Optimización de Marketing en Banco Contigo con IA y NBA

Personalizar la comunicación con cada cliente ya no es un lujo, sino una necesidad competitiva. El caso de Banco Contigo demuestra cómo un algoritmo de Next Best Action (NBA) basado en inteligencia artificial puede transformar la estrategia de marketing, triplicando el retorno de inversión en apenas tres meses y mejorando la relación con los usuarios de forma medible.

¿Por qué Banco Contigo eligió NBA con inteligencia artificial?

La decisión de implementar NBA basado en inteligencia artificial se fundamentó en tres pilares: el valor esperado era más elevado que otras alternativas, el equipo técnico tenía las capacidades necesarias y las condiciones legales y de herramientas lo permitían [0:05]. Lo que se busca es que cada cliente reciba mensajes personalizados por sus canales predilectos, alcanzando un grado profundo de personalización en las estrategias de marketing.

Tras un proceso previo de análisis descriptivo en Python, el equipo desarrolló un algoritmo complejo capaz de hacer predicciones individuales. Este algoritmo considera el ciclo de vida del cliente, los productos adquiridos, qué podría interesarle, en qué momento y por qué canal contactarlo [0:42]. El desarrollo tomó aproximadamente tres meses y requirió un equipo multidisciplinario compuesto por analistas, ingenieros y científicos de datos, con reuniones constantes con los equipos de marketing, estrategia y operaciones.

¿Cómo funciona la predicción con un caso real?

El caso de una usuaria aleatoria ilustra el poder del algoritmo. Se recolectaron datos en dos dimensiones principales:

• Datos sociodemográficos: edad, género, ciudad de alta, salario mensual y estado civil.
• Datos de comportamiento: información compartida por el banco, canal utilizado, productos contratados, contactos realizados, método de pago habitual y seguimiento en redes sociales [1:17].

Esta usuaria es una mujer de 32 años de Medellín, con ingresos de 1,800 dólares mensuales y soltera. El banco le había ofrecido seguros por SMS, pero ella en realidad contrató servicios de crédito, consultó sobre ampliación de crédito a través de redes sociales, pagaba con tarjeta de crédito y seguía al banco en redes y en la aplicación móvil [2:14].

La estrategia original estaba desalineada. El algoritmo de NBA corrigió esto automáticamente: recomendó ofrecerle información sobre créditos y tarjetas mediante redes sociales, un canal digital acorde a su comportamiento real [3:09]. Esta automatización evita tomar decisiones manuales para cada usuario, algo que no sería escalable sin inteligencia artificial.

¿Qué resultados obtuvo Banco Contigo tras implementar el algoritmo?

La medición del impacto se realizó a través de KPIs evaluados mensualmente, sin esperar a los cortes de seis o doce meses [3:48]. Mantener una evaluación constante garantiza que el equipo nunca se desprende del proceso de toma de decisiones.

Después de tres meses, los resultados fueron contundentes:

• Mejor conocimiento del cliente: las comunicaciones se alinearon con los intereses reales y los canales preferidos de cada persona [4:22].
• Incremento de ventas de un millón de dólares por mes: acumulando tres millones en el trimestre. Considerando que el costo de desarrollo fue de un millón, el retorno de inversión se triplicó en solo tres meses [4:40].
• Mayor retención: más clientes permanecieron activos y disminuyeron las desuscripciones de newsletters [5:05].
• Mejora en reputación: el Net Promoter Score (NPS) alcanzó un nivel de 45, indicando mayor disposición de los clientes a recomendar el banco [5:14].
• Posicionamiento competitivo: al ser más innovadores que la competencia, los anuncios de Banco Contigo resultan más relevantes.

Una ventaja adicional de la inteligencia artificial es la automejora: el sistema identifica cambios en el comportamiento de los clientes y se autocorrige, haciendo que la estrategia sea más precisa cada mes [5:35].

¿Cuáles fueron las desventajas identificadas?

No todo fue positivo. Algunos clientes no se sintieron cómodos al ser notificados sobre el consentimiento de uso de datos, percibiendo las predicciones como demasiado profundas [5:55]. Aunque los datos ya se recolectaban antes, las sugerencias tan personalizadas generaron incomodidad en ciertos usuarios. Este es un riesgo inherente a cualquier estrategia de personalización con inteligencia artificial.

También se detectó que algunos productos sugeridos estaban canibalizando otros, lo que obligó al equipo de marketing a priorizar productos según su rendimiento o los objetivos del momento [6:34]. Finalmente, al optar por un desarrollo interno, el MVP (Minimum Viable Product) no alcanzó la sofisticación de una solución desarrollada por una empresa externa especializada, por lo que requiere mejora continua [6:50].

Si estás considerando implementar NBA con inteligencia artificial en tu organización, comparte tu experiencia o las dudas que tengas sobre este tipo de estrategias.