Catálogo de modelos del área de trabajo de inteligencia de Oracle Unity Customer Data Platform

Modelo de puntuación de clientes potenciales de cuenta

El modelo de puntuación de oportunidades potenciales de cuenta es un modelo de ciencia de datos predictivo y listo para usar que puntúa las cuentas B2B en función de su probabilidad de conversión mediante su perfil, ingresos, datos de comportamiento y patrón de interacción. Las puntuaciones identifican la propensión de las cuentas a realizar compras.

Benefits

• Fomente de forma proactiva las cuentas correctas con mayores posibilidades de conversión.
• Aumentar la eficacia de los esfuerzos de marketing basado en cuentas (ABM).
• Aumente el número de oportunidades potenciales cualificadas para marketing (MQL) y las tasas de conversión.

Casos de uso del sector

• Fabricación: una compañía de fabricación global puede utilizar los modelos predictivos, de oportunidades potenciales de cuentas y de puntuación de contactos de Oracle Unity para estimar y puntuar la probabilidad de una conversión de venta en función del perfil e interacción.
• Tecnología: una empresa de tecnología puede aprovechar la puntuación de cuentas predictiva para acelerar los esfuerzos de ABM identificando qué contactos de una cuenta determinada tienen la mayor probabilidad de conversión y, luego, agregarlos de forma proactiva a campañas y programas de divulgación.

Modelo de puntuación de clientes potenciales de contacto

El modelo de puntuación de oportunidades potenciales de contacto es un modelo de ciencia de datos predictivo y listo para usar que puntúa a los contactos en función de su probabilidad de conversión mediante su perfil, ingresos, datos de comportamiento y patrón de interacción.

El modelo genera valores de puntuación de oportunidad potencial con registros de hora de puntuación de oportunidad potencial para cada contacto. Ayuda a determinar los contactos que están activos en diferentes niveles del embudo de ventas y su potencial para realizar compras, lo que le permite orientar con precisión los segmentos de clientes y alinear eficazmente las estrategias de ventas y marketing.

Benefits

• Fomentar de forma proactiva los contactos con mayores posibilidades de conversión.
• Aumente el número de oportunidades potenciales cualificadas para marketing (MQL) y las tasas de conversión.

Casos de uso del sector

• Tecnología: una empresa de software empresarial puede aprovechar este modelo para acelerar los esfuerzos de ventas identificando qué contactos de una cuenta determinada tienen la mayor oportunidad de conversión y, luego, agregarlos de forma proactiva a los programas de divulgación.

Modelo de valor de tiempo de vida de cliente

El modelo de valor de tiempo de vida del cliente (CLV) es un modelo de ciencia de datos listo para usar que estima el valor de un cliente en un período de tiempo específico. Esta predicción se basa en varios puntos de contacto, incluidos los datos de perfil del cliente, el historial de transacciones anteriores y el valor monetario y la frecuencia de la transacción.

Los usuarios de negocio pueden personalizar el modelo de CLV para ofrecer a sus clientes un valor de vida útil de tres, seis o doce meses.

Benefits

• Presupueste los gastos de marketing de forma más eficaz a la hora de adquirir, retener y atender a los clientes.
• Identifique y céntrese más en los clientes de alto valor para aumentar la retención de clientes y aumentar los ingresos.

Casos de uso del sector

• Bienes de consumo envasados: una empresa de cosméticos en línea puede recurrir al modelo Customer Lifetime Value (Tiempo de vida del cliente) de UnITY para calcular el valor de un cliente con un paso del tiempo en función del perfil y de los patrones de transacción. De esta manera, podría crear una campaña para un nuevo producto, de cuidado, de la piel de gama alta dirigido a aquellos clientes que han comprado menos de dos productos, de cuidado, de la piel en los últimos seis meses y gastado una suma mayor que los 200 dólares.
• Automoción: un fabricante de automóviles aprovecha el modelo de CLV para identificar los rangos de gasto de los clientes y adaptar las ofertas para los automóviles que se encuentran dentro de esos rangos de gasto.
• Comercio minorista: una tienda de comestibles ejecuta el modelo de CLV para identificar a los clientes que tienen un alto valor de por vida con la marca para incluirlos en una campaña para promover su nuevo programa de fidelización.

Modelos de atribución de ingresos de la campaña

Los modelos de atribución de ingresos de la campaña son modelos de ciencia de datos listos para usar que te ayudan a determinar el éxito de las campañas mediante el análisis de los puntos de contacto que conducen a ventas y conversiones. Hay dos tipos de modelos de atribución de ingresos de campaña.

• El modelo de atribución de campaña de ingresos mide la eficacia de las campañas asignando un valor monetario a cada campaña.
• El modelo de atribución de campaña sin ingresos mide la eficacia de las campañas asignando un valor de atribución porcentual a cada campaña. El modelo calcula un porcentaje de atribución como un valor porcentual de las campañas convertidas en conversiones totales para cada campaña individual.

Cada modelo considera todos los puntos de contacto que han contribuido a la conversión de la campaña.

Benefits

• Comprenda la atribución más allá de la producción basada en ingresos.
• Tomar decisiones basadas en análisis de datos objetivos en lugar de elecciones subjetivas.
• Comprenda qué eventos generan las conversiones más efectivas y determine dónde gastar el presupuesto y mejorar el ROI.

Casos de uso del sector

• Minorista: un minorista puede utilizar el modelo de atribución de campaña para ayudar a comprender mejor los recorridos multicanal y obtener información sobre qué canal está ayudando a impulsar la mayoría de las conversiones.
• Tecnología: una empresa de tecnología SaaS puede aprovechar el modelo de atribución de campaña para ayudar a comprender mejor las campañas multitáctiles y qué contenido, canales y esfuerzos de campaña fueron los más influyentes para cerrar los ingresos.

Modelo de recencia, frecuencia y monetario

El modelo de recencia, frecuencia y moneda (RFM) es un modelo de ciencia de datos listo para usar que genera puntuaciones numéricas para valores de recencia, frecuencia y moneda basados en datos de transacciones y eventos. Con ella, puede segregar a los clientes en varias personas y luego dirigirse a ellos con los mensajes más relevantes.

El modelo RFM utiliza las siguientes características para medir el compromiso y el comportamiento de compra:

• Recencia: la transacción más reciente del cliente.
• Frecuencia: Con qué frecuencia el cliente realiza una transacción.
• Monetario: Tamaño/valor total de la transacción del cliente.

Cada característica está representada por una puntuación entre uno y cinco: uno es el valor de compra menos reciente, menos frecuente o más bajo y cinco es el valor de compra más reciente, más frecuente o más alto.

El modelo utiliza las siguientes personas para indicar el valor de cada cliente.

• Perdidos: los usuarios más débiles, con un mínimo actividad observada a lo Largo del Tiempo.
• En riesgo: los participantes que empiezan a mostrar inactividad y comportamiento de compra bajo.
• No se puede perder: los suscriptores que tienen una mayor huella de inactividad. Todavía rescatable.
• Prometedores: usuarios con valor y recencia media.
• Nuevo: los nuevos participantes con un alto ratio de compromisos valorados.
• Campeón: lo mejor de lo mejor. Sus usuarios más recientes comprometidos con el ratio más alto de compromiso.

Benefits

• Utiliza perfiles de RFM para dirigirte a tus clientes con los mensajes y ofertas más relevantes en función del valor relativo del cliente. Esta interacción mejorada con el cliente puede aumentar las tasas de respuesta, la satisfacción del cliente, la retención de clientes y el valor del tiempo de vida del cliente.

Casos de uso del sector

• Comercio minorista: un minorista puede mejorar la definición de objetivos, la personalización y la conversión general aprovechando el modelo RFM para identificar y segmentar audiencias (alto valor, prometedor, en riesgo, perdido, etc.) para varias campañas de vacaciones en función de sus interacciones anteriores.

Volver al principio

Modelo de propensión al abandono

El modelo de propensión a la rotación es un modelo de ciencia de datos listo para usar que puntúa y mide la probabilidad de que un cliente abandone en función de sus patrones transaccionales y de comportamiento.

Identifica a los clientes con mayor probabilidad de abandono, lo que proporciona a los responsables de marketing información sobre a qué clientes pueden querer dirigirse con campañas o mensajes específicos para retenerlos.

Benefits

• El modelo le permite identificar de forma proactiva audiencias y segmentos (incluidos los clientes de alto valor) en riesgo de abandono. Los equipos de marketing y publicidad pueden activar campañas de recuperación para estos clientes con mensajes relevantes para mejorar la tasa de retención de clientes.

Casos de uso del sector

• Comunicaciones: un proveedor de telecomunicaciones puede enviar automáticamente una promoción especial a clientes que podrían estar pensando cambiar a otro proveedor.

Modelo de propensión al compromiso

El modelo de propensión a la interacción mide la probabilidad de que un cliente interactúe con correos electrónicos (abrir, hacer clic, suscribirse o cancelar la suscripción) en función de sus interacciones anteriores.

Benefits

• Mejora la segmentación por correo electrónico y el compromiso de la campaña.
• Aumenta con precisión los puntos de contacto de la campaña centrándote en las audiencias con más probabilidades de atraer y eliminar audiencias que puedan estar fatigadas.

Modelo de propensión del producto

Este modelo listo para usar predice la probabilidad de que los clientes compren un producto específico en función de las interacciones históricas y los datos del perfil del cliente.

El modelo le permite identificar qué clientes tienen más probabilidades de comprar un producto específico al observar la puntuación de propensión para las combinaciones de cliente y producto.

Benefits

• Gaste los presupuestos de marketing de forma más efectiva dirigiéndose a combinaciones de clientes y productos de alta propensión.

Obtén insights que de otro modo no estarían disponibles para tu empresa para mejorar la toma de decisiones.

Casos de uso del sector

• Comercio minorista: un minorista puede aprovechar el modelo de propensión de productos para ayudar a identificar las ofertas de productos adecuadas para que los clientes recién comprometidos mejoren la conversión y la adquisición de clientes.
• Telecomunicaciones: una empresa de comunicaciones móviles puede aprovechar el modelo de propensión al producto para ayudar a guiar a los clientes hacia nuevas actualizaciones de teléfonos, hardware y servicios.

Modelo de propensión de recompra

El modelo de propensión a la recompra mide la probabilidad de que los clientes vuelvan a comprar productos específicos. Las puntuaciones de propensión a la recompra se calculan en función de las transacciones de clientes anteriores y los datos demográficos y de comportamiento.

Benefits

• Aproveche las puntuaciones de propensión a la recompra respecto al público creado en Oracle Unity Customer Data Platform para optimizar las campañas de interacción en los distintos canales y dirigirse a los clientes con más probabilidades de volver a comprar un producto.

Volver al principio

Siguiente mejor modelo de acción

El siguiente mejor modelo de acción es un modelo de ciencia de datos listo para usar que predice las necesidades del cliente y recomienda las acciones más relevantes para cada cliente en función de los patrones de ventas y transacciones.

El modelo utiliza datos de perfil de cliente, interacción con el cliente, datos del catálogo de productos y compras para generar las cinco acciones recomendadas principales para el cliente. Puede utilizar estas recomendaciones para determinar la acción más relevante para un cliente específico.

Benefits

• Aumenta las tasas de conversión interactuando con los clientes de la manera correcta, con la siguiente mejor acción en el recorrido de los clientes.

Casos de uso del sector

• Automoción: una marca global de automóviles puede utilizar el modelo Next Best Action (NBA) y Next Best Offer (NBO) de Unity para recomendar las acciones y ofertas más relevantes para cada cliente en función de los patrones de ventas y transacción.
• Servicios financieros: una empresa de servicios financieros puede utilizar la siguiente mejor acción y los siguientes mejores modelos de oferta para identificar audiencias que probablemente convertirán en nuevas ofertas de productos financieros, como una cuenta de inversión, una línea de crédito o una hipoteca, y personalizar las experiencias de sus clientes en todos los canales en función de esa recomendación.
• Viajes y hostelería: una línea de cruceros puede utilizar los modelos de la NBO y la NBA para identificar qué oferta enviar a un cliente para ayudarles a reservar su próximo viaje o estancia.

Siguiente mejor modelo de oferta

El siguiente modelo de mejor oferta de Oracle Unity es un modelo de ciencia de datos listo para usar que predice las necesidades del cliente y recomienda las ofertas más relevantes para cada cliente en función de los patrones de ventas y transacciones.

El modelo utiliza el perfil del cliente, la interacción con el cliente, el catálogo de productos y los datos de compras para generar recomendaciones. Permite a los usuarios elegir entre las mejores recomendaciones sobre ofertas vinculadas a varios productos o servicios. Los usuarios pueden utilizar estas recomendaciones para determinar las ofertas más relevantes para enviar a clientes específicos.

Benefits

• Aumenta tu tasa de conversión aprovechando el siguiente mejor modelo de oferta para interactuar con tus clientes con el contenido u oferta más relevante.

Casos de uso del sector

• Automoción: una marca mundial de automóviles puede usar los modelos Next Best Action (NBA) y Next Best Offer (NBO) de Unity para recomendar las acciones y ofertas más pertinentes para cada cliente en función de los patrones de ventas y operaciones.
• Servicios financieros: un proveedor de servicios financieros puede utilizar la siguiente mejor acción y los siguientes mejores modelos de oferta para identificar audiencias que probablemente convertirán en nuevas ofertas de productos financieros, como una cuenta de inversión, una línea de crédito o una hipoteca, y personalizar las experiencias de sus clientes en todos los canales en función de esa recomendación.
• Viajes y hostelería: una cadena hotelera puede utilizar los modelos de la NBO y la NBA para identificar qué oferta enviar a un cliente para ayudarles a reservar su próximo viaje o estancia.

Siguiente mejor modelo de promoción

El siguiente mejor modelo de promoción es un modelo de ciencia de datos listo para usar que utiliza las compras históricas de productos de los clientes para determinar el precio que un cliente está dispuesto a pagar por un producto en particular. Aprovechar este modelo le permite personalizar de forma inteligente los precios de los productos para sus clientes.

Benefits

• El siguiente mejor modelo de promoción permite la fijación de precios personalizada de los productos, lo que conduce a tasas de conversión más altas, ingresos totales y valor medio de la orden.

Casos de uso del sector

• Atención médica: una empresa de la salud puede utilizar la siguiente mejor promoción para ajustar los precios de un nuevo producto para ayudar a dormir en función de las compras realizadas previamente por clientes individuales.
• Seguros: una marca de seguros puede aprovechar el siguiente mejor modelo de promoción para ofrecer precios personalizados para paquetes de seguros complementarios a fin de mejorar las tasas de conversión y ayudar a los clientes a agrupar y ahorrar.

Volver al principio

Modelo de recomendación de campaña

El modelo de recomendación de campañas es un modelo de ciencia de datos listo para usar que identifica la campaña más efectiva que se enviará a cada cliente en función de las tendencias de interacción y conversión pasadas del cliente en diferentes campañas.

El modelo utiliza varios plazos (tres meses, un año y tres años) para clasificar las campañas B2C recurrentes y únicas para cada cliente en cualquier instancia en función de la probabilidad de conversiones.

Benefits

• Mejora la conversión y el ROI de tus campañas prediciendo de forma inteligente qué campañas son óptimas para los clientes en función de las tendencias recientes de interacción y conversión.

Casos de uso del sector

• Atención médica: una organización de atención médica puede aprovechar el modelo para identificar qué futuras campañas digitales de participación del paciente son adecuadas para cada paciente en función de la conversión y el compromiso pasados.
• Comercio minorista: un minorista puede utilizar el modelo para mejorar la conversión de campañas y el valor del tiempo de vida del cliente colocando al público en las campañas con las que es más probable que interactúe en función del historial de interacciones y conversiones anteriores.

Modelo de recomendación de canal

Este modelo de ciencia de datos listo para usar recomienda el mejor canal de marketing para los clientes en función de los datos de interacciones históricas.

El modelo de recomendación de canal clasifica los canales de interacción para cada cliente en cualquier instancia en función de la probabilidad de conversiones. Obtienes información sobre qué canales impulsan los ingresos y puedes encontrar oportunidades para aumentar los ingresos mediante la distribución del gasto en todos los canales con altas tasas de conversión.

Se evalúan los siguientes canales:

• Correo electrónico
• SMS
• Transferencia
• Internet

Benefits

• Mejore la conversión utilizando el canal mejor previsto para dirigirse a los perfiles de los clientes mientras se mueven por el embudo de ventas.

Casos de uso del sector

• Utilidades: una compañía eléctrica puede recurrir a interacciones pasada para determinar si la dirección de correo electrónico, los SMS, las notificaciones push y la web constituyen el mejor recurso para comunicar las horas punta y valles a clientes específicos al servicio de recomendación de canales de Unity llamado 2Channelmender3.

Modelo de segmentación por fatiga

Este modelo de ciencia de datos listo para usar clasifica a los clientes en diferentes niveles de fatiga de mensajes en función de su perfil y niveles de interacción.

El modelo de segmentación por fatiga ayuda a prevenir la fatiga del cliente al ofrecer información sobre el número de campañas y mensajes que se deben enviar a cada perfil de cliente.

Mide la fatiga de los mensajes de cada perfil de cliente en función de la interacción del cliente, el historial de campañas recibidas y abiertas y, lo que es más importante, la persona del perfil del cliente. Usted determina y controla el número óptimo de mensajes que se deben enviar a cada perfil de cliente para evitar la fatiga.

Benefits

• Diferencie de forma inteligente a los clientes que están activos y listos para interactuar con aquellos que están fatigados.
• Obtén insights que te ayuden a controlar el alcance de la campaña para cada cliente en función de sus niveles de fatiga.
• Aumenta el compromiso y/o las conversiones y reduce los abandonos.

Casos de uso del sector

• Fabricación: un fabricante que fabrica paneles solares utiliza el modelo para clasificar a sus clientes en diferentes niveles del cansancio según su perfil y su nivel de interacción. Esto les permite ajustar el volumen de comunicaciones a sus cuentas objetivo.
• Tecnología: una empresa de tecnología B2B aprovecha el modelo para identificar clientes potenciales que se deben eliminar de los esfuerzos de campaña de ABM de alto contacto y volver a incluir en campañas generales multicanal.

Modelo de optimización de tiempo de envío

El modelo de optimización del tiempo de envío es un modelo de ciencia de datos listo para usar que determina el momento óptimo para enviar correos electrónicos de campaña a los clientes en función del comportamiento del correo electrónico pasado.

Por ejemplo, el modelo activaría el envío de correos electrónicos de campaña antes de que los clientes comprueben normalmente sus bandejas de entrada. Como resultado, el mensaje aparecerá en la parte superior de la bandeja de entrada del cliente, lo que garantiza que es más probable que el correo electrónico se vea y se abra.

Benefits

• Aumente el compromiso y la conversión del cliente optimizando la campaña dirigiéndose a los clientes en los momentos en que tienen más probabilidades de ver, abrir, leer o confirmar correos electrónicos.
• Envía correos electrónicos justo antes de que un cliente compruebe su bandeja de entrada, lo que aumenta la probabilidad de que tus correos electrónicos se vean y se abran.

Casos de uso del sector

• Comercio minorista: un minorista de moda puede aumentar la probabilidad de compromiso y conversión del cliente en nuevas campañas aprovechando el modelo para mejorar los tiempos de entrega de las campañas en todos los canales.
• Viajes y hostelería: un resort puede garantizar que sus correos electrónicos semanales de ofertas vacacionales de bajo precio se envíen a los clientes cuando tengan más probabilidades de interactuar con el contenido.

Volver al principio