Cómo MECCA replica las experiencias de los clientes en las tiendas en línea con resultados espectaculares

Fundada en 1997, MECCA reúne algunos de los productos de belleza y cuidado de la piel más codiciados del mundo y vende más de 120 marcas a dos millones de clientes en Australia y Nueva Zelanda. Representa el 10 % del mercado de belleza australiano de 4200 millones de dólares y alrededor del 25 % del sector de la belleza de prestigio, según IBISWorld.

Uno de los secretos del éxito de MECCA son sus boutiques de belleza de alto nivel y servicio. Según Vogue, MECCA gasta alrededor del 3 % de sus ingresos en la capacitación de su personal para ofrecer un asesoramiento personalizado a cada cliente.

Ahora, MECCA quiere replicar en línea esta experiencia única frente a frente. «Cuando uno entra en una tienda MECCA, el servicio personalizado y las recomendaciones que recibe de nuestros anfitriones es algo que queremos trasladar al mundo en línea», explica Lauren Shepherd, Head of CRM and Loyalty en MECCA.

MECCA fue uno de los primeros en adoptar el comercio electrónico con el lanzamiento de las compras en línea en 2001. Recurrió a sus socios estratégicos, Amazon Web Services (AWS) y Servian, para que le ayudaran a utilizar los datos y los análisis para mejorar el compromiso de los clientes en línea.

Ofrecer un producto hiperpersonalizado y un proceso a medida es el núcleo de la mejora de la experiencia del cliente (CX) para impulsar el crecimiento de la empresa. Sin embargo, según Gartner, más del 70 % de los líderes de CX «luchan por diseñar proyectos que aumenten la fidelidad de los clientes y consigan resultados».

El proceso de transformación de datos de MECCA comenzó en 2018, cuando trabajó con AWS para construir una plataforma de datos y empleó Tableau como herramienta de informes de inteligencia empresarial.

Después de ver una aceptación positiva en toda la empresa, el departamento de tecnología de MECCA quiso ir más allá y usar los datos para añadir más valor a los clientes. Su objetivo final es permitir a las diferentes partes de la empresa el autoservicio, una forma de inteligencia empresarial que permite a cualquiera profundizar en los datos que son relevantes para su función. 

Los departamentos de CRM y Fidelización de MECCA estaban especialmente interesados en usar los datos para predecir qué productos tienen más probabilidades de atraer a los diferentes clientes.

«Teníamos mucha información sobre nuestros clientes, pero no la usábamos realmente para optimizar su experiencia: cada cliente recibía los mismos contenidos y promociones», afirma Shepherd.

El departamento de datos del MECCA, en colaboración con Servian, inició una prueba de Amazon Personalize, un servicio de machine learning que proporciona un marco sencillo para construir y ejecutar modelos de personalización. Lo usan los minoristas innovadores para ofrecer recomendaciones específicas de productos, reordenamiento personalizado de productos y marketing directo a medida.

Antes de poder hacer la transición al marketing personalizado impulsado por la IA, MECCA necesitaba limpiar y reestructurar 23 años de datos contenidos en su plataforma de correo electrónico para crear un sistema de datos organizado, limpio y de fácil acceso.

Así comenzó la etapa de «descubrimiento» del proceso de ML de MECCA. Un departamento tecnológico interdisciplinario de expertos en CRM, datos y Servian se reunió para desarrollar una prueba de concepto (POC). Su trabajo consistía en anticipar y abordar cualquier obstáculo que pudiera entorpecer la POC, que usa Amazon Personalize para ofrecer recomendaciones de productos como parte de una campaña de marketing de máscara de pestañas dirigida. La campaña, mediante la utilización de los metadatos existentes, se dirige a los clientes 90 días después de su última compra con correos electrónicos de promoción de máscara de pestañas.

Al pasar a la fase de «entrega», el departamento de tecnología realizó múltiples cambios, como la migración a un entorno de datos de Amazon S3 y la creación de nuevas integraciones con el sistema de marketing para permitir un procesamiento de datos automatizado de principio a fin. También dedicaron tiempo a ayudar a las partes interesadas ejecutivas y a los administradores a entender cómo la personalización y el cambio al machine learning beneficiarán positivamente a sus respectivas áreas empresariales.

Esto fue clave para el éxito de la POC, según Paul Erskine, IT Delivery Manager for Digital and Data en MECCA: «Muchos ejecutivos tenían dudas sobre la complejidad de la ciencia de datos en general. Tenían preguntas como: ¿Quién administrará el modelo si alguien deja la empresa? ¿Cuál es el coste frente al valor? ¿Quién lo respaldará con el paso del tiempo?».

Para abordar estas preocupaciones, el departamento de tecnología compartió su visión y sus planes en un foro de gobernanza de datos. Revelaron las recomendaciones de productos generadas por Amazon Personalize, y explicaron cómo se puede usar la ciencia de datos para optimizar las tasas de conversión y compromiso de los clientes. Sus pruebas fueron tan convincentes que el departamento ejecutivo de MECCA dio una rotunda luz verde a la POC.

Cuando Amazon Personalize se lanzó en Australia a finales de 2019, MECCA y Servian lo desplegaron inmediatamente, lo que les convirtió en una de las primeras empresas australianas en hacerlo. En cuestión de horas, empezó a producir recomendaciones de productos a medida, y hoy en día, produce recomendaciones de productos en todo el catálogo de MECCA.

«Una de las ventajas de usar Amazon Personalize es la facilidad para la capacitación de modelos personalizados a partir de los datos existentes en los servicios administrados de AWS. Esto permite a los desarrolladores, no solo a los científicos de datos, construir algoritmos de recomendación», explica Erskine.

MECCA también desplegó un modelo de propensión de memoria a corto plazo (LSTM) para identificar el mejor momento para la reposición de productos. En las pruebas de AB, el 50 % de los correos electrónicos contenían recomendaciones personalizadas de productos, mientras que el 50 % no. Aquellos con recomendaciones personalizadas lograron tasas de conversión significativamente más altas.

«Desde que integramos Amazon Personalize, observamos un aumento significativo de las tasas de clics en los correos electrónicos y un incremento de los ingresos por correo electrónico relacionados con los productos recomendados», afirma Sam Bain, Chief Digital Officer en MECCA.

En la actualidad, MECCA ejecuta su modelo de personalización semanalmente para todos los clientes activos, lo que genera más de 10 millones de recomendaciones de productos cada semana en todas las campañas de marketing.

Amazon Personalize también está superando el sistema anterior de MECCA para implementar las recomendaciones de productos mediante las capacidades nativas de su sistema de administración de correo electrónico.

Según Shepherd: «Probamos las recomendaciones de Amazon Personalize frente a las recomendaciones del sistema de nuestro proveedor de correo electrónico». En teoría, las recomendaciones que llegan a través de la plataforma de correo electrónico también se basan en el historial de compras, pero no tienen en cuenta tantas medidas como el modelo de personalización, lo que lo hace menos eficaz.

«La verdad es que demostramos que si mostramos a nuestros clientes productos que son relevantes para su etapa de vida, su proceso y su historial de compras, es mucho más probable que se conviertan».

MECCA sigue trabajando con AWS y Servian para reinventar la experiencia digital y deleitar a los clientes fieles. Su objetivo es utilizar el poder del machine learning para pronosticar lo que les gustará a los clientes y optimizar la capacidad de MECCA para satisfacer la demanda, al tiempo que mejorar su conjunto de datos subyacentes para construir modelos cada vez más predictivos.