Opinión

Transformación de las telecomunicaciones
a través del análisis
de datos

Amit Sanyal

El sector de las telecomunicaciones atraviesa una transformación que se debe en gran medida a la continua evolución de las necesidades de los clientes, así como al auge de la innovación tecnológica y al cambiante panorama de la industria misma. Con el fin de seguir el ritmo de la competencia en este contexto, los proveedores de servicios están tomando medidas innovadoras para disminuir la pérdida de clientes y aumentar los ingresos promedio por usuario.

En la actualidad, todos los operadores enfrentan varios desafíos que incluyen de manera general cuestiones de saturación de la industria, paridad tecnológica entre los proveedores de servicios y costos bajos por cambio de operador. Estos desafíos afectan directamente los márgenes de ganancias de los operadores, que de por sí ya son muy bajos. Lo que es más, la situación se complica con el surgimiento de proveedores de contenido (over-the-top players, OTT) y las inversiones sustanciales en las redes de 3G y 4G.

En estas circunstancias, es imperativo predecir y analizar los patrones de uso de los clientes de manera oportuna para reducir la pérdida de usuarios e incrementar la rentabilidad. Para comprender los múltiples matices de los patrones de uso de los clientes es necesario contar con un modelo de análisis predictivo de buen diseño, que contenga más funciones aparte de la básica supervisión manual. Un modelo de análisis predictivo examina los patrones de uso del cliente, tanto pasados, como actuales, para predecir resultados a futuro.

La idea básica que respalda el concepto de “análisis predictivo” es que cuanta más información tenga una empresa de telecomunicaciones en la actualidad, mejor será su capacidad de determinar una situación futura para sus operaciones y procesos. Además, los modelos de predicción de pérdida de clientes también proporcionan una puntuación de la tendencia a perder cada cliente. Esto permite al equipo de mercadotecnia de la organización personalizar las ofertas al resaltar las más atractivas para los clientes de alto riesgo y gran valor, con lo cual optimizan sus costos. Otra ventaja de los modelos predictivos es que pueden adaptarse a ciertos segmentos de clientes y de esta forma, es posible establecer modelos contra la pérdida de clientes con base en una región específica.

Para ilustrar lo anterior, si un operador cuenta con cerca de un millón de clientes, una reducción del 10 por ciento en la pérdida de clientes equivaldrá a un aumento anual en los ingresos de un 1 por ciento. Con la ayuda de campañas diseñadas para retener clientes, la tasa de captación puede ascender hasta el 20 o el 25 por ciento, que a su vez se traduce en ganancias significativas.

El uso de los servicios de datos está aumentando considerablemente a nivel internacional. Según un informe de CLSA, se espera que el número de suscriptores de servicios de datos móviles en el país se duplique para alcanzar los 501 millones para 2017-2018. Este crecimiento estará impulsado por el incremento del uso de los teléfonos celulares, la disponibilidad de teléfonos inteligentes de bajo costo y la expansión de las redes de datos. Con un repertorio de datos tan vasto, la “personalización” puede abarcar el comportamiento histórico, las interacciones sociales, las preferencias y los parámetros demográficos de cada suscriptor. Estos factores pueden emplearse para agrupar a los suscriptores en categorías muy específicas a las cuales pueden dirigir campañas personalizadas, responder las llamadas entrantes con campañas de ventas mejoradas y cruzadas, y predecir tasas de captación con base en el comportamiento pasado de suscriptores con características similares, entre otras.

Para ello, se requiere de una solución mercadológica precisa para el análisis de datos en tiempo real que impulse el crecimiento de ingresos a través de la mercadotecnia contextual, la cual haga énfasis en la captación y retención de clientes. Los proveedores de servicios necesitan armarse con herramientas para desarrollar y optimizar sus estrategias con el fin de captar clientes y mejorar el valor para sus usuarios.

El autor es vicepresidente y director adjunto de Soluciones de Valor para el Consumidor en Mahindra Comviva.