en el consumo, con quejas por la mala calidad del servicio, con peticiones no atendidas de cambio de ter- minal o por una poltica tarifaria mal enfoca- da, entre otros factores. No obstante, hay mu- chos casos en

los que el abandono se produce sin que exista antes un cambio de comportamiento significativo. Por su parte, las compaas telefnicas fo- mentan el crecimiento de la red propia por medio de agresivas campaas de precios en las llamadas on-net, lo que provoca un efecto de arrastre de los clientes de unas operadoras a otras y, adicionalmente, refuerza la fideli- dad de aqullos cuya comunidad de relacio- nes est inmersa de forma mayoritaria en una misma operadora. Si a eso se aade que las opiniones de des- contento por un servicio o por las ventajas que aporta un competidor (sean stas pun- tuales o no) se difunden vigorosamente a tra- vs de las comunidades, con un efecto significativo y medible en el comportamiento de otros clientes, que vara sin previo aviso, se llega a la conclusin de que conocer qu est sucediendo en las proximidades sociales de cada cliente es un input de gran valor a la hora de explicar comportamientos que tradi- cionalmente quedaban fuera del alcance de los modelos. Algo similar a lo que sucede con el abandono ocurre con las propensiones de contratacin e incluso con los modelos de va- loracin de clientes. En el contexto del ARS, tiene dos compo- nentes: Valor futuro de cliente (tradicional) o valor propio. Valor por influencia (entrante + prescripcin). El primero tiene que ver con la actividad propia del cliente, tanto histrica como futu- ra, en funcin de sus propensiones. El segun- do se refiere al valor econmico que induce en su entorno. En el mbito de las telecomunicaciones, dentro de esta categora se encuen- tran las llamadas recibidas y su influencia en el comportamiento de los dems. Casos de xito P or medio de las investigaciones reali- zadas en redes sociales ha sido posi- ble aplicar los resultados en diversos mbitos. A continuacin se describen brevemente dos experiencias: Estimacin de la probabilidad de abando- no para una empresa lder en el sector ase- gurador. Estimacin de la probabilidad de abando- no para una de las principales operadoras espaolas de telefona fija, Internet y televisin por cable. En cada uno de esos casos, la definicin de las relaciones y los objetivos ltimos de los anlisis eran sensiblemente diferentes. 1. Prediccin del abandono en seguros El abandono por no renovacin de la pliza una vez transcurrida su vigencia es uno de los fenmenos que, dada la poca frecuencia de interaccin con el cliente tpica de este sector de actividad, es ms difcil de predecir. Los modelos tradicionales se basan en gran medi- da en la existencia de indicios previos, nor- malmente muy evidentes, como el desconten- to del cliente provocado por una mala resolu- cin de un siniestro o cualquier tipo de queja. Adicionalmente, se emplea informacin socio- demogrfica-transaccional para caracterizar ciertos perfiles/segmentos. Paralelamente, son cada vez ms las em- presas que fomentan el uso de los clientes como un canal de venta adicional a travs de campaas de prescripcin de servicios: ofre- cen descuentos en sus primas u otras venta- jas a aquellos clientes que atraen a otros a la compaa. Esta tendencia es creciente en el mercado. Adems, la pliza es un contrato que puede contener la relacin entre varios individuos: el tomador no tiene por qu coin- cidir con el usuario del seguro, el cual, a su vez, puede ser tomador en otra pliza con otros beneficiarios. Este esquema

tan simple permite la defi- nicin de relaciones entre los clientes (porcompartir plizas, por compartir domicilio o por ser uno prescriptor del otro), que dar lugar a la identificacin de comunidades, cono- cidas tambin como esferas de influencia de cada cliente. La aplicacin de estas metodologas para prever el fenmeno de abandono a partir del anlisis de estas redes sociales ha permitido duplicar la capacidad predictiva de los mode- los tradicionales. Esta mejora demuestra que existe un condicionamiento social en el com- portamiento de abandono, aun cuando la can- tidad de esferas de influencia que se pueden detectar es reducida con relacin al volumen total de clientes. 2. Deteccin del abandono en telecomunicaciones Recientemente se ha aplicado esta metodologa de ARS para la mejora de los modelos pre- dictivos de abandono en una compaa de te- lefona fija, Internet y televisin por cable. En el caso de la telefona, los datos del tr- fico de llamadas permiten elaborar grafos en los que se representan las relaciones de co- municacin entre los clientes. Cada nodo del grafo es un cliente y las aristas representan la existencia de una comunicacin entre dos clientes que supera un cierto umbral. De este modo, dos clientes conectados en el grafo son dos clientes entre los cuales existe una comunicacin regular, bien sea por motivos profe- sionales, familiares o de amistad, o bien por determinadas pautas de consumo. La fuente inicial de informacin que per- mite la definicin del concepto de relacin y la subsiguiente identificacin de las comuni- dades, de acuerdo con la metodologa descrita anteriormente, est constituida por los CDR o registros de llamadas, los cuales deben ser agregados siguiendo criterios preestablecidos con respecto a la duracin del perodo de estudio, al tipo de comunicacin (entrante/sa- liente) y a su intensidad. En el campo del data mining, el lift es un parmetro habitualmente empleado para la valoracin de la capacidad predictiva de los modelos analticos. ste indica en qu medida la proporcin de la caracterstica que se va a predecir en el grupo de los ms propensos, se- gn el modelo, supera a la proporcin de esa caracterstica en un grupo seleccionado alea- toriamente, de modo que, a mayor diferencia, mayor capacidad predictiva del modelo. MRKETING & VENTAS 70 Cuando el modelo predictivo tradicional se enriquece con informacin acerca de qu clientes estn inmersos en comunidades en las cuales ha existido un abandono reciente, el lift correspondiente a esos individuos llega a triplicar el obtenido habitualmente, lo que demuestra que conocer qu cliente est rela- cionado con quin aporta nueva y valiosa in- formacin para su gestin. Nuevamente, este fenmeno pone de manifiesto el poder predic- tivo derivado de la inclusin de los comporta- mientos de influencia e imitacin. En conclusin M uchos clientes intercambian experiencias y opiniones en torno a los productos y servi- cios que consumen. Empresas de todos los sectores de activi- dad estn poniendo en marcha acciones vira- les en las que buscan la complicidad de sus clientes para propagar ciertos mensajes: des- de sencillas campaas member gets member hasta los procedimientos ms avanzados de identificacin de los alpha-users, aquellos consumidores con ms capacidad

de influen- cia en su entorno, o la deteccin de estructu- ras de clientes potencialmente vulnerables por la accin de la competencia. El ARS aporta una nueva perspectiva so- bre el cliente, sus motivaciones y las causas que determinan sus percepciones y comporta- mientos. Supone pasar de tener una capaci- dad de visualizacin en dos dimensiones a percibir una tercera dimensin, que propor- ciona otro sentido a la interpretacin de la realidad que nos rodea y que, en este sentido, presenta un nuevo mundo por descubrir Anlisis de redes sociales: el poder de la influencia. Ediciones

Deusto. Referencia n. 3131.