Ben Feldman, considerado el más grande vendedor de seguros de vida de todos los tiempos, dijo alguna vez: “El 98 por ciento de la venta pasa por entender a los seres humanos, y el 2 por ciento restante es conocimiento del producto”. Llámelo la Ley de Feldman.

Sin embargo, esta visión no está muy difundida en el mundo del comercio electrónico, donde el mantra hasta ahora ha sido minimizar el contacto humano con el cliente. Muchos minoristas electrónicos se esfuerzan por reunir la mayor cantidad de conocimiento sobre el comportamiento y los hábitos de compra de los clientes, para lo cual agregan y procesan enormes cantidades de datos sobre los usuarios. Pero esto es sólo fría estadística.

La verdad cruda es que, aun los más exitosos sitios web minoristas con tecnología inteligente, convierten a lo sumo a un 3 por ciento de los visitantes en compradores.

Suponga que puede llevar la Ley de Feldman a la Web y, además de utilizar las virtudes tecnológicas que hacen del comercio electrónico un canal de ventas tan potente, logra introducir el toque humano exactamente en el momento en que más se lo necesita.

Según 24/7 Customer —una firma localizada en Campbell, California, que realiza procesos de negocios para terceros y tiene entre sus clientes a Adobe Systems Inc. y Capital One Services Inc.—, el toque humano empleado de esta manera puede incrementar los índices de conversión de consumidores online en un 15 por ciento o más. Para probarlo, 24/7 desarrolló el software predictivo SalesNext, que clasifica a los visitantes online en hot (calientes) y cold (fríos), según las probabilidades que existen de convertirlos en compradores. La firma realiza un contacto personalizado por chat sólo con aquellos que es más posible que cierren trato. “Es como trasladar a la Web el criterio y el sentido de la oportunidad de un vendedor estrella de una gran cadena de tiendas”, dice el cofundador y presidente ejecutivo de 24/7, P. V. Kannan.

En cualquier canal de ventas, el flujo de consumidores desde la categoría de meros visitantes a la de compradores reales, es como el líquido que pasa a través de un embudo. En un punto de venta minorista del mundo real, la parte superior del embudo es pobremente atacada por el marketing, porque las empresas tienen un control limitado sobre los visitantes de una tienda.

El poder del embudo reside en la base, donde avezados vendedores convierten a los visitantes en compradores. En cambio, en un típico embudo de comercio electrónico, se puede atacar con gran eficiencia la parte superior. Técnicas avanzadas de marketing online permiten apuntar a los clientes potenciales que entran en un sitio web minorista, sobre la base de su comportamiento previo en la Web y otra información histórica, y guiar a esos consumidores hacia items que encajan con sus preferencias anteriores.

Pero la parte inferior del embudo de e-commerce se estrecha hasta transformarse en un hilo, porque la mayoría de las experiencias del consumidor en un sitio web se asemejan, son de tamaño único. (En el mejor de los casos, los sitios incluyen una funcionalidad de chat basada en pautas rígidas, que no contempla la variedad de clientes y hace mucho más difícil convertir a los visitantes en compradores.)

Sin embargo, si separaran a los que “sólo están mirando” de los consumidores que constituyen oportunidades “calientes”, y abrieran un canal de chat con estos últimos de forma tal que personalicen su experiencia y esto los guíe hacia una transacción, la parte inferior del embudo se ensancharía significativamente.

Algunos sitios web de minoristas ofrecen chat en vivo con consumidores, de persona a persona. Lo que distingue al enfoque de 24/7 Customer es su habilidad para ofrecérselo únicamente a quienes de otro modo no comprarían. Ir a un escenario en el cual el visitante es invitado a chatear, involucra una serie de filtros, cuya función es predecir si un individuo estará más inclinado a comprar como resultado de un chat que a través del autoservicio.

Después de todo, no hay por qué canibalizar el canal automatizado de bajo costo. El visitante que navega el sitio web es evaluado en función de una serie de criterios, incluyendo cómo llegó al sitio, si lo visitó o compró allí antes, la hora en que lo hizo y el día de la semana, su localización geográfica y la categoría de productos involucrada.

Igualmente importante es el camino que el consumidor sigue dentro del sitio. Si se dirige inmediatamente a la hoja de especificaciones de una determinada cámara digital, es improbable que un chateo con él influya sobre su decisión de compra. En cambio, si parece estar dudando entre tres modelos, una conversación podría ayudarlo a decidirse.

El objetivo, en esta fase, es hacer encajar a los posibles consumidores con sus probables elecciones de productos.

El “motor de reglas” del programa —la técnica de indagación que se sigue para identificar a los consumidores potencialmente más valiosos— “sabe”, por ejemplo, que los visitantes que echan un vistazo a los artículos de joyería es más probable que compren si vienen de Beverly Hills que si lo hacen de un área menos opulenta.

Igual de importante es otra capacidad del programa: la de aprender de las transacciones anteriores. Por ejemplo, el deterioro gradual de las fortunas personales en el estado de Michigan se reflejó en el modelo de puntaje del programa, que pudo detectar que la gente de la elegante Birmingham, en las afueras de Detroit, se mostraba más dubitativa que antes para comprar artículos costosos.

Una vez que un visitante es identificado como oportunidad “caliente”, otro filtro determina si hay que invitarlo a conversar. (El programa analiza si no hay otra manera de convencerlo de efectuar una compra. Piense en un vendedor de piso de una cadena como Sears, evaluando a varios clientes y acercándose a uno que le parece más decidido a comprar.

Hasta cierto punto, decidir a quién invitar a un chat es un simple problema de programación. ¿Hay suficientes agentes disponibles? Incrementar el número de agentes significa aumentar la cantidad de invitaciones a chatear, lo que a su vez implica acercarse a visitantes más fríos y, cuanto más fríos son, menos probable es que terminen comprando y más baja es su rentabilidad potencial.

En un nivel más estratégico, el software debe determinar con qué número de agentes se maximiza la rentabilidad. Y se requiere otro modelo estadístico para seleccionar el agente apropiado para cada consumidor, en función de su desempeño en la categoría de productos que el individuo está buscando.

Probablemente, Tiffany no es el lugar en el que ganaría dinero un gran vendedor de autos usados.
Una vez que llega el momento de chatear, el objetivo es simple: convertir el arte de la venta en una ciencia.

Cuando el vendedor de Sears se aproxima a un cliente potencial, apela a su experiencia para efectuar decenas de juicios instantáneos a partir de un cierto número de señales visuales y lingüísticas. ¿A este cliente le interesarán los detalles o preferirá una explicación más general? ¿Lo estoy presionando demasiado y empieza a mostrar resistencia? Ya que parece estar perdiendo interés, ¿no es hora de comenzar a ofrecerle descuentos?

Obviamente, el formato de chat de 24/7 no permite acceder a los matices que un buen vendedor recoge en una conversación cara a cara. Pero ejecuta, en cambio, el análisis de miles de transcripciones de chateo, a través de “data mining” (minería de datos) y “text mining” (minería de texto, búsqueda de regularidades y patrones dentro de un texto), lo que sirve para perfeccionar las técnicas que los representantes humanos de servicio al cliente usan para cerrar sus ventas.

La minería de texto, por ejemplo, brinda valiosas sugerencias sobre la forma en que un vendedor debería hablarles a los consumidores. Esta metodología se apoya en parte en la investigación neurolingüística, una especialidad que clasifica a las personas en auditivas, visuales o kinestésicas, según su forma de percibir el mundo.

Dado que los consumidores auditivos escuchan los detalles de un producto, una buena manera de atrapar su interés al abordarlos sería: “Le diré cuántos megapíxeles tiene esta cámara”.

Los consumidores visuales, por su parte, buscan información sobre el aspecto del producto. Entonces, el vendedor podría decir: “Esta cámara viene en tres excitantes colores y entra en el bolsillo de su camisa”. Y los consumidores kinestésicos responden a estímulos que tocan las emociones, tales como: “Le encantará sentir el peso de esta cámara en la palma” o “le resultará perfecta para tomar fotos de la graduación de su nieta en el jardín”.

Adobe, el gigante del software, desarrolló SalesNext en julio de 2007, con excelentes resultados. Desde entonces, la conversión entre los consumidores que chatearon aumentó un 15 por ciento, y la satisfacción de los que usan el chat es más alta que la de los que no chatean o compran por teléfono, informa Dawn Monet, gerente senior de los call centers mundiales de Adobe. “SalesNext facilita el ‘momento mágico’ en que el cliente formula una pregunta decisiva, y le permite a éste hacerlo en cualquier momento y desde cualquier lugar, sin aguardar en cola de llamadas”, señala. “Adelanta la forma en que nos comunicaremos con los clientes en el futuro. Combina el elemento humano con la tecnología, de una manera nueva y poderosa.”

Un programa de ventas por chat bien corrido, y guiado por modelos matemáticos predictivos, puede aumentar significativamente la lealtad del consumidor y las ganancias del sitio. Así como el vendedor de  Sears intenta descifrar al cliente y aprende algo de cada encuentro, el chateo nos vuelve más astutos cada día.

El verdadero poder del chat de ventas, cuando trae acopladas tecnologías predictivas y de minería de texto, descansa en la capacidad de entender qué funciona y qué no, para ir afinando el filtrado del sistema y las técnicas de ventas.

© Gestión de Negocios/
strategy+business