How AI models attract potential customers

Adrian Garcia

GAMCO R&D&I Dept.

La captación de nuevos clientes potenciales es uno de los procesos con mayor importancia y dificultad para una empresa. Tradicionalmente ha sido necesario recurrir a la compra de bases de datos de contactos y realizar llamadas a todos ellos o a los máximos contactos que se pudieran llamar según los recursos disponibles; con unas tasas de conversión realmente bajas.

Este proceso conlleva unos elevados costes tanto por la compra de los datos de los clientes, como por el tiempo y recursos invertidos en realizar las llamadas.

Los modelos predictivos creados por automatic learning, que son una herramienta de la inteligencia artificial (IA) cada vez más presente en un sinfín de procesos, también pueden ser de gran utilidad para ayudar en la captación de nuevos clientes.

Centrándonos en la captación de comercios y empresas, su información está al alcance de cualquier usuario a través de internet, y gracias a servicios como Google Places, se pueden realizar barridos en busca de establecimientos de una zona concreta. Los datos recogidos incluyen tanto la información de contacto, imprescindible para realizar las llamadas, como características básicas de cada uno de ellos.

De esta forma se conseguiría acceso a una cantidad muy elevada de clientes potenciales, a un coste realmente bajo, y con características de gran utilidad de cara a mejorar la tasa de conversión.

The information acquired ranges from the sector to which the point of sale is dedicated, to the valuation given by its customers, and can be used as input variables for the training of predictive models, focused on detecting those stores with the highest probability of becoming a customer of a particular service or product.

GAMCO has implemented trade prioritization solutions as a module of its development (SAIL - Sales Artificial Intelligence Launch), increasing the conversion of calls made by more than 20%, which translates into being able to get the same amount of customers with less than half the number of calls. 

► You may be interested in: 5 strategies to build customer loyalty

Utilización de modelos de IA para conseguir clientes potenciales

The use of artificial intelligence models makes it possible to group businesses that have similarities between them, and to try to detect those establishments that are similar to others and are already customers. The models can generate as output the probability of adhesion, and even the most appropriate way to contact each store (channel, day and specific time). In this way, the conversion rate can be improved, avoiding contacting businesses of little interest or with a low probability of adhesion.

The models are adjusted and adapted to the results obtained from previous contacts. In addition to using basic customer information, it will be vital to enrich the machine learning with information on the response given when contacting, being useful the information from both successful and unsuccessful contacts.

As model predictions become more widely used, new models can be trained to use all this information to detect which characteristics are shared by adhering customers, thus achieving increasingly accurate predictions. The greater the amount of data available, the greater the robustness of the models. 

Por otro lado, se puede hacer seguimiento de los clientes, y utilizar la información de su comportamiento para detectar aquellos clientes que tienen los resultados más buscados y que normalmente aportarán el máximo valor a la empresa. De este modo, la IA no solo buscaría aquellos comercios con mayor probabilidad de conversión sino también aquellos comercios que se espera que aporten un mayor valor una vez se convierta en cliente.

An example of the above is a marketplace that seeks to increase the number of businesses that become members. This marketplace will also be particularly interested in businesses that once they join it will generate a greater number of sales. 

El proceso de creación de los modelos predictivos consiste en elegir qué tipo de estructura de aprendizaje, algoritmo de entrenamiento  y en especial, la selección de características a partir de los datos disponibles, que son de más utilidad para detectar los comercios con mayor probabilidad de adhesión.

Cabe destacar que estas características podrán ser distintas en función de los objetivos concretos que se persigan: maximizar la captación de clientes, incorporar los clientes que generen un mayor valor, evitar la rotación o abandono de clientes, etc.

Adicionalmente a lo comentado, el hecho de tener todos los clientes caracterizados y descritos por sus patrones de comportamiento (un patrón de comportamiento no es más que un conjunto de características por cliente), e incluidos en modelos de artificial intelligence, facilita su seguimiento y análisis, ayudando en las tareas de fidelización, y recomendación de acciones para mejorar el servicio, valor aportado por el cliente y el valor percibido por éste.

Share:
Sales KPIs. What they are and which are the best

Achieving business goals and tracking success is an important aspect of improving any business. In sales, measuring the progress of [...]

Read More »
2 case studies on Artificial Intelligence: sales and risk

How is artificial intelligence helping us? Artificial intelligence (AI) has gone from being the stuff of science fiction movies to a [...]

Read More »
Artificial Intelligence to sell more and better: customer development and loyalty.

Artificial intelligence (AI) can change the way sales channels and customers are managed for manufacturers and distributors of consumer products, and can [...]

Read More »
How to increase a company's sales

All businesses usually plan for annual growth, although not all of them achieve it. Increasing the sales of a company in 2022 is [...]

Read More »
See more entries
© Gamco 2021, All Rights Reserved - Legal notice - Privacy - Cookies