Dados que direcionam estratégias comerciais – Cross Selling

Dados e estratégias estão intimamente relacionados. Para que dados sem estratégia, e o que seria da estratégia sem dados? Amplamente utilizado na estratégia comercial, o cross-sell é um exemplo típico desta afirmativa, e depende de técnicas e ferramentas de análise de dados para ser colocado em prática de forma efetiva.

Cross-sell é o ato de recomendar um produto que complementa a compra existente do seu cliente, mas é de uma categoria diferente. Esta técnica identifica produtos e serviços que satisfazem necessidades complementares que não foram atendidas pela compra original. Por exemplo, quando ao comprar um celular o vendedor recomenda a compra de acessórios não inclusos. Nas vendas online, é muito comum ver essa técnica aplicada nas ofertas de “quem comprou este produto também comprou…”.

Existem diversos motivos pelos quais estratégias de cross-sell são importantes:

Gera receita adicional com mais eficiência do que vender para novos clientes.

De acordo com uma pesquisa da SaaS benchmarking survey, o custo de aquisição de um novo cliente chega a ser 4x maior do que a manutenção de um cliente existente.

Cria relacionamentos mais fortes com o cliente.

O cross-selling não são apenas táticas para a empresa obter mais lucros. Quando bem feito, ajuda o consumidor a obter mais valor de suas compras, gera mais oportunidades de fornecer boas experiências e construir relacionamentos mais profundos e duradouros com o cliente.

Leva a um aumento do CLV (“Valor de Vida do Cliente”, do inglês “Customer Lifetime Value”).

O CLV é uma previsão do lucro que a empresa terá considerando todo o relacionamento futuro com um cliente. Através das estratégias de cross-sell o ciclo de vida do consumidor aumenta, e assim, acrescentando lucratividade ao longo do tempo.

Essas técnicas geralmente são realizadas pelas equipes de marketing e vendas, porém a identificação das oportunidades de cross-sell não seria possível sem a análise de dados, que através de modelos estatísticos, correlaciona os produtos com maior probabilidade de sucesso na venda.

Essas estratégias são criadas a partir de uma análise denominada de Market Basket Analysis (Análise de Cesta de Compras). Esta técnica de data mining faz uso de regras de associação para identificar os hábitos de compra dos clientes, fornecendo uma visão da combinação de produtos dentro das cestas de compras dos clientes analisados. A abordagem é baseada na teoria de que os clientes que compram um determinado item são mais propensos a comprar outro item específico (ou grupo de itens).

As regras de associação determinam as relações de quais produtos foram comprados com quais outros produtos. Vamos supor que estamos tentando comprovar a relação entre a compra de celulares e smartwatches. Neste caso, as compras de celulares são chamadas de {A} e as de smartwatches de {B}. Esses relacionamentos são então usados ​​para construir perfis contendo regras if-then (se-então) dos itens comprados.

Existem muitos exemplos de empresas B2B e B2C que utilizam estratégias de cross-sell como oportunidades para gerar lucros, entretanto, ainda assim, grande parte delas continuam a se concentrar fortemente na aquisição de novos clientes e podem perdem a oportunidade da retenção dos existentes e deixar de gerar valor com aquilo que já foi arduamente conquistado.

Gabriel Pimont Penha

Data Analytics

Fale com o Autor deste Artigo

e deixe sua pergunta.