Desde hace algunos años, internet se ha convertido en la principal fuente de información para muchos. Es fácil y rápido encontrar datos sobre cualquier tema que se nos ocurra, y la cantidad y tipología de contenidos que podemos consultar aumentan cada día. Entre estas nuevas tipologías de contenidos se encuentra la información personal pública que ofrecen muchas redes sociales (Facebook, Linkedin, Xing…). Las redes sociales han sido, sin duda, uno de los mayores booms de internet de los últimos años, y el número de usuarios de las mismas se duplica cada poco tiempo.

Así que, por un lado, tenemos la necesidad de conseguir la máxima información posible sobre nuestros clientes potenciales en un mercado que cada vez es más competitivo y, por el otro, tenemos redes enteras de perfiles públicos con toda la información personal que podemos necesitar. Con este escenario, resulta evidente que la integración de estos dos mundos puede resultar muy productiva para obtener un mejor conocimiento del consumidor al que nos queremos dirigir. Las empresas tecnológicas tenemos la capacidad de facilitar la gestión y acceso a la información. Así, ya existen herramientas avanzadas de CRM que son capaces de procesar y aprovechar todo el potencial que nos ofrecen las redes sociales y otros servicios de la web 2.0.

Con la creación de componentes que se aplican sobre las fichas de contacto o cliente potencial de nuestros CRMs, se puede acceder a toda la información relativa a esa persona que se ha hecho pública a través de las diferentes redes sociales. No obstante, este sistema, aunque muy potente no es infalible. Supongamos que creamos la ficha de un cliente del cual los únicos datos que tenemos son su nombre y primer apellido. Es de esperar que exista más de un perfil social que para ese nombre y apellido o que, simplemente, los perfiles sociales que hemos encontrado en la red no correspondan con esa persona.

Sería fantástico poder saber en todo momento si el perfil social encontrado se corresponde o no al cliente potencial deseado, pero esto hoy día resulta imposible. La solución es dar un porcentaje de fiabilidad a nuestro matching. Es decir, no podremos asegurar que cierto perfil social se corresponda con un cliente dado, pero podremos dar una orientación porcentual de la probabilidad de que así sea (en muchos casos cercana al 100%).

Porcentaje de fiabilidad

Volviendo al caso anterior, si los únicos datos que tenemos de un cliente potencial son su nombre y apellido (pongamos el ejemplo de “Juan González”), seguro encontraremos un número elevado de perfiles sociales que se corresponden con dicho nombre. Así que el porcentaje de fiabilidad será muy bajo (inferior al 5% según nuestro sistema heurístico de matching). En cambio, si además del nombre del cliente potencial conocemos su nacionalidad, española por ejemplo, el número de posibles perfiles sociales se reduce y, por tanto, sube el porcentaje de éxito hasta el 15%. Pero si, además, resulta que conocemos que nuestro “Juan González” trabaja en la empresa Raona, entonces el porcentaje de fiabilidad sube espectacularmente hasta el 95%.

Es decir, con tres datos básicos de una persona (que se pueden obtener fácilmente, como son nombre, nacionalidad y empresa), podemos tener acceso a un perfil social con un porcentaje de fiabilidad cercano al 100% que nos ofrece información mucho más completa de la que disponíamos inicialmente como puede ser un resumen de su experiencia profesional, los estudios que ha cursado o, incluso, sus gustos e intereses. Sin duda, información más que valiosa a la hora de realizar acciones de marketing.

Juan Carlos Viñas es software Engineer de Raona, consultora tecnológica con oficinas en Madrid, Barcelona, Londres y Buenos Aires