El Strategy Planning and Analysis del área global de Pagos de Netflix, Santiago Guerra, destacó los beneficios que obtienen como comercio recurrente de la analítica de datos.
Su principal objetivo, explicó durante un webinar organizado por Prosa acerca sobre inteligencia de datos, es evitar el abandono por fallas en el momento de pago, lo cual consiguen al maximizar la tasa de suscripción y al recuperar a los suscriptores que no pudieron pagar en el primer intento.
“La analítica de datos nos ayuda a lograr la retención de clientes al poder detectar anomalías para reaccionar de manera oportuna, colaborando con los bancos para avisarles de cualquier problema que se haya presentado”, dijo.
Según Guerra, la fricción es el peor enemigo del consumo ya que se corre el riesgo de que la transacción se pierda, lo que evitan con una estrategia de análitica de datos.
“Nos ayuda a maximizar la retención al permitir detectar anomalías. También da elementos para comprender el porqué de las tasas de autorización, cuáles son las principales brechas, qué podemos hacer para cerrarlas y reducir así cancelaciones por pago”.
Guerra detalló que si detectan un problema, ya sea porque la tarjeta expiró o porque el cliente tuvo que reponer su plástico, “en vez de pedirle que se meta a la página y actualice su método de pago, podemos utilizar tecnologías como el Follow Me o la tokenización para prevenir que haya una falla en la continuidad del método de pago”.
Netflix usa la analítica de datos también para evitar el fraude
Santiago Guerra, de Netflix, dijo que la reducción del fraude es un objetivo común y la analítica de datos no solo sirve para prevenirlo, permite calificar a clientes individuales que estén en peligro de incurrir en actividades de riesgo.
En ello coincidió el director senior de Cuenta en Snowflake, Alfredo Rubio, quien indicó que el fraude siempre está en el top of mind de todas las instituciones financieras ya que está en continuo crecimiento y los estafadores cada vez se vuelven más profesionales.
“Los datos deben estar al servicio del negocio para hacerlo crecer. Después hay que analizar las fuentes de esa información. Se recomienda tener un banco de datos íntegros, que tengan validez, que lleguen en forma oportuna, del que puedan disponer diferentes áreas de la empresa”, dijo Rubio.
El ejecutivo citó un estudio de Nielsen en el que se encontró que 70% de las instituciones financieras utilizó en 2021 los datos para hacer puntajes de riesgo; mientras que 66% empleó Machine Learning para identificar patrones o comportamientos que no son normales en las transacciones y 63% de las instituciones emplea biométricos para tratar de prevenir situaciones fraudulentas.
El director de Datos y Analítica de Banco del Bajío, Eduardo Soto Alarcón, señaló que la detección de fraude consiste en detectar anomalías.
Según Soto, se requiere crear un sistema para identificar defraudadores, con una arquitectura escalable que les permita reaccionar rápido, así como aprender y ajustarse a los nuevos patrones observados.
En BanBajío, comentó, se hace en dos momentos: uno es prácticamente en tiempo real, con el alertamiento – el más básico es el de las notificaciones que envían los bancos –, y en la otra se toman acciones, como suspender la operación sospechosa.
Reinvención del negocio y mejora de la CX, dos beneficios de la analítica de datos
