El uso de analíticas en flujo y machine learning (ML) para obtener una imagen completa y precisa de la experiencia de los suscriptores móviles ayuda a los operadores móviles a gestionar detalladamente los niveles individuales de servicio y, consecuentemente, crear fidelización en el cliente.
Cada día el mundo se vuelve más digital. Hoy en día es fácil para los suscriptores de la red móvil cambiar a otro operador si se encuentran con problemas de servicio o para encontrar un mejor plan de precios. Ya no hay necesidad de visitar una tienda física: los clientes, simplemente, activan nuevos servicios en línea, gracias a los servicios digitales que muchos proveedores ahora ofrecen.
De 2021 en adelante, la rotación de clientes solo se intensificará a medida que los nuevos servicios basados en 5G lleguen al mercado. Los proveedores de 5G se verán presionados a ganar y retener clientes para obtener los ingresos necesarios tanto para recuperarse como para beneficiarse de sus enormes inversiones en el espectro e infraestructura 5G respectivamente. El éxito dependerá en gran parte de encontrar formas de adaptar minuciosamente las experiencias de los clientes de modo que cumplan o superen las expectativas elevadas de los suscriptores de hoy en día.
Ponerse en los zapatos del cliente
Crear fidelización con el cliente en la era de 5G requiere que los operadores entiendan profundamente, en tiempo real y a nivel de cada cliente, su experiencia de servicio. Sólo cuando saben lo que está ocurriendo desde el punto de vista del suscriptor, se pueden tomar medidas correctivas, si es necesario, o capitalizar individualmente las tendencias de compra con servicios y promociones específicas para deleitar a los clientes y generar ingresos.
El análisis interno convencional en las operaciones de la red, por sí solo, ya no es suficiente, ya que a menudo no coincide con la experiencia del cliente. Los sistemas de monitorización de la red podrían indicar que todos los sistemas funcionan correctamente, por ejemplo, mientras que un suscriptor podría estar teniendo dificultades de conectividad, experimentando llamadas interrumpidas, vídeo entrecortado o cualquier número de problemas que podrían detonar un cambio de proveedor.
Observar exactamente lo que el cliente experimenta requiere recopilar y analizar datos, tanto históricos como en tiempo real, de innumerables fuentes dentro y fuera de la red del operador. Es decir, combinar los datos tradicionales de monitoreo de la red interna con datos externos como la ubicación del suscriptor, el fabricante del dispositivo y la versión del software, las suscripciones de servicio, la red de acceso en uso e incluso las redes sociales. Agregar y analizar estos datos internos y externos con la ayuda de la automatización permite a los operadores comprender profundamente la experiencia individual de los suscriptores y su comportamiento. Esa información les da el poder de actuar en consecuencia para mejorar el servicio, ofrecer nuevos servicios apropiados a clientes específicos, construir relaciones con los clientes y ganar lealtad.
Algoritmos entrenados para la búsqueda de oportunidades de negocio
Los datos internos y externos agregados se pueden utilizar para entrenar algoritmos de ML para identificar las complejas relaciones entre los key quality indicators (KQIs) del operador y las variables de cliente mencionadas: ubicación, dispositivo, suscripciones de servicio. Estos algoritmos se pueden utilizar para ofrecer inteligencia al operador sobre cómo las operaciones de la red están afectando la experiencia del suscriptor sobre una base micro segmentada.
Para la creación de una vista de 360 grados de la experiencia del cliente se requiere el uso de análisis y procesamiento de secuencias en tiempo real, análisis perimetral y aprendizaje automático. Un sistema que continuamente recopila, correlaciona y analiza todas las fuentes de datos relevantes, ayuda a los operadores a detectar problemas con anticipación y evitar la pérdida de suscriptores.
La protección de la base de clientes de streaming de vídeo de un operador es un buen ejemplo. Los proveedores de contenido de terceros, a menudo llamados compañías over-the-top (OTT), se aprovechan de las redes de los operadores tradicionales para ofrecer servicios de transmisión de video y contenido a los suscriptores de ese operador. Los OTTs se han convertido en feroces competidores de los propios servicios de contenido de los operadores. Aquellos que son astutos monitorean cuáles de sus propios servicios de video y qué servicios OTT —Netflix, Hulu, Amazon Prime, entre otros— usan sus clientes para determinar si están perdiendo cuota de mercado en favor de los OTTs. Si eso sucede, los operadores ahora pueden aplicar herramientas de análisis para recuperar parte de ese negocio.
Los análisis revelan exactamente lo que los clientes están experimentando con los servicios de video de los operadores. Si los suscriptores están teniendo experiencias de video inestables o pobres, el proveedor OTT no perderá tiempo en capturar esos clientes. Estos abonados deben convertirse en candidatos inmediatos para la mejora de la red. Por otro lado, los suscriptores que ya muestran experiencias sólidas y altos niveles de satisfacción pueden ser abordados con una campaña de marketing para servicios de video nuevos o adicionales, o nuevos paquetes de precios.
La personalización de los servicios también ayuda a construir relaciones con los clientes y lealtad. Muchos operadores tienden a tener múltiples sistemas para analizar diferentes aspectos de un cliente; sin embargo, pueden unificar esos datos de origen y ejecutar análisis de datos para obtener una imagen panorámica del suscriptor, incluidas sus preferencias y comportamientos, para tratar a cada cliente de manera adecuada.
Por ejemplo, en Guavus estamos trabajando con un operador en Asia para personalizar completamente la experiencia del suscriptor. Están usando software de análisis de datos para obtener una visión holística de los suscriptores basada en 10 índices diferentes. Nuestro cliente tiene múltiples sistemas que identifican diferentes aspectos del cliente, sin embargo, ellos quieren unificar esos sistemas, el objetivo, abordar los problemas antes de que sea demasiado tarde. Con todos los datos de origen consolidados, podrán ejecutar análisis para saber qué aplicaciones prefiere el suscriptor y así personalizar aún más la experiencia del cliente. Si al suscriptor le gusta usar WhatsApp, por ejemplo, ¿por qué no comunicarse con el suscriptor de esa manera? Los análisis también les permitirán anticipar cuando es probable que el suscriptor desee actualizar un dispositivo y qué tipos de servicios le interesan a cada suscriptor para que puedan ejecutar campañas de comunicación adaptadas específicamente a las preferencias de cada suscriptor.
Automatización y estándares 5G
Con la actual explosión en el uso de datos y la naturaleza en tiempo real de tantas aplicaciones emergentes, es imperativo reducir el factor humano en las operaciones de la red, especialmente en los altamente complejos entornos 5G, para mantenerse al tanto de los problemas de la red que pueden degradar las experiencias y erosionar la lealtad de los clientes. Un pequeño problema puede desencadenar rápidamente una cascada de complicaciones, y si los operadores no reaccionan inmediatamente para solucionar el problema de raíz, un gran número de suscriptores podría verse afectado.
Debido a que la complejidad de 5G se basa en el análisis y la automatización para funcionar correctamente, la Third Generation Partnership Project (3GPP) ha establecido una especificación para la inteligencia artificial para el monitoreo y la gestión en tiempo real como parte del estándar 5G en forma de una función de análisis de datos de la red: Network Data Analytics Function (NWDAF).
NWDAF ayuda a los operadores a encontrar y solucionar problemas a tiempo, para mantener servicios de alta calidad mediante la incorporación de interfaces estándar para la recopilación de datos en una serie de funciones de red dentro del núcleo 5G, para aplicar esos análisis en la automatización de operaciones específicas.
Para aprovechar NDWAF, los operadores simplemente deben adquirir el software NWDAF de un fabricante de equipos, un integrador de sistemas o un proveedor de software de terceros. Cuando se instala en un dispositivo, el software se registra automáticamente en un repositorio centralizado y descubre todas las funciones de red con las que necesita comunicarse. A partir de ahí, los operadores pueden recopilar datos de cualquiera de esas funciones de red integradas con otras fuentes NWDAF a través del core 5G, 5G New Radio RAN, red de datos y transporte, y red perimetral sin necesidad de volver a formatear los datos.
Un ejemplo de cómo NWDAF se traduce en mejores experiencias y, a su vez, en lealtad de los clientes en los casos de uso de redes 5G privadas. Las redes 5G privadas requieren una capacidad llamada segmentación de red, que crea segmentación lógica entre clientes o aplicaciones a través de una infraestructura de red física común. En un entorno 5G privado con decenas o cientos de segmentos de la red, sería difícil determinar qué segmento de la red puede proporcionar el mejor servicio a un dispositivo determinado, en función de su carga de tráfico actual. NWDAF determina automáticamente la carga para cada segmento de la red y a qué segmento debe asignar un dispositivo recién registrado para un rendimiento óptimo.
Diferenciarse aprovechando la tecnología
Los operadores móviles sin un sistema automatizado para ofrecer información continua sobre las experiencias y el comportamiento de los clientes, eventualmente se encontrarán en problemas para competir. Conocer las preferencias individuales de los suscriptores y poder anticipar y satisfacer sus necesidades cambiantes, en lugar de reaccionar a los problemas y la insatisfacción de los usuarios pasado el problema, es lo que en última instancia diferenciará a los proveedores que prosperan de los que caen en el olvido.
