“Cuando puedes compartir los datos en todas tus plataformas con fluidez, se abre un sinfín de oportunidades”, dice Gopinath. “Ya no te limitas solo a enviar correos electrónicos o notificaciones push, sino que creas una experiencia verdaderamente omnicanal. Los resultados son increíbles”.
Una base estratégica
Gopinath y su equipo eligieron como partner de implementación a Bounteous, una consultoría de servicios de transformación digital, y juntos crearon una estrategia de personalización para CCETH que tenía cuatro pasos clave:
- Establecer una estructura de equipo que facilitara la colaboración
- Centralizar los datos para tener una perspectiva más clara de los clientes
- Definir los casos de uso para formar la base estratégica
- Ejecutar la estrategia a través de los casos de uso
Gracias a su amplia experiencia en marketing digital, Gopinath sabía que el equipo de tecnología debía estar involucrado desde el primer momento. En lugar de adoptar un enfoque de traspaso tradicional, en el que el equipo comercial envía las ideas al equipo de tecnología para que este las ejecute, reunió a los equipos para que juntos realizaran la planificación, ejecución e iteración a lo largo de todo el proceso. Esto también requirió diseñar un sistema de colaboración intercontinental para conectar a los integrantes del equipo de distintas partes del mundo.
El siguiente paso consistía en eliminar los silos al centralizar los datos de múltiples fuentes. El equipo necesitaba una forma de combinar los datos de comercio electrónico de Adobe Commerce (que incluían acciones de comportamiento como añadir artículos al carrito, datos de back-office como el historial de pedidos y datos de perfiles) con información de otras fuentes tales como el ERP y el CRM de la compañía. Con la extensión de intercambio de datos de Adobe Commerce, el equipo pudo enviar los datos a Experience Platform y Real-Time CDP y allí estandarizarlos para crear perfiles unificados de los clientes.
“Gracias a la integración de Commerce, podemos capturar cada punto de contacto con el cliente”, dice Gopinath. “Esto nos ayuda a crear un perfil completo del cliente desde el primer momento en el que ingresa al sitio web”.
Con la nueva capacidad de crear perfiles valiosos de los clientes, Gopinath y su equipo estaban listos para profundizar en la personalización de los recorridos. Priorizaron los posibles casos de uso en función de las interacciones de los clientes, las iniciativas de marketing y las tácticas de personalización, y de esta forma crearon un marco de trabajo en torno a tres pilares:
- Casos de uso que generarían ingresos
- Casos de uso que aumentarían la participación y la retención
- Casos de uso que permitirían identificar e iterar los puntos más eficientes
Una verdadera experiencia omnicanal
El equipo comenzó por un caso de uso típico de participación: los carritos de compras abandonados. Antes de integrar los datos, debían esperar hasta 48 horas para saber si un cliente de CCETH había completado o no su compra. Con el envío de los datos en tiempo real, pudieron enviar recordatorios personalizados por correo electrónico y al instante a aquellos usuarios que no completaban su compra en un plazo de una hora. Esto aumentó la tasa de apertura de correos electrónicos en un 36%, la tasa de clics en un 21% y las tasas de conversión en un 8.5%.
El equipo también pudo enviar recordatorios con elementos emergentes en el sitio web y con notificaciones push, incluso a través de una nueva integración con WhatsApp. Adobe Journey Optimizer les ayudó a determinar los canales y las frecuencias ideales para comunicarse con los clientes según su comportamiento, la puntuación de propensión basada en IA y más información.
“Adobe Journey Optimizer nos permite acceder a muchos canales y orquestar una experiencia verdaderamente omnicanal”, afirma Gopinath.
Con el acceso a la información en tiempo real, CCETH también pudo usar Adobe Customer Journey Analytics para comprender mejor los patrones de pedidos de los embotelladores y depósitos. Además de saber al instante qué productos están por agotarse, el equipo de Gopinath recurrió a Journey Optimizer para enviar comunicaciones personalizadas a los embotelladores en función de los códigos postales donde se esperaba un aumento de la demanda por factores estacionales.
El equipo también usó las funciones de análisis para comprender las tendencias de compra y correlacionarlas con las recomendaciones de productos que generaron más ingresos. “Los productos que recomendamos deben estar respaldados por los ingresos. De otra forma, es difícil justificar lo que estamos haciendo”, explica Gopinath. “Adobe Customer Journey Analytics nos permitió mostrar a las partes interesadas todo lo que estábamos logrando a través de paneles creados por nosotros mismos”.
Customer Journey Analytics también ayudó al equipo a encontrar formas nuevas de volver a captar y satisfacer a clientes con una participación baja. Por ejemplo, el equipo podía enviar cupones personalizados en el mes del cumpleaños del cliente o si el cliente intentaba utilizar un código de promoción vencido. Al mismo tiempo, el equipo podía entender qué clientes tenían menos probabilidades de hacer una compra y así ser más eficientes con los gastos en medios.
El poder de la personalización
Gopinath y su equipo global crearon un manual de tácticas de personalización que está cambiando la estrategia de Coca-Cola en los mercados de todo el mundo. Ya comenzaron a implementarlo en la tienda de Coca-Cola de Estados Unidos, donde el descubrimiento de productos personalizado e impulsado por Adobe Sensei , la tecnología de IA y aprendizaje automático de Adobe, aportó un valor inmediato.
Los primeros resultados mostraron que las recomendaciones de producto personalizadas para cada comprador en función de sus acciones y afinidades generó un aumento del 117% en los clics y del 36% en los ingresos. Además, la tasa de clics de la tienda aumentó un 17% en las recomendaciones de ventas cruzadas de combinaciones de productos que suelen comprarse juntos. La tasa de conversión a partir de las búsquedas en el sitio llegó al 19% gracias a que los tres primeros resultados suelen mostrar el producto que buscan los clientes.