Salesforce Einstein Marketing Cloud es un conjunto de tecnologías impulsadas por inteligencia artificial, que te permite mejorar las relaciones con tus clientes, personalizar el contenido según sus preferencias y optimizar sus recorridos.
Gracias a la inteligencia artificial, Einstein puede leer lo que hace un cliente a lo largo del tiempo y predecir lo que le atrae, para luego buscar cómo guiar y apoyar ese comportamiento. El resultado de este proceso, sobre todo a medida que Einstein va procesando los datos mejor, es que los clientes reciben una experiencia completamente personalizada. Los mensajes que recibirán estarán perfectamente centrados en lo quieren y necesitan ver. Dicho de forma resumida, es capaz de mejorar la experiencia de los usuarios de forma continua.
Toda la experiencia que Einstein Marketing Cloud puede ofrecer podemos resumirla en 4 puntos:
- Descubrir patrones y conocimientos ocultos en sus datos.
- Predecir resultados de negocio.
- Recomendar la siguiente mejor acción, oferta o mensaje al cliente.
- Automatizar los procesos de negocio y los flujos de trabajo.
Dentro de las funcionalidades que podemos utilizar dentro de la herramienta nos encontramos con:
- Engagement Scoring: permite predecir la probabilidad de que un suscriptor permanezca suscrito, abra los correos electrónicos o haga clic en los enlaces. También, segmentar su lista de suscriptores para identificar y dirigirse a un público en función de la probabilidad de que se comprometan con su campaña.
- Send Time Optimization: utiliza el análisis automatizado para determinar el mejor momento para enviar un correo electrónico a cada suscriptor. Mediante Einstein STO Journey Builder podemos enviar correos electrónicos a cada suscriptor cuando es más probable que interactúe con ellos.
- Engagement Frequency: permite evaluar tus actividades de envío y decidir el número óptimo de mensajes de correo electrónico que debe enviar para atraer a sus suscriptores.
- Copy Insights: mediante el análisis de las líneas de asunto de sus correos electrónicos, podemos descubrir mejor información que nos permita elaborar un mejor texto. Encontrar combinaciones de palabras y frases para mejorar la respuesta del cliente utilizando el procesamiento del lenguaje natural.
- Content Selection: envía contenidos personalizados cuando un cliente abra los mensajes. Primero se selecciona un grupo de contenido, y Einstein elige el mejor para mostrar a los usuarios.
- Email Recommendations: observa el comportamiento de los clientes, crea perfiles de preferencia y ofrece el siguiente mejor contenido o producto por correo electrónico.
- Web Recommendations: permite desarrollar el mismo concepto que el anterior apartado, pero enfocado a mostrar el mejor contenido en tu página web.
Cómo podríamos mejorar un journey gracias a esta tecnología
Primero comenzar poniendo en contexto a qué nos referimos por journey. Para explicarlo de una manera sencilla, un journey es un mapa que contiene diferentes puntos, interacciones, canales y componentes que recorre un usuario durante un ciclo determinado. No todos los usuarios tienen que recorrer los mismos puntos de un journey, pero si todos deben tener elementos en común para emprender el camino de ese journey. Como una imagen vale más que mil palabras, vamos a comenzar apoyándonos en una:
En la imagen de arriba, podemos ver el ejemplo de un journey que partiendo de una data extensión de la que formarán parte un grupo concreto de usuarios, se compone de diferentes comunicaciones, puntos y acciones.
Una data extensión viene a ser una tabla dentro de la base de datos de Marketing Cloud, que incluye diferente información referente a la lista de contactos del cliente que posee la cuenta. Para que un usuario pueda ser incluido dentro de esta data extensión deberá de cumplimentar una serie de requisitos, así como otorgar una serie de consentimientos.
Siguiendo el ejemplo de la imagen, vamos a suponer que tengo en mi data extensión la lista de clientes registrados en mi página web, y quiero enviarles un correo electrónico a todos aquellos que han abandonado un proceso de contratación de alguno de mis productos. Con el journey construido arriba, voy a poder realizar de forma automática un primer envío de correo electrónico, recordando a los usuarios el proceso de compra que no han terminado de finalizar, así como incluir un enlace directo al mismo punto del funnel donde lo habían dejado, por ejemplo.
2 horas después, puedo abrir los caminos del mapa que he diseñado en función de si han reanudado el proceso y lo han finalizado, o si por el contrario siguen sin tomar acción. Suponiendo que todavía no hayan tomado acción, puedo automatizar un segundo mensaje de correo electrónico a modo de recordatorio, para intentar una vez más que el cliente finalice su proceso. En ambos casos y después de 24 horas el usuario abandonaría el journey establecido.
Se trata de un ejemplo muy sencillo de una de las acciones que se pueden automatizar con la herramienta de Journey Builder que nos ofrece Salesforce.
Las opciones son múltiples dentro de esta herramienta. Podemos enviar varios tipos de comunicaciones tales como:
Es decir, en el ejemplo anterior, podemos contactar al usuario mediante SMS o una notificación Push en el teléfono móvil para recordarle en qué punto del proceso se había quedado. Las opciones de personalización del contenido de estas comunicaciones son amplias, especialmente en el caso de los correos electrónicos, que podemos diseñar desde cero con un creador de contenido especifico de la herramienta.
Lo interesante de trabajar con un ecosistema como Marketing Cloud, es la posibilidad de centralizar todos los datos y comunicaciones de tus clientes sobre diferentes canales dentro de una única plataforma.
¿Qué podríamos lograr si sobre el ejemplo del journey anterior utilizamos la funcionalidad Einstein Email Recommendations?
En el contenido de los correos electrónicos enviados al usuario, además de mostrarle y recordarle el paso donde ha abandonado el funnel o el producto por el que previamente no terminó el proceso de compra, podemos enviarle otra comunicación, si finalmente no termina comprando el producto anterior, tratando de impactarle con otros productos por los que también ha mostrado interés.
Las recomendaciones por correo electrónico se entregan como un par de imágenes y enlaces preconfigurados y se activan cuando un usuario interactúa con el correo electrónico. La lógica y los escenarios se procesan inmediatamente antes de que vean la recomendación.
La imagen utilizada en la recomendación está preconstruida sobre la base de una plantilla HTML, que se utiliza para estilizar el aspecto de una recomendación. Cada recomendación de producto o contenido se genera con antelación y se almacena, para garantizar que la imagen esté disponible al instante. Al preprocesar las visualizaciones y la lógica de cada recomendación de producto o contenido, se proporciona la recomendación más actualizada sin sacrificar el rendimiento cuando un suscriptor interactúa con el correo electrónico.
Otra de las acciones que podríamos llevar a cabo sería apoyarnos en la funcionalidad de Engagement Frequency, para decidir la cantidad precisa de mensajes con la que queremos impactar al usuario y buscar una respuesta. Una funcionalidad que podemos ir mejorando a medida que vamos recopilando resultados en base a la interacción que van teniendo a lo largo del proceso.
La funcionalidad anterior, podríamos enriquecerla mediante Send Time Optimization, para no solo establecer el número optimo de mensajes, sino también para predecir el momento optimo de envío de las comunicaciones a nuestros usuarios.
*Fuente bibliográfica de contenido:
*Fuentes de las imágenes:
Autor :
Publicado en : Octubre 28, 2021
Post por temática
