A diferencia de una empresa tradicional, una startup se caracteriza por ser un negocio escalable y crece de una forma mucho más rápida y eficiente. Paul Graham, reconocido inversor en capital de riesgo, señala que la tasa de crecimiento ideal para un startup sería de 5% a 7% por semana. Tal es así que las startups funcionan con una mayor agilidad en la toma de decisiones y ejecución de los procesos. Este factor nos lleva a una conclusión preliminar: en una startup, de cualquier dominio que sea, el tiempo es el recurso más limitado y rico.
¿Cuál es el valor que provee la ciencia de datos a las startups de alto crecimiento y velocidad en su negocio? Y, sobre todo, ¿qué desafíos surgirán para los data scientists en el trabajo con estas compañías durante los próximos años?
Un primer beneficio que brinda la ciencia de datos a las startups de alto crecimiento es la posibilidad diferencial de gestionar el flujo de usuarios de las aplicaciones (ya sean apps de logística, e-commerce, citas, retail, fintech, etc.), conocer el crecimiento de cada segmento de usuarios, entender su comportamiento en las plataformas digitales y desarrollar los algoritmos que cada rubro necesita para optimizar su pauta publicitaria.
Si trabajamos con una startup referente a una app de citas, tendremos un algoritmo que modele el criterio para hacer ´matching´. Pero, en una empresa de logística o envío de paquetes, necesitamos algoritmos de optimización de ruteo de vehículos y cargas. A su vez, si nuestro destinatario es una fintech tendremos que trabajar en un algoritmo para administrar el riesgo. Es decir, cada rubro de startup tiene su propio modelo y lo que es común a todos los dominios de startups es el crecimiento y flujo de usuarios.
A partir de comprender esa dinámica de comportamiento, surge un segundo beneficio que solo las técnicas de ciencia de datos pueden apalancar: crear estrategias de fidelización personalizada para cada segmento de usuarios.
Decidir qué estímulo específico dar a qué segmento de usuario es un trabajo clave del análisis apoyado en las técnicas de ciencia de datos. No se invierte en cualquier usuario, sino que, a medida que los usuarios van teniendo relacionamiento con el sitio y sus ofertas, se pueden construir estas estrategias de fidelización personalizada.
De cara a los próximos dos años -en el contexto de lo que probablemente pueda llamarse “pospandemia”- las startups buscarán cada vez más soluciones de ciencia de datos que puedan potenciar una estrategia comercial, que está en una evaluación constante.
Todas las aplicaciones, de una forma u otra, agregan nuevos productos y servicios a su variada oferta (por ejemplo, empresas que solo hacían transporte de pasajeros ahora incorporan el delivery de mercaderías; los restaurantes se orientan hacia otro tipo de menús; o entre los negocios de retail se incorpora la venta de productos farmacéuticos) y van testeando permanentemente su propuesta valor para determinar qué es lo que mejor funciona entre sus usuarios.
El reto principal es construir metodologías ágiles que acompañen el proceso de crecimiento de las startups y permitan realizar una analítica efectiva, tanto de crecimiento como del consumidor, para cualquier tipo de empresa.
SEGUIR LEYENDO