Para impulsar su crecimiento, las empresas ahora a menudo recurren a la venta cruzada, en otras palabras, la venta de ofertas adicionales a su negocio principal. Ramgopal Prajapat, Vicepresidente Senior AI y Data Science del gigante de la logística india Allcargo Logistics, recuerda, en Una publicación de blog en LinkedIn En términos de "carga parcial o completa de contenedor, flete aéreo o almacenamiento, un reenviador puede ofrecer la autorización de bienes de seguros o aduanas, o incluso agregadas soluciones de cadena de suministro. Significa aumentar tanto el ingreso anual por parte del cliente como la reserva. Se queda por identificar y apuntar efectivamente a los clientes con más probabilidades de morder el gancho, por lo que no es un los datos innecesarias y por encima de las fuerzas de ventas. Un desafío. aprendiendo.

Indispensable, porque las condiciones iniciales no son, estrictamente hablando, favorables a este enfoque. Para comenzar, a diferencia de un banco, por ejemplo, un logístico no tiene los datos que le permitan saber si estos clientes también compran seguros o autorización aduanera. Otro problema, la tasa de conversión promedio de contactar a los clientes en el sector es de alrededor del 1,5%, uno de los más bajos del B2B, según un estudio de Analytics de 2023.

"Por lo tanto, tomaría alrededor de 66 llamadas para concluir una sola transacción", dijo Ramgopal Prajapat. Y, por lo tanto, una fuerte participación de las fuerzas comerciales ya a menudo muy ocupadas. "La venta de productos y servicios adicionales a los clientes existentes es mucho más rentable que la adquisición de nuevos clientes. Ya conocen a su proveedor de servicios y, como especifica la ciencia de datos y la IA senior, la venta omnicanal, en particular en las plataformas digitales o a través de la conciencia automatizada, simplifica la interacción con ellos.

Datos por falta, encontrar métodos creativos

"En el campo del envío de carga, se requieren métodos creativos", insiste. Para detectar el uso de clientes de productos o servicios adicionales en competidores, por ejemplo, una de las posibles opciones es explorar fuentes de información y datos públicos para identificar a las empresas que participan en actividades de envío relevantes con competidores. »»

Además, para identificar las necesidades de estos clientes, Ramgopal Prajapat propone analizar con el aprendizaje automático del comportamiento histórico de aquellos ya identificados como posibles objetivos. Allcargo Logistics se preguntó si AI podría, por ejemplo, impulsar la tasa de conversión en un 10% cuando el cliente, entre el 10% identificado como los retornos más interesados, sin haber sido atacados hasta un 15% con un incentivo de contacto proactivo. Finalmente, la IA también ayudaría a identificar "clientes similares", cuyas características o comportamientos están cerca de aquellos que usan el servicio complementario, para ofrecerles este último.

Conciencia específica de los clientes con carga completa de contenedores

Muy concretamente, Allcargo Logistics ha probado sus hipótesis enriquecidas con el aprendizaje automático en un proyecto específico: identificar a los clientes con un alto interés potencial para el producto "carga de contenedor completa" (Carga de contenedor completaFcl). Los datos iniciales? 3.000 clientes han representado el 80% del volumen de FCL en los últimos 3 años y 20,000 usuarios del servicio de carga parcial (Menos que la carga de contenedorLcl) nunca llamó a FCL. Entre estos, 2,000 ya eran clientes de otros productos Logistics Allcargo. Un objetivo ya interesante, pero aún demasiado importante en vista de la capacidad del equipo de ventas. Por lo tanto, AllCargo Logistics decidió reproducir los datos y el enfoque de aprendizaje automático para priorizar y seleccionar solo los 100 clientes con más probabilidades de adoptar FCL y emprender una conciencia ultra objetiva.

Para esto, el aprendizaje automático primero hizo posible modelar los clientes potencialmente más interesantes, identificando las características de los clientes de Servicios de FCL. Paralelamente, el Equipo de Datos y Data de Allcargo Logistics etiquetados, de estos indicadores, los 5,000 clientes más comprometidos de la oferta de LCL, esta vez. Luego se basó en el algoritmo de similitud llamado "vecinos más cercanos" K-NN (K vecinos) identificar 10 clientes "similares" para cada cliente de FCL. Finalmente, solo extrajo a los clientes que actualmente no usan FCL y dieron una clasificación más alta a aquellos con la distancia más baja al cliente de FCL.

Resultado ? "Una tasa de conversión 2.5 veces más alta en comparación con las campañas de concientización previas", dice Ramgopal Prajapat, y un uso más efectivo de los recursos de ventas. En resumen, un impacto más fuerte en los ingresos con menos esfuerzo. »»