{"id":69268,"date":"2023-12-03T15:31:55","date_gmt":"2023-12-03T15:31:55","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=69268"},"modified":"2025-06-04T11:24:50","modified_gmt":"2025-06-04T10:24:50","slug":"conforama-ai-enabled-personalization-boosts-conforama-crm-campaign-revenues","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/es\/cases\/conforama-ai-enabled-personalization-boosts-conforama-crm-campaign-revenues\/","title":{"rendered":"<span class=\"highlight\"> CONFORAMA <\/span> La personalizaci\u00f3n basada en la IA aumenta los ingresos de las campa\u00f1as CRM de Conforama"},"content":{"rendered":"<p>VEA : Conforama realiza con \u00e9xito la transici\u00f3n a una estrategia multicanal m\u00e1s \u00e1gil y eficaz integrando una soluci\u00f3n de IA para recomendaciones personalizadas de productos.<\/p>\n<p style=\"text-align: center;\"><iframe title=\"Reproductor de v\u00eddeo de YouTube\" src=\"https:\/\/www.youtube.com\/embed\/3bz_QjikNLU?si=YdZ0EWvtNfcsHE2X\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<p>Conforama es <strong>el segundo mayor minorista de muebles para el hogar en Francia<\/strong> y est\u00e1 presente en siete pa\u00edses, con 300 tiendas, 200 de ellas en Francia.\u00a0<a href=\"https:\/\/www.conforama.fr\/\" target=\"_blank\" rel=\"noopener\">La empresa<\/a>\u00a0vende muebles y art\u00edculos de decoraci\u00f3n en kit y registr\u00f3 unas ventas de 1.700 millones de euros en 2022.<\/p>\n<p>Como marca de entrada, el objetivo de Conforama es \u201cHacer accesible lo que la gente m\u00e1s desea al mejor precio\u201d. Es una ambici\u00f3n respaldada por una transformaci\u00f3n <strong>plan para ofrecer una experiencia omnicanal mediante data e IA<\/strong>. Una auditor\u00eda inicial y la visi\u00f3n data marketing con\u00a0<a href=\"https:\/\/www.artefact.com\/es\/\">Artefact<\/a>\u00a0identific\u00f3 y prioriz\u00f3 12 casos de uso y 25 facilitadores t\u00e9cnicos y organizativos. El primer caso de uso consist\u00eda en integrar una recomendaci\u00f3n personalizada de productos en los correos electr\u00f3nicos semanales de la empresa.<\/p>\n<p><strong>Era necesario abordar varios retos a trav\u00e9s de este caso de uso:<\/strong><\/p>\n<ul>\n<li>\u00bfC\u00f3mo entender las necesidades de tres millones de clientes y recomendarles los productos m\u00e1s relevantes de un cat\u00e1logo con 42.000 referencias?<\/li>\n<li>\u00bfC\u00f3mo proponer s\u00f3lo productos actualmente en stock, en promoci\u00f3n y que no hayan sido sugeridos ya a los clientes?<\/li>\n<li>\u00bfC\u00f3mo manejar y mantener f\u00e1cilmente la soluci\u00f3n t\u00e9cnica?<\/li>\n<\/ul>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Ahorrar tiempo a los consumidores, mejorar la productividad de las empresas<\/h2>\n<p>Mediante el uso de algoritmos de aprendizaje autom\u00e1tico para analizar el data de los usuarios, como sus preferencias, historial de compras y comportamiento en l\u00ednea, la recomendaci\u00f3n de productos basada en el artificial intelligence sugiere productos relevantes para los consumidores de forma personalizada. Esto permite a las empresas comprender mejor las necesidades de sus clientes y recomendarles productos que se ajusten a sus intereses, lo que se traduce en un aumento de las ventas y de la retenci\u00f3n de clientes.<\/p>\n<p>Una de las principales ventajas de esta soluci\u00f3n es que ahorra tiempo a los clientes. En lugar de desplazarse por innumerables p\u00e1ginas de productos para encontrar lo que buscan, los clientes pueden acceder r\u00e1pidamente a una selecci\u00f3n de productos recomendados que satisfacen espec\u00edficamente sus necesidades. <strong>La recomendaci\u00f3n de productos basada en la IA puede mejorar la experiencia de compra en l\u00ednea<\/strong> y animar a los clientes a volver para realizar m\u00e1s compras. Una ventaja estrat\u00e9gica, dado que el 72% de los consumidores s\u00f3lo interact\u00faan con mensajes de marketing personalizados y adaptados a sus intereses.<\/p>\n<p>Adem\u00e1s, <strong>La recomendaci\u00f3n de productos basada en la IA puede aumentar la productividad de las empresas<\/strong>: los algoritmos de aprendizaje autom\u00e1tico pueden analizar grandes cantidades de data en tiempo real, lo que permite a las empresas supervisar continuamente las tendencias de los clientes y su comportamiento de compra. Esto puede ayudar a las organizaciones a comprender mejor los deseos de los clientes y adaptar r\u00e1pidamente su oferta de productos en consecuencia. Tambi\u00e9n puede permitir a las empresas optimizar su inventario ofreciendo productos que tienen m\u00e1s probabilidades de venderse, lo que puede reducir los costes y maximizar los beneficios.<\/p>\n<p>Por \u00faltimo, la recomendaci\u00f3n de productos basada en la IA puede ofrecer importantes beneficios empresariales. Al sugerir productos relevantes y personalizados a los clientes, las empresas pueden mejorar su tasa de conversi\u00f3n, aumentar las ventas y reforzar su imagen de marca. Desde la perspectiva del mercado, se ha demostrado que la recomendaci\u00f3n de productos basada en la IA ofrece un crecimiento incremental de +2,5%.<\/p>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Un primer caso de uso centrado en la personalizaci\u00f3n de campa\u00f1as por correo electr\u00f3nico<\/h2>\n<p>Antes de este proyecto, todos los clientes de Conforama recib\u00edan correos electr\u00f3nicos con los mismos ocho productos seleccionados cada semana por los equipos de marketing. Se trataba de una tarea laboriosa, ya que requer\u00eda identificar los ocho productos con m\u00e1s probabilidades de interesar a tres millones de clientes, cada uno de los cuales ten\u00eda intereses \u00fanicos. Todo este tiempo dedicado a analizar data podr\u00eda haberse empleado en actividades m\u00e1s estrat\u00e9gicas, como la creaci\u00f3n de contenidos editoriales para esos correos electr\u00f3nicos.<\/p>\n<p>En la actualidad, cada martes se env\u00eda un correo electr\u00f3nico a cada cliente de Conforama con ocho recomendaciones de productos. Pero estas recomendaciones est\u00e1n personalizadas seg\u00fan el historial de compras, y filtradas exclusivamente para los productos que est\u00e1n en oferta, est\u00e1n disponibles en las tiendas y que no han aparecido en activaciones anteriores.<\/p>\n<p><strong>La soluci\u00f3n de IA implementada incluye 4 pasos principales de procesamiento data:<\/strong><\/p>\n<ul>\n<li>Recopilaci\u00f3n de historiales de transacciones, referencias de clientes y productos y, a continuaci\u00f3n, preparaci\u00f3n de data;<\/li>\n<li>Construir el modelo de \u201cfiltrado colaborativo\u201d para calcular el apetito de los clientes por el cat\u00e1logo de productos;<\/li>\n<li>Filtrado de productos basado en el inventario disponible, noticias comerciales (ventas, promociones, etc.), activaciones y compras anteriores;<\/li>\n<li>Enriquecimiento del producto data (fotos, precios, descripciones, etc.) para su activaci\u00f3n.<\/li>\n<\/ul>\n<p>Esta soluci\u00f3n se basa en 16 tablas data, 25 pasos de transformaci\u00f3n y modelado y 40 pruebas de calidad automatizadas. Decenas de iteraciones del modelo permitieron elegir el enfoque m\u00e1s eficaz en funci\u00f3n del historial de transacciones. <strong>Gracias a esta soluci\u00f3n, Conforama genera ahora varios millones de recomendaciones cada semana en 45 minutos con un coste de 50 euros semanales.<\/strong><\/p>\n<p>En otras palabras, si se cuentan los costes de desarrollo y funcionamiento, as\u00ed como las ventas incrementales, el punto de equilibrio del proyecto se alcanza en una semana, con una soluci\u00f3n automatizada y fiable.<\/p>\n<blockquote><p>\u201cAhorro de tiempo, s\u00ed, pero sobre todo un beneficio comercial para nuestros equipos de CRM. Porque gracias a esta personalizaci\u00f3n, los clientes hacen m\u00e1s clic y, por tanto, compran m\u00e1s. Hemos ganado un 15% de la tasa de clics tras la personalizaci\u00f3n de estos correos electr\u00f3nicos, lo que representa varios millones en ventas incrementales.\u201d<br \/>\nM\u00e9lodie Charles, Directora de Marketing de Conforama<\/p><\/blockquote>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Una transici\u00f3n suave a la IA: lecciones de la historia de \u00e9xito de Conforama<\/h2>\n<div class=\"fusion-text fusion-text-9\">\n<p>Para muchos jugadores, existen tres retos relacionados con su nivel de madurez:<\/p>\n<\/div>\n<ul>\n<li>Nivel 1: Personalizar un punto de contacto actualmente basado en reglas utilizando un enfoque algor\u00edtmico de IA;<\/li>\n<li>Nivel 2: Ampliaci\u00f3n de la recomendaci\u00f3n personalizada basada en la IA a todo el recorrido del cliente (productos similares \/ productos complementarios \/ sugerencia basada en el historial de compras);<\/li>\n<li>Nivel 3: Optimizaci\u00f3n de la orquestaci\u00f3n de las recomendaciones a trav\u00e9s de los canales para garantizar una experiencia omnicanal.<\/li>\n<\/ul>\n<p>El nivel 1 suele ser el m\u00e1s dif\u00edcil, ya que requiere sentar las bases de cuatro dimensiones distintas: visi\u00f3n del objetivo, experiencia del usuario y prioridades; fuentes data; herramientas tecnol\u00f3gicas; equipo del proyecto y m\u00e9todo de trabajo.<\/p>\n<p>El ejemplo de Conforama ofrece valiosas lecciones sobre estas cuatro dimensiones:<\/p>\n<ul>\n<li>Seleccione un primer caso de uso y funcionalidades que puedan implementarse y medirse r\u00e1pidamente para poner a la organizaci\u00f3n en el camino del \u00e9xito. Por ejemplo, gracias a esta primera victoria, Conforama ya puede planificar el despliegue de las recomendaciones de productos en las tiendas o la mejora de su algoritmo gracias a la navegaci\u00f3n data.<\/li>\n<li>Aseg\u00farese de que el data es fiable. Un buen modelado data se basa ante todo en una buena calidad data. Para Conforama, se realizaron an\u00e1lisis exploratorios en m\u00e1s de 50 tablas para seleccionar las fuentes de data en \u00e1reas como el conocimiento del cliente, los repositorios de productos y las transacciones.<\/li>\n<li>Utilizar tecnolog\u00edas que permitan a los equipos desplegar una soluci\u00f3n t\u00e9cnica de forma r\u00e1pida y colaborativa. Conforama seleccion\u00f3 las herramientas m\u00e1s adecuadas para este tipo de flujo de trabajo: DBT, BigQuery ML y Vertex AI por su rendimiento, modularidad y portabilidad.<\/li>\n<li>Formar un equipo dedicado capaz de hacer frente a todos los problemas potenciales y adoptar un enfoque de prueba y aprendizaje. Para ello, se form\u00f3 un equipo multidisciplinar de TI \/ negocio de Conforama, y se adopt\u00f3 un enfoque de sprint de 2 semanas.<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Conforama realiza con \u00e9xito la transici\u00f3n a una estrategia multicanal m\u00e1s \u00e1gil y eficaz mediante la integraci\u00f3n de una soluci\u00f3n de IA para ...<\/p>","protected":false},"featured_media":69798,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[91],"class_list":["post-69268","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-retail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/cases\/69268","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/69798"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=69268"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/categories?post=69268"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}