El marketing digital se diferencia del tradicional gracias a que se puede medir ¿Cuál fue el impacto de una campaña? ¿Convierte más este botón a la izquierda que a la derecha? ¿En qué página concreta los usuarios abandonan el proceso? Tantas y tantas tasas y números que al final se pueden cuantificar y contrastar.
Pues bien, una vez que entendemos el poder de analizar nuestros datos, se entiende que se puede mejorar, incluso automáticamente. En este artículo veremos cómo una promotora inmobiliaria puede mejorar su customer journey aplicando técnicas de machine learning.
Marcar el customer journey
Lo primero que se debe tener claro es la vía que un usuario recorre cuando contacta con nuestra marca. Un resumen sería:
- Conocimiento
- Consideración
- Compra
- Recomendación
Ahora bien, dentro de cada fase el usuario experimenta diversas emociones y sentimientos. Para conseguir la ansiada conversión hay que ponerse en su mente y entregarle justo aquello que él necesite en cada momento.
Al fin y al cabo, si nuestra marca no se lo ofrece, lo hará otro competidor y convertirá en su página web, con el mínimo esfuerzo de tan solo uno o dos clics.
Machine learning en el sector inmobiliario
Por otro lado, debemos especificar qué significa machine learning. Se podría entender como automatizar procesos de aprendizaje por parte de una inteligencia artificial (IA). De esta manera, gracias a los datos que el sistema va registrando de los usuarios, la máquina puede adaptar qué contenido enseña para mejorar la experiencia al usuario personalizándolo al máximo. En este otro artículo ya repasamos algunas técnicas de machine learning en Real Estate.
En este punto es básico conseguir cada vez datos de primera mano y de mejor calidad. Informaciones que los usuarios dejan tras su paso en nuestra web y que podemos recopilar para obtener conclusiones.
Por entendernos, quizás es mejor poder grabar sesiones de una landing page inmobiliaria y entender las dificultades o dudas de los usuarios, que no tanto un pantallazo del número mensual de visitas.
El concepto de “calidad del dato” es igual a entender el contexto de esa cifra. Por ejemplo, dos conversiones en el mismo botón no implican igual grado de satisfacción en la búsqueda. Sin el conocimiento de las necesidades inmobiliarias de la audiencia, no tiene sentido invertir en Real Estate.
¿Cómo conectar mi customer journey inmobiliario con machine learning?
El objetivo es claro: ser capaz de personalizar los contenidos para que quien visite la página web tenga una excelente experiencia de usuario. Para ello, la inteligencia artificial que utilicemos debe captar y procesar los datos que cada usuario registre en nuestra web o redes sociales.
Una vez que la IA evalúa los datos, toma decisiones concretas para contactar con el usuario y generar una interacción. Algunos ejemplos de acciones de marketing son los siguientes:
- SMS
- Push de aplicaciones de móvil
- Emails
- Agenda de visitas a pisos
- Contacto con agente comercial
- Aviso a departamentos interesados
Google recomienda estrategias ‘user-first’
¿Qué dice Google de todo esto? El buscador recomienda el enfoque de las estrategias de marketing donde el usuario es lo primordial, en este artículo sobre customer journey y machine learning.
Concretamente, desde Google afirman: “cuanto más efectivamente su marca entienda los datos de diferentes fuentes para anticipar las necesidades de los consumidores, mejores serán esas expectativas resueltas y se cumplirán mejor los objetivos comerciales”.
Por tanto, implementar una inteligencia artificial para mejorar el camino que realiza el cliente solo aporta ventajas. Por un lado, se mejora la experiencia de usuario y así las conversiones suben y por otro lado, Google lo recomienda activamente; así que tarde o temprano será un factor más para posicionar.
¿Ya utilizas learning machine en tus fuentes de datos? ¿Recopilas los datos que los usuarios dejan de alguna manera? Deja tu experiencia debajo y no te olvides suscribirte al blog.