Reconozca a sus clientes: las fintech invierten en datos y innovación para ampliar los límites del sector financiero
Las buenas propuestas de valor trascienden los límites operativos. Cuando una de las mayores fintechs de América Latina notó un aumento abrumador de clientes, tuvo que profundizar en los hábitos de los usuarios para conocer el nuevo perfil del público.
Una fintech de referencia entre los bancos digitales creció alrededor de un 400% en 1 año. Lo consiguió con una propuesta de valor clara, inversiones específicas y el desarrollo de nuevas tecnologías, todo ello centrado en la experiencia del cliente.
El crecimiento acelerado también suscitó dudas: ¿quiénes eran estos nuevos clientes? ¿Cómo atendemos a esta nueva base de usuarios? ¿Cómo cambiamos nuestros productos y servicios? ¿Qué oportunidades de innovación pueden ayudarnos a retener a estos nuevos clientes?
En un mercado mercantilizado como el del sector bancario, la experiencia del usuario y la relación con el cliente pueden marcar la diferencia. En este contexto, el compromiso era:
- Entender a los nuevos clientes y sus necesidades insatisfechas;
- Trazar un mapa de dónde invertir los esfuerzos;
- Ampliar la cartera de productos y servicios.
El auge del crecimiento experimentado por las fintechs generó nuevos retos, principalmente en lo que respecta a la expansión de los servicios.
Además, los procedimientos de ayuda de emergencia en medio de la pandemia añadieron 33 millones de nuevos participantes al sistema financiero. Una excelente oportunidad para aprovechar la expansión.
El reto: mantener un alto nivel de satisfacción del consumidor y ofrecer productos y servicios financieros cada vez más adherentes. Así como entender este nuevo perfil.
Como el reto inicial era demasiado amplio, se dividió en cuatro partes:
- Segmentación de la población dentro de los servicios bancarios;
- Descubrimiento de las necesidades insatisfechas;
- Creación de oportunidades de innovación para el mercado de altos ingresos;
- Identificación de segmentos en CRM (identificados en base a quiénes pertenecen a cada segmento).
Una de las mayores fintechs de América Latina, con un enjambre de seguidores -algo antes impensable para el sector bancario- no podía clasificar a estos nuevos clientes sólo por ingresos y grupo de edad. Faltaba algo. Y estábamos decididos a encontrarlo.
Había que definir lo que los diferencia. Poner al usuario en el centro de la estrategia empresarial y profundizar en su base de usuarios. Conocer a esos nuevos clientes tan bien como ellos conocían a sus fieles.
Para ello, el proyecto se estructuró en cuatro segmentos interdisciplinarios distintos:
- Cliente y mercado: Puntos de referencia y estudios de mercado.
- Investigación cuantitativa: Investigación de clientes, cruce de datos y segmentación final.
- Oportunidades de innovación: Utilizando «Jobs to be done» para enumerar las acciones en una estrategia de océano azul.
- Ciencia de los datos: Calidad de datos, análisis exploratorio de datos, generación de hipótesis, ingeniería de características, desarrollo de cuadros de mando, segmentación de la base de CRM, comparación de la segmentación, puntuación de la base de clientes, automatización de la clasificación de la base y documentación de la segmentación.
La esencia de la propuesta de valor era entender a los nuevos consumidores. Al fin y al cabo, la segmentación no es más que un análisis.
Después, uniríamos el Diseño de Servicios y la Ciencia de Datos, para profundizar en el perfil del cliente dentro de la base de datos e identificar los matices de comportamiento. Además de cruzar diferentes fuentes de datos, incluyendo datos demográficos, de comportamiento y cualitativos.
Nuestro equipo de innovación dirigió el proceso de Design Thinking. Se realizaron unas 300 horas de entrevistas exploratorias y en profundidad con los clientes para averiguar cómo piensan y se comportan los usuarios de la banca digital.
Transformar datos en valor
En este caso, todas las áreas implicadas fueron igualmente relevantes en la cocreación, pero vamos a centrarnos en Data Science.
El proyecto de Data Science comienza con el acceso a los datos. Inicialmente complejo por razones de seguridad de la información, necesitábamos diseñar estrategias que permitieran a los empleados acceder a los datos de forma segura.
Pronto nos dimos cuenta de que la base de datos de esta compañía era enorme. De hecho, la propia compañía estaba madura en datos y nos presentaba una base con miles de variables.
La característica inicial de los proyectos de ciencia de datos es la fase exploratoria. Pero con miles de variables, necesitábamos saber exactamente qué queríamos extraer de sus datos.
La generación de hipótesis tuvo lugar en talleres y entrevistas exploratorias, que fueron la base para realizar una investigación en profundidad.
→ ¿Quiénes serían nuestros heavy users dentro de las finanzas?
→ ¿Qué características podrían describir su perfil?
Se utilizaron modelos de aprendizaje automático para clasificar la información dentro del proceso de ingeniería de características para extraer lo siguiente:
- Un conjunto de datos de mil variables;
- Creación de características con vistas de perfil, uso de productos y comportamiento financiero;
- Estrategia de procesamiento paralelo en la nube para analizar con eficacia.
Con estos datos preliminares, creamos nuestros primeros productos:
- Creación de un cuadro de mando interactivo de análisis de clientes;
- Filtros para diferentes perfiles de clientes;
- Puesta a disposición de la tubería para su aplicación.
A partir de este análisis, llegó el momento de crear segmentaciones. Comenzamos el proceso de segmentación interactiva observando las 127 variables que creamos.
- Durante el proceso de generación de nuevas hipótesis, se crearon 14 interacciones. Comparamos estas interacciones con las segmentaciones existentes para señalar los puntos débiles y vulnerables.
Mientras tanto, el equipo de innovación de MJV realizaba una inmersión y un análisis con el cliente y el mercado. Basándose en criterios cualitativos, el estudio de innovación trató de segmentar a la población «bancarizada» para identificar los aspectos clave que conforman las decisiones financieras de las personas.
Posteriormente, el equipo de Data Science realizó una investigación cuantitativa a nivel nacional para ayudar a la segmentación. La investigación partió de los impulsores generados en la fase anterior. El cuestionario buscaba profundizar en el conocimiento de los comportamientos y actitudes financieras.
- Asociación de preguntas y impulsores;
- Categorización de macroimpulsores y microimpulsores mediante el análisis factorial;
- Análisis de clústeres;
- Interpretación de los segmentos.
A continuación, el equipo de innovación analizó la agrupación generada por el equipo de ciencia de datos. Esto se hizo para ver si tenía sentido desde un punto de vista cualitativo.
Los clientes de la Fintech se dividieron en función de ocho impulsores. Otras variables recogidas se utilizaron para describir e interpretar los segmentos, como los datos demográficos, el historial de productos y el comportamiento financiero, entre otros.
Las variables se utilizaron para describir los segmentos y proporcionar más información sobre el tipo de productos que consumían esos clientes.
El resultado fue un material rico en información, detalles y conocimientos:
- Identificación a través de los encuestados de fintech;
- Disponibilidad de clusters con clientes fintech dentro del cuadro de mandos;
- Documentación de todo el proceso de segmentación;
- Registro de todas las decisiones tomadas, referencias y código utilizado. Disponible en una interfaz web de fácil navegación.
Con los datos correctamente estructurados y los conocimientos generados, la Fintech tenía ahora en sus manos un verdadero mapa para definir acciones y estrategias.
Ideas para la toma de decisiones
El cliente disponía ahora de los conocimientos cualitativos del proceso de DT y de las hipótesis de segmentación de DS. Pero también generamos una serie de posibilidades y descubrimientos sobre necesidades insatisfechas. Lo que llamamos oportunidades de innovación escalables.
La entrega final consistió en:
- Creación de 15 segmentos de clientes con diferentes características;
- Estudio de mercado e investigación de referencia;
- Clasificación de los clientes según sus perfiles de comportamiento;
- Mapeo de 40 oportunidades de innovación dentro de una estrategia de océano azul (donde no hay competencia directa de otros bancos);
- Priorización de 26 trabajos a realizar en busca de una ventaja competitiva en este nuevo momento de expansión del mercado fintech;
- Desarrollo de herramientas y cuadros de mando para el análisis completo del cliente.
El proyecto supuso un hito para la fintech, ya que indica cuáles serán los próximos pasos de la compañía. Fue un cambio de ritmo muy esperado por ellos: el momento en que Change the Bank se convierte finalmente en Run the Bank.
Es importante destacar que el proceso se ha llevado a cabo con mucha colaboración de las partes interesadas, que han entendido que los nuevos contextos requieren nuevas formas de operar, además de una participación activa a la hora de priorizar las acciones.
Cuando se trata de una compañía tan disruptiva, escuchar al cliente es esencial.
Si usted también quiere conocer a sus clientes y obtener información valiosa sobre los productos y servicios, podemos ayudarle. Póngase en contacto con uno de nuestros consultores.
Back