Lanzamiento – Entrevistas sobre clienting a profesionales en Big Data & Analytics

Por qué entrevistar en temática de clienting

Estoy muy orgulloso de lanzar esta serie de entrevistas a profesionales que trabajan en empresa líderes en las áreas de Marketing, Expansión y Ventas.

Después de darle vueltas un tiempo, creo que las entrevistas son la mejor forma de conocer y aprender lo que hacen empresas con una alta carga analítica y que la usan de forma diaria para la toma de decisiones en el área de negocio.

Lo que busco con esta iniciativa, es que, al finalizar la entrevista, el suscriptor tenga 2 principales aprendizajes:

1. Cómo la analítica de clientes (clienting) se aplica sobre los negocios: Los entrevistados compartirán, en la medida de lo posible, las métricas, fuentes de información y cómo lo aplican en campañas o segmentaciones o cuadros de mando para mejorar el comportamiento de la cartera de clientes.
2. Metodologías o herramientas que usan los entrevistados: Es un punto que nos puede aportar, qué herramientas usan, de qué forma, la metodología, los tipos de modelos que usan y un largo etcétera.

Creo que lo mejor de ambas ideas puede aportarnos una visión muy completa de los negocios

Lo principal es que los lectores sepan cómo la analítica de clientes (clienting) debe ser “accionada” para obtener mejores resultados como: incrementar la vinculación de clientes, reducir el abandono (churn), incrementar la fidelidad de los clientes, reducir los costes de captación, etc.

A quién pienso entrevistar (los cargos)

En principio invitaré a los siguientes roles o cargos:

• Data Science / Big Data / Head Data Analyst (Manager-Director)
• Business Analytics (Manager-Director)
• Business Intelligence (Manager-Director)
• Investigación Comercial (Manager-Director)
• Chief Data Officer
• CRM (Manager-Director)
• Marketing (Manager-Director)

Qué busco en el entrevistado (habilidades)

Buscaré que el entrevistado tenga, principalmente, 2 cualidades:

1. Uso de marketing analítico en su rutina: Que haya usado o esté usando modelos matemáticos para las iniciativas de negocio en su empresa.
2. Conocimiento técnico: No tanto ser experto, pero sí conocer cómo a partir de técnicas de Inteligencia Artificial se pueden mejorar los ratios de negocio. Pueden ser matemáticos, estadísticos, pero no es excluyente.

¿Te interesa?

Si estás interesado en aprender de gente que hace cosas innovadoras y no quieres perderte ninguna entrevista, lo tienes fácil.

Solo tienes que suscribirte al blog.

Nos vemos

1 abrazo