Carlos III y Ozzy Osbourne son el mismo cliente para tu banco
Customer Insights, Enriquecimiento de Transacciones, Segmentación, Atributos dinámicos
Hombre. Nacido en 1948. Criado en Inglaterra. Casado dos veces. Casa enorme en el campo inglés. Patrimonio alto. Famoso.
Esa descripción calza igual de bien con Carlos III que con Ozzy Osbourne. Y es, más o menos, todo lo que tu banco sabe de cada uno de sus clientes.
La ficha de un cliente promedio en un banco de Latinoamérica tiene renta declarada, edad, comuna, antigüedad y productos contratados. Con eso se arman los segmentos, y con esos segmentos salen las campañas. En papel, esas dos personas son el mismo cliente. En la realidad no se parecen en nada, y no hay una sola campaña que le sirva a los dos.
Tres preguntas que tu CRM no responde
Antes de seguir, tres preguntas simples sobre tu propia base:
¿Cuántos de tus clientes tienen mascota?
¿Cuántos tienen auto?
¿Cuántos son deportistas?
Ninguna se contesta con renta y edad. Y las tres tienen producto asociado: seguro de mascota, seguro automotriz, convenios de salud, financiamiento en tiendas de deporte.
El problema de la ficha es que casi todo lo que hay adentro se declaró una vez, en la apertura de la cuenta, y no se volvió a tocar. Es un retrato del día que la persona firmó.
El dato que sí los diferencia ya está adentro del banco
Un caso real. Durante doce meses, todo el gasto de una persona ocurrió en Estados Unidos. Los veinticuatro anteriores, en México. Cero colegios, cero veterinarias, cero supermercados en Chile. Todos los meses, comisión por uso de tarjeta internacional. De forma constante: aerolíneas, hoteles y arriendos fuera del país.
La campaña que le llegó fue un crédito hipotecario en Santiago.
El banco tenía cada una de esas transacciones registradas. Ninguna llegó a la campaña.
Por qué le pasa esto a tu banco
La data transaccional entra al banco en un estado que no permite leerla. Pasa por tres problemas al mismo tiempo.
Sucia. La glosa llega con códigos, siglas y terminales pegados: 0486121911161781WS47SFG782STB K013CRSO. Adentro hay un comercio, pero no se ve.
En silos. Core, tarjetas, canales y CRM guardan pedazos distintos del mismo cliente y no se hablan entre sí.
Sin estructura. El crédito viene en positivo, el débito en negativo, cada producto con su propio formato de fecha y monto.
Ninguna de las tres se resuelve con más gente limpiando planillas. Y no es un problema exclusivo de la banca: en su encuesta de 2016, CrowdFlower midió que los equipos de data dedican 60% de su tiempo a limpiar y organizar datos y 19% a recolectarlos, cerca de 80% del trabajo antes de modelar cualquier cosa (Forbes, 2016). Diez años después, esa proporción sigue siendo el argumento central de cualquier proyecto de data en un banco.
Cómo se ve eso en el negocio
Tres síntomas del mismo origen.
Desconocimiento del cliente. El banco tiene el dato, pero no sabe quién es la persona detrás.
Productos comoditizados. Sin diferencia real, la decisión del cliente se reduce al precio.
Bajo engagement. La app se abre para pagar y se cierra. Nada invita a volver.
Fuera de la banca esto ya está resuelto
Spotify convirtió el uso de su producto en género, álbum, artista y podcast, y con eso empuja tiempo de escucha. Netflix hizo lo mismo con serie, película y formato. Amazon con producto, categoría y ubicación. Cada una refinó su data para saber qué ofrecer.
El banco tiene la materia prima de todas ellas: comercios, montos, categorías y frecuencia, con un objetivo de negocio mucho más directo, que es la rentabilidad por cliente. La diferencia está en que Spotify, Netflix y Amazon reciben la data ya estructurada desde su propio catálogo. El banco la recibe en bruto y tiene que estructurarla.
Piénsalo con un ejemplo fuera de la banca. Cuando alguien compra unas zapatillas de running, el catálogo ya trae talla, marca, color y material. Lo que el catálogo no trae es que esa persona corre en serio, que compró otro par hace cuatro meses y que solo compra cuando hay descuento. Eso sale de cruzar compras, fechas y precios. Y esas tres conclusiones valen más que la ficha del producto.
El petróleo crudo no mueve un auto
Clive Humby lo dijo en 2006: "la data es el nuevo petróleo". La frase se cita siempre a la mitad. La segunda parte es la que importa: si no se refina, no se puede usar. Hay que descomponerla y analizarla antes de que valga algo.
Qué significa enriquecer
Mira una transacción cualquiera: MERPAGO*NTFX LOS GATOS; 9,90. Ahí adentro hay un intermediario (Mercado Pago), un comercio real (Netflix), una ubicación (Los Gatos) y un monto. Lo único que tu banco entiende con certeza es el monto.
Enriquecer es recuperar todo lo demás. La transacción entra con tres campos y sale con doce.
Entra: fecha, monto y glosa.
Sale: fecha, monto, glosa original, comercio, logo, categoría, subcategoría, si es suscripción, si es gasto fijo o variable, el intermediario, la ubicación y el tipo de transacción.
En Xerpa eso corre sobre 20 categorías de egresos, 7 de ingresos y más de 150 subcategorías, con más de 90% de cobertura de categorización efectiva y un catálogo de más de 100 mil comercios con nombre y logo estandarizados.
Sin la capa anterior no existe la siguiente
El enriquecimiento no es el objetivo, es el piso. Sobre cada transacción se apilan capas, y cada una depende de la de abajo.
Transacción. Fecha, monto y glosa que vienen del core.
Comercio. El nombre que el cliente reconoce, con su logo.
Metadatos. Categoría, subcategoría y etiquetas.
Atributos. Tiene auto, viaja, tiene hijos.
Segmentos. Audiencia lista para activar.
Inteligencia. La necesidad del cliente y la oferta que la resuelve.
Sin comercio identificado no hay categoría. Sin categoría no hay atributo. Sin atributo no hay segmento. Y sin segmento no hay oferta que se pueda anticipar.
De transacción a atributo
Con la transacción estructurada, las conclusiones aparecen solas:
Cinco compras en veterinaria en seis meses → tiene mascota
Colegiatura diez meses seguidos → tiene hijos en edad escolar
Combustible dos o más veces al mes → tiene auto
Tres vuelos y dos hoteles en doce meses → viajero frecuente
Dos o más cargos con etiqueta de suscripción → vive de suscripciones
Un atributo es una etiqueta dinámica con tres parámetros: frecuencia, subcategoría y ventana de tiempo. "Cinco o más compras en veterinarias y tiendas de mascotas durante tres de los últimos seis meses". Cada palabra de esa frase es un campo que el banco puede ajustar.
Y son varios por persona al mismo tiempo. Nadie es solo empresario: también es mamá de niños chicos, deportista, melómano o inversionista en cripto.
Estático versus dinámico
Un dataset estático se genera cada seis meses, llega al área de negocio con tres meses de antigüedad, se pide por ticket al área de datos y captura lo que el cliente declaró. Un atributo dinámico se actualiza con cada transacción, se pide en autoservicio y captura lo que el cliente hace.
La diferencia práctica: uno te dice quién fue tu cliente, el otro quién está siendo.
El valor aparece al combinar y excluir
Los atributos por sí solos no mueven una métrica. Toma tres: tiene auto, tiene hijos y no tiene seguro automotriz contratado. La intersección de los dos primeros, menos el tercero, es un segmento con nombre propio: familias con auto sin asegurar.
Ese mismo segmento sirve para dos cosas a la vez.
Para vender: seguro automotriz con cobertura familiar, pagado en cuotas dentro de la misma app, o un crédito de consumo preaprobado para el deducible.
Para cuidar al cliente: una alerta de salud financiera que simule lo que un choque le hace al presupuesto del mes.
La misma lógica funciona hacia cualquier lado. Alguien que compra pasajes y reserva hotel va a viajar, y necesita cobertura y medios de pago fuera del país. Alguien con revisión técnica, notaría y tasación está comprando auto. Alguien cuya transaccionalidad cae 40% se está yendo del banco, y necesita una razón para quedarse.
Que el ejecutivo sepa a quién tiene enfrente
Hoy el ejecutivo de sucursal abre la ficha y ve productos contratados y saldo. Con eso improvisa.
Con los mismos atributos en pantalla sabe, antes de que la persona termine de sentarse, que tiene hijos, tiene auto, tiene mascota, viaja dos veces al año, es power user de débito, paga cinco suscripciones, subió 18% su gasto en educación en tres meses y no tiene ningún producto de ahorro contratado.
La conversación se vuelve obvia.
Y lo que viene lo hace más urgente
La banca conversacional y agéntica ya empezó. Los asistentes van a responder por el banco y van a decidir qué ofrecer, y solo pueden ser tan buenos como la data que leen. Si la transacción dice K013CRSO, eso es exactamente lo que el modelo va a leer.
Mientras mejor estructurada esté tu data, mejor el output de cualquier modelo que pongas encima. Por eso el enriquecimiento dejó de ser una mejora de experiencia y pasó a ser la capa que hace que todo lo demás funcione.
Si quieres ver cómo se ve tu propia data enriquecida, conversemos. Cuarenta y cinco minutos con tus equipos de datos, producto y canales, sobre casos reales de tu banco.
