Somos una empresa dedicada a ayudar a nuestros clientes a incrementar su cultura de análisis y toma de decisiones basada en datos.

Apoyamos a nuestros clientes a utilizar Tableau y Alteryx, desde la venta de su primera licencia hasta la adopción en toda la organización.

Cómo Nacional Monte de Piedad Aumentó Su Rentabilidad Usando Analytics

Nacional Monte de Piedad (NMP) incrementó sus clientes en más del 70% en 4 años  utilizando “analytics”. En este escrito describo el proceso que siguió para lograr ese aumento de clientes y las técnicas y herramientas utilizadas.

Introducción

Pedro Romero de Terreros fundó Nacional Monte de Piedad en 1775 como Institución de Asistencia Privada. Actualmente sigue siendo una Institución de Asistencia Privada gobernada por una Junta de Asistencia Privada.  A inicios de 2016 contaba con 313 sucursales en toda la República Mexicana  y más de 9 millones de préstamos, con un monto promedio de préstamo de 2,400 pesos a una tasa de 3% de interés mensual.

El objetivo de NMP en el 2016 no es seguir abriendo sucursales sino optimizarlas, aumentar de tamaño algunas, mover otras, para seguir generando recursos y seguir apoyando en labores sociales, cuando tienen remanentes o utilidades, a otras instituciones de asistencia privada.

El inicio

En el 2014 NMP tenía préstamos con 4 millones de familias. El objetivo era incrementar el número de familias apoyadas y optimizar las operaciones. Haciendo una retrospectiva, de 1775, año de su fundación, a 2014, habían transcurrido 239 años y lo máximo de clientes durante ese tiempo eran los 4 millones.

Pensaron varias opciones para crecer el número de clientes (personas que tienen un préstamo). Una opción era simplemente crecer el número de sucursales. Sin embargo, hacerlo implicaba un crecimiento proporcional de gastos de inversión y operación y los cálculos indican que no era un camino prometedor para tener utilidades, al menos no en el corto plazo. Además estaba la eterna pregunta en los planes de nuevas sucursales: ¿cuántas sucursales acepta el mercado? y ¿dónde abro la sucursal?. Lo anterior, por supuesto, maximizando la utilidad.

Todas las empresas quieren ganar o generar más utilidades, nadie quiere perder. NMP no es la excepción.

El equipo humano, sistemas y el reto

NMP cuenta con varios sistemas que le ayudan a controlar su operación. Los dos sistemas principales son el sistema transaccional prendario que controla el ciclo del empeño: registro, control de pagos, movimiento de la prenda por diferentes estados hasta que se le regresa al cliente o se subasta;  y el CRM (Customer Relationship Management) o sistema de atención y seguimiento al cliente. CRM es el sistema que indica y ayuda a personas en call centers a llamar a los clientes para recordarles fechas de pago, ofrecerles nuevas ofertas, servicios y registrar las quejas.

Otro sistema importante (sería el tercero) es el de mercadotecnia, aunque no tiene asociado un software particular. Este sistema o grupo de sistemas que incluye procesos y personas, se encarga de diseñar campañas que “vendan” los servicios de NMP; se encarga de diseñar campañas que toquen el corazón de los posibles,  y sobre todo, de los  nuevos  clientes, y los impulsen a actuar, los motiven a empeñar sus prendas.

Uno de los retos de las áreas de CRM y de Inteligencia Comercial era precisamente proveer la inteligencia necesaria para decidir que campañas implementar, donde abrir sucursales, en que sucursales aumentar la oferta, etc. Un reto tan interesante como complicado dado lo aislado que estaban las áreas de CRM e Inteligencia Comercial de los datos necesarios.

El Área de Sistemas de NMP, como en otras empresas similares, se encarga de la operación de los sistemas transaccionales y de proveer información bajo demanda (cuando la solicitan) al área de Inteligencia Comercial.

¿Por qué se necesitaba información adicional, cuál era el objetivo?

El Área de Inteligencia Comercial comenzó a necesitar mucha información y necesitaba procesarla rápidamente. Necesitaba no solamente información que provenía de los sistemas existentes en NMP sino información externa que ellos decidieron era útil y necesaria para sus análisis. Necesitaban información que complementara su conocimiento del cliente para utilizar modelos matemáticos que les permitiera una mejor segmentación de los mismos.

Al iniciar el proyecto el área de sistemas no estaba preparada para  facilitarles y procesar en tiempo y forma la información requerida. De hecho, uno de los interrogantes que persiste en NMP es si el área de sistema es la que debe dar y procesar la información o por la velocidad de respuesta y conocimiento especializado del negocio, es el área de CRM y de Inteligencia Comercial  las que deben realizar estas operaciones y guiar el proceso.

El proceso de segmentación y de buscar qué necesitan los clientes

En NMP el entendido era que los clientes que empeñaban eran personas con perfil económico medio bajo. Esa creencia, útil en los años de su fundación, seguía prevaleciendo. Pero, ¿era válida todavía?

El área de inteligencia comercial  encabezada por Aldo Vargas y apoyándose con Geovanni Arce como científico de datos recibieron la encomienda de encontrar quienes eran realmente los clientes de NMP y  cuáles eran las mejores zonas para abrir nuevas sucursales.

Es importante señalar que Aldo y su equipo tuvieron el apoyo decidido de los directivos y en especial de la Dirección de Estrategia Comercial y Mercadotecnia.

Así empezó el proceso  en MNP. Con Aldo y Geovanni como los líderes y apoyándose en consultores externos, analytics y herramientas de autoservicio.

Figura 1.  Un solo cliente. Campaña única para todos

Segmentación de clientes

Los datos que los sistemas operacionales de la Institución proveían eran básicos. Para NMP todos los clientes eran el mismo, esto es, los mensajes que mandaban en las campañas eran iguales para todos. Solo había un segmento de clientes y seguían trabajando el viejo esquema de enviar el mismo mensaje para todos. Los clientes no tenía una identidad. Y como se puede ver en la figura 1, las campañas eran genéricas. Otro problema era que los resultados de las campañas no los medían en tiempo y forma.

Todo cambió cuando Inteligencia Comercial decidió segmentar sus clientes para estudiarlos a profundidad hasta  encontrar su identidad.

Decidieron romper con la creencia que solo había un perfil de cliente que básicamente se asociaba a la clase media baja y que los préstamos eran para mantener su hogar.

Por lo mismo, decidieron complementar la información de sus clientes con información adicional.

Contrataron asesoría a empresas externas y compraron bases de datos que les daba información socio-demográfica y financiera por AGEB. Un AGEB es un Área Geoestadística Básica y es la forma en la que el INEGI segmenta el país  para realizar análisis socio económicos.

La sorpresa y la motivación principal llegó al área de IC cuando encontraron los primeros clusters o segmentos de clientes diferenciados y comprobaron que efectivamente los clientes de NMP eran variados y no únicamente de clase media baja.

A IC le costó mucho trabajo  procesar datos, incluyendo los pasos de transformación, formateo  y preparación, requeridos antes de aplicar técnicas analíticas avanzadas  para llegar a los resultados. La velocidad de respuesta a las necesidades de negocio no las podía cubrir el área de sistemas ya que tenía otras prioridades, como mantener el equipamiento y software operacional, y servir a otras áreas usuarias con reportes especializados, aunque apoyaban y estaban comprometidos con el proyecto.

El problema que en ese momento tenía el área de sistemas para procesar información no fue suficiente para detener el impulso del área de IC, de ahí que buscaran ayuda en consultores externos y en herramientas adicionales que les permitirán contestar las preguntas de negocio planteadas:

  • ¿Cómo aumento mis clientes?
  • ¿En qué zonas debo abrir sucursales?

¿Cómo aumento mis clientes?

Esta pregunta ya estaba siendo contestada con los primeros trabajos de segmentación que realizaron. La figura 3 muestra esquemáticamente el  proceso de enriquecimiento de información interna con información externa y aplicando los algoritmos matemáticos de clusterización  que les estaba dando resultado

Figura 3. Enriqueciendo datos. Preparación de datos o Data Prep.

Después de este proceso NMP ya pudo  conocer sus segmentos de clientes y pasar de un solo segmento de clientes  a 6 diferentes segmentos perfectamente identificados. Los nombraron:

  • Planeador cautivo
  • Planeador capitalista
  • Negociantes
  • Acorralados
  • Oportunista
  • Planeador puntual

Figura 4. Gestión del ciclo de vida del cliente de acuerdo a su segmento

Con esta segmentación se dieron cuenta que los clientes del segmento económico medio y bajo pertenecían al segmento “acorralados”. Que había un segmento de “Negociantes” que utilizaban el préstamo para hacer crecer su negocio. Por ejemplo, empresarios de este sector tenían pequeñas tiendas en colonias y utilizaban los préstamos para comprar productos cuando los fabricantes tenían promociones que les convenían, como ofertas de productos al 2 x 1 pagando de contado. Como no tenían todo el dinero a la mano, empeñaban artículos de valor que sabían iban desempeñar de inmediato ya que tendrían utilidad con la venta de los productos.

Otro segmento interesante que apareció era el grupo de personas que empeñaban sus objetos a un interés y prestaban el dinero a un interés mayor.

Mercadotecnia dirigida

La segmentación de clientes funcionó muy bien porque el área de marketing estaba totalmente en sincronía y creó campañas específicas para los diferentes segmentos. Ya no eran las campañas dirigidas a un solo segmento de clientes.  Ahora NMP dirige campañas específicas para los diferentes clientes.

La figura siguiente muestra un ejemplo de estas campañas para el segmento de cliente “Negociante”.

Figura 5. Ejemplo de mercadotecnia dirigida

A IC ahora le interesaba medir en semanas los resultados de las campañas. Puede parecer raro eso de “semanas” y no medición en tiempo en tiempo real, pero cuando las campañas se medían cada 3 o 6 meses e incluso algunas  cada año, medir en semanas hace la diferencia.

Solo que no podía medir campañas sin herramientas ágiles y de autoservicio.

Por lo mismo, en 2015 NMP adquirió Tableau y de inmediato se adaptaron y lo adoptaron. Tableau se ha consolidado en inteligencia comercial y les ha facilitado no solo el seguimiento de sus campañas, si no el seguimiento de  sus proyectos. En términos generales NMP  ha logrado disminuir “la talacha” en un 80% y dedicar ese tiempo al análisis de mejores prácticas y modelos de segmentación de clientes que les permitirá seguir mejorando.

Figura 6. Tablero de seguimiento de campañas.

Ubicación de sucursales

Para responder la pregunta: ¿Dónde ubico mis sucursales? El grupo de IC siguió un proceso similar al que siguió con la segmentación de clientes: análisis con datos socio demográficos y financieros por AGEB, complementados con datos de sus propias sucursales y de sucursales de la competencia.

Estos análisis le han permitido a NMP posicionar de mejor manera sus sucursales, y para las sucursales existentes, diseñar indicadores de desempeño de acuerdo a los sectores de clientes y a las zonas de cobertura.

La figura siguiente muestra el análisis de un área geográfica y el potencial que tiene para colocar una nueva sucursal. El análisis geográfico también le permite a NMP decidir si tiene que mover su sucursal o cambiar el enfoque por los clientes que espera en la zona en la que está.

Figura 7. Análisis de ubicación de sucursales.

Resultados logrados a la fecha

Utilizando técnicas de analytics y Tableau  NMP ha logrado resultados sorprendentes. Los clientes de NMP  pasaron de 3.5 millones en 2012 (237 años de existencia) a 6 millones de clientes en 2016 (4 años con analytics).

Un crecimiento de 78%. Simplemente impresionante.

Conclusiones

Mantener lo logrado y seguir mejorando es el reto en NMP. Los segmentos de clientes cambian, las zonas económicas también, y hay que estar preparados. El trabajo realizado a la fecha no es estático, es evolutivo. Por lo mismo se requiere “afilar la sierra”, como bien lo indica el séptimo hábito de la gente altamente eficaz de Stephen Covey.

Nacional Monte de Piedad sigue trabajando en nuevos modelos que está aplicando a mejorar su entendimiento del cliente para atender sus necesidades específicas. Es un proceso evolutivo ya que los datos y los retos siguen creciendo. Estamos en la era de big data, y Nacional Monte de Piedad es un ejemplo de cómo explotar datos para resolver necesidades particulares de negocio.

Lo bueno es que así como han crecido los datos y los retos en las empresas, así han aparecido herramientas de software y empresas consultoras que ayudan. NMP utiliza Tableau para dar seguimiento a sus campañas y ser proactivos y no reactivos en caso de que se deba modificar una campaña.

Nosotros en Datateam nos sentimos muy orgullosos de haber aportado nuestro granito de arena al proyecto de NMP.

 

Referencias