Cómo Renault Group analiza datos en menos tiempo gracias al agente de IA de Contentsquare

Métricas destacadas

La empresa

Renault Group es una de las principales empresas del sector de la automoción. Cuenta con presencia internacional, un ecosistema digital que abarca varias marcas (incluidas Renault, Dacia y Alpine) y una multitud de recorridos digitales para descubrir modelos, configurar vehículos, consultar vehículos nuevos y usados en su inventario o encontrar soluciones de financiación.

"Performance and Growth" es el equipo del grupo que se encarga del rendimiento digital. Para ello, define indicadores de rendimiento (KPI), recopila datos, analiza el comportamiento de los usuarios y hace pruebas A/B.

En el grupo, todo lo relacionado con el rendimiento se centraliza en este equipo, que ayuda a conocer los recorridos de los usuarios y a llevar a cabo iniciativas que generen un gran impacto.

Desde 2013, Renault colabora con fifty-five, una consultora especializada en marketing de datos, para gestionar y mejorar el rendimiento de su ecosistema digital.

Renault colaboró con fifty-five, Contentsquare y Kameleoon, una plataforma de soluciones de experimentación, para organizar un reto de optimización de la tasa de conversión (CRO) con IA. El objetivo de este reto era integrar plenamente los agentes de IA para optimizar el rendimiento digital y la experiencia de cliente.

"Nuestro objetivo es apoyar a los equipos, desde marca a producto, en todo el proceso, desde la definición de indicadores de rendimiento hasta la implementación de insights y la experimentación".

Alejandro Perruche

Head of Performance & Optimization

El reto

A pesar de contar con una sólida cultura de datos y un marco de experimentación, Renault Group aún se enfrentaba a varios obstáculos:

• La dificultad del análisis de datos: Tenían que analizar millones de sesiones, cientos de rutas y posibles puntos de fricción, lo que complicaba mucho el análisis del comportamiento y hacía que el proceso llevara mucho tiempo sin automatización.

• Dependencia de expertos en datos para el análisis: Los equipos digitales de UX, producto o marketing dependían de que los equipos de datos y analítica interpretaran los datos. Por eso, necesitaban una forma de obtener insights que fuera accesible y práctica para todos.

• La necesidad de acelerar la experimentación: Renault Group quería identificar más rápidamente oportunidades de optimización que tuvieran un gran impacto, en particular en los recorridos de los usuarios por el ecommerce de vehículos.

"Los datos y el rendimiento pueden parecer complejos a los equipos de UX, producto o marca. Nuestro objetivo es capacitarlos para que utilicen los datos de forma más independiente".

Alejandro Perruche

Head of Performance & Optimization

Para resolver estos inconvenientes, Renault Group, junto con fifty-five, Contentsquare y Kameleoon, diseñaron y pusieron en marcha un reto de innovación en CRO con IA. El objetivo principal era capacitar a los equipos de CRO para usar la IA y probar el valor de los agentes de IA. El objetivo es que pudieran analizar comportamientos, generar ideas para pruebas y priorizar acciones en los sitios del grupo.

La solución

Ese reto se basa en la utilización de dos plataformas con IA:

• Sense Analyst de Contentsquare: Un agente de IA autónomo que se encarga de las tareas más pesadas del análisis, como mapear automáticamente sitios, comparar recorridos, resumir hallazgos y recomendar siguientes pasos, lo que ahorra a los equipos horas de trabajo manual.

• PBX de Kameleoon: Un agente conversacional orientado a la experimentación que transforma insights en ideas para pruebas A/B y genera el código necesario para implementarlas rápidamente.

1. Sense Analyst democratizó el acceso y el uso de datos

Sense Analyst permitió a los equipos lo siguiente:

• Consultar y analizar datos complejos sobre recorridos de usuarios haciéndole preguntas con sus propias palabras. Por ejemplo, "¿Dónde se observa la mayor cantidad de abandonos en el embudo de comercio electrónico?" o "¿Qué comportamiento diferencia a los visitantes que generan conversiones?".

• Obtener análisis guiados y estructurados sin tener que tocar dashboards complejos.

• Identificar puntos de fricción y oportunidades de optimización más rápido y compartirlos fácilmente con el resto de equipos.

"Sense Analyst es un verdadero acelerador para equipos que no están familiarizados con los datos. Pueden interactuar directamente con un agente de IA, comprender comportamientos y planificar acciones sin tener que recurrir siempre a equipos de expertos".

Alejandro Perruche

Head of Performance & Optimization

2. PBX transformó insights en pruebas A/B en menos tiempo

Una vez que los equipos obtuvieron insights con Sense Analyst, PBX se encargó de los siguientes pasos:

• Proponer ideas concretas de pruebas A/B coherentes con las fricciones identificadas.

• Generar el código de las variaciones para ahorrar tiempo de implementación.

• Ayudar a priorizar las pruebas en función del impacto esperado, el tráfico y la complejidad de la implementación.

La combinación de Sense Analyst y PBX permitió pasar de la observación a la acción más rápidamente, gracias a que compartían los insights sobre el comportamiento. Con ambas plataformas, el equipo pudo abordar todo el proceso, desde el análisis del comportamiento hasta la ideación de pruebas, e incluso poner en marcha experimentos en los sitios del grupo.

Caso de uso: generar confianza en los compradores a lo largo del recorrido del comercio electrónico

Entre los más de 10 casos de uso identificados, uno de los más prometedores consistía en optimizar el embudo del comercio electrónico para ayudar a los potenciales compradores a tomar la decisión.

Sense Analyst reveló fricción en el recorrido de compra online de vehículos, ya que algunos usuarios seleccionaban un vehículo, pero dudaban en continuar el proceso, hasta que terminaban abandonando la compra.

A partir de ese insight, Renault y fifty-five, en colaboración con PBX de Kameleoon, diseñaron una prueba destinada a lo siguiente:

• Tranquilizar a los usuarios en el momento clave mostrándoles reseñas de otros compradores sobre el vehículo seleccionado.

• Hacer visibles estas reseñas en el momento oportuno del recorrido para generar confianza, eliminar obstáculos y fomentar la conversión.

"Nos impresionó poder mostrar a los usuarios reseñas de clientes sobre los vehículos que seleccionan. Es una información clave para tranquilizarlos y ayudarlos a tomar la decisión de compra".

Haciendo que la prueba social (reseñas, testimonios) fuera más accesible en el momento de la decisión, Renault Group esperaba aumentar la interacción en el embudo (continuación de pasos, clics en acciones clave), reducir el abandono en pasos críticos y mejorar la tasa de conversión de comercio electrónico en los vehículos en cuestión.

Los resultados

Estos fueron los resultados que consiguieron en 5 semanas:

• Ahorraron un 50 % de tiempo: Gracias a que Sense Analyst automatizó gran parte del análisis de comportamiento, los equipos obtuvieron insights y recomendaciones mucho más rápido.

• Identificaron más de 10 oportunidades de optimización en 6 semanas: De este reto de innovación con IA, surgieron 10 casos de uso sobre recorridos clave, de los cuales seleccionaron 7 y probaron 3.

• Facilitaron el acceso a los datos a los equipos de la organización: Los equipos digitales de UX, producto y marca usan Sense Analyst de forma más independiente, mientras que los equipos de datos dedican menos tiempo a análisis básicos y pueden centrarse en tareas más estratégicas.

"Desde que empezamos a usar Sense, hemos constatado que más personas usan la solución, y que nuestros equipos de expertos en datos reciben menos solicitudes para hacer análisis básicos".

Alejandro Perruche

Head of Performance & Optimization

Pasos siguientes

El reto de CRO con IA es solo el primer paso. Basándose en el feedback inicial, Renault Group ya planea hacer lo siguiente:

• Implementar los casos de uso ganadores en los sitios web del grupo (Renault, Dacia, etc.).

• Ampliar el reto a una audiencia más amplia para multiplicar ideas e integrar el uso de agentes de IA en los procesos de optimización diarios.

• Explorar nuevas vías (posventa, financiación, servicios conectados) utilizando los mismos componentes básicos de IA.

• Probar Sense Analyst para ir más allá; por ejemplo, hacer análisis multisesión, analizar comportamientos recurrentes y señales débiles.

"Estoy convencido de que, gracias a este nuevo enfoque, transformaremos gradualmente nuestra forma de abordar el rendimiento. Primero, fomentando una adopción mucho mayor por parte de los equipos de producto digital. Segundo, mejorando la eficiencia entre la búsqueda de información sobre el rendimiento y la obtención de los resultados deseados. Pero lo más importante para mí es que este enfoque convierte a la toma de decisiones basada en datos en la base de la estrategia de los equipos de producto digital".

Alejandro Perruche

Head of Performance & Optimization