Ofrece ofertas personalizadas en tiempo real en función de la ubicación, el dispositivo y el uso del cliente

Deleita a los clientes ofreciendo ofertas personalizadas y contextuales en tiempo real.

En un mercado altamente competitivo, las empresas de telecomunicaciones que priorizan la experiencia del cliente (CX) tienen una clara ventaja. Y las empresas de telecomunicaciones están bien posicionadas para ofrecer una experiencia superior al cliente aprovechando las enormes cantidades de datos que recopilan, incluida valiosa información sobre el comportamiento, las preferencias y la ubicación de los clientes. Proporcionarles ofertas personalizadas en tiempo real basadas en sus datos de localización es una forma eficaz de que las empresas de telecomunicaciones mejoren la experiencia del cliente y, a su vez, ayuden a aumentar la rentabilidad.

Las ofertas personalizadas en tiempo real se adaptan a las necesidades, preferencias y ubicación específicas de una persona y se le entregan en el momento en que interactúa con un producto, servicio o plataforma. La idea es que, al proporcionar a los clientes contenidos y servicios relevantes para sus necesidades e intereses inmediatos, las empresas pueden mejorar la satisfacción de los mismos, impulsar el compromiso y, en última instancia, lograr mejores resultados, ya sea un aumento de las ventas o una mejora de la fidelidad y la retención.

También pueden alcanzar este nivel de personalización procesando datos y aplicando algoritmos para adaptar instantáneamente el contenido, las recomendaciones y las experiencias que ofrecen al contexto y el comportamiento actuales del usuario. Los smartphones de los clientes transmiten constantemente datos de localización, que pueden recopilarse y analizarse para proporcionar información en tiempo real. Los datos de ubicación son una herramienta particularmente poderosa en manos de las empresas de telecomunicaciones. Al combinar los datos de localización con los perfiles de los clientes, incluidos los datos demográficos y los patrones de uso, las empresas de telecomunicaciones pueden crear una visión completa de cada usuario, la cual pueden utilizar para ofrecer ofertas y servicios muy pertinentes y oportunos. Integrar datos de fuentes de terceros, como datos meteorológicos, patrones de tráfico e información sobre eventos locales, proporcionaa un contexto adicional para las ofertas personalizadas. El análisis de datos en tiempo real desempeña un papel crucial a la hora de convertir todos estos datos en información útil. Las herramientas analíticas avanzadas son capaces de procesar y analizar la información a la velocidad de un rayo, permitiendo a estas empresas tomar decisiones rápidas y ofrecer ofertas a medida en tiempo real.

Estas ofertas pueden afectar significativamente al comportamiento del cliente al hacer que la experiencia del usuario sea más relevante y atractiva. He aquí algunos ejemplos de las formas en que las telecos pueden proporcionar experiencias de cliente altamente individualizadas y contextualmente relevantes, utilizando una combinación de datos históricos del usuario (como interacciones anteriores, historial de compras y preferencias) y datos en tiempo real (incluyendo ubicación, tipo de dispositivo y acciones actuales).

• Oferta de paquetes de itinerancia internacional a clientes que viajan al extranjero o descuentos locales para usuarios en un área específica.
• Identificación de problemas e interrupciones de la red para abordar problemas de forma proactiva y comunicarse con los clientes afectados, reduciendo su frustración.
• Servicios de personalización, promociones específicas y optimización del rendimiento de la red, todo lo cual puede ofrecer a las empresas de telecomunicaciones una ventaja competitiva al tiempo que ayuda a garantizar que sus clientes tengan las mejores experiencias posibles.
• Actualización de datos cuando el uso de datos de un cliente está a punto de superar su plan, lo que puede evitar cargos por exceso.
• Implementación de programas de fidelización que recompensan a los clientes por visitar locales específicos, como tiendas de telecomunicaciones o empresas asociadas.
• Recomendación de productos que se alineen con lo que un usuario está navegando actualmente o ha comprado recientemente.

El marketing móvil, aunque eficaz y potencialmente rentable, puede ser arriesgado; sin embargo, la personalización puede ayudar a reducir los riesgos. Los mensajes de marketing relevantes que contienen información útil pueden mejorar la experiencia del cliente, pero los mensajes irrelevantes y no dirigidos se convierten en spam y pueden provocar estrés y abandono por parte del cliente.

Al proporcionar ofertas personalizadas en tiempo real basadas en los datos de localización del cliente, las telecos pueden crear una situación beneficiosa para todos, mejorando la satisfacción del cliente y ayudando a impulsar el crecimiento de los ingresos. Este enfoque proactivo simplifica la experiencia del cliente y reduce el riesgo de cargos inesperados, lo que lleva a una mayor satisfacción y fidelización. Para las empresas de telecomunicaciones con márgenes cada vez más estrechos e importantes inversiones de capital que realizar, mejorar la experiencia del cliente con la personalización basada en datos y las ofertas basadas en la ubicación también puede ayudar a influir significativamente en la rentabilidad. La personalización basada en la ubicación puede impulsar el crecimiento de los ingresos de varias formas.

• Cuando los clientes reciben ofertas relevantes para su ubicación actual, es más probable que realicen compras o actualizaciones espontáneas.
• Las ofertas personalizadas mantienen la interacción de los clientes, lo que reduce la probabilidad de abandono.
• Cuando los usuarios sienten que su empresa de telecomunicaciones entiende sus necesidades, es más probable que se mantengan leales.
• Las ofertas específicas son más rentables que las campañas de marketing masivo.
• Más oportunidades de venta adicional o cruzada de servicios adicionales, como paquetes de datos premium o soluciones domésticas inteligentes, pueden ayudar a aumentar el valor vitalicio del cliente.

Al utilizar los datos de los clientes para ofrecer ofertas personalizadas en tiempo real, las empreas deben, como siempre, manejar esos datos de forma responsable, cumplir los requisitos normativos y comunicar con transparencia el uso de los mismos. Lograr el equilibrio adecuado entre personalización y privacidad es clave para una implementación exitosa. Para lograrlo, necesitan una plataforma de datos que sea capaz de ofrecer consistencia, escalabilidad y rendimiento, al tiempo que garantice la seguridad y proporcione flexibilidad de servicio e implementación.

Equilibra la personalización y la privacidad con una plataforma de datos completa

Al ingerir, seleccionar, procesar y analizar datos, las empresas de telecomunicaciones ofrecen a sus clientes ofertas personalizadas en tiempo real en función de su ubicación. Esto implica aprovechar los datos de ubicación de los dispositivos de los usuarios, procesarlos en tiempo real y, a continuación, disparar ofertas personalizadas.

La arquitectura que aquí se presenta demuestra cómo podemos combinar los componentes recomendados de Oracle para construir una arquitectura analítica que cubra todo el análisis de datos y ayude a las empresas de telecomunicaciones y a los proveedores de servicios digitales a ofrecer ofertas contextuales en tiempo real a sus clientes y lograr la amplia gama de beneficios empresariales descritos anteriormente.

Esta imagen muestra cómo se puede utilizar Oracle Data Platform para Telecomunicaciones para mejorar la experiencia del cliente ofreciéndole ofertas contextuales basadas en su ubicación, uso y preferencias de dispositivo.

La plataforma incluye estos cinco pilares:

1. 1. Orígenes de datos, detección
2. 2. Ingerir, transformar
3. 3. Persistir, curar, crear
4. 4. Analizar, aprender, predecir
5. 5. Medir, actuar

El pilar Origen de datos, detección incluye cuatro categorías de datos.

1. 1. Las aplicaciones incluyen datos de CRM, Service, Billing, Usage y Product Catalogue
2. 2. Business Records incluye datos de BSS, OSS, CDR e historial de compras
3. 3. La entrada técnica incluye datos de eventos de red, conjuntos de datos de dispositivos y calidad de red
4. 4. Los datos de terceros incluyen Oracle Data Cloud, Datos Sociales y Paquetes de Ofertas

El pilar Conectar, ingerir, transformar consta de cuatro capacidades.

1. 1. La ingesta por lotes utiliza OCI Data Integration, Oracle Data Integrator y herramientas de bases de datos.
2. 2. La transferencia masiva utiliza OCI FastConnect, OCI Data Transfer, MFT y OCI CLI.
3. 3. La captura de datos de cambios utiliza OCI GoldenGate.
4. 4. La ingesta de streaming utiliza OCI Streaming, y Kafka Connect.

Las cuatro capacidades se conectan de forma unidireccional al almacén de datos en servicio y al almacenamiento en la nube dentro del pilar Persistir, curar, crear.

Además, la ingesta de streaming está conectada al procesamiento de streaming dentro del pilar Analizar, Aprender, Predecir.

El pilar Persistir, curar, crear incluye cuatro capacidades.

1. 1. El almacén de datos servidor utiliza Oracle Autonomous Data Warehouse y Exadata Cloud Service.
2. 2 El almacenamiento en la nube utiliza OCI Object Storage.
3. 3. El procesamiento por lotes utiliza OCI Data Flow.
4. 4. La gobernanza utiliza OCI Data Catalog.

Estas capacidades están conectadas dentro del pilar. El almacenamiento en la nube está conectado unidireccionalmente al almacén de datos de servicio; también está conectado bidireccionalmente al procesamiento por lotes.

Dos capacidades se conectan al pilar "Analizar, aprender, predecir". El almacén de datos de servicio se conecta a la capacidad de análisis y de visualización, así como a los productos de datos, una capacidad de las API. El almacenamiento en la nube se conecta a la capacidad de machine learning.

El pilar Analizar, aprender, predecir incluye cuatro capacidades.

1. 1. La analítica y la visualización utilizan Oracle Analytics Cloud, GraphStudio e ISV.
2. 2. Productos de datos, API utiliza Autonomous Data Sharing, API Gateway y Functions.
3. 3. Machine learning utiliza OCI Data Science, Oracle Machine Learning y Oracle ML Notebooks
4. 4. Streaming Processing utiliza OCI Goldengate Stream Analytics y terceros.

El pilar Medir, actuar capta cómo puede utilizarse el análisis de datos: por las personas y los asociados.

1. 1. Peoples and Partners incluye segmentación de clientes, análisis predictivo, predicción de abandono, modelos de precios dinámicos, cross sell y up sell, análisis/predicción, predicción de valor de por vida.
2. 2. Las aplicaciones incluyen sistemas de recomendación/servicios basados en ubicación, análisis de comportamiento en tiempo real y análisis de sentimiento
3. 3. Los tres pilares centrales, esto es, Ingerir, transformar; Persistir, curar, crear; y Analizar, aprender, predecir, están respaldados por infraestructura, seguridad de red y gestión de identidades y accesos.

Conectar, ingerir y transformar los datos

Nuestra solución consta de tres pilares y todo ellos admiten capacidades de plataforma de datos específicas. El primer pilar ofrece la capacidad de conectar, ingerir y transformar datos.

Existen cuatro formas principales de inyectar datos en una arquitectura para permitir a las empresas de telecomunicaciones ofrecer ofertas personalizadas en tiempo real.

• Para iniciar nuestro proceso, habilitaremos extractos en tiempo real o casi real (la ingesta en tiempo casi real se denomina a veces ingesta «en el momento adecuado», lo que significa que los datos se ingieren dentro de una ventana de tiempo que permite identificar el contexto de un cliente y presentarle la oferta mientras se mantiene ese contexto) para ingerir datos de los sistemas de productos y ofertas de CRM de la empresa mediante Oracle Cloud Infrastructure (OCI) GoldenGate. Los datos del catálogo de ofertas y los datos de las normas de disponibilidad y elegibilidad deben introducirse casi en tiempo real para garantizar el estricto cumplimiento de las normas reglamentarias y de exclusión voluntaria. Los datos suelen ser de naturaleza relacional y se obtienen de aplicaciones empresariales. OCI GoldenGate utiliza captura de datos de cambio (CDC) para detectar eventos de cambio en la estructura subyacente de los sistemas que proporcionan los procesos operativos a los que hay que dar servicio (por ejemplo, la creación de una nueva oferta, un problema de red del cliente, el cliente que utiliza un nuevo dispositivo o contrata un nuevo servicio, etc.) y envía los datos en tiempo real a una capa de persistencia y/o a la capa de streaming. OCI GoldenGate ofrece un mecanismo CDC que puede procesar los cambios de origen de forma no invasiva, procesando los archivos de registro de las transacciones completadas y almacenando estos cambios capturados en archivos de seguimiento externos, independientes de la base de datos. A continuación, los cambios se transfieren de forma confiable a una base de datos temporal. El Journaling Knowledge Module (JKM) utiliza los metadatos gestionados por Oracle Data Integrator para generar todos los archivos de configuración de OCI GoldenGate y procesa todos los cambios detectados por OCI GoldenGate en el área de preparación. Estos cambios se cargarán en el almacén de datos de destino mediante las asignaciones de transformación declarativa de Oracle Data Integrator. Esta arquitectura permite elaborar informes independientes en tiempo real sobre las tablas normalizadas del área de preparación, además de cargar y transformar los datos en las tablas del almacén de datos analíticos.
• A continuación, activaremos la transferencia masiva de datos de transacciones operativas históricas para el entrenamiento de modelos y el análisis de prestación de servicios. Los servicios de transferencia masiva se utilizan en situaciones en las que es necesario trasladar grandes volúmenes de datos a Oracle Cloud Infrastructure por primera vez; por ejemplo, datos de repositorios analíticos locales existentes u otras fuentes en la nube. El servicio específico de transferencia masiva que utilizaremos dependerá del local de los datos y de la frecuencia de transferencia. Por ejemplo, podemos utilizar el servicio OCI Data Transfer u OCI Data Transfer Appliance para cargar un gran volumen de datos locales procedentes de la planificación histórica o de repositorios de almacenes de datos. Cuando se deban mover grandes volúmenes de datos de forma continua, recomendamos utilizar OCI FastConnect, que proporciona una conexión de red privada dedicada y de gran ancho de banda entre el centro de datos del cliente y OCI.
• La capacidad de analizar datos de ubicación de clientes de varios orígenes en tiempo real es fundamental para ofrecer ofertas adecuadas y contextuales. En este caso de uso, utilizamos streaming de ingesta para ingerir todos los datos leídos de eventos de clientes o internos a través de interacciones móviles, IoT, comunicaciones de máquina a máquina y otros medios. Los flujos pueden proceder de diversas fuentes internas (red) y externas (baliza) y pueden incluir datos de localización, datos de interacción con el cliente, datos de movimiento y datos de redes sociales. Los datos (eventos) se ingerirán y se producirán algunas transformaciones o agregaciones básicas antes de almacenarlos en OCI Object Storage. Se pueden utilizar análisis de flujo adicionales para identificar eventos de localización correlacionados e iniciar el envío de ofertas contextuales al cliente, y cualquier patrón identificado se puede retroalimentar (manualmente) para que los datos sin procesar se puedan examinar utilizando OCI Data Science.
• Aunque las necesidades en tiempo real están evolucionando, la extracción más habitual de los sistemas de gestión de preferencias de productos, clientes y marketing es algún tipo de ingestión por lotes mediante un proceso ETL. La ingesta por lotes se utiliza para importar datos de sistemas que no admiten la transmisión de datos (por ejemplo, algunos sistemas de facturación y calificación heredados). Estos extractos se pueden ingerir constantemente, con una frecuencia de 10 o 15 minutos, pero mantienen la naturaleza de lotes, ya que se extraen y procesan grupos de transacciones en lugar de transacciones individuales. OCI ofrece diferentes servicios para manejar la ingesta por lotes, como el servicio nativo de OCI Data Integration y Oracle Data Integrator, que se ejecutan en una instancia de OCI Compute. La elección del servicio se basaría principalmente en las preferencias del cliente y no en los requisitos técnicos.

Persistir, procesar y curar datos

La persistencia y el procesamiento de datos se basan en tres componentes. Los clientes podrán utilizarlos todos o un subconjunto, según cada caso. En función del volumen y la tipología, los datos se pueden cargar en el almacenamiento de objetos o directamente en una base de datos relacional estructurada para almacenamiento persistente. Cuando nos anticipamos a la aplicación de las capacidades de la ciencia de datos, los datos recuperados de fuentes de datos en su forma bruta (como archivo nativo o extracto sin procesar) suelen capturarse y cargarse desde sistemas transaccionales en almacenamiento en la nube.

• El almacenamiento en la nube es la capa de persistencia de datos más común para nuestra plataforma de datos. Se puede utilizar para datos tanto estructurados como no estructurados. OCI Object Storage, OCI Data Flow y Oracle Autonomous Data Warehouse son los componentes básicos. La información recuperada de orígenes de datos en formato en bruto se captura y carga en OCI Object Storage. OCI Object Storage es el nivel principal de persistencia de datos, y Spark en OCI Data Flow es el motor principal de procesamiento por lotes. El procesamiento por lotes implica varias actividades, como el tratamiento básico del ruido, la gestión de los datos que faltan y el filtrado basado en conjuntos de datos de salida definidos. Los resultados se vuelven a escribir en varias capas de almacenamiento de objetos o en un repositorio relacional persistente dependiendo del procesamiento que sea necesario y los tipos de datos que se utilicen.
• Ahora utilizaremos un almacén de datos de servicio para persistir nuestros datos curados en una forma optimizada para el rendimiento de las consultas y proporcionar una visión completa del cliente. El almacén de datos de servicio proporciona una capa relacional persistente que se utiliza para proporcionar datos curados de alta calidad directamente a los usuarios finales mediante herramientas basadas en SQL. En esta solución, se crea una instancia de Oracle Autonomous Data Warehouse que funciona como almacén de datos de servicio para el almacén de datos empresariales y, si es necesario, data marts de nivel de dominio más especializados. También puede ser el origen de información para proyectos de ciencia de datos o el repositorio necesario para Oracle Machine Learning. El almacén de datos de servicio puede adoptar una de las diversas formas disponibles, como Oracle MySQL HeatWave, Oracle Database Exadata Cloud Service u Oracle Exadata Cloud@Customer.

Analizar datos, aprender y predecir

La capacidad de analizar, aprender y predecir se ve facilitada por dos enfoques tecnológicos.

• El análisis de flujos GoldenGate de OCI permite la ingesta continua de datos de transmisión de orígenes, incluidos los datos de ubicación. Estos datos se obtienen en tiempo real de dispositivos GPS y aplicaciones móviles para identificar la ubicación y el comportamiento del cliente. Esto proporciona una arquitectura controlada por eventos donde los datos se procesan como una serie de eventos. En este caso, los eventos representan movimientos de usuario, disparadores de geovalla o cualquier otra incidencia relevante. Los eventos de geovalla, que indican cuándo un usuario entra o sale de áreas geográficas predefinidas, se procesan en tiempo real. Estos desencadenantes geolocalizados pueden iniciar inmediatamente acciones, como evaluar reglas predefinidas para ofertas personalizadas basadas en la ubicación actual del usuario. La solución permite una integración perfecta con orígenes de datos externos, lo que enriquece el análisis en tiempo real con contexto adicional. Los datos externos, como las condiciones meteorológicas o los acontecimientos locales, pueden incorporarse dinámicamente a la cadena de procesamiento para mejorar la relevancia y la personalización de las ofertas y permitir reacciones en tiempo real, desencadenando acciones y generando ofertas personalizadas basadas en el contexto y la ubicación actuales del usuario.
• Las capacidades analíticas avanzadas son fundamentales para identificar los comportamientos de los clientes e informar las ofertas personalizadas, incluida la propensión a la captación y el análisis contextual. En este caso de uso, confiamos en Oracle Analytics Cloud para ofrecer análisis y visualizaciones. Esto permite a las empresas de telecomunicaciones utilizar análisis descriptivos (describen las tendencias actuales con histogramas y gráficos), análisis predictivos (predicen acontecimientos futuros, identifican tendencias y determinan la probabilidad de resultados inciertos) y análisis prescriptivos (proponen acciones adecuadas para apoyar una toma de decisiones ideal).
• El análisis prescriptivo va más allá de la predicción de resultados y ofrece recomendaciones sobre el mejor curso de acción. Las empresas de telecomunicaciones pueden utilizar análisis prescriptivos para comprender las preferencias individuales de los clientes, adaptando las ofertas basadas en la ubicación para satisfacer sus necesidades e intereses. Al aplicar modelos predictivos a datos históricos, las entidades financieras pueden prever resultados futuros y tomar decisiones proactivas. Por ejemplo, el análisis predictivo puede ayudar a identificar la oferta más adecuada para un cliente y anticipar su comportamiento, identificar posibles oportunidades para contextualizar las ofertas y optimizar su aceptación.
• Además de la analítica avanzada, cada vez se utilizan más la ciencia de datos, el aprendizaje automático y la inteligencia artificial para buscar anomalías, predecir dónde puede producirse latencia en los procesos y optimizar el recorrido del cliente. Por ejemplo, los modelos de aprendizaje automático se pueden utilizar para la identificación del contexto, la segmentación de clientes y el marketing personalizado. Al aprender continuamente de nuevos datos, estos modelos pueden adaptarse y mejorar su rendimiento a lo largo del tiempo, lo que conduce a una mayor satisfacción del cliente y a una mayor rentabilidad. OCI Data Science, OCI AI Services y Oracle Machine Learning se pueden utilizar en las bases de datos.
• Utilizamos métodos de machine learning y ciencia de datos para desarrollar y capacitar nuestros modelos predictivos. A continuación, estos modelos de machine learning se pueden implementar para su puntuación a través de API o integrarse como parte del canal de análisis de flujos de OCI GoldenGate. En algunos casos, estos modelos se pueden incluso desplegar en la base de datos mediante la API de REST de los servicios de Oracle Machine Learning (para ello, el modelo debe tener el formato Open Neural Network Exchange). Además, se pueden desplegar en el almacén de datos de servicios o transaccionales los blocs de notas centrados en OCI Data Science para Jupyter/Python o Oracle Machine Learning para el bloc de notas y los algoritmos de aprendizaje automático de Zeppelin. Del mismo modo, Oracle Machine Learning y OCI Data Science, solos o por separado, pueden desarrollar modelos de recomendaciones/decisiones. Estos modelos se pueden desplegar como un servicio, y podemos hacerlos detrás de OCI API Gateway para que se entreguen como "productos de datos" y servicios. Por último, una vez desarrollados, se pueden implementar en aplicaciones que formen parte de un sistema operativo de toma de decisiones (si está permitido).
• El último componente, pero no por ello menos importante es la gobernanza de datos. Esta función la brinda OCI Data Catalog, un servicio gratuito que proporciona gobernanza de datos y gestión de metadatos (tanto para metadatos técnicos como de negocio) para todos los orígenes de datos del ecosistema de plataformas de datos. OCI Data Catalog también es un componente fundamental para las consultas de Oracle Autonomous Data Warehouse a OCI Object Storage, ya que acelera la localización de datos independientemente de su método de almacenamiento. Esto permite que los usuarios finales, los desarrolladores y los científicos de datos utilicen un lenguaje de acceso común (SQL) en todos los almacenes de datos persistentes de la arquitectura.

Utiliza tus datos para mejorar las experiencias de los clientes e impulsar la fidelidad

Con soporte para todo el análisis de datos, Oracle Modern Data Platform proporciona a las empresas de telecomunicaciones las herramientas, el rendimiento, la seguridad y la flexibilidad que necesitan para ofrecer a los clientes ofertas personalizadas y basadas en la ubicación en tiempo real. Este enfoque de marketing puede generar beneficios significativos tanto para el cliente como para la empresa de telecomunicaciones, incluidos los siguientes:

• Experiencia de cliente mejorada: Los clientes reciben ofertas útiles cuando y donde son más valiosas y pueden aceptarlas con el mínimo esfuerzo.
• Mejores índices de aceptación de ofertas y mayor valor de vida del cliente: Es más probable que los clientes acepten ofertas que realmente quieren y necesitan, lo que puede ayudar a aumentar las ventas.
• Mayor capacidad para captar y retener clientes: una mejor experiencia combinada con una prestación de servicios eficiente, precios competitivos y ofertas innovadoras, ayudan a aumentar la fidelidad de los clientes y a reducir pérdidas.
• Mayor rentabilidad: Las ofertas dirigidas suelen tener más éxito que las campañas de marketing masivo, lo que permite a las telecos obtener un mayor rendimiento de su inversión.
• Aumento de los ingresos: mejorar la fidelidad de los clientes y profundizar en su compromiso, ampliar las oportunidades de venta cruzada y upselling, optimizar el gasto en marketing y aumentar el valor del cliente pueden ayudar a las empresas de telecomunicaciones a obtener una ventaja en un mercado competitivo e impulsar el crecimiento de los ingresos.