En el ámbito del marketing estratégico, la segmentación de clientes resulta clave a la hora de articular una estrategia coherente, unificada e integradora.

Se han vertido ríos de tinta para escribir sobre técnicas de segmentación (análisis cluster, discriminante, chaid,…) y atributos descriptivos de los clientes (sociodemográficos, ventajas buscadas, estilos de vida,…) sobre los que basar dicha segmentación. Sin embargo, poco se ha hablado de utilizar KPI para esta vital tarea.

Por definición, un KPI es un indicador de la adecuada “marcha” del negocio en un aspecto muy concreto. Utilizar KPIs para segmentar el mercado de empresas que operan únicamente a través de canales tradicionales podría resultar un absurdo. No obstante, en Internet la situación es bastante diferente.

Para realizar una segmentación de este tipo, podemos abordar el problema desde dos perspectivas no excluyentes entre sí: (1) utilizar los propios KPIs para segmentar y, (2) segmentar en función del concepto representado por el KPI. En este post, esbozaré la primera de las visiones, por tratarse éste de un tema bastante complejo.

Un ejemplo muy sencillo: el KPI genérico “Order Conversion Rate” (recuérdese que el ideal es utilizar KPIs perfectamente adaptados a nuestro negocio) puede ser individualizado por cliente. De esta manera, tendremos un “score” y atributo de segmentación asociado a un cliente concreto, de manera que: (1) podremos compararlo con el KPI Total y, (2) podremos utilizarlo posteriormente para segmentar al conjunto de nuestros clientes, ya sea utilizando únicamente esta variable, ya sea combinándola con otros atributos de segmentación (procedencia geográfica, resultados en búsquedas, conversión por campañas…).

Realizar esta tarea con la única ayuda de una herramienta de analítica web puede resultar muy complicado y desolador, con independencia de su flexibilidad (pienso incluso en WebTrends Analytics y Omniture SiteCatalyst). La razón es sencilla: La herramienta dará únicamente acceso a aquello que haya sido configurado de antemano o lo presentará con importantes limitaciones en el número de dimensiones y medidas disponibles. Es por ello que necesitamos ir un poco más allá y hacer uso de herramientas que permitan el cruzado multidimensional de datos (piénsese en cubos OLAP).

Se nos presentan aquí varias opciones, y me permito destacar dos:
a) Si la herramienta de analítica web permite exportar los datos recopilados en un formato estructurado y abierto podremos trabajar con ellos en un entorno de “Business Intelligence” (Cognos, SAP Business Objects, etc.).
b) Algunos fabricantes de herramientas de analítica web han comenzado a sacar productos al mercado que facilitan precisamente esto: El análisis multidimensional en tiempo real. Este es el caso de WebTrends Visitor Intelligence y Omniture Discover, que facilitan un entorno de segmentación y análisis a partir de múltiples dimensiones y medidas en modo ASP (”Software as a Service”).